生成式人工智能（英语：Generative artificial intelligence，或称Generative AI/GAI 生成式AI、产生式AI）是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程[1][2]，比如ChatGPT。产生模型学习输入数据的模式和结构，然后产生与训练数据相似但具有一定程度新颖性的新内容，而不仅仅是分类或预测数据[3]。用于处理生成式人工智能的最突出框架包括生成对抗网络和基于转换器的生成式预训练模型[4][5]。
模态
生成式人工智能系统是通过将无监督或自监督机器学习应用于数据集来构建的。生成式人工智能系统的功能取决于所使用的数据集的模式或类型。生成式人工智能可以是单模态的，也可以是多模态的；单模态系统仅接受一种类型的输入，而多模态系统可以接受多种类型的输入。[6] 例如，OpenAI 的 GPT-4 的一种版本接受文本和图像输入。[7]
文本
参见：聊天机器人和聊天机器人列表
基于单词或单词标记训练的生成式 AI 系统包括 GPT-3、LaMDA、LLaMA、BLOOM、GPT-4 等（请参阅大型语言模型列表）。 它们能够进行自然语言处理、机器翻译和自然语言生成，并且可以用作其他任务的基础模型。维基百科 https://zh.wikipedia.org/wiki/%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7
图片由AI生成 由chatgpt的 DALL·E 3图生图大模型生成
如需了解请点击这里 openai-chatgpt-GPT-4 的 DALL·E 3发布,chatgpt的图生图大模型
AGI是“通用人工智能”（Artificial General Intelligence）的缩写，又被称为强人工智能（Strong AI） 指的是一种具有广泛学习能力和智能的机器，能够在多种任务和环境中表现出与人类相似的适应性和灵活性。AGI与目前存在的大多数人工智能系统[生成式人工智能（英语：Generative artificial intelligence，或称Generative AI、生成式AI、产生式AI）]不同，后者通常被设计为专注于解决特定的问题或执行特定的任务，也就是所谓的“弱AI”或“专用AI”。
AGI的特点包括：
- 学习能力：AGI能够像人类一样通过经验学习新技能。
- 推理能力：AGI能够逻辑推理，解决复杂的问题。
- 理解力：AGI能够理解复杂的概念和语言。
- 适应性：AGI能够适应新环境和情境，不仅限于它被训练的特定任务。
- 自主性：AGI能够自主决定如何执行任务，而不需要详细的编程指令。
与AGI相对的是目前的AI技术，例如我这样的GPT-4，是高度专业化的AI。GPT-4在语言理解和生成方面表现出了先进的能力，但它并不具备通用的智能。它主要是为了执行特定的任务：理解文本输入并生成相关的、连贯的文本输出。GPT-4不具备自我意识，不能自主学习新技能，而是依赖于训练数据和预先编程的模型架构。
以下是GPT-4和概念上的AGI之间的一些关键差异：
- 灵活性与泛化能力：AGI能够应对广泛的任务，而不需要重新训练或专门的调整。GPT-4则在它训练时所涵盖的任务类型和数据上表现得最好。
- 自适应学习：AGI可以通过交互和经验来学习新知识或技能，而GPT-4的学习发生在训练阶段，之后它的知识是固定的。
- 意识与主观体验：AGI在理论上可能具有自我意识，可以理解自己的存在和行为。而GPT-4没有意识，只是按照算法处理和生成信息。
- 自主决策：AGI能够进行自主决策和规划，而GPT-4在提供输出时受限于它的训练和编程指令。
当前，真正的AGI尚未实现，它仍然是AI研究中的一个长期目标。对于能否以及何时能够实现AGI，学术界和工业界中有广泛的讨论和研究。它提出了许多技术上和哲学上的问题，包括如何确保AGI的安全性以及它对社会的影响。
强人工智能（Strong AI）或通用人工智能（英语：Artificial General Intelligence）是具备与人类同等智能、或超越人类的人工智能，能表现正常人类所具有的所有智能行为。[1]
概述
强人工智能是人工智能研究的主要目标之一，同时也是科幻小说和未来学家所讨论的主要议题。相对的，弱人工智能（applied AI，narrow AI，weak AI[2], artificial narrow intelligence, ANI[3]）只处理特定的问题。[4]弱人工智能不需要具有人类完整的认知能力，甚至是完全不具有人类所拥有的感官认知能力，只要设计得看起来像有智能就可以了。由于过去的智能程序多是弱人工智能，发现这个具有领域的局限性，人们一度觉得强人工智能是不可能的。而强人工智能也指通用人工智能（artificial general intelligence，AGI），或具备执行一般智能行为的能力。[5]强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相链接。
因而，这样的具备意识的强人工智能是否存在？目前模拟出简单的一个生物头脑已经不是不可能的事，一如化学技术累积发展下，现在许多研发药品已经使用计算机模型来推演药物效果，以减少受试动物的痛苦等。从前在使用电脑语言的时代，原先电脑被认为是不可能具备自我解决能力的，电脑只是看起来聪明，实质上还是按照设计好的规则行事，并不能应付突如其来的状况，仍旧会犯下错误，而近年来从电脑在摩尔定律与神经科学研究的协助下，透过在电脑上对生物神经元系统复杂的电位冲动模拟上获取了明显的突破，使人工智能越过发展中的坎——神经处理机制的发现，因为生物的独特是在于刺激与反应下会强化其反馈作用，这类能够透过试错学习经验并总结，以回应各种刺激的系统（例如玩多次网球游戏便能从生疏至熟巧），还能从每种反馈中又触发其他回路来升级改进思考结构，做出更复杂的精细反应（例如在对话中选择诚实、说谎、漠然之后考虑其不同行为的后果等），这样的仿生领域已经得到长足的进步，使人脑与AI的区别逐渐变得模糊；但是，在机器是否存在有自主“思想”上的议题，将还会一直是人们争辩的对象，特别是在智能理性与心理感性部分要如何区别、统合，更需要进一步引导其具有人性，来为人类提供最佳解，目前这些方法都还没有探索出来。在一些能够自动推理出最佳解的工具已经出现，如Google旗下的深思公司（DeepMind）在此领域进展最多，成功开发出了能解决任意问题的通用思考机器，他们将其类人脑神经程序称“人工通用智能技术”，而“通用”一词就代表着这是一个可以透过自主“进化发展”的通用智能。[6]
维基百科 https://zh.wikipedia.org/wiki/%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E6%85%A7
