2023从算力、算法、数据及应用看AIGC

生成式AI:自然语言处理演变十余年，迎来变现阶段AIGC(AI Generated Content))即生成式AI,多领域应用逐渐成熟。AIGC涉及无监督和半监督学习算法，截至目前其发展历程主要分为三个阶段：·统计机器学习方法阶段(2010年前)：首先对数据进行手工标注，然后构建其重要特征，最后构建概率模型并进行参数优化，从而将概率最大的输出作为结果：基于深度学习的神经网络模型(2010年-2017年)：深度学习算法被引入，本质上是通过大量数据训练神经网络，主要表现形式为：CNN(卷积神经网络)、RNN(循环神经网络)等。相比统计学习方法，省去了复杂且手工的特征构健；基于Transformer结构的预训练模型(20l7年至今)：利用大量无标注数据进行自监督学习，然后再使用少量的标注数据对下游任务进行微调（即迁移学习）。在应用方面，按场景分类AIGC已经较为成熟地应用于文本和代码撰写、图像识别和生成，以GPT为首的AIGC模型也正在探索消费级AI技术的变现方式。展望未来，AIGC不仅会在现有应用领域持续进步，也将逐步拓展到视频和游戏领域，AIGC将会在更多的领域得到广泛应用，为各个行业和领域的发展和进步提供更多可能性。表1：A应用发展进程预测2020前20202022预计2025预计2030预计2050垃圾邮件检测文本翻译基础文案撰写撰写更长文章对科学论文等进行文章终稿超过人类文章终稿超过专业基础问答生成草案完善文稿垂直微调平均水平作者水平文本到产品（终代码单行自动完成多行代码生产更长代码更多语言更高准确度深度提高文本到产品（草稿）稿)，超过大部分开发者艺术终稿超过大部分专图像Logo产品设计、建筑等产品设计、建筑等摄形模型终稿业艺术家、设计师摄影狮水平视频/3D/游戏视频和3D制作的初AI创作平台稿完善版本游戏和电影实现个性化定制开始尝试基本完成黄金时期