想象一个世界，人工智能不仅能够识别日落，还能 从虚无中创作出一幅。这标志着一种范式转变：从 判别模型——专注于计算概率 $p(output|input)$ 来标注已有数据——转向广阔的生成式AI领域。我们正超越过去的边界划分，进入对数据本身 底层数据分布的建模。

定义架构格局

我们的分类体系由三种截然不同的数学策略主导，每种策略都为 多模态合成 和 图像合成提供了独特优势：

• 生成对抗网络（GANs）：两个神经网络之间的一场高风险对决—— 生成器 （伪造者）与 判别器 （侦探）。这种 对抗性互动 迫使生成器创造出越来越难以辨别的内容。
• 扩散模型：在混沌中寻找秩序的过程。这些模型通过 迭代地添加和移除噪声 从数据中，最终掌握从纯粹噪声中塑造出稳健表征的能力。
• 自回归Transformer：序列的建筑师。像 生成式预训练Transformer（GPT） 通过 预测下一个标记 基于此前所有内容的上下文进行预测，从而构建出长距离连贯的叙事和结构。