人工智能生成内容

AIGC(Artificial Intelligence Generative Content)，人工智能生成内容，让 AI 自己创作各种各样的内容，比如图片、视频、音乐、文字等。

GAN

AIGC 领域使用最多的算法模型名为对抗生成网络 GAN(Generative adversarial networks)，顾名思义就是让 AI 内部的两个程序互相对比，从而生成最接近人类心目中的正确形象。由于程序互相对比的标准是现成的样本，因此生成的内容实质上是对现有内容无限逼近的模仿，无法真正突破。

Diffusion

GAN 的缺点被最终被 Diffusion 扩散化模型克服，它是近年以来陆续涌现的包括 Stable Diffusion 开源模型在内的诸多 AIGC 图片生成模型的技术核心。

Diffusion 扩散化模型的原理类似给照片去噪点，通过学习给一张图片去噪的过程来理解有意义的图像是如何生成，因此 Diffusion 模型生成的图片相比 GAN 模型精度更高，更符合人类视觉和审美逻辑，同时随着样本数量和深度学习时长的累积，Diffusion 模型展现出对艺术表达风格较好的模仿能力。

从引起广泛关注的 Disco Diffusion ，再到 DALL-E2、MidJourney 等模型都是基于 Diffusion 模型，而 Stable Diffusion 是其中最受欢迎的。

虽然目前 AIGC 主流模型基于 Diffusion，但 GAN 作为生成模型的前辈，依然在很多领域大放异彩。

Generative Pre-trained Transformer

1. Google gemini
2. ChatGPT3.5 - You
3. 文心一言

参考

1. AIGC爆火的背后——对抗生成网络GAN浅析
2. 人工智能生成内容（AIGC）白皮书（2022年）