AIGC基礎(chǔ)與應(yīng)用 課件 第一章 認(rèn)識(shí)AIGC

第1章

認(rèn)識(shí)AIGC【本章導(dǎo)讀】本章首先介紹人工智能的定義、起源和發(fā)展等，然后介紹大模型的相關(guān)知識(shí)，最后介紹AIGC的概念、應(yīng)用場(chǎng)景以及常見(jiàn)的AIGC大模型工具等?！颈菊乱c(diǎn)】

認(rèn)識(shí)人工智能

認(rèn)識(shí)大模型

AIGC概述

AIGC的應(yīng)用場(chǎng)景

常見(jiàn)的AIGC大模型工具認(rèn)識(shí)人工智能01人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。人工智能研究如何使計(jì)算機(jī)模擬人的某些思維過(guò)程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等），是一個(gè)以計(jì)算機(jī)科學(xué)為基礎(chǔ)，由計(jì)算機(jī)、心理學(xué)、哲學(xué)等多學(xué)科交叉融合的交叉學(xué)科、新興學(xué)科。人工智能的起源

人工智能的概念在20世紀(jì)50年代被正式提出。1950年，一位名叫馬爾溫·明斯基（MarvinMinsky）的學(xué)生與他的同學(xué)合作建造了世界上第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)，這被視為人工智能發(fā)展的一個(gè)重要起點(diǎn)。被譽(yù)為“計(jì)算機(jī)之父”的艾倫·圖靈（AlanTuring）提出了一個(gè)舉世矚目的想法——圖靈測(cè)試。按照?qǐng)D靈的設(shè)想：如果一臺(tái)機(jī)器能夠與人類開(kāi)展對(duì)話而且不能被辨別出機(jī)器身份，那么這臺(tái)機(jī)器就具有智能。1966年，麻省理工學(xué)院（MassachusettsInstituteofTechnology，MIT）的教授約瑟夫·魏岑鮑姆（JosephWeizenbaum）開(kāi)發(fā)了一個(gè)可以和人對(duì)話的程序，并取名為Eliza01圖靈測(cè)試的方法很簡(jiǎn)單，就是讓測(cè)試者與被測(cè)試者（一個(gè)人與一臺(tái)機(jī)器）隔開(kāi)，測(cè)試者通過(guò)一些裝置（如鍵盤(pán)）向被測(cè)試者隨意提問(wèn)，被測(cè)試者自由回答。進(jìn)行多次測(cè)試后，如果有超過(guò)30%的測(cè)試者不能確定被測(cè)試者是人還是機(jī)器，那么這臺(tái)機(jī)器就通過(guò)了測(cè)試01從20世紀(jì)60年代到80年代，人工智能經(jīng)歷了快速發(fā)展的階段。在這個(gè)時(shí)期，人們開(kāi)始探索研究機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)，人工智能的應(yīng)用范圍也因此不斷擴(kuò)大20世紀(jì)90年代初期，人工智能經(jīng)歷了一段低谷期。當(dāng)時(shí)，由于計(jì)算機(jī)的運(yùn)算能力較弱，加之?dāng)?shù)據(jù)集方面的限制，人工智能的應(yīng)用受到了很大的制約21世紀(jì)初，隨著大數(shù)據(jù)和云計(jì)算等技術(shù)的出現(xiàn)，人工智能再次進(jìn)入了快速發(fā)展的階段。人們開(kāi)始研究深度學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等技術(shù)，人工智能的應(yīng)用范圍進(jìn)一步擴(kuò)大超人工智能（ArtificialSuperIntelligence，ASI）是在幾乎所有領(lǐng)域都大大超過(guò)人類認(rèn)知表現(xiàn)的任何智力的人工智能。弱人工智能是指利用現(xiàn)有智能化技術(shù)來(lái)改善經(jīng)濟(jì)社會(huì)發(fā)展所需要的技術(shù)條件和發(fā)展功能，可以理解為只能執(zhí)行單一任務(wù)的人工智能。強(qiáng)人工智能也稱通用人工智能，在思考、解決問(wèn)題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)等方面都能與人類相媲美。人工智能分類弱人工智能、強(qiáng)人工智能與超人工智能01人工智能有三大核心要素，分別是數(shù)據(jù)、算法和算力。數(shù)據(jù)是一切智慧體的學(xué)習(xí)資源，沒(méi)有了數(shù)據(jù)，任何智慧體都很難學(xué)習(xí)到知識(shí)。算法是一組解決問(wèn)題的規(guī)則，是計(jì)算機(jī)科學(xué)中的基礎(chǔ)概念。算力是指計(jì)算機(jī)或其他計(jì)算設(shè)備在一定時(shí)間內(nèi)可以處理的數(shù)據(jù)量或完成的計(jì)算任務(wù)的數(shù)量。算力通常被用來(lái)描述計(jì)算機(jī)或其他計(jì)算設(shè)備的性能，它是衡量一臺(tái)計(jì)算設(shè)備處理能力的重要指標(biāo)。2017年8月3日，騰訊正式發(fā)布了人工智能醫(yī)學(xué)影像產(chǎn)品——騰訊覓影。同時(shí)，還宣布成立人工智能醫(yī)學(xué)影像聯(lián)合實(shí)驗(yàn)室。我國(guó)高度重視發(fā)展人工智能，在《新一代人工智能發(fā)展規(guī)劃》中提出，到2030年人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心.2022年，全國(guó)一體化大數(shù)據(jù)中心體系總體完成布局設(shè)計(jì)，“東數(shù)西算”工程正式全面啟動(dòng)，人工智能基礎(chǔ)設(shè)施加快建設(shè)。2017年7月5日，百度首次發(fā)布人工智能開(kāi)放平臺(tái)的整體戰(zhàn)略、技術(shù)和解決方案。這也是百度AI技術(shù)首次整體亮相。我國(guó)的人工智能發(fā)展現(xiàn)狀01大模型是大規(guī)模語(yǔ)言模型（Large-scaleLanguageModel，LLM）的簡(jiǎn)稱。語(yǔ)言模型是一種人工智能模型，它被訓(xùn)練成可以理解和生成人類語(yǔ)言。大模型本質(zhì)上就是大的深度神經(jīng)網(wǎng)絡(luò)，它通過(guò)學(xué)習(xí)大量的文本數(shù)據(jù)，理解和生成人類語(yǔ)言，大模型的特點(diǎn)是層數(shù)深、參數(shù)量大、訓(xùn)練數(shù)據(jù)量大。大模型主要用于處理和生成類似于人類產(chǎn)出的文本。這些模型可以理解語(yǔ)言結(jié)構(gòu)、語(yǔ)法、上下文和語(yǔ)義聯(lián)系，因?yàn)樗鼈円呀?jīng)在大量的文本數(shù)據(jù)上進(jìn)行了訓(xùn)練。大模型常常是在大量文本語(yǔ)料庫(kù)，如書(shū)籍、文章、網(wǎng)頁(yè)上進(jìn)行預(yù)訓(xùn)練的。預(yù)訓(xùn)練是指將大量低成本收集的訓(xùn)練數(shù)據(jù)放在一起，經(jīng)過(guò)某種方法去學(xué)習(xí)數(shù)據(jù)中的共性，然后將其中的共性“移植”到特定任務(wù)的模型中上下文理解能力強(qiáng)語(yǔ)言生成能力強(qiáng)學(xué)習(xí)能力強(qiáng)03%01%02%04%01認(rèn)識(shí)大模型Token的概念在自然語(yǔ)言處理中非常重要，因?yàn)樗軌驇椭鷻C(jī)器理解自然語(yǔ)言。在傳統(tǒng)的計(jì)算機(jī)編程中，我們通常會(huì)對(duì)輸入的數(shù)據(jù)進(jìn)行格式化處理，以便讓計(jì)算機(jī)能夠更好地處理它們掩碼語(yǔ)言模型掩碼（Mask）語(yǔ)言模型是一種基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)言模型，它可以在預(yù)訓(xùn)練階段使用海量的未標(biāo)注語(yǔ)料庫(kù)進(jìn)行訓(xùn)練，然后在有監(jiān)督的任務(wù)中進(jìn)行微調(diào)，如文本分類、序列標(biāo)注等Token與大模型Token是指文本中一個(gè)有意義的單位，可以是單詞、數(shù)字或者標(biāo)點(diǎn)符號(hào)。在自然語(yǔ)言處理領(lǐng)域中，機(jī)器學(xué)習(xí)模型通常以Token作為其輸入單位，Token可以被理解為文本中的最小單位下一個(gè)句子預(yù)測(cè)下一個(gè)句子預(yù)測(cè)（NextSentencePrediction，NSP）是一個(gè)常見(jiàn)的自然語(yǔ)言處理任務(wù)，這個(gè)任務(wù)是指給定兩個(gè)句子A和B，讓模型判斷B是否是A的下一個(gè)句子。這個(gè)任務(wù)可以讓模型學(xué)習(xí)到語(yǔ)言中的句子關(guān)系和連貫性.以BERT為例講解大模型的預(yù)訓(xùn)練過(guò)程01BERT是一種基于Transformer架構(gòu)的大模型，它在2018年由谷歌提出深度學(xué)習(xí)0201020304目前，深度學(xué)習(xí)技術(shù)在學(xué)術(shù)界和工業(yè)界取得了大量的成果，并受到高度重視，掀起了新一輪的人工智能熱潮深度學(xué)習(xí)受到仿生學(xué)的啟發(fā)，通過(guò)模仿神經(jīng)元、神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以及傳輸和接收信號(hào)的方式，達(dá)到學(xué)習(xí)人類思維方式的目的前饋神經(jīng)網(wǎng)絡(luò)是一種簡(jiǎn)單的深度學(xué)習(xí)模型，各神經(jīng)元分層排列，每個(gè)神經(jīng)元只與前一層的神經(jīng)元相連，接收前一層的輸出，并輸出給下一層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)也被稱為訓(xùn)練，指的是通過(guò)神經(jīng)網(wǎng)絡(luò)所在環(huán)境的刺激作用調(diào)整神經(jīng)網(wǎng)絡(luò)的自由參數(shù)，使神經(jīng)網(wǎng)絡(luò)以一種新的方式對(duì)外部環(huán)境做出反應(yīng)的一個(gè)過(guò)程深度學(xué)習(xí)02循環(huán)神經(jīng)網(wǎng)絡(luò)在語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域有著重要的應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)是目前深度學(xué)習(xí)技術(shù)領(lǐng)域中非常具有代表性的神經(jīng)網(wǎng)絡(luò)之一，在圖像分析和處理領(lǐng)域取得了眾多突破性的進(jìn)展注意力機(jī)制（AttentionMechanism）是一種深度學(xué)習(xí)中常用的技術(shù)，它允許模型在處理輸入數(shù)據(jù)時(shí)集中“注意力”于相關(guān)的部分。這種機(jī)制通過(guò)模仿人類視覺(jué)和認(rèn)知系統(tǒng)的關(guān)注方式，幫助神經(jīng)網(wǎng)絡(luò)選擇性地關(guān)注并自動(dòng)學(xué)習(xí)輸入的重要信息，以提高模型的性能和泛化能力生成對(duì)抗網(wǎng)絡(luò)主要解決的問(wèn)題是如何從訓(xùn)練樣本中學(xué)習(xí)新樣本，其中判別模型用于判斷輸入樣本是真實(shí)數(shù)據(jù)還是訓(xùn)練生成的假數(shù)據(jù)01020304深度學(xué)習(xí)中的常見(jiàn)模型02卷積神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)生成對(duì)抗網(wǎng)絡(luò)模型02020304圖像識(shí)別是深度學(xué)習(xí)應(yīng)用最早的領(lǐng)域之一，其本質(zhì)是圖像分類問(wèn)題基于深度學(xué)習(xí)的機(jī)器翻譯模型翻譯出來(lái)的結(jié)果更加接近于人類的表達(dá)邏輯，翻譯正確率得到了大大的提高借助深度學(xué)習(xí)的力量，機(jī)器人可以在真實(shí)、復(fù)雜的環(huán)境中代替人類執(zhí)行一些特殊任務(wù)，如人員跟蹤、排爆等，這在過(guò)去是完全不可能的事自動(dòng)駕駛技術(shù)的開(kāi)發(fā)過(guò)程應(yīng)用了大量的深度學(xué)習(xí)技術(shù)，如馬路線與路標(biāo)的檢測(cè)、周邊行駛車輛的三維信息的獲取等深度學(xué)習(xí)的應(yīng)用02自然語(yǔ)言可以被定義為一組規(guī)則或符號(hào)的集合，通過(guò)輸出組合集合中的符號(hào)就可以傳遞各種信息自然語(yǔ)言處理是指利用計(jì)算機(jī)對(duì)人類特有的語(yǔ)言信息（包括形、音、義等）進(jìn)行處理.自然語(yǔ)言處理技術(shù)通過(guò)建立計(jì)算機(jī)的算法框架來(lái)實(shí)現(xiàn)某個(gè)語(yǔ)言模型，并對(duì)模型進(jìn)行完善、評(píng)估，最終用于設(shè)計(jì)各種實(shí)用的自然語(yǔ)言應(yīng)用系統(tǒng)01020304自然語(yǔ)言處理02詞法分析詞法分析是理解單詞的基礎(chǔ)，其目的是從句子中切分出單詞，找出詞匯的各個(gè)詞素，再?gòu)闹蝎@得單詞的語(yǔ)言學(xué)信息和詞義句法分析句法分析是自然語(yǔ)言處理的核心，是對(duì)語(yǔ)言進(jìn)行深層次理解的基礎(chǔ)。在自然語(yǔ)言處理領(lǐng)域中，機(jī)器翻譯是其中一個(gè)重要的研究方向，也是自然語(yǔ)言處理應(yīng)用的主要領(lǐng)域之一語(yǔ)義分析完成句法分析不等于已經(jīng)理解了該語(yǔ)句，還需要對(duì)語(yǔ)句的語(yǔ)義進(jìn)行分析。語(yǔ)義分析的任務(wù)是把句法分析得到的句法成分與應(yīng)用領(lǐng)域中的目標(biāo)表示相關(guān)聯(lián)，從而確定語(yǔ)言所表達(dá)的真正含義深度學(xué)習(xí)的應(yīng)用02自然語(yǔ)言處理的具體表現(xiàn)形式包括機(jī)器翻譯、文本摘要、文本分類、文本校對(duì)、信息抽取、語(yǔ)音合成、語(yǔ)音識(shí)別等。近些年，自然語(yǔ)言處理研究已經(jīng)取得了巨大的進(jìn)步，并逐漸發(fā)展成為一門(mén)獨(dú)立的學(xué)科。目前，大語(yǔ)言模型的生態(tài)已初具規(guī)模。大語(yǔ)言模型通常在大規(guī)模無(wú)標(biāo)記數(shù)據(jù)上進(jìn)行訓(xùn)練，以學(xué)習(xí)某種特征和規(guī)則。ChatGPT的背后就是大語(yǔ)言模型生成領(lǐng)域的新訓(xùn)練范式：RLHF（ReinforcementLearningfromHumanFeedback），即基于人類反饋的強(qiáng)化學(xué)習(xí)來(lái)優(yōu)化語(yǔ)言模型。RLHF是一個(gè)涉及多個(gè)模型和不同訓(xùn)練階段的復(fù)雜概念，有以下3個(gè)訓(xùn)練步驟。（1）預(yù)訓(xùn)練一個(gè)語(yǔ)言模型（LanguageModel，LM）；（2）聚合問(wèn)答數(shù)據(jù)并訓(xùn)練一個(gè)獎(jiǎng)勵(lì)模型（RewardModel，RM）；（3）用強(qiáng)化學(xué)習(xí)（ReinforcementLearning，RL）方式微調(diào)LM。

AIGC概述03AIGC可以自動(dòng)生成各種類型的內(nèi)容，例如文章、視頻、圖片、音樂(lè)、代碼等，這樣可以滿足不同用戶的不同需求從商業(yè)層面看，AIGC本質(zhì)上是一種AI賦能技術(shù)，由于其具有高質(zhì)量、低門(mén)檻、高自由度的生成能力，被廣泛應(yīng)用于各類內(nèi)容的相關(guān)場(chǎng)景，服務(wù)于生產(chǎn)者隨著自然語(yǔ)言生成技術(shù)和AI模型的不斷發(fā)展，AIGC逐漸受到大家的關(guān)注，目前已經(jīng)可以自動(dòng)生成圖片、文字、音頻、視頻、3D模型和代碼等AIGC可以利用深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等技術(shù)，不斷地學(xué)習(xí)和優(yōu)化內(nèi)容生成策略AIGC可以根據(jù)用戶輸入的關(guān)鍵詞或要求自動(dòng)地生成內(nèi)容，無(wú)須人工編輯AIGC可以利用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)，不斷地更新和改進(jìn)內(nèi)容生成的模型和算法認(rèn)識(shí)AIGC

02AIGC的發(fā)展歷程可以大致分為以下3個(gè)階段。早期萌芽階段：20世紀(jì)50年代—90年代中期，受限于科技水平，AIGC的實(shí)驗(yàn)僅限于小范圍實(shí)驗(yàn)。沉淀積累階段：20世紀(jì)90年代中期—21世紀(jì)10年代中期，AIGC從實(shí)驗(yàn)向?qū)嵱棉D(zhuǎn)變，但受限于算法，無(wú)法直接進(jìn)行內(nèi)容生成。快速發(fā)展階段：21世紀(jì)10年代中期至今，深度學(xué)習(xí)算法不斷迭代，AIGC生成內(nèi)容種類豐富且效果越來(lái)越好。2017年微軟人工智能少年“小冰”推出世界上首部由人工智能寫(xiě)作的詩(shī)集《陽(yáng)光失了玻璃窗》，2018年NVIDIA（英偉達(dá)）發(fā)布的StyleGAN模型可自動(dòng)生成圖片，2019年DeepMind發(fā)布的DVD-GAN模型可生成連續(xù)視頻。2021年OpenAI推出DALL-E模型并更新迭代版本DALL-E-2模型，該模型主要用于文本、圖像的交互生成。01%02%03%04%變分自編碼器模型傳統(tǒng)的自編碼器模型主要由兩部分構(gòu)成：編碼器（encoder）和解碼器（decoder）編碼器-解碼器結(jié)構(gòu)作為語(yǔ)言模型的經(jīng)典結(jié)構(gòu)，模擬的是人腦理解與表達(dá)自然語(yǔ)言的過(guò)程，其中編碼器將語(yǔ)言轉(zhuǎn)換成大腦所能理解和記憶的內(nèi)容，而解碼器則將人腦中所想的內(nèi)容表達(dá)出來(lái)擴(kuò)散模型擴(kuò)散模型是一種基于去噪技術(shù)的圖像生成模型。在生成圖像的過(guò)程中，它實(shí)際上是在不斷地去除噪聲和隨機(jī)性的影響，逐漸得到一個(gè)越來(lái)越真實(shí)、越來(lái)越精細(xì)的圖像Transformer模型Transformer模型由編碼器和解碼器兩個(gè)部分組成Transformer模型編碼層由6個(gè)結(jié)構(gòu)相同的編碼器串聯(lián)而成，解碼層由6個(gè)結(jié)構(gòu)相同的解碼器串聯(lián)而成。在以Transformer模型為代表的語(yǔ)言模型中，編碼器的功能就是把自然語(yǔ)言序列映射為某種數(shù)學(xué)表達(dá)，而解碼器則是把這個(gè)數(shù)學(xué)表達(dá)映射為自然語(yǔ)言序列多模態(tài)深度學(xué)習(xí)多模態(tài)數(shù)據(jù)是指記錄在不同類型的媒體（如文本、圖像、視頻、聲音）中的描述同一對(duì)象的數(shù)據(jù)。在表征學(xué)習(xí)領(lǐng)域，“模態(tài)”一詞指編碼信息的特定方式或機(jī)制。多模態(tài)深度學(xué)習(xí)是指將來(lái)自不同感知模態(tài)的信息（如圖像、文本、語(yǔ)音等）融合到一個(gè)深度學(xué)習(xí)模型中，以實(shí)現(xiàn)更豐富的信息表達(dá)和更準(zhǔn)確的預(yù)測(cè)AIGC的算法體系

02自編碼器模型結(jié)構(gòu)Transformer模型使用Transformer模型處理輸入數(shù)據(jù)（以文本為主）有以下四個(gè)主要步驟。（1）詞嵌入（2）位置編碼（3）自注意力機(jī)制（4）文本生成Imagen是2022年5月谷歌發(fā)布的圖像生成擴(kuò)散模型。用戶向其中輸入描述性文本，模型會(huì)生成與文本匹配的圖像。Imagen生成圖像01020304數(shù)據(jù)在收集后需要進(jìn)行預(yù)處理，預(yù)處理涉及清理數(shù)據(jù)、刪除重復(fù)數(shù)據(jù)或不相關(guān)數(shù)據(jù)，以及規(guī)范化數(shù)據(jù)首先是收集數(shù)據(jù)（用于訓(xùn)練AI模型），包括收集現(xiàn)有數(shù)據(jù)集，通過(guò)調(diào)查、爬取公開(kāi)數(shù)據(jù)等方法生成新數(shù)據(jù).預(yù)處理后，使用特定算法訓(xùn)練AI模型，比如有監(jiān)督或無(wú)監(jiān)督學(xué)習(xí)。訓(xùn)練過(guò)程中需要調(diào)整參數(shù)，以降低模型錯(cuò)誤率最后，對(duì)生成的內(nèi)容進(jìn)行評(píng)估和細(xì)化，以確保其滿足某些質(zhì)量標(biāo)準(zhǔn)

AIGC的流程02語(yǔ)言模型是AIGC技術(shù)的基礎(chǔ)，其主要作用是根據(jù)已有的語(yǔ)言數(shù)據(jù)來(lái)學(xué)習(xí)語(yǔ)言的規(guī)律和模式神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型則是基于神經(jīng)網(wǎng)絡(luò)的模型，它使用神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)下一個(gè)詞或字符的概率分布。N-gram模型是一種基于統(tǒng)計(jì)的模型，主要根據(jù)已有的文本數(shù)據(jù)來(lái)學(xué)習(xí)不同單詞之間的關(guān)系，從而生成新的語(yǔ)句AIGC包含的技術(shù)02AIGC應(yīng)用實(shí)例例如，用戶提問(wèn)：在一座孤島上，一條龍和一只鳳凰會(huì)怎么相處？這是一個(gè)極具想象力的問(wèn)題，因?yàn)辇埡网P凰都是神話中的生物。但由于AIGC接受了大量文本輸入作為訓(xùn)練數(shù)據(jù)，它能從中了解到關(guān)于龍和鳳凰的信息，并在回答中融入這些信息。生成文本對(duì)話如下。問(wèn)：在一座孤島上，一條龍和一只鳳凰會(huì)怎么相處？答：在傳統(tǒng)文化中，龍和鳳凰都是具有神話色彩的生物，它們代表著不同的象征意義。龍通常被視為強(qiáng)大、威嚴(yán)和神秘的象征，而鳳凰則代表著幸福、榮耀和重生。在孤島上，一條龍和一只鳳凰可能會(huì)相互敬畏和尊重，因?yàn)樗鼈兌际欠浅?qiáng)大的生物。它們可能會(huì)建立一種和平共處的關(guān)系，分享資源和領(lǐng)地，同時(shí)也會(huì)保護(hù)對(duì)方免受外來(lái)威脅。

AIGC的應(yīng)用場(chǎng)景04代碼生成AIGC可以作為自動(dòng)化代碼生成和重構(gòu)的工具，能夠通過(guò)對(duì)現(xiàn)有代碼庫(kù)進(jìn)行學(xué)習(xí)和分析，生成符合特定需求的代碼，并對(duì)現(xiàn)有代碼進(jìn)行重構(gòu)及優(yōu)化文本生成

目前，AIGC文本生成主要被應(yīng)用于新聞的撰寫(xiě)、給定格式的短文撰寫(xiě)以及風(fēng)格改寫(xiě).圖像生成

圖像生成是指運(yùn)用人工智能技術(shù)，根據(jù)給定的數(shù)據(jù)進(jìn)行單模態(tài)或跨模態(tài)圖像生成音視頻生成音頻生成是指根據(jù)所輸入的數(shù)據(jù)合成對(duì)應(yīng)的聲音波形視頻生成是指