基础 · 深度词条
Generative AI(生成式人工智能)
根据输入和学到的模式生成文字、图片、音频、视频或代码等新内容。
四层解释
通俗
根据输入和学到的模式生成文字、图片、音频、视频或代码等新内容。
专业
生成式模型学习训练数据的概率结构,并在条件输入下采样得到新的数据实例。
机制
语言模型按上下文预测后续 Token,扩散模型常从噪声逐步还原样本,不同模态采用不同表示与生成过程。
工程
产品必须区分创意生成与事实任务;事实任务需要检索、引用、校验和拒答机制。
全链路位置
INPUTPrompt、上下文与多模态条件
→PROCESS条件概率建模与采样
→OUTPUT新文本、图像、音频、视频或代码
常见用途
- 内容草拟和改写
- 软件开发辅助
- 创意素材生成
专业边界
- 生成流畅不代表事实正确
- 训练数据相似性会带来版权与隐私问题
常见误解
- 生成内容都是数据库原文拼接
- 降低 Temperature 就能消除幻觉
Diffusion Model(扩散模型)
从噪声逐步还原出数据,广泛用于图像、视频与音频生成。
读 DDPM 时,把训练时的加噪过程与生成时逐步去噪的方向分开。原文研究图像生成,不等于所有扩散模型都是文生图产品。
结合 DDPM 导读阅读 →来源与核对记录
S1Generative AI Profile, NIST AI 600-1NIST · 标准与框架 · 查阅 2026-09-07
↗S2Machine Learning GlossaryGoogle for Developers · 官方技术文档 · 查阅 2026-10-24
↗基础释义核对:2026-09-07。局部修订不代表旧正文全部复核,尚未完成外部专家审稿。