AIGC(Al Generated Content)：AI生成内容的统称

generative ai：生成式AI

两者关系

左边是生成式AI，右边是AIGC

各概念的关系

AI：即人工智能，是计算机科学体系下的一个学科，旨在让计算机系统去模拟人类的智能，从而解决问题和完成任务。

机器学习：不需要人类做显式编程，而是让计算机通过算法进行直觉学习和改进，去识别模式、做出预测和决策

• 监督学习：机器学习算法会接受有标签的训练数据，标签就是期望的输出值，所以每个训练数据点都既包括输入特征，也包括期望的输出值，算法的目标是学习输入和输出之间的映射关系。从而在给定新的输入特征后，能够准确预测出相应的输出值（经典的监督学习包括分类、回归：对数值进行预测）

分类：根据原本的训练数据，让计算机判断出一个新的数据是什么

回归：拿一些房子特征的数据，比如面积、卧室数、是否带阳合等

和相应房价作为标签进行训练，然后让模型根据没见过的房子的特征预测房价

• 无监督学习：学习的数据是没有标签的，算法的任务是自主的发现数据的规律或模式（聚类：把数据进行分组）

聚类自动把相似的新闻进行组织分类起来

• 半监督学习：结合了监督学习和无监督学习的技术，使用的是部分标记的训练数据。

• 强化学习：让模型在环境里采取行动，获得结果反馈，从反馈里进行学习，从而能在给定情况下采取最佳行动来最大化奖励或是最小化损失（下围棋）

显式编程：

指程序员直接编写明确的指令，以告诉计算机具体的操作步骤来解决问题或执行任务的编程方式。

深度学习

深度学习是机器学习的一个方法，核心在于使用人工神经网络，模仿人脑处理信息的方式。通过层次化的方法提取和表示数据的特征。

神经网络

是由许多基本的计算和储存单元组成，这些单元被称为神经元，这些神经元通过层层连接来处理数据。并且深度学习模型通常有很多层，因此称为“深度”

神经网络可以用于监督学习、无监督学习、强化学习，所以深度学习不属于他们的子集。

生成式AI

是深度学习的一种应用，它利用神经网络来识别现有内容的模式和结构，学习生成新的内容。内容形式可以是文本、图片、音频等等

大语言模式LLM

也是深度学习的一种应用，专门用于进行自然语言处理任务。

大语言模型里面的“大”字，说明模型的参数量非常大，可能有数十亿甚至到万亿个，而且训练过程中也需要海量文本数据集，所以能更好地理解自然语言，以及生成高质量的文本

大语言模型的例子有非常多，比如国外的GPT、LLaMA，国内的ERNIE、ChatGLM等可以进行文本的理解和生成。以GPT-3这个模型为例子，它会根据输入提示以及前面生成过的词，通过概率计算逐步生成下一个词或token，来输出文本序列

不是所有的生成式AI都是大预言模型，所有的大语言模型是否都是生成式AI，这也存在些许争议。

生成图像的模型，并不是大语言模型，因为他并不输出文本。同时有些人认为，不是所有大语言模型都是生成式AI，这是因为有些大语言模型由于其架构特点，不适合进行文本生成，例如谷歌的berd模型，它的参数量和训练数据量很大，属于大语言模型。berd理解上下文的能力较强，因此被谷歌用在搜索上，用来提高搜索排名和信息摘录的准确性，也被用于情感分析、文本分类等任务，但berd不擅长文本生成，特别是连贯的长文本生成，所以有些人认为，此类模型不属于生成式AI的范畴。