生成式人工智能（GAI/AIGC）是一类能从海量数据中学习规律，并自主生成全新内容（文本、图像、音频、视频、代码、3D模型等）的人工智能系统 。它与传统“判别式AI”（人脸识别、语音转写、推荐排序）的本质区别在于： 传统AI：输入数据→分析特征→输出判断/分类，是“识别与决策”；生成式AI：输入提示→学习分布→生成新样本，是“创造与合成”。简言之，传统AI回答“这是什么”，生成式AI回答“可以创造什么”。

二、技术根基：深度学习与三大主流生成模型 全书用大量篇幅讲透底层技术，核心可概括为：Transformer架构+自监督学习+大规模参数，共同支撑“理解—生成”全过程 。

1. Transformer：大语言模型的基石 2017年提出的Transformer，凭借注意力机制解决了长文本依赖问题，让模型能同时关注上下文关键信息，成为ChatGPT、GPT-4、文心一言等大模型的基础架构。

2. 三大主流生成模型 GAN（生成对抗网络）：生成器造内容、判别器辨真假，互相对抗、共同进化，擅长图像合成、风格迁移；缺点是训练不稳定、易模式崩溃 。VAE（变分自编码器）：通过“编码—解码”学习数据概率分布，生成内容平滑、可控性强，适合数据压缩与低维生成 。扩散模型（Diffusion Models）：逐步去噪生成清晰图像，质量高、细节好，是当前文生图（如Midjourney、Stable Diffusion）的主流技术 。

3. 大语言模型（LLM）：生成式AI的“大脑” 以GPT系列为代表的LLM，通过海量文本预训练+自监督学习，掌握语言规律、逻辑推理与常识知识，实现对话、写作、翻译、代码生成等能力 。书中强调：参数规模、数据质量、训练策略共同决定模型能力，而“上下文学习（In-context Learning）”让模型无需微调即可快速适配新任务。

三、核心应用：重塑千行百业  本书系统梳理生成式AI在文本、图像、音视频、代码、教育、医疗、创意设计等领域的落地场景，核心价值是降本、提效、创新 内容创作：自动写文案、写报告、做PPT、生成海报/视频，30秒完成传统数小时工作。教育领域：智能答疑、个性化辅导、多语言教学、情景对话练习，适配不同学生水平 企业服务：智能客服、自动生成合同/报表、代码辅助开发，大幅提升办公效率 。