会员服务
生成式人工智能是利用复杂的算法、模型和规则，从大规模数据集中学习，以创造新的原创内容的人工智能技术。这项技术能够创造文本、图片、声音、视频和代码等多种类型的内容，全面超越了传统软件的数据处理和分析能力。2022年末，OpenAI推出的ChatGPT标志着这一技术在文本生成领域取得了显著进展，2023年被称为生成式人工智能的突破之年。这项技术从单一的语言生成逐步向多模态、具身化快速发展。在图像生成方面，生成系统在解释提示和生成逼真输出方面取得了显著的进步。同时，视频和音频的生成技术也在迅速发展，这为虚拟现实和元宇宙的实现提供了新的途径。生成式人工智能技术在各行业、各领域都具有广泛的应用前景。
Human-Centered Design: The Disclosure of Generative Artificial Intelligence for Emerging Professionals
Arxiv
0+阅读 · 6月23日
Hallucinations in Organization-backed AI advisors: Evidence about Skepticism, Verification, and Reliance in Goal-Directed Use
Arxiv
0+阅读 · 6月22日
EPEdit: Redefining Image Editing with Generative AI and User-Centric Design
Arxiv
0+阅读 · 6月23日
Agent Behavior Mining: Generative AI Agent Governance in Business Processes
Arxiv
0+阅读 · 6月12日
Text-to-Image Generative AI for Modeling and Simulation: Methods, Opportunities, and Applications
Arxiv
0+阅读 · 6月18日
Measuring Human Contribution in AI-Assisted Content Generation
Arxiv
0+阅读 · 6月19日
Creativity Reconsidered: Generative AI and the Problem of Intentional Agency
Arxiv
0+阅读 · 6月18日
On Injectivity of Phase Retrieval
Arxiv
0+阅读 · 6月16日
AI Adoption Across a Multinational Workforce: Sociotechnical Conditions for GenAI Acceptance in Human Resources
Arxiv
0+阅读 · 6月16日
SCAN: A Decision-Making Framework for Effective Task Allocation with Generative AI
Arxiv
0+阅读 · 6月14日
Generative AI and the future of scientometrics: current topics and future questions
Arxiv
0+阅读 · 6月15日
Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build
Arxiv
0+阅读 · 6月12日
Computational Safety for Generative AI: A Hypothesis Testing Perspective
Arxiv
0+阅读 · 6月14日
AME: A Multi-Type Contributor Attribution Framework in Generative AI Markets
Arxiv
0+阅读 · 6月15日
Generative AI as a Design Variable: An Evidence-Centered Framework for Principled Governance in STEM Assessment
Arxiv
0+阅读 · 5月24日
参考链接
微信扫码咨询专知VIP会员
Top