生成式AI发展史.pptxVIP

EducationUniversityPRESENTATIONYOURLOGOUniversity生成式AI发展史

PRESENTATIONYOURLOGO-1萌芽期：规则驱动的生成尝试(早期-20世纪末)3爆发期：深度学习的质变突破(2017年至今)5应用领域拓展7未来展望2成长期：统计学习的量变积累(21世纪初-2016年)4黄金发展期：AI大模型时代(至今)6挑战与机遇目录

EducationUniversityPART1PRESENTATIONYOURLOGO萌芽期：规则驱动的生成尝试(早期-20世纪末)

PRESENTATIONYOURLOGO萌芽期：规则驱动的生成尝试(早期-20世纪末)理论基础奠基20世纪50年代，艾伦·图灵提出图灵测试，隐含了对机器生成能力的期待，成为生成式AI的理论起点早期对话系统1966年约瑟夫·魏泽堡开发的ELIZA聊天程序，通过模式匹配规则库模拟对话，尽管机械但首次展示了像人一样交流的可能性图像生成尝试20世纪80年代，计算机图形学研究者利用贝塞尔曲线和参数化模型生成简单几何图形或虚拟人脸，受限于规则库容量，生成内容高度依赖预设模式

EducationUniversityPART2PRESENTATIONYOURLOGO成长期：统计学习的量变积累(21世纪初-2016年)

PRESENTATIONYOURLOGO成长期：统计学习的量变积累(21世纪初-2016年)012003年N-gram模型通过统计语料库中连续词的概率预测文本，但仅能处理短距离依赖(3-5个词)语言模型突破032014年伊恩·古德费洛提出GAN框架，生成器与判别器对抗优化，首次实现高质量图像生成(如医学影像)，推动生成技术跨越式发展生成对抗网络(GAN)革命022010年前后，隐马尔可夫模型(HMM)和条件随机场(CRF)用于文本生成与语音合成，需人工设计特征(如动词位置、情感倾向)概率图模型应用

EducationUniversityPART3PRESENTATIONYOURLOGO爆发期：深度学习的质变突破(2017年至今)

PRESENTATIONYOURLOGO爆发期：深度学习的质变突破(2017年至今)Transformer架构诞生2017年谷歌提出Transformer，自注意力机制解决长距离依赖问题，成为现代生成模型的核心基础预训练模型崛起2018年BERT通过大规模预训练提升文本生成质量；OpenAI的GPT系列(GPT-1至GPT-3)参数规模从1.17亿增至1750亿，实现代码生成、故事创作等复杂任务多模态生成普及2021年DALL·E实现文本到图像生成；StableDiffusion开源降低创作门槛；GPT-4支持文本、图像、音频多模态处理，覆盖从学术论文到短视频脚本的广泛场景系列1系列2项目1项目2项目3项目4项目52520151050

EducationUniversityPART4PRESENTATIONYOURLOGO黄金发展期：AI大模型时代(至今)

PRESENTATIONYOURLOGO黄金发展期：AI大模型时代(至今)1.深度学习技术发展深度学习算法的进步推动了生成式AI的发展，如深度神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)等技术的不断优化和升级，使得生成式AI在处理复杂任务时更加高效和准确2.大模型训练与部署随着计算资源的不断增长和分布式训练技术的成熟，生成式AI的大模型训练和部署成为可能。这些大模型，如Transformer模型在各种应用领域中都表现出了惊人的性能3.强化学习和交互性生成随着强化学习(ReinforcementLearning)的引入，生成式AI的交互性得到了显著提升。通过与用户进行实时交互，生成式AI可以更好地理解用户需求，并生成更加符合用户期望的内容

EducationUniversityPART5PRESENTATIONYOURLOGO应用领域拓展

PRESENTATIONYOURLOGO应用领域拓展应用领域拓展自然语言处理：生成式AI在自然语言处理领域的应用日益广泛，包括文本生成、问答系统、对话系统等。这些应用可以用于创作新闻报道、完成写作任务、与用户进行自然语言交互等计算机视觉：生成式AI在计算机视觉领域也取得了显著的进展，包括图像生成、视频生成、风格迁移等。这些技术可以用于创作高质量的图像和视频内容，为内容创作者提供新的创作方式音频生成：生成式AI在音频领域的应用也日益受到关注，包括音乐生成、语音合成等。这些技术可以用于创作新的音乐作品、为虚拟角色提供语音等

EducationUniversityPART6PRESENTATIONYOURLOGO