博客來
AIGC（Artificial Intelligence Generated Content）中文譯為“人工智能生成內容”。狹義上的AIGC指利用AI自動生成內容的生產方式。廣義的AIGC可以基於訓練數據和生成算法模型，自主生成新的文本、圖像、音樂、視頻、3D交互內容等各種形式的內容和數據，甚至可能開啟科學新發現，創造新的價值和意義。
本書旨在通過深入淺出的講解，幫助讀者認識並了解AIGC，進一步探究AIGC未來的發展方向及其可能面臨的挑戰，並通過一系列豐富的AIGC應用案例展示其在各個領域應用的無限可能。此外，本書還聯合投資界、學術界和創業圈的三位專業人士暢談了關於AIGC的深入洞察。
本書無須讀者具備專業知識基礎，適合對AIGC感興趣的讀者閱讀。
| FindBook |
有 1 項符合
AIGC未來已來：邁向通用人工智能時代的圖書 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：AIGC未來已來：邁向通用人工智能時代
內容簡介
作者介紹
翟尤，副研究員，工業和信息化部通信經濟專家委員會辦公室原副主任；北京第二外國語大學人工智能應用實驗室顧問；ISO/IEC WG6標準工作組專家。出版《5G社會》《數字時代》兩本圖書，在數字科技和產業安全領域發表20余篇文章。目前就職于騰訊。
郭曉靜，澳大利亞悉尼大學傳播學碩士，現任騰訊新聞高級編輯，關注人工智能、航天、芯片等領域。
曾宣瑋，北京航空航天大學電子信息工程專業學士和工程碩士，國家計算機網絡應急技術處理協調中心工程師，具有國家法律職業資格、中國註冊會計師資格，具有互聯網協會行業管理與行業發展研究工作經驗。
郭曉靜，澳大利亞悉尼大學傳播學碩士，現任騰訊新聞高級編輯，關注人工智能、航天、芯片等領域。
曾宣瑋，北京航空航天大學電子信息工程專業學士和工程碩士，國家計算機網絡應急技術處理協調中心工程師，具有國家法律職業資格、中國註冊會計師資格，具有互聯網協會行業管理與行業發展研究工作經驗。
目錄
第1章 AIGC為何引發關注
1.1 《太空歌劇院》帶來的衝擊和影響 002
1.2 “生成”所引發的創意性工作革新 004
1.3 內容生成方式進入新階段 005
1.4 AIGC在繪畫領域率先破圈 006
1.5 典型的AIGC模型 008
海外模型 008
模型 010
第2章 模型即服務時代的到來
2.1 模型即服務的歷史進程 017
早期人工智慧在曲折中探索 017
深度學習引發關注 019
2.2 典型的深度學習網路 021
生成對抗網路 021
Transformer 024
2.3 大公司探索之路 026
DeepMind 026
OpenAI 027
2.4 基礎模型普及的關鍵節點 028
基礎模型的能力與服務 028
曾經熱議的雲，今後的基礎模型 031
基礎模型的通用性 033
2.5 人工智慧的未來何在 033
人工智慧逐步接近人類的思考模式 033
未來人工智慧的發展特點 035
第3章 ChatGPT引發的潮流與思考
3.1 ChatGPT會成為人工智慧的拐點嗎 038
引發 關注的ChatGPT 038
ChatGPT潛在的應用領域 039
3.2 ChatGPT能力大揭秘 040
3.3 ChatGPT是OpenAI對大模型的堅定實踐 042
3.4 ChatGPT的局限性及其引發的思考 043
技術創新性與工程創新性 043
知識局限性 044
盈利與成本之間的平衡 044
應用落地所面臨的困境 045
法律合規與應用抵制 045
網路安全風險 046
能耗挑戰 047
3.5 ChatGPT引發的思考 048
如何看待人類創新與機器創新 048
ChatGPT在哪些方面值得我們學習 049
3.6 GPT-4未來已來，奇點時刻該如何面對 049
多模態 050
提示工程的價值 050
安全隱憂 050
第4章 大模型驅動的人工智慧繪畫“創作”
4.1 AI繪畫的先驅——AARON 053
4.2 人工智慧繪畫的原理 054
神經網路是如何模仿人類思考的 054
如何讓神經網路畫一幅畫 055
4.3 人工智慧學習如何畫一隻貓 057
教會你的神經網路認識“貓咪” 057
人工智慧真的畫出了貓咪 058
4.4 DALL-E的初次嘗試與突破 059
4.5 人工智慧繪畫的技術創新點 061
CLIP實現跨模態創新，打造圖文匹配 061
用Diffusion加速AIGC落地普及 063
Diffusion模型為AIGC寫下的注腳 064
Stable Diffusion豈止於開源 065
AIGC進一步降低模型的使用門檻 066
4.6 使AIGC繪畫技術成熟的重要因素 068
提示詞的重要性 068
算力資源的關鍵支撐 071
第5章 人類的創新能力會被AIGC替代嗎
5.1 藝術創作會被AIGC取代嗎 073
用戶的獵奇與創作者的抵觸 073
AIGC不會取代藝術創作工作 074
使用AIGC，需要具備什麼能力 077
AIGC是直接消費品還是工具 078
5.2 創作者如何通過AIGC獲得 大的收益 080
如何將AIGC應用於創作 080
創意工作者的收益探索 084
未來人工智慧創作藝術的5個層次 085
5.3 AIGC——你的“達·芬奇” 089
內容輸出的“平民化” 089
大眾與藝術家“直連” 090
即時互動和精准化構建的“即時滿足” 091
社區與共創的“想像力” 092
基於生成全新內容的平臺 093
5.4 抓住AIGC的機遇 094
AIGC時代，做“短信”還是“微信” 094
AIGC的發展仍無法脫離技術週期 097
第6章 開源成就行業發展的未來
6.1 開源讓我們站在巨人的肩膀上 099
6.2 開源成為引爆AIGC的 099
6.3 大模型的開源之路 101
第7章 AIGC與商業化
7.1 AIGC商業化的3個階段 106
感知衝擊——嘗鮮階段 107
認知領悟——協助階段 107
新生態鏈——原創階段 108
7.2 AI領域的企業發展 108
平臺型企業 109
應用型企業 111
現有產品的智慧化 112
7.3 當下典型的AIGC變現手段 114
按照計算量收費 114
按照輸出圖像數量收費 114
軟體按月付費 115
模型訓練費 116
7.4 AIGC商業模式的困境 116
AIGC Inside的商業化並不容易 116
難以建立技術壁壘 117
探索自主的大模型及應用 118
第8章 AIGC的典型應用
8.1 文字創作 121
主要特點 121
典型應用 122
8.2 音訊生成 126
主要特點 126
典型應用 127
8.3 視頻生成 131
主要特點 131
典型應用 131
8.4 3D模型生成 135
主要特點 135
典型應用 135
8.5 編寫代碼 137
主要特點 137
典型應用 137
8.6 遊戲創作開發 139
主要特點 139
典型應用 140
8.7 繪畫產品 143
典型繪畫產品的AIGC應用 144
AIGC繪畫與NFT結合 148
8.8 建築設計 149
將AIGC融入建築設計 149
用AIGC實現裝修設計 151
8.9 其他應用 152
DIY設計 152
兒童創意實現 155
內容行銷 156
診療與心靈慰藉 156
第9章 AIGC的不足與挑戰
9.1 技術與產業方面的不足與挑戰 159
細節仍需打磨 159
成本問題 161
輸出結果不一致 162
大模型到大應用的挑戰 162
通用性較差 163
9.2 在確權方面面臨的挑戰 163
AIGC作品的著作權歸屬 163
著作權爭議的潛在解決方案 165
法律監管出現爭議 166
企業態度不統一 166
倫理與安全風險 167
第 10章 業界和學界的專家洞察
10.1 AIGC可擴展潛力巨大，可能掀起新一波創新創業浪潮 170
從AIGC到AIGS，“服務規模化的個性化”時代到來 170
從科技圈體驗到全民使用，AI 成功破圈 171
OpenAI已經成功探索出AI領域科技創新落地的新模式 173
中國需要自主大模型，也有可能探索出自己的創新 175
10.2 AIGC火熱的背後，需要深度思考治理難題 179
破解“克林格裡奇困境”，要靠 敏捷的治理思路 179
加強對弱勢群體的保護，平臺應該做好“守門人” 180
AIGC內容智慧財產權還沒有定論，但業界已有基本共識 182
探索人工智慧領域“資料合作”新範式 183
10.3 AIGC火熱背後的業界冷思考：中國AI行業的未來發展，需要有自己的思路 185
ChatGPT的流暢對話來源於預訓練大模型 185
“AI幻覺”仍是阻礙產業發展的難題 186
大規模預訓練技術仍處於早期探索階段，人工智慧公司還需耐心打磨 188
在AIGC技術浪潮中，一些行業將迎來全新挑戰 189
中國AI行業的未來發展，需要有自己的思考和思路 191
1.1 《太空歌劇院》帶來的衝擊和影響 002
1.2 “生成”所引發的創意性工作革新 004
1.3 內容生成方式進入新階段 005
1.4 AIGC在繪畫領域率先破圈 006
1.5 典型的AIGC模型 008
海外模型 008
模型 010
第2章 模型即服務時代的到來
2.1 模型即服務的歷史進程 017
早期人工智慧在曲折中探索 017
深度學習引發關注 019
2.2 典型的深度學習網路 021
生成對抗網路 021
Transformer 024
2.3 大公司探索之路 026
DeepMind 026
OpenAI 027
2.4 基礎模型普及的關鍵節點 028
基礎模型的能力與服務 028
曾經熱議的雲，今後的基礎模型 031
基礎模型的通用性 033
2.5 人工智慧的未來何在 033
人工智慧逐步接近人類的思考模式 033
未來人工智慧的發展特點 035
第3章 ChatGPT引發的潮流與思考
3.1 ChatGPT會成為人工智慧的拐點嗎 038
引發 關注的ChatGPT 038
ChatGPT潛在的應用領域 039
3.2 ChatGPT能力大揭秘 040
3.3 ChatGPT是OpenAI對大模型的堅定實踐 042
3.4 ChatGPT的局限性及其引發的思考 043
技術創新性與工程創新性 043
知識局限性 044
盈利與成本之間的平衡 044
應用落地所面臨的困境 045
法律合規與應用抵制 045
網路安全風險 046
能耗挑戰 047
3.5 ChatGPT引發的思考 048
如何看待人類創新與機器創新 048
ChatGPT在哪些方面值得我們學習 049
3.6 GPT-4未來已來，奇點時刻該如何面對 049
多模態 050
提示工程的價值 050
安全隱憂 050
第4章 大模型驅動的人工智慧繪畫“創作”
4.1 AI繪畫的先驅——AARON 053
4.2 人工智慧繪畫的原理 054
神經網路是如何模仿人類思考的 054
如何讓神經網路畫一幅畫 055
4.3 人工智慧學習如何畫一隻貓 057
教會你的神經網路認識“貓咪” 057
人工智慧真的畫出了貓咪 058
4.4 DALL-E的初次嘗試與突破 059
4.5 人工智慧繪畫的技術創新點 061
CLIP實現跨模態創新，打造圖文匹配 061
用Diffusion加速AIGC落地普及 063
Diffusion模型為AIGC寫下的注腳 064
Stable Diffusion豈止於開源 065
AIGC進一步降低模型的使用門檻 066
4.6 使AIGC繪畫技術成熟的重要因素 068
提示詞的重要性 068
算力資源的關鍵支撐 071
第5章 人類的創新能力會被AIGC替代嗎
5.1 藝術創作會被AIGC取代嗎 073
用戶的獵奇與創作者的抵觸 073
AIGC不會取代藝術創作工作 074
使用AIGC，需要具備什麼能力 077
AIGC是直接消費品還是工具 078
5.2 創作者如何通過AIGC獲得 大的收益 080
如何將AIGC應用於創作 080
創意工作者的收益探索 084
未來人工智慧創作藝術的5個層次 085
5.3 AIGC——你的“達·芬奇” 089
內容輸出的“平民化” 089
大眾與藝術家“直連” 090
即時互動和精准化構建的“即時滿足” 091
社區與共創的“想像力” 092
基於生成全新內容的平臺 093
5.4 抓住AIGC的機遇 094
AIGC時代，做“短信”還是“微信” 094
AIGC的發展仍無法脫離技術週期 097
第6章 開源成就行業發展的未來
6.1 開源讓我們站在巨人的肩膀上 099
6.2 開源成為引爆AIGC的 099
6.3 大模型的開源之路 101
第7章 AIGC與商業化
7.1 AIGC商業化的3個階段 106
感知衝擊——嘗鮮階段 107
認知領悟——協助階段 107
新生態鏈——原創階段 108
7.2 AI領域的企業發展 108
平臺型企業 109
應用型企業 111
現有產品的智慧化 112
7.3 當下典型的AIGC變現手段 114
按照計算量收費 114
按照輸出圖像數量收費 114
軟體按月付費 115
模型訓練費 116
7.4 AIGC商業模式的困境 116
AIGC Inside的商業化並不容易 116
難以建立技術壁壘 117
探索自主的大模型及應用 118
第8章 AIGC的典型應用
8.1 文字創作 121
主要特點 121
典型應用 122
8.2 音訊生成 126
主要特點 126
典型應用 127
8.3 視頻生成 131
主要特點 131
典型應用 131
8.4 3D模型生成 135
主要特點 135
典型應用 135
8.5 編寫代碼 137
主要特點 137
典型應用 137
8.6 遊戲創作開發 139
主要特點 139
典型應用 140
8.7 繪畫產品 143
典型繪畫產品的AIGC應用 144
AIGC繪畫與NFT結合 148
8.8 建築設計 149
將AIGC融入建築設計 149
用AIGC實現裝修設計 151
8.9 其他應用 152
DIY設計 152
兒童創意實現 155
內容行銷 156
診療與心靈慰藉 156
第9章 AIGC的不足與挑戰
9.1 技術與產業方面的不足與挑戰 159
細節仍需打磨 159
成本問題 161
輸出結果不一致 162
大模型到大應用的挑戰 162
通用性較差 163
9.2 在確權方面面臨的挑戰 163
AIGC作品的著作權歸屬 163
著作權爭議的潛在解決方案 165
法律監管出現爭議 166
企業態度不統一 166
倫理與安全風險 167
第 10章 業界和學界的專家洞察
10.1 AIGC可擴展潛力巨大，可能掀起新一波創新創業浪潮 170
從AIGC到AIGS，“服務規模化的個性化”時代到來 170
從科技圈體驗到全民使用，AI 成功破圈 171
OpenAI已經成功探索出AI領域科技創新落地的新模式 173
中國需要自主大模型，也有可能探索出自己的創新 175
10.2 AIGC火熱的背後，需要深度思考治理難題 179
破解“克林格裡奇困境”，要靠 敏捷的治理思路 179
加強對弱勢群體的保護，平臺應該做好“守門人” 180
AIGC內容智慧財產權還沒有定論，但業界已有基本共識 182
探索人工智慧領域“資料合作”新範式 183
10.3 AIGC火熱背後的業界冷思考：中國AI行業的未來發展，需要有自己的思路 185
ChatGPT的流暢對話來源於預訓練大模型 185
“AI幻覺”仍是阻礙產業發展的難題 186
大規模預訓練技術仍處於早期探索階段，人工智慧公司還需耐心打磨 188
在AIGC技術浪潮中，一些行業將迎來全新挑戰 189
中國AI行業的未來發展，需要有自己的思考和思路 191
|
