一： AIGC的历史开展
在前两篇的文章中，我们介绍了AIGC的早期阶段和沉积堆集阶段中AIGC的起源，以及AIGC的理论和概念。那么这篇文章我们就简单的介绍下AIGC历史上开展的第三个阶段，也便是现在所在的阶段：AIGC（生成式人工智能）阶段
1.1 chatGPT
大家都知道，chatGPT打开了AIGC生成式人工智能的第一枪，瞬间爆火全球，从chatGPT3.0到3.5再到4.0等等正式宣告了生成式人工智能（AIGC）年代的到来。在这个新年代的潮流下，企业们都不想落下，都想在这一块新生的范畴内分的一块蛋糕。所以各种AI技能如雨后春笋般涌现，令人目不暇接，不知该怎么挑选，怎么挑选。但说实话现在的AIGC技能都有着必定的门槛，针对的是企业或许有开发根底的开发人员，对于一般大众而言，门槛还是稍高一些，所以接下来必定会有一些公司或许企业，对其AI技能进行封装，包成亲民、利民的软件，抢占用户商场。
1.2 AIGC：万物皆可AI生成
最近很流行的一句话，万物皆可AI生成。我还记得初听这句话时，是抱着怀疑的态度的，乃至有点不以为然。但后来我使用了github上的Stab Diffusion 在自己的本地上，搭建了一个本地环境，然后使用C站上的Loar模型，以及一些根底模型，试着生成了一下，哇哦，几乎不可思议，居然真的能生成各种类型的图片！下面我就放一张我自己生成的，给大家看看：
真的太神奇了，不管是整体还是局部，都令人冷艳。精致、可控是文图生成AIGC的一大优点，用户完全可以依据自己的喜欢来微调。
1.3 AIGC分类
二： 多模态AIGC大模型驱动的具身智能
最近，谷歌5620亿参数的PaLM-E，他们将实在世界的传感器信号与文本输入相结合，建立言语和感知的链接，然后再使用可控制机器人完成任务规划和物品操作。
他们使用PaLM-E进一步验证了“才智涌现”在多模感知和具身智能上的作用。
首要架构思想:
将接连的、可感知的调查数据 注入预先练习的言语模型的嵌入空间中，以使 其可以理解这些接连数据。这是通过将接连观 测数据编码为与言语嵌入空间中的言语符号具 有相同维度的向量序列来完成的。
这种接连信 息以类似于言语符号的方法注入言语模型中。
在机器人操作规划、视觉问答和字幕生成等任 务中进行了端到端的练习。
