随着人工智能技术的快速发展生成式人工智能已成为信息社会的重要推动力。从最初的基于规则的文本生成到如今能够创造高度逼真的图像、视频和交互式内容AIGC的发展经历了多个关键阶段。本文将回顾AIGC的发展历程并探讨其迈向生成创造世界阶段的重要技术突破。深度学习创造世界的关键基础深度学习Deep Learning作为人工智能领域的核心技术之一近年来取得了举世瞩目的进展。它基于人工神经网络利用多层次的复杂模型使计算机能够自动从海量数据中学习特征和模式。深度学习的兴起不仅促进了人工智能的飞速发展也为AIGC的创新提供了坚实的基础。深度学习的起源可以追溯到 20 世纪 40 年代当时科学家们开始尝试构建简单的人工神经网络以模拟人类大脑的工作方式。但在早期由于计算能力的限制和算法的不完善人工神经网络的发展受到了很大的阻碍。直到 1965 年数学家奥・赫・伊瓦赫年科A.G.Ivakhnenko和他的同事们提出了首个深度神经网络他们开发了一种能够自动结构化模型和参数优化的方法称为数据处理的分组方法GMDH并将其应用于神经网络的构建。他们的模型采用了深度前馈多层感知机的结构每一层都通过统计学方法找到最优特征传递到后续的网络层中。1971 年他们成功训练了一个 8 层的深度神经网络并在一个名为 Alpha 的计算机识别系统中成功地演示了网络学习过程。这一成果为深度学习的发展奠定了重要的基础但在当时并没有引起广泛的关注。1979 年福岛邦彦使用了第一个 “卷积神经网络”Convolutional Neural Networks他设计了具有多个池化层和卷积层的神经网络并开发了一种名为 Neocognitron 的人工神经网络该网络使用分层、多层设计这种设计允许计算机 “学习” 识别视觉模式。这些早期的神经网络虽然取得了一些成果但由于计算资源的限制和理论的不完善其应用范围仍然非常有限。直到 2006 年加拿大多伦多大学计算机系教授杰弗里・辛顿Geoffrey Hinton在《科学》杂志上发表了《利用神经网络刻画数据维度》一文首次提出了 “深度学习” 的概念并探讨了应用人工神经网络刻画数据的学习模型。这标志着深度学习作为人工智能的一个分支正式提出它本质上是一个深度神经网络和计算机深度学习模型。辛顿教授在论文中指出通过构建具有多个隐藏层的神经网络可以自动从大量数据中学习到复杂的模式和特征表示从而实现对数据的更高效处理和理解。他还提出了一种新的训练方法 ——“逐层预训练”通过这种方法可以有效地训练深度神经网络避免了传统训练方法中容易出现的梯度消失问题。这一概念的提出为深度学习的发展注入了新的活力引发了学术界和工业界的广泛关注。深度学习的发展历程1. 1980年之前人工神经网络的萌芽在1980年之前人工神经网络ANN主要分为两种类型前馈神经网络FNN或多层感知器MLP以及递归神经网络RNN。RNN具有连接结构中的循环而FNN没有。早在1920年代威廉·伦茨Wilhelm Lenz和恩斯特·伊辛Ernst Ising创建了伊辛模型实际上是一种不具备学习能力的RNN架构由类似神经元的阈值元素组成。1972年天野俊一Shunichi Amari使得该架构具有了适应性之后在1982年由约翰·霍普菲尔德John Hopfield重新发布了这种学习型RNN。1958年弗兰克·罗森布拉特Frank Rosenblatt提出了感知机这是一种具有三层的MLP输入层、具有随机权重但不进行学习的隐藏层以及输出层。他在1962年出版的书中还介绍了其变种及计算机实验包括一种四层感知机的版本其中最后两层具备了学习能力的权重。2. 1960至1980年代深度学习的早期发展1965年阿列克谢·伊瓦赫年科Alexey Ivakhnenko和拉帕Lapa提出了第一种有效的深度学习算法——数据处理的组方法。这种方法可用于训练任意深度的神经网络并将其视为一种多项式回归或罗森布拉特感知机的推广。1971年他们描述了一种通过该方法训练的八层深度网络基于逐层训练的回归分析。此外1979年福岛邦彦Kunihiko Fukushima介绍了卷积神经网络CNN这是一种带有卷积层和下采样层的深度学习架构但未采用反向传播算法。反向传播Backpropagation作为一种高效的链式法则应用最早由戈特弗里德·威廉·莱布尼茨Gottfried Wilhelm Leibniz在1673年提出但直到1962年罗森布拉特才首次提出“误差反向传播”这一术语。现代反向传播算法最早由塞波·林纳马Seppo Linnainmaa在1970年发表而1982年保罗·韦尔博斯Paul Werbos将反向传播应用于神经网络1986年大卫·鲁梅尔哈特David E. Rumelhart等人将其普及开来。3. 1980至2000年代递归神经网络与卷积神经网络的发展1980年代递归神经网络RNN得到了进一步的发展。递归神经网络主要用于序列处理尤其在1986年乔丹网络Jordan Network和1990年埃尔曼网络Elman Network的提出后RNN在认知心理学问题研究中取得了重要进展。1990年代长短期记忆网络LSTM由西普·霍赫赖特Sepp Hochreiter等人提出这是一种能够有效处理长期依赖问题的RNN变种。与此同时卷积神经网络CNN在1990年代初期取得了显著的进展尤其是由扬·勒昆Yann LeCun等人提出的LeNet模型这一模型在手写数字识别中取得了优异成绩并被广泛应用于实际工业领域。4. 2000至2010年代深度学习的飞速发展与广泛应用2000年代深度学习的研究进展显著尤其是在语音识别和图像分类领域。2006年深度置信网络Deep Belief Networks由Geoff Hinton等人提出它成为了深度生成模型的基石。随后2009年LSTM结合连接时序分类CTC取得了在手写体识别上的突破2012年AlexNet在ImageNet大规模视觉识别竞赛中获得了前所未有的成功推动了深度学习在计算机视觉领域的广泛应用。2014年生成对抗网络GAN由伊恩·古德费洛Ian Goodfellow等人提出它通过两个网络的博弈训练生成逼真的图像并成为生成式模型领域的重要突破。此后基于GAN的图像生成技术如Nvidia的StyleGAN逐渐推动了图像生成的技术发展成为深度学习在艺术创作领域应用的典型代表。深度学习革命的关键进展之一是硬件的进步尤其是GPU。一些早期的工作可以追溯到2004年。2009年Raina、Madhavan和Andrew Ng在30台Nvidia GeForce GTX 280 GPU上训练了一个1亿参数的深度信念网络这是GPU深度学习的早期示范。他们报告称训练速度提高了多达70倍。2011年Dan Ciresan、Ueli Meier、Jonathan Masci、Luca Maria Gambardella和Jürgen Schmidhuber提出的名为DanNet的CNN首次在视觉模式识别比赛中实现了超越人类的表现超越了传统方法3倍。这一模型后来还赢得了更多比赛。他们还展示了如何在GPU上通过最大池化CNN显著提高性能。2012年Andrew Ng和Jeff Dean创建了一种前馈神经网络FNN该网络仅通过观看来自YouTube视频的未标注图像学习识别猫等高阶概念。2012年10月Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提出的AlexNet在ImageNet大规模图像分类比赛中以显著优势超过了浅层机器学习方法。进一步的改进包括Karen Simonyan和Andrew Zisserman的VGG-16网络以及谷歌的Inceptionv3。在图像分类取得成功之后深度学习的应用扩展到更具挑战性的任务——为图像生成描述标签通常结合使用CNN和长短期记忆网络LSTM。2014年深度学习的最新进展是训练20到30层的“非常深的神经网络”。堆叠过多的层会导致训练准确度大幅下降这被称为“退化问题”。2015年提出了两种技术以训练非常深的网络高速公路网络Highway Network和残差神经网络ResNet。残差神经网络表现得像一个开放门控的高速公路网络。同时深度学习开始影响艺术领域。早期的例子包括2015年的Google DeepDream和神经风格迁移Neural Style Transfer它们都基于预训练的图像分类神经网络如VGG-19。生成对抗网络GAN由Ian Goodfellow等人在2014年提出基于Jürgen Schmidhuber的人工好奇心原则在2014到2018年间成为生成建模领域的最新技术。Nvidia的StyleGAN2018基于Progressive GANTero Karras等人的研究实现了卓越的图像质量。在这里GAN生成器以金字塔式的方式从小规模到大规模增长。GAN在图像生成方面取得了广泛成功并引发了关于深度伪造deepfake的讨论。自那时起扩散模型Diffusion Models2015年在生成建模中超越了GAN出现了如DALL·E 22022年和Stable Diffusion2022年等系统。2015年谷歌通过基于LSTM的模型将语音识别提高了49%并通过智能手机上的Google Voice Search提供了这一技术。深度学习已成为各学科前沿系统的一部分尤其是在计算机视觉和自动语音识别ASR领域。诸如TIMITASR和MNIST图像分类等常用评估集以及大量的语音识别任务结果稳步提高。卷积神经网络在ASR中被LSTM取代但在计算机视觉中仍然更为成功。Yoshua Bengio、Geoffrey Hinton和Yann LeCun因其在深度神经网络领域的“概念性和工程性突破使深度神经网络成为计算机的重要组成部分”而获得了2018年的图灵奖。英伟达NVIDIA成立于1993年总部位于美国加利福尼亚州是全球领先的人工智能计算技术公司。最初英伟达以其图形处理单元GPU而闻名尤其是在视频游戏和计算机图形领域的应用。近年来英伟达迅速扩展其业务特别是在人工智能、深度学习和自动驾驶等前沿技术领域成为全球AI计算和数据处理的重要推动者。英伟达的GPU不仅在游戏和图形渲染中发挥重要作用更在深度学习、AI模型训练和数据中心中得到广泛应用其产品在全球范围内得到广泛需求推动了其在科技行业的巨大影响力。在此背景下英伟达在2024年多次超越苹果成为全球市值最高的公司。具体时间点包括2024年6月5日英伟达市值首次突破3万亿美元超越苹果成为全球第二大公司仅次于微软2024年11月5日英伟达再次超越苹果市值达到3.43万亿美元成为全球市值最高的公司2025年1月22日英伟达再次超越苹果重新成为全球市值最高的公司。从这些证据中可以看出英伟达的市值超越苹果主要得益于其在人工智能领域的领先地位尤其是GPU技术的广泛应用和市场需求的强劲增长。英伟达的GPU芯片在AI模型训练、数据中心和超级计算机等领域占据主导地位推动了其股价和市值的持续攀升。深度学习与 AIGC 之间存在着极为紧密的联系二者相辅相成共同推动着人工智能技术的发展与应用。深度学习是 AIGC 得以实现的核心技术支撑。它凭借构建多层神经网络能够从海量数据中自动学习到复杂的模式与特征表示。以图像生成领域为例生成对抗网络作为深度学习的经典模型由生成器和判别器组成。生成器通过学习大量图像数据的特征尝试生成新的图像判别器则对生成的图像进行判断反馈结果给生成器促使其不断改进。在这个过程中深度学习算法不断优化使得生成的图像质量越来越高从模糊不清逐渐变得清晰、逼真为 AIGC 在图像创作方面提供了强大动力。AIGC 也为深度学习的发展提供了广阔的应用场景与丰富的数据反馈。众多 AIGC 应用如智能写作助手、虚拟主播等在实际运行中会产生大量的用户交互数据。这些数据可以被收集起来用于进一步训练深度学习模型。例如智能写作助手根据用户的输入和修改反馈收集到各种写作风格、主题需求等数据这些数据能够帮助深度学习模型更好地理解人类语言表达习惯从而优化语言生成能力使其在后续创作中能够生成更符合用户需求、更具逻辑性和文采的文本。深度学习与 AIGC 相互促进深度学习赋予 AIGC 强大的生成能力AIGC 则通过实际应用为深度学习提供数据和方向二者携手开启了人工智能在内容创作领域的无限可能持续改变着人们获取和创造内容的方式。