生成式人工智能是指根据训练的大量数据创建全新输出的模型或算法，例如文本、照片、视频、代码、数据或 3D 渲染。这些模型通过引用它们所训练的数据来“生成”新内容，从而做出新的预测。 

生成式人工智能的目的是创建内容，而不是其他形式的人工智能，后者可能用于不同的目的，例如分析数据或帮助控制自动驾驶汽车。

由于生成式 AI 程序越来越受欢迎，例如 OpenAI 的对话聊天机器人 ChatGPT和 AI 图像生成器 DALL-E ，生成式 AI 一词引起了热议。这些工具和类似的工具使用生成式人工智能在几秒钟内生成新内容，包括计算机代码、论文、电子邮件、社交媒体标题、图像、诗歌、Excel 公式等，这有可能改变人们目前的做事方式。  

ChatGPT 非常受欢迎，推出后一周就积累了超过 100 万用户。许多其他公司也纷纷加入生成式人工智能领域的竞争，包括谷歌、微软的 Bing和Anthropic 。随着越来越多的公司加入并发现新的用例，随着该技术越来越融入日常流程，围绕生成式人工智能的讨论肯定会继续增长。 

机器学习是指人工智能的一个分支，它教导系统根据其训练的数据进行预测。这种预测的一个例子是 DALL-E 能够根据您输入的提示通过辨别提示的实际含义来创建图像。 

因此，生成式人工智能是一种机器学习框架，但并非所有机器学习框架都不是生成式人工智能。 

生成式人工智能用于任何利用人工智能输出全新属性的人工智能算法或模型。最初引发人们对生成式人工智能的广泛兴趣的最突出的例子是 ChatGPT 和 DALL-E。 

然而，在看到生成式人工智能的热潮后，许多公司开发了自己的生成式人工智能模型。这个不断增长的工具列表包括（但不限于）Google Bard、Bing Chat、Claude、PaLM 2、LLaMA等。 

生成式人工智能艺术是由经过现有艺术训练的人工智能模型创建的。该模型接受了互联网上数十亿张图像的训练。该模型使用这些数据来学习图片风格，然后在个人通过文本提示时利用这种洞察力生成新的艺术作品。

人工智能艺术生成器的一个流行示例是DALL-E。然而，市场上还有很多其他人工智能生成器，它们的性能即使不是更强，也同样好，并且可以满足不同的要求。Bing 的图像生成器是微软对该技术的采用，它利用了 DALL-E 2 的更高级版本，目前被 ZDNET 视为最好的 AI 艺术生成器。

基于文本的模型（例如 ChatGPT）是通过在称为自我监督学习的过程中提供大量文本来进行训练的。在这里，模型从输入的信息中学习以做出预测并提供答案。 

人们对生成式人工智能模型（尤其是生成文本的模型）的一个担忧是，它们是根据整个互联网的数据进行训练的。这些数据包括受版权保护的材料和信息，这些材料和信息可能未经所有者同意而共享。

生成式人工智能艺术模型是根据互联网上数十亿张图像进行训练的。这些图像通常是由特定艺术家制作的艺术品，然后由人工智能重新想象和重新利用以生成您的图像。 

尽管不是同一张图像，但新图像具有艺术家原创作品的元素，但这些元素并未归功于他们。因此，艺术家独有的特定风格最终可以被人工智能复制并用于生成新图像，而原始艺术家并不知情或批准。关于人工智能生成的艺术是否真的是“新的”甚至是“艺术”的争论可能会持续很多年。 

生成式人工智能模型从互联网上获取大量内容，然后使用它们接受训练的信息来进行预测并根据您输入的提示创建输出。这些预测基于模型输入的数据，但不能保证预测是正确的，即使响应听起来似乎合理。 

这些响应还可能包含模型从互联网获取的内容中固有的偏见，但通常无法知道情况是否如此。这两个缺点引起了人们对生成式人工智能在错误信息传播中所扮演的角色的  严重担忧。

生成式人工智能模型不一定知道它们生成的东西是否准确，而且在大多数情况下，我们几乎无法知道信息来自哪里以及算法如何处理它以生成内容。 

聊天机器人的例子有很多，例如，提供不正确的信息或只是编造一些东西来填补空白。虽然生成式人工智能的结果可能既有趣又有趣，但从短期来看，依赖它们创造的信息或内容肯定是不明智的。

一些生成式人工智能模型，例如 Bing Chat 或GPT-4，正在尝试通过提供带有来源的脚注来弥合来源差距，使用户不仅能够知道他们的响应来自哪里，而且还能验证响应的准确性。