AIGC为什么会火和生成模型如何演进

所谓AIGC即基于人工智能技术自动生成内容的新型生产范式，其中，两大核心关键词是AI+新型内容生成方式。

　　对于计算机来说，内容=信息（数据）+载体（音频，视频，文字等），只要输入信息，选好载体，AIGC就能自动生成与之对应的内容。

典型场景即目前大火的AI作画，用户可以通过简短的文字描述（prompt）来生成与之相应的图像，而且随着文字描述的颗粒度不断细化，生成的图像也会越来越精准。

除了文字转图片之外，目前AIGC已经可以胜任图像，视频，文本间的跨载体生成，而基于AIGC，内容生产的门槛显著降低（比如，毫无绘画基础的用户，也可以通过AI作画，画出高质量的作品），内容生产的效率显著提升（可以快速批量生产大量内容），将有望引领内容产业的新一轮工业革命。

而AIGC背后用的AI技术则是生成式AI（GenerativeAI），不再只是分析，而是开始尝试创造新的东西，如果把AI比作小孩学习的话，基于生成式AI技术的成熟意味着AI不仅是会模仿，更可以在学习的基础上创造出新的东西。

AI发展多年，过去解决的多是模态识别的问题，比如较成功的案例就是图像识别了，采用CNN算法，把信息与图能够通过AI训练的方式给训练出来，教会了AI去识别某个模态，在教科书里，被称为判别式模型(DiscriminantModel)，抽象来看，就是训练一个巨大的神经网络（多层多参数）来实现输入和输出的映射关系，从数学来看，就是学习输入输出的条件概率分布，类似于因果关系，算法的本质是想更准确的控制映射关系。

然而，除此之外，还有一种叫生成式模型(GenerativeModel)，是学习数据中的联合概率分布，类似于相关性，算法的本质并不是准确控制映射关系，而是在有相关性的基础上学习一个分布，而生成模型的发展，使得AI变得更多多元，不仅仅可以用于图像识别声音识别这类模态识别问题，还可以实现更多创造性的工作。