野菩萨的 AIGC 资深课在哪里获取

AIGC 即 AI generated content，又称为生成式 AI，意为人工智能生成内容。例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等都属于 AIGC 的应用。 AIGC 常见的应用包括： 1. 文字生成：使用大型语言模型（如 GPT 系列模型）生成文章、故事、对话等内容。 2. 图像生成：使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等。 3. 视频生成：使用 Runway、KLING 等模型生成动画、短视频等。 AIGC 在 CRM（客户关系管理）领域有着广阔的应用前景，主要包括以下几个方面： 1. 个性化营销内容创作：根据客户的个人信息、购买历史、偏好等数据，生成高度个性化且富有创意的营销文案、视觉内容等，提高营销效率和转化率。 2. 客户服务对话系统：基于 AIGC 的对话模型，开发智能客服系统，通过自然语言交互的方式解答客户的咨询、投诉等，缓解人工客服的压力。 3. 产品推荐引擎：借助 AIGC 生成丰富的产品描述、视觉展示等内容，结合推荐算法，为客户推荐更贴合需求的产品，提升销售业绩。 4. CRM 数据分析报告生成：自动生成数据分析报告内容，包括文字、图表、视频演示等形式，加快分析报告的生产流程。 5. 智能翻译和本地化：提供高质量的多语种翻译及本地化服务，帮助企业打造精准的全球化营销内容。 6. 虚拟数字人和营销视频内容生成：快速生成虚拟数字人形象、场景背景和营销视频内容，降低视频制作成本。 7. 客户反馈分析：高效分析海量的客户反馈文本和多媒体信息，挖掘客户需求和潜在痛点。 AIGC、UGC（普通用户生产）和 PGC（专业用户生产）都是内容生成的不同方式，主要区别在于内容的创作者和生成方式： 1. AIGC：由人工智能生成的内容。AI 通过学习大量的数据，能够自动生成文本、图像、视频等内容。优势在于可以快速、大规模地生成内容，适用于需要大量内容的场景，如自动化新闻、广告创作等。 2. UGC：由用户生成的内容。用户通过社交媒体、博客、论坛等平台发布自己的内容，如文章、评论、照片、视频等。优势在于内容丰富多样，能够反映用户的真实想法和创意，适用于社交媒体、社区论坛等互动性强的平台。 3. PGC：由专业人士或机构生成的内容。专业团队或机构根据特定的标准和流程创作高质量的内容，如新闻报道、影视作品、专业文章等。优势在于内容质量高、专业性强，适用于新闻媒体、专业网站等需要高质量内容的平台。 SD 是 Stable Diffusion 的简称。它是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像，是一种扩散模型（diffusion model）的变体，叫做“潜在扩散模型”（latent diffusion model;LDM）。SD 的代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。当前版本为 2.1 稳定版（2022.12.7）。源代码库：github.com/StabilityAI/stablediffusion 。我们可以通过一系列的工具搭建准备，使用 SD 进行想要的图片 AIGC。 不过在 AIGC 的应用过程中，仍需解决算法偏差、版权和知识产权等伦理法律问题。

AIGC 即 AI generated content，又称为生成式 AI，意为人工智能生成内容。例如 AI 文本续写，文字转图像的 AI 图、AI 主持人等都属于 AIGC 的应用。 AIGC 常见的应用包括： 1. 文字生成：使用大型语言模型（如 GPT 系列模型）生成文章、故事、对话等内容。 2. 图像生成：使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等。 3. 视频生成：使用 Runway、KLING 等模型生成动画、短视频等。 AIGC 在 CRM（客户关系管理）领域有着广阔的应用前景，主要包括以下几个方面： 1. 个性化营销内容创作：根据客户的个人信息、购买历史、偏好等数据，生成高度个性化且富有创意的营销文案、视觉内容等，提高营销效率和转化率。 2. 客户服务对话系统：基于 AIGC 的对话模型，开发智能客服系统，通过自然语言交互的方式解答客户的咨询、投诉等，缓解人工客服的压力。 3. 产品推荐引擎：借助 AIGC 生成丰富的产品描述、视觉展示等内容，结合推荐算法，为客户推荐更贴合需求的产品，提升销售业绩。 4. CRM 数据分析报告生成：自动生成期望的数据分析报告内容，包括文字、图表、视频演示等形式，加快分析报告的生产流程。 5. 智能翻译和本地化：提供高质量的多语种翻译及本地化服务，帮助企业打造精准的全球化营销内容。 6. 虚拟数字人和营销视频内容生成：快速生成虚拟数字人形象、场景背景和营销视频内容，降低视频制作成本。 7. 客户反馈分析：高效分析海量的客户反馈文本和多媒体信息，挖掘客户需求和潜在痛点。 AIGC、UGC（普通用户生产）和 PGC（专业用户生产）都是内容生成的不同方式，主要区别在于内容的创作者和生成方式： 1. AIGC：由人工智能生成的内容。AI 通过学习大量的数据，能够自动生成文本、图像、视频等内容。优势在于可以快速、大规模地生成内容，适用于需要大量内容的场景，如自动化新闻、广告创作等。 2. UGC：由用户生成的内容。用户通过社交媒体、博客、论坛等平台发布自己的内容，如文章、评论、照片、视频等。优势在于内容丰富多样，能够反映用户的真实想法和创意，适用于社交媒体、社区论坛等互动性强的平台。 3. PGC：由专业人士或机构生成的内容。专业团队或机构根据特定的标准和流程创作高质量的内容，如新闻报道、影视作品、专业文章等。优势在于内容质量高、专业性强，适用于新闻媒体、专业网站等需要高质量内容的平台。 能进行 AIGC 的产品项目也很多，能进行 AIGC 的媒介也很多包括且不限于： 1. 语言文字类：OpenAI 的 GPT，Google 的 Bard，百度的文心一言，还有一种国内大佬下场要做的的 LLM 都是语言类的。 2. 语音声音类：Google 的 WaveNet，微软的 Deep Nerual Network，百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits。 3. 图片美术类：早期有 GEN 等图片识别/生成技术，去年大热的扩散模型又带火了我们比较熟悉的、生成质量无敌的 Midjourney，先驱者谷歌的 Disco Diffusion，一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion。 SD 是 Stable Diffusion 的简称。它是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像。Stable Diffusion 是一种扩散模型（diffusion model）的变体，叫做“潜在扩散模型”（latent diffusion model;LDM）。SD 的代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。当前版本为 2.1 稳定版（2022.12.7）。源代码库：github.com/StabilityAI/stablediffusion 。我们可以通过一系列的工具搭建准备，使用 SD 进行想要的图片 AIGC（心想事成的魔法施与）。 不过在 AIGC 的应用过程中，仍需解决算法偏差、版权和知识产权等伦理法律问题。

AIGC（Artificial Intelligence Generated Content，人工智能生成内容）的技术原理如下： 生成式人工智能（GenAI）：基于深度学习技术和机器学习算法，从已有数据中学习并生成新的数据或内容。通过大规模数据集训练深度神经网络模型，学习各种数据的规律和特征，实现对输入数据的分析、理解和生成。典型的 GenAI 包括 OpenAI 推出的语言模型 ChatGPT、GPT4、图像模型 DALLE 以及百度推出的文心一言、阿里云推出的通义千问等。 机器学习：让机器自动从资料中找到公式。 深度学习：一种更厉害的手段，类神经网络，具有非常大量参数的函数。 大语言模型：是一类具有大量参数的“深度学习”模型。 AIGC 工具通常以自然语言处理为基础，分析大型文本数据集，并学习如何生成风格和语气相似的新内容，从而能够生成包括文本、图像、音频、视频和三维模型等多种形式的内容。

利用 AIGC 技术实现游戏产业的生产力革命主要体现在以下几个方面： 1. 降低开发成本：AIGC 技术能够极大程度地减少游戏开发过程中的人力、物力和时间投入。 2. 缩减制作周期：加快游戏的制作速度，使游戏能够更快地面向市场。 3. 提升游戏质量：例如生成新的高质量游戏内容，如地图、角色和场景，改进游戏的图像和声音效果等。 4. 带来新的交互体验：为玩家提供更加丰富和独特的游戏体验。 游戏人工智能技术的未来发展方向还包括： 1. 探索将游戏环境中的成果迁移至现实世界：电子游戏作为人工智能算法的测试场，为人工智能模型的构建与训练提供了理想化的场所，但将游戏中的技术推广到现实世界应用仍面临诸多挑战，需要进一步研究和发展。 2. 为通用人工智能的孵化给予帮助：经多个复杂游戏训练后的“玩游戏”的人工智能体，将为通用人工智能的发展提供支持。 随着游戏中生成式人工智能革命的进展，它将彻底重塑用户生成内容（UGC），创造一个任何人都可以构建游戏的世界，并将游戏市场扩大到超出许多人的想象。在未来几年，深厚的技术知识或艺术掌握将不再是开发游戏所需的基本技能，创作者只会受到他们的精力、创造力和想象力的限制。生成式人工智能将通过使游戏创作民主化来改变和颠覆 UGC 游戏领域，让数百万人能够制作他们的第一款游戏，新一代游戏开发者将释放出一波游戏设计创造力浪潮，从而永远改变游戏行业。

AIGC 即 AI generated content，又称为生成式 AI，意为人工智能生成内容。 AIGC 能够通过机器学习和深度学习算法，根据输入的数据和指令生成符合特定要求的内容，在内容创作、广告、媒体等领域有着广泛的应用。 其应用包括但不限于以下方面： 1. 文字生成：使用大型语言模型（如 GPT 系列模型）生成文章、故事、对话等内容。 2. 图像生成：使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等。 3. 视频生成：使用 Runway、KLING 等模型生成动画、短视频等。 类似的名词缩写还有 UGC（普通用户生产），PGC（专业用户生产）等。能进行 AIGC 的产品项目也很多，能进行 AIGC 的媒介也很多，包括且不限于： 1. 语言文字类：OpenAI 的 GPT，Google 的 Bard，百度的文心一言，还有一种国内大佬下场要做的的 LLM 都是语言类的。 2. 语音声音类：Google 的 WaveNet，微软的 Deep Nerual Network，百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits。 3. 图片美术类：早期有 GEN 等图片识别/生成技术，去年大热的扩散模型又带火了我们比较熟悉的、生成质量无敌的 Midjourney，先驱者谷歌的 Disco Diffusion，一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion。 AIGC 强调的是 GC 部分，也就是 decoder 部分。常见的生成算法包括 VAE、GAN、Flow Model 和 Diffusion Model，同时还有 IS（Inception Score）和 FID（Frechet Inception Distance）两种生成图片常见评价指标。

成为 AIGC 提示词工程师通常需要具备以下条件： 1. 学历要求：本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 工具熟悉度：熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验；熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 3. 项目经验：负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 4. 技术理解：了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 5. 数据分析能力：对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 6. 创新思维：具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 7. 行业关注：对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 8. 编程能力：具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成；具有一定的编程基础，熟练使用 Python、Git 等工具。 在面试过程中，以下方面是加分项： 1. 需求拆解能力/产品需求嗅觉：考验需求拆解、控制 AI 稳定输出理想结果的能力。 2. 懂技术：Prompt 设计离不开有 AIGC 开发经验，懂开发和底层原理才能写出更好的 Prompt。 3. 有参与做过 AIGC 产品应用：例如用 Langchain 等框架去写，解决应用场景及其中的技术细节，包括商业化变现、解决 OpenAI 请求需要科学上网的问题、负载均衡/APIKey 管理等。 4. 想法在用户需求认知前面：面试官给出行业场景（例如美妆），在无提示情况下，能畅享 AI 在该行业上赋能的功能场景，能联想到 To B 或 B2B2C 的场景是加分项。因为用户往往无法感知到 AI 能带来的帮助，需要面试者去了解用户工作流，有种“创造需求”的感觉。 公司在筛选几百份简历后，最终选择的 AIGC 提示词工程师和 AI 训练师，通常是像爱折腾的 00 后，有技术开发背景，对 Prompt 有独特深刻见解的人员。

目前在 VI 设计方面，有一些常用的 AI 软件，比如 Adobe Illustrator ，它具有强大的绘图和编辑功能，能够满足您对高质量图形设计的需求；还有 Sketch ，其界面简洁，操作相对便捷。不过，具体选择哪款软件还需根据您的个人使用习惯和具体设计要求来决定。

要从新手快速成长为 AI 方面的资深从业者，可以按照以下步骤进行： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支如机器学习、深度学习、自然语言处理等以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人进行互动，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，【野菩萨的 AIGC 资深课】由工信部下属单位【人民邮电出版社】开设，是市面上为数不多的值得推荐的 AI 课程之一，也是全网技术更新最快的课程！课程内容涵盖 AI 绘画、视听语言和 ChatGPT 等多个体系的知识。无论您是 AI 初学者还是进阶者，这门课程都能满足您的学习需求。您可以扫码添加菩萨老师助理，了解更多信息。