AIGC会如何革新内容创作能否替代创作者

AIGC（AIGeneratedContent）不仅在写作，绘画，作曲多项领域达到“类人”表现，更展示出在大数据学习基础上的非凡创意潜能。

　　AIGC正在越来越多地参与数字内容的创意性生成工作，以人机协同的方式释放价值，成为未来互联网的内容生产基础设施。

从范围上看，AIGC逐步深度融入到文字，代码，音乐，图片，视频，3D多种媒介形态的生产中，可以担任新闻，论文，小说写手，音乐作曲和编曲者，多样化风格的画手，长短视频的剪辑者和后期处理工程师，3D建模师等多样化的助手角色，在人类的指导下完成指定主题内容的创作，编辑和风格迁移工作。

从效果上看，AIGC在基于自然语言的文本，语音和图片生成领域初步令人满意，特别是知识类中短文，插画等高度风格化的图片创作，创作效果可以与有中级经验的创作者相匹敌，在视频和3D等媒介复杂度高的领域处于探索阶段，尽管AIGC对极端案例的处理，细节把控，成品准确率等方面仍有许多进步空间，但蕴含的潜力令人期待。

AIGC近期成了热点，不少小玩法开始出现在小红书，比较流行的是头像二次元化，效果较好。

输入用户资料-提取性别并判断-输出。

现实情况更加复杂，可能男性也会买，往往是在逢年过节的时候送礼用，那么性别（男）购买日期（临近节日），也能成为重要的特征，我们就要引入新的特征向量，即购买日期。

输入用户资料-提取性别&购买日期并判断-输出。

根据新的用户资料和购买行为，我们持续会发现新的特征有利于我们的判断，于是就引入更多新的特征，比如除了公共节假日，可能还要看用户女朋友/家人的生日，比如女性里面，购买口红概率更大的，可能会出现在某个年龄段，等等，这样“特征”就越来越多。

输入用户资料-提取性别&购买日期&年龄&…….并判断-输出。

我们输出的结论肯定就越来越准确，这就是机器学习运作的基本逻辑。

即然要提取这么多特征做判断，就要看不同的特征影响输出的程度有多大，性别和年龄可能权重大一些，其它的可能权重小一些，怎么判断呢，肯定不能人为，那就要训练一个模型。