游戏厅捕鱼机漏洞打法(游
解密人工智能内容生成（AIGC）的发展与现状
2023.01.19
研究种类：AIGC, Web3
贡献者：Roy Dong@THUBA Core Member
审核者：Yofu@DAOrayaki
视频链接： https://www.bilibili.com/video/BV17D4y1p7EY/spm_id_from=333.999.0.0
摘要
AIGC是Web3.0时代的生产力工具，AIGC提供大量的生产力，而Web3.0与区块链的应用则决定生产关系与用户主权。
但我们必须认识到AIGC和Web3是两个不同的方向。AIGC作为使用AI技术的生产工具，既可以应用于Web2世界，也可以应用于Web3世界。到目前为止，大多数已经开发的项目仍然在Web2领域。把两者放在一起谈话是不合适的。而Web3希望借助区块链和智能合约技术，让用户拥有虚拟资产的主权。它与创建模式之间本没有直接联系。
本文将从以下四个方面解密AIGC的发展与现状进行：
第一部分：内容创造形式的演变
可以分成三个阶段：
第一个阶段是PGC(Professionally-Generated Content)，专家生成内容，由拥有内容相关领域资质的专业团队进行创作，门槛与成本较高，质量有一定保障，追求电视剧电影等商业化渠道的收益，代表项目就是以爱优腾为首的视频平台。在这些平台上，用户更多地是去接收和搜索视频资源来收看，类似于Web1.0的概念。
但这一阶段创作权掌握在少数专业人士手中，普通创作者的成果很难被大众看见。在第二阶段衍生出了一系列的UGC平台(User-generated Content，用户生产内容)，如Twitter，YouTube，国内爱优腾等视频平台。在这些平台上用户不仅是接收者，也可以是内容的提供方，内容生产的规模极大地扩张了，但用户生产的内容质量则参差不齐，可以将它看作是Web2.0时代的内容创作。
那么Web3.0时代的内容创作生态是？AIGC和web3的关联在哪里？
AIGC(AI generated Content，人工智能生成内容)，指由人工智能帮助甚至取代人类进行内容创作，可以作为强大的生产力工具，帮助解决Web3.0和元宇宙中的一些实际问题。它生产频率更快，并且可以定制风格，满足每个人的需求。它拥有无限规模的内容创作灵感，效果也不会太差。
第二部分：技术测概况
AIGC技术的快速发展始于GAN(生成对抗网络，2014)模型的发表。它由两个模型组成:生成模型和判别模型。生成器生成“假”数据并试图欺骗鉴别器;鉴别器验证生成的数据，并尝试正确识别所有“假”数据。在训练迭代的过程中，两个网络对抗中提升，直到达到平衡状态。
AIGC技术的快速发展始于GAN(生成对抗网络，2014)模型的发表。它由两个模型组成:生成模型和判别模型。生成器生成“假”数据并试图欺骗鉴别器;鉴别器验证生成的数据，并尝试正确识别所有“假”数据。在训练迭代的过程中，两个网络对抗中提升，直到达到平衡状态。
在GAN发表后的两三年时间里，业内对GAN模型进行了各种改造和应用。2016年和2017年，在语音合成、情绪检测、换脸等领域产生了一大批实际应用。
谷歌在2017年开发的Transformer模型逐渐取代了Long and Short Term memory (LSTM)等传统RNN模型，成为NLP问题的首选模型。
作为Seq2seq模型，它提出了注意力机制，计算每个单词与其上下文的相关性，以确定哪些信息对手头的任务最重要。与其他模型相比，Transformer速度更快，并且可以更长时间地保留有效信息。
BERT(来自Transformer的双向编码器表示，2018)使用Transformer构建了一个用于自然语言处理的完整模型框架。它在处理一系列自然语言处理任务上超越了现有的模型。
BERT(来自Transformer的双向编码器表示，2018)使用Transformer构建了一个用于自然语言处理的完整模型框架。它在处理一系列自然语言处理任务上超越了现有的模型。
从那时起，模型的大小不断增加，在最近两年出现了GPT-3、InstructGPT和ChatGPT等一批大模型，其成本也呈几何级数上升。
现今的语言模型有三个特点:大模型、大数据、大计算能力。在上方的图中可以看到模型参数的数量增加得有多快。有人甚至提出了语言模型的摩尔定律，——一年增长十倍。最新发布的ChatGPT模型有1750亿个参数，很难想象在这之后GPT-4中还有多少参数。
