滿額折
ChatGPT，AIGC時代商業應用賦能：技術底座、內容變革、產業格局、商業展望……從技術到應用，揭示ChatGPT在各行業的商業化之路
商品資訊
相關商品
商品簡介
作者簡介
序
目次
書摘/試閱
商品簡介
2023年以來，
OpenAI相繼釋出了聊天機器人模型ChatGPT、
新一代多模態大模型GPT-4等產品，
以強大的能力俘獲了大量使用者，
顛覆了使用者對於AI的認知。
▶什麼是ChatGPT？
ChatGPT是一個由OpenAI開發的聊天機器人模型，其透過NLP（Natural Language Processing，自然語言處理）技術實現與使用者智慧對話，開啟了全新AI（Artificial Intelligence，人工智慧）時代。ChatGPT的智慧程度引起了業界的廣泛關注，引發了使用者的熱議，使使用者對AI的未來有了更多的期待。
▶技術底座：多技術融合助推ChatGPT發展走到11公尺的盡頭，蔡京的題ChatGPT並不是孤立存在的，其成功離不開眾多技術的支持。其背後的技術主要有生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術。
▶內容變革：ChatGPT開啟內容生產力革命
ChatGPT可以輔助使用者輸出多種內容，使內容生產變得更加簡單、高效。可以說，ChatGPT拓展了數位時代的創造力極限，開啟了內容生產力革命。
▶ 商業展望：ChatGPT商業化之路雛形已現
AIGC技術在發展中完成了深厚的技術累積，這使得ChatGPT在B端與C端實現商業化的條件已經成熟。未來，以ChatGPT為代表的AIGC應用將會更好地服務B端與C端，提升其運作效率。
本書共12章，前5章從5個方面對ChatGPT進行了解讀，幫助使用者全面了解ChatGPT，對其形成完整的認知。第6～12章從傳媒、教育、娛樂、電商、金融、製造和醫療7個方面講解了ChatGPT的應用，展現了ChatGPT的商業價值。
本書特色：本書以ChatGPT為中心，對ChatGPT的相關知識進行詳細的講解。在講述ChatGPT理論知識的同時，還結合許多相關案例，內容詳實，引人深思。本書面向的讀者對象為對ChatGPT感興趣的人士、AI研究者、AIGC領域從業者、科技企業管理者等，能夠為讀者提供全新見解。
OpenAI相繼釋出了聊天機器人模型ChatGPT、
新一代多模態大模型GPT-4等產品，
以強大的能力俘獲了大量使用者，
顛覆了使用者對於AI的認知。
▶什麼是ChatGPT？
ChatGPT是一個由OpenAI開發的聊天機器人模型，其透過NLP（Natural Language Processing，自然語言處理）技術實現與使用者智慧對話，開啟了全新AI（Artificial Intelligence，人工智慧）時代。ChatGPT的智慧程度引起了業界的廣泛關注，引發了使用者的熱議，使使用者對AI的未來有了更多的期待。
▶技術底座：多技術融合助推ChatGPT發展走到11公尺的盡頭，蔡京的題ChatGPT並不是孤立存在的，其成功離不開眾多技術的支持。其背後的技術主要有生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術。
▶內容變革：ChatGPT開啟內容生產力革命
ChatGPT可以輔助使用者輸出多種內容，使內容生產變得更加簡單、高效。可以說，ChatGPT拓展了數位時代的創造力極限，開啟了內容生產力革命。
▶ 商業展望：ChatGPT商業化之路雛形已現
AIGC技術在發展中完成了深厚的技術累積，這使得ChatGPT在B端與C端實現商業化的條件已經成熟。未來，以ChatGPT為代表的AIGC應用將會更好地服務B端與C端，提升其運作效率。
本書共12章，前5章從5個方面對ChatGPT進行了解讀，幫助使用者全面了解ChatGPT，對其形成完整的認知。第6～12章從傳媒、教育、娛樂、電商、金融、製造和醫療7個方面講解了ChatGPT的應用，展現了ChatGPT的商業價值。
本書特色：本書以ChatGPT為中心，對ChatGPT的相關知識進行詳細的講解。在講述ChatGPT理論知識的同時，還結合許多相關案例，內容詳實，引人深思。本書面向的讀者對象為對ChatGPT感興趣的人士、AI研究者、AIGC領域從業者、科技企業管理者等，能夠為讀者提供全新見解。
作者簡介
施襄，新加坡國立大學EMBA，加拿大魁北克大學專案管理碩士。連續創業者，風險投資人，多家知名投資機構合夥人，投資案例包括SpaceX、Neurallink、Gemini、ConsenSys等。成為投資人之前曾是知名商業行銷顧問，服務案例過百起。
序
前言
先進技術的不斷發展正在改變使用者的生活方式與內容創作形式。2022年末至2023年初，ChatGPT以勢不可當的態勢席捲全球網際網路市場，市場影響力不斷提升，上線僅5天便吸引了100萬名使用者；上線僅2個月，月活躍使用者達到1億人次，使用者數量快速增長。
ChatGPT能夠獲得巨大的熱度，離不開其出眾的能力：能夠透過理解、分析使用者的語言與使用者對話，還可以創作程式碼、文案、劇本、詞曲等內容，可謂十分全能。
許多企業與ChatGPT展開合作，例如，微軟對OpenAI加大投資，並將ChatGPT應用於旗下搜尋引擎Bing（必應）和Edge瀏覽器；Snapchat與ChatGPT展開合作，推出了「My AI」；電商服務平台Shopify接入ChatGPT，打造了智慧導購等。
此外，許多企業積極研發自己的大模型，推出與ChatGPT相似的產品。例如，Google推出深度神經網路模型PaLM-E，並應用於自己的產品中；阿里巴巴宣布推出阿里巴巴版ChatGPT——「通義千問」，它不僅能夠完成純文字任務，還能完成多模態任務；百度推出「文心大模型」，並依託「文心大模型」推出了類似ChatGPT的應用「文心一言」、AI藝術和創意輔助平台「文心一格」、產業級搜尋系統「文心百中」等；網易有道推出教育領域的自研生成式AI等。
為了使更多使用者了解AIGC的發展方向，本書緊抓ChatGPT這一熱點，對它進行詳細解讀。
本書共12章。第1章講述了ChatGPT爆發的背景、概述和多重價值；第2章對其技術底座進行了拆解，包括生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術4個方面；第3章講述了ChatGPT引發的內容變革，對內容生產方式發展的3個階段和ChatGPT變革內容生產的7個維度進行了講解；第4章透過ChatGPT解讀AIGC的產業格局，講解了AIGC的產業結構和發展中面臨的挑戰；第5章進行了商業展望，清晰地展現了ChatGPT的商業化之路，使使用者對ChatGPT的發展現狀有初步了解。第6章到第12章，從傳媒行業、教育行業、娛樂行業、電商行業、金融行業、製造行業和醫療行業7個方面講述了ChatGPT的應用，為企業提供方向指引。
當下，ChatGPT正處於高速發展階段，許多應用被研發出來，並實現落地。許多科技創新與科技成果指向ChatGPT，以ChatGPT為代表的AIGC應用正在帶領使用者走向新的科技時代。本書從理論、方法入手，結合各行各業的實際案例，全面講解了ChatGPT如何在AIGC時代賦能商業應用，值得企業管理者和對ChatGPT感興趣的讀者閱讀。
先進技術的不斷發展正在改變使用者的生活方式與內容創作形式。2022年末至2023年初，ChatGPT以勢不可當的態勢席捲全球網際網路市場，市場影響力不斷提升，上線僅5天便吸引了100萬名使用者；上線僅2個月，月活躍使用者達到1億人次，使用者數量快速增長。
ChatGPT能夠獲得巨大的熱度，離不開其出眾的能力：能夠透過理解、分析使用者的語言與使用者對話，還可以創作程式碼、文案、劇本、詞曲等內容，可謂十分全能。
許多企業與ChatGPT展開合作，例如，微軟對OpenAI加大投資，並將ChatGPT應用於旗下搜尋引擎Bing（必應）和Edge瀏覽器；Snapchat與ChatGPT展開合作，推出了「My AI」；電商服務平台Shopify接入ChatGPT，打造了智慧導購等。
此外，許多企業積極研發自己的大模型，推出與ChatGPT相似的產品。例如，Google推出深度神經網路模型PaLM-E，並應用於自己的產品中；阿里巴巴宣布推出阿里巴巴版ChatGPT——「通義千問」，它不僅能夠完成純文字任務，還能完成多模態任務；百度推出「文心大模型」，並依託「文心大模型」推出了類似ChatGPT的應用「文心一言」、AI藝術和創意輔助平台「文心一格」、產業級搜尋系統「文心百中」等；網易有道推出教育領域的自研生成式AI等。
為了使更多使用者了解AIGC的發展方向，本書緊抓ChatGPT這一熱點，對它進行詳細解讀。
本書共12章。第1章講述了ChatGPT爆發的背景、概述和多重價值；第2章對其技術底座進行了拆解，包括生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術4個方面；第3章講述了ChatGPT引發的內容變革，對內容生產方式發展的3個階段和ChatGPT變革內容生產的7個維度進行了講解；第4章透過ChatGPT解讀AIGC的產業格局，講解了AIGC的產業結構和發展中面臨的挑戰；第5章進行了商業展望，清晰地展現了ChatGPT的商業化之路，使使用者對ChatGPT的發展現狀有初步了解。第6章到第12章，從傳媒行業、教育行業、娛樂行業、電商行業、金融行業、製造行業和醫療行業7個方面講述了ChatGPT的應用，為企業提供方向指引。
當下，ChatGPT正處於高速發展階段，許多應用被研發出來，並實現落地。許多科技創新與科技成果指向ChatGPT，以ChatGPT為代表的AIGC應用正在帶領使用者走向新的科技時代。本書從理論、方法入手，結合各行各業的實際案例，全面講解了ChatGPT如何在AIGC時代賦能商業應用，值得企業管理者和對ChatGPT感興趣的讀者閱讀。
目次
內容簡介
前言
第1章 ChatGPT：超乎想像的機器人聊天程式
1.1 ChatGPT爆發背景：技術與需求的驅動
1.2 ChatGPT概述：拆解ChatGPT要點
1.3 多重價值：ChatGPT價值突顯
第2章 技術底座：多技術融合助推ChatGPT發展
2.1 ChatGPT背後的生成式AI技術
2.2 自然語言處理技術：4個核心層面
2.3 預訓練大模型技術：打破AI發展邊界
2.4 多模態技術：放大AI大模型的功能
第3章 內容變革：ChatGPT開啟內容生產力革命
3.1 內容生產方式發展的三大階段
3.2 ChatGPT變革內容生產的7個維度
3.3 ChatGPT變革內容創作行業
第4章 產業格局：從ChatGPT看AIGC產業生態
4.1 資本湧入，ChatGPT引發AIGC產業狂歡
4.2 上中下3層架構，產業鏈清晰
4.3 引發變革：AIGC助推多重變革實現
4.4 產業投資展望：關注技術與應用
4.5 產業發展挑戰：仍有一些問題待解決
第5章 商業展望：ChatGPT商業化之路雛形已現
5.1 ChatGPT商業化：B端與C端商業化條件成熟
5.2 機遇之下，海內外科技大廠布局新藍海
5.3 多個細分領域成為競爭焦點
第6章 傳媒行業：ChatGPT實現傳媒內容智慧化生產
6.1 ChatGPT有望融入新聞傳媒多環節
6.2 三大優勢：ChatGPT賦能資訊傳播
6.3 ChatGPT賦能影視傳媒內容創作
第7章 教育行業：ChatGPT助推教育數智化轉型
7.1 應用場景豐富，多環節可落地
7.2 多重變革，ChatGPT成為智慧教育加速器
7.3 助力教培發展，智慧學習或是下一站
7.4 商業應用探索：多家企業加大類ChatGPT產品研發
第8章 娛樂行業：ChatGPT打造豐富的娛樂場景
8.1 遊戲內容創作：解放遊戲生產力
8.2 音影片內容創作：豐富使用者娛樂體驗
8.3 其他娛樂內容創作
第9章 電商行業：ChatGPT多維度變革電商業態
9.1 行銷內容：ChatGPT打造多元行銷內容
9.2 行銷場景：ChatGPT變革行銷互動形式
9.3 ChatGPT將怎樣影響電商行業發展
第10章 金融行業：ChatGPT提升金融業務智慧性
10.1 文字內容智慧生成
10.2 智慧客服：ChatGPT提升AI客服智慧性
10.3 智慧投資顧問：ChatGPT為投資顧問提供新技術
第11章 製造行業：ChatGPT重塑智慧製造
11.1 ChatGPT的出現為製造業帶來兩大機會
11.2 ChatGPT助力製造企業數位化破局
11.3 ChatGPT在製造行業細分領域的應用
11.4 ChatGPT引發AI製造熱潮，大廠加速入局
第12章 醫療行業：ChatGPT提高醫療服務品質和效率
12.1 ChatGPT可以成為醫生好幫手
12.2 「ChatGPT+醫療」的未來發展
12.3 ChatGPT浪潮下的機會
前言
第1章 ChatGPT：超乎想像的機器人聊天程式
1.1 ChatGPT爆發背景：技術與需求的驅動
1.2 ChatGPT概述：拆解ChatGPT要點
1.3 多重價值：ChatGPT價值突顯
第2章 技術底座：多技術融合助推ChatGPT發展
2.1 ChatGPT背後的生成式AI技術
2.2 自然語言處理技術：4個核心層面
2.3 預訓練大模型技術：打破AI發展邊界
2.4 多模態技術：放大AI大模型的功能
第3章 內容變革：ChatGPT開啟內容生產力革命
3.1 內容生產方式發展的三大階段
3.2 ChatGPT變革內容生產的7個維度
3.3 ChatGPT變革內容創作行業
第4章 產業格局：從ChatGPT看AIGC產業生態
4.1 資本湧入，ChatGPT引發AIGC產業狂歡
4.2 上中下3層架構，產業鏈清晰
4.3 引發變革：AIGC助推多重變革實現
4.4 產業投資展望：關注技術與應用
4.5 產業發展挑戰：仍有一些問題待解決
第5章 商業展望：ChatGPT商業化之路雛形已現
5.1 ChatGPT商業化：B端與C端商業化條件成熟
5.2 機遇之下，海內外科技大廠布局新藍海
5.3 多個細分領域成為競爭焦點
第6章 傳媒行業：ChatGPT實現傳媒內容智慧化生產
6.1 ChatGPT有望融入新聞傳媒多環節
6.2 三大優勢：ChatGPT賦能資訊傳播
6.3 ChatGPT賦能影視傳媒內容創作
第7章 教育行業：ChatGPT助推教育數智化轉型
7.1 應用場景豐富，多環節可落地
7.2 多重變革，ChatGPT成為智慧教育加速器
7.3 助力教培發展，智慧學習或是下一站
7.4 商業應用探索：多家企業加大類ChatGPT產品研發
第8章 娛樂行業：ChatGPT打造豐富的娛樂場景
8.1 遊戲內容創作：解放遊戲生產力
8.2 音影片內容創作：豐富使用者娛樂體驗
8.3 其他娛樂內容創作
第9章 電商行業：ChatGPT多維度變革電商業態
9.1 行銷內容：ChatGPT打造多元行銷內容
9.2 行銷場景：ChatGPT變革行銷互動形式
9.3 ChatGPT將怎樣影響電商行業發展
第10章 金融行業：ChatGPT提升金融業務智慧性
10.1 文字內容智慧生成
10.2 智慧客服：ChatGPT提升AI客服智慧性
10.3 智慧投資顧問：ChatGPT為投資顧問提供新技術
第11章 製造行業：ChatGPT重塑智慧製造
11.1 ChatGPT的出現為製造業帶來兩大機會
11.2 ChatGPT助力製造企業數位化破局
11.3 ChatGPT在製造行業細分領域的應用
11.4 ChatGPT引發AI製造熱潮，大廠加速入局
第12章 醫療行業：ChatGPT提高醫療服務品質和效率
12.1 ChatGPT可以成為醫生好幫手
12.2 「ChatGPT+醫療」的未來發展
12.3 ChatGPT浪潮下的機會
書摘/試閱
第2章 技術底座：多技術融合助推ChatGPT發展
ChatGPT並不是孤立存在的，其成功離不開眾多技術的支持。其背後的技術主要有生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術。
2.1 ChatGPT背後的生成式AI技術
以ChatGPT為代表的生成式AI，為AI領域帶來了翻天覆地的變化。AI模型由分析式AI向生成式AI演進，AI生成演算法持續優化，產生更多演算法，使AIGC行業更加繁榮。
2.1.1 從分析式AI向生成式AI演進
AI模型主要有兩種：一種是分析式AI，另一種是生成式AI。分析式AI能夠對大量數據進行分析，在此基礎上進行判斷、預測，有利於使用者做出決策。生成式AI指的是藉助機器學習對已有數據進行學習，進而創造出全新的、原創的內容。目前，分析式AI正向著生成式AI演進。
1．分析式AI
隨著AI技術大爆發，分析式AI得到了發展，主要被應用於推薦系統、影像識別等領域。
分析式AI在電商領域的顯著應用之一是推薦系統。推薦系統能夠深度挖掘使用者與產品之間的關係，將產品精準推送給對其感興趣的使用者，提升產品購買率；能夠藉助演算法，實現產品與使用者需求的精準匹配，節省使用者的檢索用時；能夠提升電商平台的銷售額。
分析式AI能夠利用推薦系統幫助音訊、影片等領域快速發展。分析式AI能夠對使用者觀看影片的數據進行分析，根據分析結果將使用者可能感興趣的影片推送給他們，顯著提高了影片的觀看率，增加了使用者黏著度。
分析式AI能夠利用影像識別技術促進自動駕駛領域的發展。自動駕駛汽車可以根據分析式AI提供的分析結果判斷路況、對路上的障礙物進行識別，減少了安全事故的發生。
分析式AI也存在弊端，例如，分析式AI在與安全有關的領域具有一定的局限性。同時，分析式AI難以在未知領域應用，因為其過於依賴大量數據與演算法。
2．生成式AI
生成式AI的應用範圍廣，既能夠在內容生成領域滿足使用者日益增長的創作需求，又能夠在一些垂直領域大幅提高生產力，創造巨大的市場價值。
（1）生成式AI應用於內容生成領域。生成式AI具有文字校對、文字轉語音、語音轉文字、智慧編輯影像、智慧編輯影片等功能，能夠取代機械性勞動，還能夠透過不斷學習，為使用者提供新奇創意。隨著AI算力的進一步提高，生成式AI可能會達到專業內容創作者的水準或者擁有獨特的創意，從而代替一部分內容創作者。
例如，2022年8月，在一場數字藝術家比賽中，一名參賽者憑藉一幅AIGC繪畫作品〈太空歌劇院〉獲得了第一名。這表明生成式AI在繪畫領域的水準超越了人類。
（2）生成式AI應用於多個垂直領域。例如，生成式AI能夠將自然語言快速轉換成程式碼，推動了電腦程式設計的智慧化，提高了程式員的工作效率。ChatGPT是一個聊天機器人模型，不僅能夠將自然語言轉換為程式碼，還能夠識別程式碼中的錯誤並提出修改意見。相較於傳統搜尋引擎，ChatGPT給使用者帶來的體驗更好。
但是生成式AI也有一些隱患，例如，生成式AI容易陷入抄襲風波。當使用者利用ChatGPT生成內容時，所生成的內容只是基於曾經訓練過的模型，從各類數據中複製貼上合成的，在人類社會中這種行為被定義為抄襲。
生成式AI生成的內容由大量文字拼接而成，很難對其進行溯源。而且生成式AI生成的內容缺乏獨特性，不能在創新性方面有所突破。
分析式AI更傾向於利用給定的模型不斷地試錯併作出判斷，試錯越多，判斷越準確。在判斷後，分析式AI會給出數據回饋，並對引數進行調整，使下一次判斷更準確。生成式AI比分析式AI更具發展潛力，因為生成式AI不僅可以勝任分析式AI的分析、判斷工作，還能夠進行創造性工作。
2.1.2 AI生成演算法持續優化，產生多樣演算法
AI生成演算法是AIGC技術的演算法，也是AIGC發展的關鍵。目前，主流的深度生成模型主要有GAN、變分自動編碼器、基於流的生成模型、擴散模型和Transformer模型。AI生成演算法持續優化，呈現出百花齊放的趨勢。
1．生成對抗網路GAN
2014年，Google大腦團隊的成員伊恩·古德費洛提出了生成對抗網路GAN，這是最早的AI生成演算法。生成對抗網路GAN主要由兩個部分組成，分別是生成網路和判別網路。這兩個部分相互訓練，生成網路的任務是產生假數據並「逃脫」判別網路的識別，判別網路的任務是判斷數據的真假，試圖識別出所有假數據。生成網路和判別網路透過這種方式進行訓練，持續對抗、進化，直到互相無法識別出假數據，才算訓練完成。
生成對抗網路GAN的應用範圍廣泛，可以用於廣告、遊戲、傳媒等多個行業，實現虛擬場景、虛擬人物搭建以及影像風格變換。
2．擴散模型
擴散模型是一種生成模型，能夠生成影像。與其他的模型相比，擴散模型的內容生成邏輯與人類的思維方式更加相似，具有無限的創造力。擴散模型包含兩個過程，分別是擴散過程和逆擴散過程。擴散過程指的是透過連續新增高斯噪聲破壞影像，逆擴散過程指的是透過去噪將噪聲還原為原始影像，完成整個訓練。擴散模型具有極大的潛力，有望成為下一代影像生成模型的代表。
2.1.3 OpenAI：持續的AI生成演算法實踐
OpenAI是一家AI研究公司，成立於2015年。在這些年間，OpenAI致力於開發新的AI演算法和工具，持續進行AI生成演算法實踐。
（1）GPT-3。GPT-3的全稱為Generative Pre-trained Transformer 3，是一種以深度學習為基礎的語言模型，經過大規模的訓練後可以用於自然語言處理，如文字生成、機器翻譯等。
（2）DALL-E。DALL-E是一種文字生成影像模型，可以根據使用者輸入的文字生成使用者想要的圖片。DALL-E與GPT-3都是以Transformer語言模型為基礎，但是DALL-E能夠同時接收文字和影像數據。
（3）Reinforcement Learning（強化學習）。強化學習是機器學習的一種，其工作機制是智慧體與環境互動並不斷進行策略優化，最終獲得最大化的回報。強化學習可以應用在文字摘抄、問答和自動駕駛等方面。
（4）Transformer模型。Transformer模型可以用於自然語言處理任務中的序列建模，透過捕捉序列數據之間的關係理解上下文，從而完成各種任務。
（5）LSTM。LSTM的全稱為Long Short Term Memory，是一種長短期記憶網路，能夠解決RNN對短期記憶較敏感，但缺乏長期記憶能力的問題。LSTM是RNN的一種變體，可以解決長期記憶的問題。
OpenAI不斷進行多樣化的AI生成演算法研究，在AI生成演算法方面持續實踐，為提高AI的效能和效果而持續努力。
ChatGPT並不是孤立存在的，其成功離不開眾多技術的支持。其背後的技術主要有生成式AI技術、自然語言處理技術、預訓練大模型技術和多模態技術。
2.1 ChatGPT背後的生成式AI技術
以ChatGPT為代表的生成式AI，為AI領域帶來了翻天覆地的變化。AI模型由分析式AI向生成式AI演進，AI生成演算法持續優化，產生更多演算法，使AIGC行業更加繁榮。
2.1.1 從分析式AI向生成式AI演進
AI模型主要有兩種：一種是分析式AI，另一種是生成式AI。分析式AI能夠對大量數據進行分析，在此基礎上進行判斷、預測，有利於使用者做出決策。生成式AI指的是藉助機器學習對已有數據進行學習，進而創造出全新的、原創的內容。目前，分析式AI正向著生成式AI演進。
1．分析式AI
隨著AI技術大爆發，分析式AI得到了發展，主要被應用於推薦系統、影像識別等領域。
分析式AI在電商領域的顯著應用之一是推薦系統。推薦系統能夠深度挖掘使用者與產品之間的關係，將產品精準推送給對其感興趣的使用者，提升產品購買率；能夠藉助演算法，實現產品與使用者需求的精準匹配，節省使用者的檢索用時；能夠提升電商平台的銷售額。
分析式AI能夠利用推薦系統幫助音訊、影片等領域快速發展。分析式AI能夠對使用者觀看影片的數據進行分析，根據分析結果將使用者可能感興趣的影片推送給他們，顯著提高了影片的觀看率，增加了使用者黏著度。
分析式AI能夠利用影像識別技術促進自動駕駛領域的發展。自動駕駛汽車可以根據分析式AI提供的分析結果判斷路況、對路上的障礙物進行識別，減少了安全事故的發生。
分析式AI也存在弊端，例如，分析式AI在與安全有關的領域具有一定的局限性。同時，分析式AI難以在未知領域應用，因為其過於依賴大量數據與演算法。
2．生成式AI
生成式AI的應用範圍廣，既能夠在內容生成領域滿足使用者日益增長的創作需求，又能夠在一些垂直領域大幅提高生產力，創造巨大的市場價值。
（1）生成式AI應用於內容生成領域。生成式AI具有文字校對、文字轉語音、語音轉文字、智慧編輯影像、智慧編輯影片等功能，能夠取代機械性勞動，還能夠透過不斷學習，為使用者提供新奇創意。隨著AI算力的進一步提高，生成式AI可能會達到專業內容創作者的水準或者擁有獨特的創意，從而代替一部分內容創作者。
例如，2022年8月，在一場數字藝術家比賽中，一名參賽者憑藉一幅AIGC繪畫作品〈太空歌劇院〉獲得了第一名。這表明生成式AI在繪畫領域的水準超越了人類。
（2）生成式AI應用於多個垂直領域。例如，生成式AI能夠將自然語言快速轉換成程式碼，推動了電腦程式設計的智慧化，提高了程式員的工作效率。ChatGPT是一個聊天機器人模型，不僅能夠將自然語言轉換為程式碼，還能夠識別程式碼中的錯誤並提出修改意見。相較於傳統搜尋引擎，ChatGPT給使用者帶來的體驗更好。
但是生成式AI也有一些隱患，例如，生成式AI容易陷入抄襲風波。當使用者利用ChatGPT生成內容時，所生成的內容只是基於曾經訓練過的模型，從各類數據中複製貼上合成的，在人類社會中這種行為被定義為抄襲。
生成式AI生成的內容由大量文字拼接而成，很難對其進行溯源。而且生成式AI生成的內容缺乏獨特性，不能在創新性方面有所突破。
分析式AI更傾向於利用給定的模型不斷地試錯併作出判斷，試錯越多，判斷越準確。在判斷後，分析式AI會給出數據回饋，並對引數進行調整，使下一次判斷更準確。生成式AI比分析式AI更具發展潛力，因為生成式AI不僅可以勝任分析式AI的分析、判斷工作，還能夠進行創造性工作。
2.1.2 AI生成演算法持續優化，產生多樣演算法
AI生成演算法是AIGC技術的演算法，也是AIGC發展的關鍵。目前，主流的深度生成模型主要有GAN、變分自動編碼器、基於流的生成模型、擴散模型和Transformer模型。AI生成演算法持續優化，呈現出百花齊放的趨勢。
1．生成對抗網路GAN
2014年，Google大腦團隊的成員伊恩·古德費洛提出了生成對抗網路GAN，這是最早的AI生成演算法。生成對抗網路GAN主要由兩個部分組成，分別是生成網路和判別網路。這兩個部分相互訓練，生成網路的任務是產生假數據並「逃脫」判別網路的識別，判別網路的任務是判斷數據的真假，試圖識別出所有假數據。生成網路和判別網路透過這種方式進行訓練，持續對抗、進化，直到互相無法識別出假數據，才算訓練完成。
生成對抗網路GAN的應用範圍廣泛，可以用於廣告、遊戲、傳媒等多個行業，實現虛擬場景、虛擬人物搭建以及影像風格變換。
2．擴散模型
擴散模型是一種生成模型，能夠生成影像。與其他的模型相比，擴散模型的內容生成邏輯與人類的思維方式更加相似，具有無限的創造力。擴散模型包含兩個過程，分別是擴散過程和逆擴散過程。擴散過程指的是透過連續新增高斯噪聲破壞影像，逆擴散過程指的是透過去噪將噪聲還原為原始影像，完成整個訓練。擴散模型具有極大的潛力，有望成為下一代影像生成模型的代表。
2.1.3 OpenAI：持續的AI生成演算法實踐
OpenAI是一家AI研究公司，成立於2015年。在這些年間，OpenAI致力於開發新的AI演算法和工具，持續進行AI生成演算法實踐。
（1）GPT-3。GPT-3的全稱為Generative Pre-trained Transformer 3，是一種以深度學習為基礎的語言模型，經過大規模的訓練後可以用於自然語言處理，如文字生成、機器翻譯等。
（2）DALL-E。DALL-E是一種文字生成影像模型，可以根據使用者輸入的文字生成使用者想要的圖片。DALL-E與GPT-3都是以Transformer語言模型為基礎，但是DALL-E能夠同時接收文字和影像數據。
（3）Reinforcement Learning（強化學習）。強化學習是機器學習的一種，其工作機制是智慧體與環境互動並不斷進行策略優化，最終獲得最大化的回報。強化學習可以應用在文字摘抄、問答和自動駕駛等方面。
（4）Transformer模型。Transformer模型可以用於自然語言處理任務中的序列建模，透過捕捉序列數據之間的關係理解上下文，從而完成各種任務。
（5）LSTM。LSTM的全稱為Long Short Term Memory，是一種長短期記憶網路，能夠解決RNN對短期記憶較敏感，但缺乏長期記憶能力的問題。LSTM是RNN的一種變體，可以解決長期記憶的問題。
OpenAI不斷進行多樣化的AI生成演算法研究，在AI生成演算法方面持續實踐，為提高AI的效能和效果而持續努力。
您曾經瀏覽過的商品
購物須知
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。