什么是生成式 AI

不是背下来，而是新造出来

LLM 凭概率挑下一个词，一个词一个词地往下接。这里有一点要说清楚：AI 并不是把读过的句子整句存起来，再原样拿出来。它从无数例子里学会什么跟什么怎么搭配的模式，再用这些模式当场造出新组合。
不过，训练资料里出现得特别频繁的文字或图片，有时也会被它几乎原样造出来。所以有时得检查一下，生成的结果是不是跟别人的作品太像了。

点“造新的”按钮，把学到的碎片重新拼起来。同样的碎片，每点一次都拼出不同的组合。

碎片一样，每点一次结果却不同。要是只拿出一个背下来的答案，每次都会一模一样。小工具用拼碎片的样子把事情讲得简单些，真正的生成式 AI 并不剪贴碎片，而是按学到的模式从头造出结果。
像这样造出新东西，就叫生成。那能造的只有文字吗？

不只文字，还有图像和音乐

造文字的 AI 我们叫它 LLM。生成式 AI 的范围比这更广。学了大量图画的 AI 会画新图，学了歌曲的 AI 会谱新旋律，学了视频的 AI 会做短片。
学了什么，就造什么。LLM 只是其中管文字的一支。

点文字、图像、音乐、视频按钮来切换。生成式 AI 学了什么就能造什么，文字(LLM)只是其中之一。

不管选哪个，底下的想法都一样：从无数例子里学到模式，再用模式造出新组合。那图画是怎么造出来的呢？
图画不像文字那样一个词一个词地接。如今用得很广的图像生成 AI，用的是很不一样的办法。

从沙沙的噪点到画面

画画的 AI 不是从白纸开始，而是从满是沙沙噪点的画面开始，就像电视没信号时满屏乱跳的点。从这里一点点去掉噪声，模糊的点一步步变整齐，形状就开始浮现。
去噪重复得越多，画面越清晰。用这种办法画图的模型叫扩散模型。

每点一次“去噪”按钮，噪点格子就整理一步，模糊的点渐渐聚成一颗心的形状。步骤是固定的，谁来点结果都一样。

噪声不是一下子变成画的，而是一点点去掉噪声，慢慢清晰起来。AI 是怎么学会这种手感的呢？训练时是倒着来的：把真实的图画一点点掺进噪声弄乱，再用无数例子学会怎样去掉一步噪声，回到更接近原图的样子。
用学到的手感去处理纯粹的噪声，就会出现世上原本没有的新图。可是画什么，由谁来定？

人给指示：提示词

AI 并不会自己随便乱造。要由人用文字告诉它造什么，这种指示叫提示词。提示词里的文字会像前面学的嵌入那样变成坐标，引导去噪往哪个方向走。
写“猫”，就朝猫去噪；写“宇宙”，就朝宇宙去噪。即便从同样的噪声开始，提示词一换，结果就不同。

点一下换提示词。即便从同样的噪声开始，按写下的指示，去噪走向的画面也会不同。

换了提示词，结果的方向一下子就变了。生成式 AI 有造东西的本事，人决定造什么。把想要的东西写得越清楚、越具体，结果就越接近想要的样子。
所以写什么、怎么写，就成了用好生成式 AI 的本事。还要知道，同样的提示词，起点的噪声不同，结果也会略有差别。

小结

归纳起来是这样：生成式 AI 用学到的模式造新东西，不是照抄存起来的东西。它不只造文字，还能造图像、音乐和视频，所以是比 LLM 更广的说法。
图画从噪声开始，一点点去噪造出来。方向则由人用提示词来给。

依次点要点回顾一下。(用学到的模式造新东西 → 不只文字还有图像音乐 → 从噪声一步步去噪成画面 → 用提示词给方向)

现在你知道生成式 AI 是什么了：它是用学到的模式新造文字、图画、音乐的工具，画面靠给噪声去噪来造，方向靠人的提示词来定。
可是造得这么好，也可能造出真假难辨的假照片或假声音。要公平、负责任地使用 AI 该考虑些什么，下一课来看。