清华社课件生成式人工智能通识（微课视频版）第14章 面向通用人工智能.pptxVIP

;;作为AI的一个子集，生成式AI（AIGC）利用神经网络算法来生成原始内容，分析和识别所训练数据中的模式和结构，利用这种理解生成新的内容，包括文本、图像、视频、音频、代码、设计或其他形式，既模仿类人的创作，又扩展训练数据的模式。

作为一种理论上的智能形态，通用人工智能（AGI）被认为能够执行任何智力任务，其能力广度和深度可与人类智能相媲美。AGI不限于特定任务或领域，而是具备广泛的理解、学习、推理、适应、创新和自我意识等能力。;;PART01;生成式AI（AIGC）的快速发展正在深刻改变多个行业和技术领域，带来了前所未有的创新机遇。以下是这两个领域快速发展的几个关键方面。

（1）技术进步与模型优化。

①深度学习框架：随着Transformer架构及其变体（如GPT、BERT等）的发展，生成式AI模型的能力得到了极大提升，这些模型能够处理更长的文本序列，并在多模态任务中表现出色。

②计算资源增加：GPU、TPU等专用硬件的进步以及云计算服务的普及，使得训练更大规模、更复杂的模型成为可能，降低了进入门槛并加速了研究进程。;（2）多样化应用场景。

①文化创意产业：从文学创作到视觉艺术，再到音乐制作，生成式AI和AIGC正广泛应用于内容创作过程，提供了自动化写作工具、图像生成编辑器、智能混音软件等一系列解决方案。

②商业营销：企业利用生成式AI进行广告文案撰写、产品描述生成等工作，提高工作效率的同时也增强了市场竞争力。

③教育出版：个性化学习材料的定制、在线课程的设计等方面都受益于生成式AI的强大功能。

④医疗健康：通过分析病历数据生成诊断建议、辅助药物研发等，为医疗服务提供了新的可能性。;（3）用户体验改善。

①交互性增强：聊天机器人、虚拟助手等应用变得更加智能和自然，可以更好地理解和回应用户的查询。

②创意激发：生成式AI不仅限于模仿现有风格，还能够创造出新颖独特的作品，帮助创作者突破思维定式，探索更多可能性。;（4）商业模式创新。

①内容即服务（CaaS）：基于订阅的内容生成平台允许用户按需获取高质量的原创内容，降低了内容生产的成本。

②微内容与短格式媒体：短视频、动态壁纸等形式的流行促使了相关生成工具和服务的繁荣发展。

③版权保护与交易机制：区块链技术和智能合约的应用确保了创作者的权利得到保障，促进了数字资产的流通。;（5）伦理考量和社会影响。

①版权与原创性问题：明确界定AI生成内容与人类原创作品之间的界限，保护双方权益。

②质量控制与编辑：虽然生成式AI可以大幅加快创作速度，但仍需专业人员对最终成品进行校对和优化。

③避免偏见与歧视：注意训练数据的选择，防止模型习得并传播不公正或歧视性的观念。

④隐私保护：严格遵守数据保护法规，收集和处理个人信息时采取必要措施保障用户安全。;（6）未来展望

①跨学科合作加强：实现AGI和其他先进AI应用需要计算机科学与其他学科（如神经科学、心理学、哲学等）之间的紧密合作，共同攻克理论和技术难题。

②政策法规完善：为了应对AI带来的社会影响，各国政府和国际组织将致力于制定相应的伦理准则和法律法规，指导AI的健康发展。;生成式AI（AIGC）的快速发展不仅推动了技术创新，也为各行各业带来了新的商业模式和服务形态。然而，随着这项技术的应用日益广泛，我们也需要关注其带来的伦理和社会问题，确保其健康发展，造福全人类。;;我们所说的“涌现”，是指在AI和复杂系统理论中，简单规则或组件通过相互作用产生复杂行为或结构的过程。当谈论AGI的“涌现”，是指通过现有技术的不断迭代和发展，或者通过新方法的发现，有可能达到一种临界点，使智能特性突然之间变得更加综合和普遍。不过，这样的进展通常需要解决诸多技术和理论上的挑战，包括算法设计、计算资源、数据需求以及对意识、自我和认知的理解等深层次的问题。;目前，关于AGI的发展有两种主要观点：

一种认为随着深度学习和其他AI技术的进步，我们将逐渐接近AGI；

另一种则认为现有的AI框架存在根本性限制，实现AGI可能需要全新的概念和技术突破。

无论如何，AGI的研究仍然是一个活跃且充满争议的领域，涉及计算机科学、神经科学、哲学等多个学科。

当前的AI系统，仍然专注于特定的任务或一组有限的任务类型，并不具备广泛的、跨领域的理解和应用能力。;AGI最早可以追溯到2003年瑞典哲学家尼克·博斯特罗姆发表的论文《先进AI的伦理问题》。在该论文中，博斯特罗姆讨论了超级智能的道德问题，并在其中引入了AGI这一概念，描述一种能够像人类一样思考、学习和执行多种任务的AI系统。“超级智能”被定义为任何智能在几乎所有感兴趣的领域中都大大超过人类认知表现的智能。这个定义允许增强的黑猩猩或海豚也有可能成为超级智能，也允许非生物超级智能的可能性。;因此，AGI