|
《 AIGC 的关键技术和商业新思维》
课程背景: AIGC——利用人工智能技术来生成内容， 它被认为是继 PGC 、UGC 之后的新型内容创作方式。近两年 里， AIGC 的发展呈现惊人的成果， 人工智能生成文本 、图像 、视频 、音频 、代码等多模态内容全面开花 。 Gartner 相关报告中明确指出， 预计到 2023 年， 将有 20% 的内容被生成式 AI 所创建 。2025 年， 生成性 AI 所创造的数据将占到所有已生产数据的 10% ， 当下该比例不足 1% 。本节课以“AIGC 的关键技术和商业 新思维”为题， 试图从 AIGC 的背景 、核心技术 、商业化路径 、产生影响及未来趋势等多方面， 向同学们阐 述清楚“AIGC ”内核 。 课程收益：
学习 AIGCD 的发展现状 了解 AIGC 背后的技术 掌握 AIGC 商业化应用 了解 AIGC 发展的挑战与难点 培训对象： 各级管理人员 课程时长： 0.5-1 天 授课方式： 专家讲授、互动研讨 、案例分享 、小组讨论等
一 、AIGC 发展现状 1. 什么是 AIGC？ 2. 国外 AIGC 发展现状 3. 国内AIGC 发展现状
二 、AIGC 技术演进和突破 1. 生成式算法发展 生成对抗网络 ( GAN) 变微分自动编码器 ( VAE) 标准化流模型 ( NFs) 自回归模型 ( AR) 能量模型和扩散模型 ( Diffusion Model)
2. NLP 自然语言处理技术 深度神经网络 ( DNN) 递归神经网络 ( RNN 、LSTM) 发展到卷积神经网络 ( CNN) GPT-3 3. AIGC 数据与算力
三 、AIGC 应用场景 1. AIGC+ 行业应用 AIGC+ 传媒 AIGC+ 电商 AIGC+影视 AIGC+娱乐 AIGC+教育 AIGC+金融 AIGC+医疗 AIGC+工业 按开放平台实际量收费 按产出内容量收费 直接对外提供软件 模型训练费用 根据具体属性收费
四 、AIGC 创新效率与模式 1. 工具属性助力效率提升 2. 创意与执行分离， 解放劳动力 3. 帮助创作者提升收益， 拓宽思路
五 、AIGC 面临的发展挑战 1. “创造力” 归属争议 2. 知识产权担忧 3. 距通用人工智能尚有距离 4. 创作伦理问题
六 、AIGC 未来发展趋势 1. 跨模态转换 2. 多模态聚合 3. 内容生态聚合
| 
