生成式AI - 前言

生成式 AI 教程

生成式人工智能（Generative AI）是指一类能够创造新内容的人工智能系统，例如文本、图像、音频、视频，甚至代码。这些系统从海量训练数据中学习模式和结构，然后利用这些学到的知识生成新的、原创的输出，这些输出通常与训练数据相似，但又有所区别。著名的架构包括大型语言模型（LLMs）、生成对抗网络（GANs）、变分自编码器（VAEs）和扩散模型（Diffusion Models）。

生成式人工智能（GenAI）正在重塑创造力、解决问题和创新的格局。像 OpenAI 的 ChatGPT、谷歌的 Gemini 或 Stability AI 的 Stable Diffusion 这样功能强大的系统背后，技术核心正是生成式人工智能。这项先进技术使这些模型能够生成类人文本、令人惊叹的视觉内容以及功能性代码，从根本上改变了我们与信息互动和创造新事物的方式。

什么是生成式人工智能？

生成式人工智能涵盖了旨在生成新内容的人工智能模型和算法。与基于输入数据进行分类或预测的判别式人工智能（Discriminative AI）模型（例如，识别垃圾邮件或预测股票价格）不同，生成式人工智能侧重于创造。它学习数据的底层分布，并从这个学到的分布中进行采样以生成新的实例。

生成式人工智能与其他类型的人工智能有何不同？

主要区别在于它们的目标：

• 生成式人工智能（例如，LLMs、GANs、VAEs、扩散模型）创建新的数据实例。其目标是学习数据概率分布的模型，以便从该分布中生成新的样本。例子包括撰写文章、创作音乐或创建不存在的人的逼真图像。
• 判别式人工智能（例如，用于图像分类的支持向量机、逻辑回归、大多数卷积神经网络等分类和回归模型）学习区分不同类别的数据或预测连续值。它学习类别之间的决策边界或从输入到输出的映射。例子包括图像分类（猫与狗）、情感分析或销售预测。

简单来说，生成式人工智能是关于 创造和合成，而其他类型的人工智能（通常称为分析型人工智能或预测型人工智能）主要基于现有数据进行 分析、分类或预测。

生成式人工智能的应用

• 内容创作：生成文章、博客帖子、脚本、营销文案、诗歌和小说（例如，使用 GPT-4 等大型语言模型）。
• 艺术与设计：创作原创图像、绘画、平面设计和 3D 模型（例如，使用 Midjourney、DALL-E、Stable Diffusion 等工具）。
• 音乐创作：创作各种风格的新音乐作品或生成背景音乐。
• 软件开发：协助代码生成、调试、代码补全，甚至创建整个软件模块（例如，GitHub Copilot、Amazon CodeWhisperer）。
• 数据增强：生成合成数据以扩充有限的数据集，提高其他机器学习模型的鲁棒性和性能，尤其是在隐私敏感领域。
• 药物发现和材料科学：设计具有所需特性的新型分子结构或材料。
• 个性化教育：创建定制的学习材料和互动导师。
• 虚拟世界和游戏：为游戏和元宇宙应用生成逼真的环境、角色和叙事。
• 合成媒体（深度伪造）：创建逼真但捏造的视频或音频内容（引发伦理考量）。
• 科学研究：模拟复杂现象或基于现有数据生成假设。

目标受众

• 机器学习和人工智能爱好者：热衷于理解和应用前沿人工智能技术的人群。
• 数据科学家和工程师：希望将技能扩展到生成建模、其应用及产品集成领域的专业人士。
• 软件开发人员：对利用 GenAI API 或构建由生成模型驱动的应用程序感兴趣的程序员。
• 学生和研究人员：计算机科学、数据科学、人工智能或相关领域中，希望探索高级人工智能主题和研究前沿的人群。
• 创意专业人士：对使用人工智能作为创作表达和内容生成工具感兴趣的艺术家、作家、设计师和音乐家。
• 产品经理和商业领袖：希望了解 GenAI 在创新和创造新商业机会方面的潜力的人士。

先决条件

要想充分利用本教程，特别是涉及构建或微调模型的更技术性内容，建议具备以下基础知识。然而，如果只是使用预构建的 GenAI 工具和 API，技术门槛会低很多。

• Python 编程基础：熟悉 Python 语法、数据结构以及 NumPy 等常用库对于理解代码示例至关重要。对于高级主题，有 PyTorch 或 TensorFlow 经验会有帮助。
• 机器学习基础：理解监督学习/无监督学习、模型训练、评估指标、过拟合以及通用的机器学习工作流程等核心概念。
• 深度学习基础：了解神经网络、激活函数、损失函数、反向传播和梯度下降。熟悉 CNNs 和 RNNs 等架构会有所帮助。
• 数学：对线性代数（向量、矩阵）、微积分（导数、梯度）和概率论（分布、采样）有基本掌握，这些是许多生成模型的基础。
• 生成模型知识（有益但并非入门必需）：先前接触过 GANs 或 VAEs 等概念可能会有优势，但本教程旨在从基础开始介绍关键概念。

对于主要对 使用 GenAI 工具感兴趣的人（例如，使用 ChatGPT 进行提示工程，使用 AI 艺术生成器），扎实的编程或深厚的数学技能并非那么关键。好奇心和乐于尝试的精神才是关键！

生成式人工智能常见问题

本节将解答有关生成式人工智能的常见问题，提供清晰简洁的答案，帮助您更好地理解这项变革性技术。（注意：具体的问答内容通常会在此之后，常以互动形式呈现。）