开箱！生成式AI到底是啥「黑魔法」

你有没有过这种经历？昨天刷到班级群里有人发了个表情包：把你班主任的头P在一只胖橘猫身上，配文“这节课再讲话，就把你们全部做成猫罐头”，全班笑到桌子都拍歪；上周同桌换了个赛博朋克风的猫耳少女头像，你以为是买的二次元周边，结果人家说是用AI随手生成的，独一无二，连发丝都和你之前见过的图不一样；还有上周语文作业让写科幻短篇，你卡文卡到半夜，结果后排的学委用AI写了篇《如果校园里的猫都变成了学霸》，猫爪着钢笔写作业，还帮同学抓考试作弊的，全班读的时候笑到肚子疼，语文老师居然还给了高分——你有没有过那么一瞬间觉得，这些AI好像会变魔术？今天我们就来拆一拆，这些“黑魔法”到底是怎么来的，顺便搞懂两个最容易搞混的概念：判别式AI和生成式AI。

其实你平时接触到的AI，大体可以分成两大类：一类是“认猫的”，一类是“画猫的”，这俩虽然都带“AI”俩字，干的事儿完全不一样。我们先说最常见的“认猫的”，也就是判别式AI。你给它看一万张猫的照片，告诉它“这些都是猫，另外一万张狗的照片是狗”，训练完之后你再给它一张没见过的图，它就能准确告诉你：这是猫，概率98%；那是狗，概率95%。它的核心工作从来不是“创造新东西”，而是“做判断、分分类、找不同”。

你平时遇到的绝大多数AI，其实都是判别式AI。比如你手机的人脸识别解锁，每次你刷脸，它就在判断“这张脸是不是我之前存过的那个人的脸”，是就开门，不是就让你输密码；再比如你刷短视频，刷到一只猫的视频点了个赞，接下来刷到的全是猫，这就是平台的推荐算法（也是判别式AI）在判断“你喜欢猫，所以多给你推猫的视频”；还有老师用的作文查重系统，把你的作文和全网的文章比，判断“你的作文有多少是抄的”，这也是判别式AI的活；甚至你玩王者荣耀的时候，AI对手预判你的走位，放技能精准打你，也是它在判断“你下一步大概率往左走，所以我往左放技能”。你可以把判别式AI理解成一个特别严格的考官：它只负责判断对错、分类，不会自己造新东西，就像食堂打饭的阿姨，你给她看菜，她告诉你“这是红烧肉，10块钱”，不会突然给你变出一盘你没见过的“红烧肉味冰淇淋”。

那生成式AI呢？同样是给一万张猫的照片，生成式AI学完之后，你让它“画一只戴着宇航员头盔的橘猫，站在火星上吃烤串，手里还拿瓶冰可乐”，它真能给你画出来——甚至这世界上从来没人见过这种组合，它也能给你造出来。这就是生成式AI和判别式AI最核心的区别：判别式AI是“考官”，只负责判对错；生成式AI是“画家”，能从零开始创造全新的内容。

你可能会问：AI不是只会算数吗？怎么会画画写文章？其实原理没你想的那么玄乎，就像你学画猫的过程：你妈给你买了一万本画猫的绘本，你天天翻，看了三年，脑子里自然而然就记住了“猫有尖耳朵、长尾巴、胡须，走路静悄悄，爱吃鱼”，这时候就算没人教你，你随手也能画个猫的大致样子，甚至能画个戴帽子、穿衣服的拟人猫，因为你把“猫的特征”学明白了。生成式AI的学习过程和你一模一样：它“看”了海量的图片、文字、视频，比如互联网上所有带“猫”标签的图，所有写猫的文章，所有猫的视频，看得多了，它就把“猫长什么样、猫相关的文字怎么写、猫的视频是什么样的”这些规律都记住了。你给它一个指令（专业上叫“提示词”，Prompt），它就相当于“根据你描述的样子，从脑子里记的所有猫的元素里挑合适的拼在一起，造出一个新的、符合你要求的猫”。

这里要澄清一个最常见的误区：很多人觉得生成式AI是“抄袭”，其实不是。就像你看了一万本漫画，自己画了个新角色，不能说你是抄袭那些漫画，生成式AI也是一样：它是把学到的规律重新组合，生成全新的内容，不是直接照搬某一张图或者某一篇文章。当然如果它生成的内容和某位创作者的原创作品高度重合，那确实可能涉及侵权，这也是现在全球都在讨论的问题，后面章节我们会专门讲怎么用生成式AI不侵权。

那生成式AI到底能干啥？现在最火的应用，基本都逃不开三大分支：图像生成、文本生成、视频生成，每一个都和你们平时的生活息息相关。

先说你最熟悉的图像生成。现在不管是B站、小红书还是抖音，到处都能看到AI生成的内容：有人用AI生成独一无二的头像，输入“赛博朋克风猫耳少女，银白色头发，霓虹灯背景，动漫风格”，十秒钟就能出图，不用怕和同学撞头像；有人用AI生成表情包，输入“一只瘫在书桌上的橘猫，配文‘早八人已死’，简笔画风格”，马上就能生成专属表情包，发班级群比网上的表情包有意思多了；还有美术生同学用AI找灵感，比如老师布置了科幻场景的作业，你先让AI生成几十张不同的星球、未来城市的图，挑个最喜欢的再细化，比你自己凭空想快多了。去年还有个初中的小妹妹，用AI生成了一系列“如果古代诗人有朋友圈”的图，把李白P成穿汉服的自拍，配文“今天和杜甫喝了两斤酒，作诗三首，爽”，发到网上火了，还被出版社收去做成了绘本，版费够她买了好几个学期的漫画书。

然后是文本生成，这个你肯定也接触过，就是大家常说的“AI写作业”。先别急着笑，AI写作业真不是你想象的“直接抄就完事”。比如上次你让AI写《我的暑假生活》，AI写“暑假我帮奶奶喂猪，猪吃了三筐玉米，我吃了五碗饭，奶奶夸我是好孩子”，你交上去老师一眼就看出来是AI写的——为啥？因为老师自己家也喂猪，知道猪根本吃不了三筐玉米，AI瞎编的。这就是文本生成AI现在最大的问题：它特别会“一本正经地胡说八道”，因为它只负责把文字拼得通顺，不负责内容的真假。但如果你用对了地方，它特别好用：比如你写科幻小说卡文了，不知道反派该怎么设定，让AI给你想十个不同的反派背景，你挑个喜欢的改一改，思路马上就开了；比如你给好朋友写生日贺卡，不知道写什么不肉麻的话，让AI帮你写个专属的，比网上抄的“生日快乐，万事如意”真诚多了；还有你学英语的时候，让AI陪你角色扮演，比如“你扮演咖啡店的店员，我扮演顾客，我们用英语点单”，它随时陪你练，比背单词有意思多了。现在常用的文本生成AI有ChatGPT、文心一言、通义千问，都是免费的，手机就能用。

最后是最近两年才火起来的视频生成，这个可能是未来变化最大的领域。现在你用AI生成视频，输入“一只柯基在沙滩上追螃蟹，配乐是《阳光彩虹小白马》，15秒，竖屏”，十秒钟就能生成一段完整的短视频，发抖音快手特别有意思；还有人用AI做原创小动画，不用学复杂的动画软件，输入“一只流浪猫找到家的故事，治愈系，手绘风格”，AI就能给你生成分镜和画面，你稍微调整一下就能发B站；还有社恐的同学用AI生成虚拟主播形象，不用露脸也能做视频，粉丝根本不知道你是男是女。2024年有个初二的男生，用AI生成了一系列“假如我家猫会说话”的短视频，把他家猫日常打翻杯子、偷吃火腿肠的片段，配AI生成的猫的配音：“铲屎的又给我喂少了，抗议！”，一个月涨了十万粉，还接到了猫粮的广告，赚的钱够他买全套的动漫周边。

你可能要问了：那生成式AI是不是无所不能？当然不是，它现在有个特别大的问题：它根本没有“理解”它生成的内容。你让它画一只猫，它不知道猫是活的，会喵喵叫，会抓沙发，会掉毛，它只是记住了“猫长啥样”，然后把猫的耳朵、尾巴、胡须拼在一起，所以经常会出现离谱的错误：比如画出来的人有六根手指，眼睛长在肚子上，地铁的门长在墙上。就像你学画猫，刚开始画的时候也会把尾巴画成五根，把耳朵画成猪耳朵，AI现在也处于“刚学画画”的阶段，需要人教它怎么画对。

这里也要特别提醒大家：生成式AI是工具，不是“代写神器”。你用AI写作业，直接抄的话，老师一眼就能看出来——要么是内容太假，比如刚才说的猪吃三筐玉米，要么是风格和你平时写的完全不一样，就像你平时考50分，突然交了一篇满分作文，谁都知道有问题。正确的用法是：用AI帮你找思路，比如你写作文不知道开头怎么写，让AI给你想三个开头，你挑一个自己改；你解数学题卡壳了，让AI给你讲思路，不是直接给你答案，这样AI才是真的帮到你，而不是害你。

现在你大概搞懂什么是生成式AI了吧？其实它根本不是什么“黑魔法”，就是一群工程师让计算机“看”了海量的内容，学会了怎么组合出新的内容，就像你看了很多漫画之后，自己也能画个新角色一样。接下来我们会一步步拆解：生成式AI是怎么从最早的概念，发展到现在的扩散模型的？中间有哪些好玩的故事？GAN、扩散模型这些你常听的名词到底是什么意思？你自己能不能动手搭一个简单的生成式AI，生成属于你自己的内容？

接下来给你讲下这本书的阅读指南，方便你安排学习进度。这本书一共15章，从基础概念讲起，逐步深入到核心技术、实践应用，最后还会教你怎么用生成式AI做自己的作品，参加比赛拿奖：

• 第1-3章：基础篇，讲生成式AI的发展历史、核心概念，帮你建立完整的知识框架；
• 第4-9章：技术篇，从GAN到扩散模型，从图像生成到文本视频生成，讲清楚每种技术的原理、优缺点，不用怕看不懂，我们会用“做菜”“打游戏”这些你熟悉的例子类比；
• 第10-13章：实践篇，手把手教你用开源工具搭自己的生成式AI模型，生成你想要的图片、文字、视频；
• 第14-15章：进阶篇，讲生成式AI的版权问题、伦理问题，还有怎么用AI参加青少年科技创新比赛，拿奖拿到手软。

每一章最后都会有一个小实践任务，不用买贵的设备，手机就能完成，边读边玩，学完就能用。比如今天这章的小实践，就特别简单： > 📱 第1章小实践：生成你的专属月球火锅图 > 1. 打开手机应用商店，搜“文心一格”或者“通义万相”，都是免费的AI生成工具，下载注册（都用手机号就能注册，不用花钱）； > 2. 打开工具，在输入框里输入提示词：「我和我的猫（或者你最喜欢的动漫角色）一起穿着亮黄色的宇航服，在月球表面吃重庆火锅，背景是蓝色的地球，卡通风格，高清，细节丰富」； > 3. 点击生成，等十秒钟，就能得到你专属的图，保存下来发到班级群，看看谁能猜出来哪张是你生成的。 > 如果你生成的图手指数量不对、猫有六条腿，别慌，这是AI现在常见的bug，你可以在提示词里加“正常的手指，五根，猫有四条腿”，再生成一次就好了，这就是后面章节会讲的“提示词工程”的小技巧哦。

对了，给你看个生成式AI的工作流程图，特别简单，你一看就懂： ```mermaid graph LR A[你输入提示词：画一只吃火锅的猫] --> B[AI解析提示词里的关键词：猫、火锅、卡通] B --> C[AI从训练好的模型里匹配对应的元素：猫的耳朵、火锅的形状、卡通的画风] C --> D[AI把元素重新组合，生成新的图片] D --> E[你觉得不好看，调整提示词：加“橘猫、麻辣火锅、治愈系”] E --> D ``` 是不是特别简单？就是你说你想要啥，AI从它学过的内容里挑元素拼给你，拼得不好你就告诉它怎么改，直到拼出你满意的为止。

现在很多人一提到生成式AI，要么觉得是“人类要被AI取代了”的黑魔法，要么觉得是“只能用来恶搞的玩具”，其实都不是。生成式AI现在就像20年前的电脑，刚开始大家觉得它只能用来打打字、玩玩游戏，没人想到后来它能改变整个社会的运作方式。你现在学会用生成式AI，就像20年前学会用电脑一样，未来不管是学习还是工作，都能比别人快一大步。

下一章我们会讲生成式AI的“前世今生”：从最早的人工神经网络，到GAN的发明，再到扩散模型横空出世，中间有哪些大神的故事，比如GAN的发明者两个博士生为什么会吵架，最早用AI画画的人是怎么想到这个疯狂主意的，保证比你看过的所有科幻小说都有意思。

你有没有过这种经历？昨天刷到班级群里有人发了个表情包：把你班主任的头P在一只胖橘猫身上，配文“这节课再讲话，就把你们全部做成猫罐头”，全班笑到桌子都拍歪；上周同桌换了个赛博朋克风的猫耳少女头像，你以为是买的二次元周边，结果人家说是用AI随手生成的，独一无二，连发丝都和你之前见过的图不一样；还有上周语文作业让写科幻短篇，你卡文卡到半夜，结果后排的学委用AI写了篇《如果校园里的猫都变成了学霸》，猫爪着钢笔写作业，还帮同学抓考试作弊的，全班读的时候笑到肚子疼，语文老师居然还给了高分——你有没有过那么一瞬间觉得，这些AI好像会变魔术？今天我们就来拆一拆，这些“黑魔法”到底是怎么来的，顺便搞懂两个最容易搞混的概念：判别式AI和生成式AI。

其实你平时接触到的AI，大体可以分成两大类：一类是“认猫的”，一类是“画猫的”，这俩虽然都带“AI”俩字，干的事儿完全不一样。我们先说最常见的“认猫的”，也就是判别式AI。你给它看一万张猫的照片，告诉它“这些都是猫，另外一万张狗的照片是狗”，训练完之后你再给它一张没见过的图，它就能准确告诉你：这是猫，概率98%；那是狗，概率95%。它的核心工作从来不是“创造新东西”，而是“做判断、分分类、找不同”。

你平时遇到的绝大多数AI，其实都是判别式AI。比如你手机的人脸识别解锁，每次你刷脸，它就在判断“这张脸是不是我之前存过的那个人的脸”，是就开门，不是就让你输密码；再比如你刷短视频，刷到一只猫的视频点了个赞，接下来刷到的全是猫，这就是平台的推荐算法（也是判别式AI）在判断“你喜欢猫，所以多给你推猫的视频”；还有老师用的作文查重系统，把你的作文和全网的文章比，判断“你的作文有多少是抄的”，这也是判别式AI的活；甚至你玩王者荣耀的时候，AI对手预判你的走位，放技能精准打你，也是它在判断“你下一步大概率往左走，所以我往左放技能”。你可以把判别式AI理解成一个特别严格的考官：它只负责判断对错、分类，不会自己造新东西，就像食堂打饭的阿姨，你给她看菜，她告诉你“这是红烧肉，10块钱”，不会突然给你变出一盘你没见过的“红烧肉味冰淇淋”。

那生成式AI呢？同样是给一万张猫的照片，生成式AI学完之后，你让它“画一只戴着宇航员头盔的橘猫，站在火星上吃烤串，手里还拿瓶冰可乐”，它真能给你画出来——甚至这世界上从来没人见过这种组合，它也能给你造出来。这就是生成式AI和判别式AI最核心的区别：判别式AI是“考官”，只负责判对错；生成式AI是“画家”，能从零开始创造全新的内容。

你可能会问：AI不是只会算数吗？怎么会画画写文章？其实原理没你想的那么玄乎，就像你学画猫的过程：你妈给你买了一万本画猫的绘本，你天天翻，看了三年，脑子里自然而然就记住了“猫有尖耳朵、长尾巴、胡须，走路静悄悄，爱吃鱼”，这时候就算没人教你，你随手也能画个猫的大致样子，甚至能画个戴帽子、穿衣服的拟人猫，因为你把“猫的特征”学明白了。生成式AI的学习过程和你一模一样：它“看”了海量的图片、文字、视频，比如互联网上所有带“猫”标签的图，所有写猫的文章，所有猫的视频，看得多了，它就把“猫长什么样、猫相关的文字怎么写、猫的视频是什么样的”这些规律都记住了。你给它一个指令（专业上叫“提示词”，Prompt，你可以理解成你给AI下的“订单”），它就相当于“根据你描述的样子，从脑子里记的所有猫的元素里挑合适的拼在一起，造出一个新的、符合你要求的猫”。

这里要澄清一个最常见的误区：很多人觉得生成式AI是“抄袭”，其实不是。就像你看了一万本漫画，自己画了个新角色，不能说你是抄袭那些漫画，生成式AI也是一样：它是把学到的规律重新组合，生成全新的内容，不是直接照搬某一张图或者某一篇文章。当然如果它生成的内容和某位创作者的原创作品高度重合，那确实可能涉及侵权，这也是现在全球都在讨论的问题，后面章节我们会专门讲怎么用生成式AI不侵权。

为了让你更清楚这俩的区别，我们做了个超直观的对比表，一看就懂： | 对比维度 | 判别式AI | 生成式AI | | --- | --- | --- | | 核心能力 | 分类、判断、识别 | 创造、生成全新内容 | | 输入 | 已知的数据（图片、文字、语音） | 提示词/指令 | | 输出 | 分类结果、标签、分数 | 全新的图片、文字、视频 | | 常见例子 | 人脸识别、短视频推荐、作文查重 | AI画图、AI写文章、AI生成视频 | | 能不能造新东西 | 不能 | 能 | | 学生场景类比 | 改卷老师，只负责打对错 | 学霸同桌，能帮你写新卷子 |

> 💡 电子版侧边栏小知识：很多工具其实是“判别式+生成式”的混合体，比如你用的美图秀秀：它的人脸识别功能是判别式的，先判断哪里是你的脸、哪里有痘痘；而你用的“一键AI背景”“AI生成漫画脸”功能，就是生成式的，能给你造出全新的背景和头像。

那生成式AI到底能干啥？现在最火的应用，基本都逃不开三大核心分支：图像生成、文本生成、视频生成，每一个都和你们平时的生活息息相关。

一、图像生成：你的专属表情包生成器

图像生成是现在最成熟、大家接触最多的生成式AI分支，简单说就是“你说你想要啥图，AI给你画啥图”。你平时在B站、小红书刷到的AI头像、AI表情包、AI壁纸，基本都是图像生成工具做的。

你可能觉得AI画图离自己很远，但其实早就有人用AI做出了你绝对想不到的作品：2023年有个初二的杭州女生，平时特别喜欢《哈利·波特》，又对学校的建筑特别有感情，就用AI画图工具生成了一系列“我的学校是霍格沃茨”的图：她把学校的钟楼改成霍格沃茨的塔楼，操场改成魁地奇球场，把同学的校服P成魔法袍，还给每个老师配了对应的霍格沃茨角色——班主任是麦格教授，体育老师是海格，数学老师是斯内普。她把图发到B站之后，一周涨了20万粉，学校官方账号还转发了她的作品，说“没想到我们的学校还能这么酷”，后来她还把图做成了校园文创，卖的钱够她买了好几个学期的哈利波特周边。

除了好玩，图像生成还能帮你解决学习里的难题：比如美术生老师布置了科幻场景的作业，你脑子里没有灵感，就让AI生成几十张不同的未来城市、外星球的图，挑个最喜欢的再细化，比你自己凭空想快10倍；比如你做手抄报、黑板报，不知道背景怎么画，让AI生成“航天主题的黑板报背景，卡通风格，适合初中生”，马上就能出图，直接打印下来就能用，再也不用熬夜画画了。现在常用的免费AI画图工具有文心一格、通义万相、Midjourney，手机电脑都能用，十秒钟就能出图。

二、文本生成：你的全能学习助手

文本生成就是大家常说的“AI写作业”，但真不是你想象的“直接抄就完事”。你现在用的ChatGPT、文心一言、通义千问，都是文本生成AI，它们能写文章、改作文、陪你练口语、帮你解数学题，甚至能帮你写代码。

比如你英语口语不好，不敢和外国人对话，就可以让AI扮演咖啡店店员，你扮演顾客，用英语点单，说错了它会立刻纠正你，比背单词有意思多了；比如你写作文卡文了，不知道开头怎么写，让AI给你想三个不同的开头，你挑一个自己改，思路马上就开了；比如你解数学题卡壳了，让AI给你讲思路，不是直接给你答案，讲完之后你还会了，比问同学方便多了，半夜12点也能用。

不过文本生成AI现在有个特别大的问题，也是所有用AI写作业的人都会遇到的：它特别会“一本正经地胡说八道”。比如你问它：“企鹅住在哪个大洲？”它可能会回答：“企鹅主要分布在南极洲、南美洲、非洲南部，以及北极圈附近的寒冷地区。”——等等，北极根本没有企鹅！这就是AI的“幻觉”问题：它只负责把文字拼得通顺，不负责内容的真实性，因为它训练的时候见过“北极有企鹅”的错误内容，或者把“南极的企鹅”和“北极的寒冷”这些信息拼在了一起，就得出这个看起来通顺