生成式 AI 的基本概念

前几章教机器判断，这一章教机器创造。

知道更多这一章讲什么

前两节讲生成式人工智能是什么、能做什么，第三、四节介绍四种生成方法。第五、六节讲大语言模型怎样搭起来、怎样训练、怎样使用。最后两节讲能看图、能听声音的多模态大模型。

一个给已有的东西分类，一个造出新的东西。

关键术语

判别式 AIDiscriminative AI

对输入做出判断，给出类别或预测结果的人工智能。

生成式 AIGenerative AI

根据学到的规律，产生新内容的人工智能。

重　点看右图的两条流水线

左边的判别式 AI 拿到数据，经过分类器，给出“属于哪一类”的判断。右边的生成式 AI 先从训练数据里学出规律，再按规律产出新的图片、声音或文字。

打个比方

判别和生成的差别，像认字和写字。认字只要能把“己”和“已”分开就行，写字就得知道每一笔落在哪里、有多长，要掌握的东西多得多。

两者学的东西不一样，打分的办法也不一样。

重　点评价方式为什么不同

判别有标准答案，判对就是判对。生成没有唯一答案，同样画一只猫，可以有无数种画法，只能看它像不像真的、够不够多样、合不合要求。

知道更多决策边界是什么

第 3 章的逻辑回归和支持向量机，都在两类数据之间画一条分界线，这条线就是决策边界。判别式模型只要画好这条线，不必知道每一类数据长什么样。

随堂练习

下面哪一项属于生成式任务？

1. 判断一张 X 光片上有没有骨折
2. 预测明天的最高气温
3. 根据一句描述画出一张海报
4. 把邮件分成正常邮件和垃圾邮件

查看答案

答案 C。C 要产出一张原来没有的图片，属于生成。A 和 D 是在给输入分类，B 是在预测一个数，它们都属于判别。

从已有数据学规律，生成相似却不重样的新内容。

关键术语

人工智能生成内容AI-Generated Content, AIGC

由人工智能自动或辅助生成的文字、图片、声音、视频等内容。

重　点既要新，又要像

生成的内容不能照搬训练数据，也不能和任何一个训练样本一模一样。它又要和训练数据相似，符合同一套规律。

打个比方

生成式 AI 和 AIGC 的关系，像相机和照片。前者是干活的工具，后者是工具做出来的作品。右边那棵树列出了作品的种类，从文章、代码一直到蛋白质结构。

真实数据只落在一小片区域里，生成就是在那里取新点。

几个看不见的“旋钮”，决定了生成结果的样子。

随机选一个起点，再交给模型画出来。

一种随便生成，一种按要求生成。

重　点那条竖线怎么读

p(x) 读作“x 出现的可能性”。p(x|c) 里的竖线读作“在……条件下”，整个式子是“已知条件 c，x 出现的可能性”。右图里 c 是“宁静的雪山湖泊”这句话，生成的就只剩雪山湖泊一类风景。

打个比方

假设某地一年里有三成的日子下雨，这是不加条件的可能性。如果已知天上乌云密布，下雨的可能性就高得多，这是加了条件的可能性。

知道更多条件可以是什么

一句话、一张图、一个类别名称，都可以当条件。今天常用的文生图、文生视频工具，走的都是条件生成这条路，输入的提示词就是条件。

生成的内容看着像样，不等于它是对的。

关键术语

幻觉Hallucination

模型说出看似合理、实际上错误或编造的内容。

重　点高风险场合要人把关

医疗、法律、金融、科研里，一句错话可能造成很大损失。生成的结果只能当作参考，要经过核对、加上限制，最后由懂行的人审查。右图最下面一行就是这三道关。

打个比方

医生开出的药方，病人看不出对错，所以药房还要请药师再核对一遍。生成的专业内容也一样，读起来头头是道，外行很难看出哪里编错了，要请懂行的人把关。

先学规律再动手：训练一次，生成很多次。

好看只是一方面，还要真实、多样、协调、可控、有用。

重　点一致性说的是前后对得上

一段视频每一帧都很漂亮，人物的衣服颜色却一帧一变，这是时间上不一致。一张图里人的左手五根手指、右手六根，这是结构上不一致。

知道更多多样性为什么要单独算

一个模型每次都画出几乎同一张脸，单看每张都很真实，合起来却没什么用处。所以除了看单张像不像，还要看一批结果够不够多样。

随堂练习

让模型生成 100 张猫的图片，每一张都很逼真，但几乎一模一样。这批结果哪项指标最差？

1. 真实性
2. 多样性
3. 一致性
4. 可控性

查看答案

答案 B。每张都逼真，真实性没有问题。问题出在 100 张几乎相同，没有避免重复生成，所以多样性很差。