AIGC为何爆发？数据、算法、算力共振

新的内容生成方式、基于人工智能的技术集合

AIGC（AI Generated Content）即利用人工智能技术自动生成内容，受制于AI技术成熟度，目前AI仍为内容制作的辅助型角色（AIUGC），待技术突破，AI可真正作为内容创作者（AIGC）。AIGC是技术集合，基于生成对抗网络GAN、大型预训练模型等人工智能技术，通过已有数据寻找规律，并通过适当的泛化能力生成相关内容的技术集合。✓ 相关叫法：合成式媒体（Synthetic Media），即基于AI生成的文字、图像、音频等；Gartner提出的生成式AI（Generative AI)，即由人工智能自动生成新的编程、内容或商业活动，让文字、音乐、图像、视频、场景等都可由AI算法自动生成。◼ 从PGC到UGC，从UGC到AIGC。Web1.0时代“只读”模式催生出“PGC”；Web2.0时代，社交媒体兴起，人与人通过网络交互，催生出以用户生产和分享内容的“UGC”模式；Web3.0时代，内容消费需求进一步增长，个性化需求凸显，“AIGC”将成为重要的新内容生成方式。

机器对信息认知分三阶段，从学习到超越经验

◼ 机器对信息的认知处于第一或第二阶段。人在遇到新问题时，会通过以往类似经历总结规律，并将新的问题套用到规律中，以推测可能的结果。相应地机器学习基于对历史数据的归纳和学习，构建出事件模型，并将合适的新数据输入到相应的模型来预测未来。人类能够超越观察达到干预及想象阶段，而

对于AI来说，目前还处于第一或第二阶段，一些复杂的信息还没办法处理，人类需要将其简化后再投喂给机器处理。

◼ UGC为AIGC提供了发展的数据基础，AIGC满足更个性化的内容消费需求。

✓ 用户不再满足于专业团队和用户创造，对内容质量要求更高，AI在提高内容生产效率、丰富内容多样性及提供更加动态且可交互的内容上大有可为。

✓ UGC生成的规模化内容，创造了大量学习素材，帮助AI实现从学习经验到超越并重构已有经验的飞跃性转变。

AIGC为何爆发？数据、算法、算力共振

◼ AIGC发展核心三要素：数据、算力、算法。

✓ 算法持续迭代。2017年推出的Transformer架构的并行训练优势奠定了大模型训练的基础，GPT为代表的预训练模型，通过使用无标注数据预训练及微调，缓解了标注数据不足的问题，并不断提升参数量级及模型通用性，ChatGPT在此基础上加入了利用人类反馈强化学习的训练方法。扩散模型取代GAN成为图像生成领域的主流模型，CLIP模型推动跨模态生成技术的发展。

✓ 模型商业化及开源释放创造力。GPT3的商业化及CLIP及Stable Diffusion模型的开源推动文本生成、文生图产品化浪潮。

点个在看你最好看