什么是 生成式AI？
生成式AI是一类能够创建新内容的人工智能系统，包括文本、图像、音频、视频和代码，通过从现有数据中学习模式并生成与训练数据相似的新颖输出。
快速了解
| 全称 | 生成式人工智能 |
|---|---|
| 创建时间 | 2014 年（Ian Goodfellow 提出 GAN）、2017 年（Transformer）、2022 年（ChatGPT 公开发布） |
| 规范文档 | 官方规范 |
工作原理
生成式 AI 模型通过学习训练数据的底层结构和模式来生成新的原创内容。与仅基于输入进行分类或预测的判别式 AI 不同，生成式 AI 能够创建全新的输出。关键架构包括 Transformer（支撑 ChatGPT、GPT-4、Claude）、扩散模型（Stable Diffusion、DALL-E 3、Midjourney）和生成对抗网络（GAN）。这些系统彻底改变了内容创作方式，实现了从自动写作、代码生成到逼真图像合成和音乐创作等多种应用。
主要特点
- 创建新颖内容，而非仅分析现有数据
- 从训练数据中学习概率分布以生成相似输出
- 支持多种模态：文本、图像、音频、视频和代码
- 采用 Transformer 和扩散模型等深度学习架构
- 能够理解并遵循自然语言指令（提示词）
- 在大规模时展现涌现能力，包括推理和创造力
常见用途
- 文本生成：聊天机器人、内容写作、摘要、翻译（ChatGPT、Claude）
- 图像生成：艺术创作、照片编辑、设计原型（DALL-E、Stable Diffusion、Midjourney）
- 代码生成：编程辅助、代码补全、调试（GitHub Copilot、Cursor）
- 音频与音乐：语音合成、音乐创作、音效（Suno、ElevenLabs）
- 视频生成：短视频、动画、视频编辑（Sora、Runway）
示例
loading...
Loading code...常见问题
生成式 AI 和传统 AI 有什么区别？
传统 AI 专注于分析和分类现有数据（判别式 AI），而生成式 AI 能够创建全新的内容，如文本、图像、音频和视频。生成式 AI 从训练数据中学习模式，生成与原始数据相似但并非复制的新颖输出。
生成式 AI 使用哪些主要架构？
主要架构包括 Transformer（用于 ChatGPT、GPT-4、Claude）、扩散模型（用于 Stable Diffusion、DALL-E 3、Midjourney）和生成对抗网络（GAN）。每种架构在不同类型的内容生成方面各有优势。
生成式 AI 能否取代人类创造力？
生成式 AI 是增强而非取代人类创造力。虽然它能产生令人印象深刻的内容，但缺乏真正的理解、情感深度和原创概念思维。它最适合作为协助人类创作过程的协作工具。
生成式 AI 有哪些伦理问题？
主要的伦理问题包括版权和知识产权问题、虚假信息和深度伪造的潜在风险、创意产业的就业影响、生成内容中的偏见，以及训练大型模型对环境的影响。
生成式 AI 模型如何学习创建新内容？
生成式 AI 模型通过分析大量训练数据来理解模式、结构和关系。它们建立这些数据的概率模型，并使用下一词元预测（用于文本）或去噪（用于图像）等技术来生成遵循已学习模式的新内容。