2023-10-12-世界银行-新兴技术策展系列5-生成型人工智能（英文版）_38页_750kb

生成式人工智能（Generative AI）是近年来快速发展的关键技术，预计到2026年市场规模将达到65亿美元。它基于机器学习算法，从数据中生成新颖的创意内容，如图像、文本、音乐和语音，能显著提升效率和创新能力。

生成式AI的基本原理是通过学习数据模式产生新输出。它不同于传统AI，不依赖海量数据，而是从少量信息中创造内容，广泛应用在艺术设计、音乐、文本处理和语音合成等领域。

发展历史始于1950年代，标志性事件包括2014年Ian Goodfellow提出的生成对抗网络（GAN）和2017年Transformer模型的提出。后续演进催生了大型语言模型（LLMs）如GPT系列以及Vision模型如DALL-E和Stable Diffusion，推动了技术的广泛应用。

生成式AI可分为显式密度模型和隐式密度模型。显式模型直接定义数据概率分布，如变分自动编码器（VAE）；隐式模型通过随机噪声转换生成数据，如GAN和扩散模型。这些模型各有优势，能满足不同类型的应用需求。

优势包括提升创造力和可扩展性，帮助用户快速生成文本、图像和视频。它还能自动化重复性任务，提高生产效率，尤其对于非专业人士，降低了内容创作门槛。

在工业领域，生成式AI已应用于医疗保健（辅助诊断、合成数据）、制造业（优化生产）、媒体文艺（个性化内容生成）、时尚（产品设计）和电子商务（市场推广）。例如，AI能加速药物研发，提升医疗影像质量，并改善客户服务体验。

对国际发展具有潜在价值。它可以改善灾难救援、基础设施建设和医疗健康，促进教育公平和野生动物保护。通过生成合成数据和教育资源，帮助发展中国家应对挑战。

然而，也存在局限性。伦理问题如误用风险、数据偏见和生成内容的不准确性（如"幻觉"）需关注。需要建立综合治理框架，确保技术和应用的安全性。

韩国在AI领域积极推动，政府制定国家AI战略，投资6.41万亿韩元支持创新。私营企业如Naver和Kakao开发了KakaoTalk、HyperCLOVA和Karlo等应用，推动了本土AI生态系统的成长。

总的来说，生成式AI是推动创新和解决全球挑战的关键力量，但须平衡其应用与风险。