生成式AI导论：从概率建模到视觉生成范式演进

生成式AI（Generative AI）的爆发并非偶然，其核心逻辑可追溯至概率论（Probability Theory）中对数据分布建模的经典问题：如何从有限的数据样本中学习到数据的内在分布规律，进而生成符合该规律的新样本。从2014年生成对抗网络（Generative Adversarial Network, GAN）的提出，到2022年潜在扩散模型（Latent Diffusion Model, LDM）驱动的文生图（Text-to-Image）热潮，再到2024年Sora引领的视频生成（Video Generation）突破，生成式视觉智能的技术体系经历了从传统概率建模到深度学习范式的三次核心跃迁。本章将系统梳理这一演进历程，明确不同技术范式的技术定位与优劣势，梳理图像生成、文生图、视频生成三大核心方向的产业价值，并说明本书的编写逻辑与学习路径，为后续章节的深入学习奠定基础。

---

1.1 生成式AI的起源：从传统概率建模到深度学习范式

生成式模型的本质是概率分布学习：对于视觉数据而言，即学习高维像素空间中的真实数据分布$p_{data}(x)$，其中$x \in \mathbb{R}^{H \times W \times C}$代表$H \times W$分辨率、$C$通道的图像样本，$p_{data}(x)$描述所有可能真实图像的取值概率。模型学习完成后，可通过从分布$p(x)$中采样的方式生成全新的、符合真实数据规律的图像样本。

1.1.1 传统概率生成模型：视觉生成的早期探索

在深度学习兴起之前，传统概率生成模型是生成式建模的主流工具，其核心是通过显式定义的参数化分布来近似真实数据分布，典型代表包括高斯混合模型（Gaussian Mixture Model, GMM）、隐马尔可夫模型（Hidden Markov Model, HMM）和马尔可夫随机场（Markov Random Field, MRF）。

以GMM为例