人工智能基础及应用课件 模块三-任务二-1-生成式人工智能的发展历程.pptxVIP

走进生成式人工智能;生成式人工智能也经历了从基于规则的简单生成、到统计学习的建模、再到深度学习驱动的上下文理解及生成模型，最终通过Transformer和大规模预训练模型实现了多模态内容的高质量创造与智能推理。;以显式人工编写的规则（如模板、IF–THEN、领域知识库等）为核心，对输入数据进行匹配、推理与填充，从而按预定话语结构生成自然语言或其它形式内容的系统。;基于统计驱动的生成式人工智能是指从大规模语料或数据中估计概率分布与模型参数并在生成阶段通过概率解码选择或采样最有可能的输出（文本、语音等），以替代人工编写规则。典型方法包括N-gram语言模型、隐马尔可夫模型（HMM）、以及以短语为单位的统计机器翻译等。短语级统计机器翻译是该方法的典型应用之一。

;深度学习是一类基于人工神经网络的机器学习方法，能够在无需大量人工规则设计的情况下，从大规模数据中自动提炼特征与规律，从而实现对复杂模式的建模与生成。凭借这一能力，深度学习已广泛应用于语音识别、机器翻译、图像与视频生成、自然语言处理等领域，成为人工智能生成内容（AIGC）的重要技术基础。

;以Transformer为基础的大模型事先在海量数据（如数百亿字文本）上进行学习，使其“理解语言的惯用表达”。这类模型在学习阶段不断练习“下一句可能会是什么”，从而学会生成连贯自然的文本。

;随着计算能力提升和海量数据积累，训练参数规模达到千亿