1.1.3 涌现

涌现能力，是指大型语言模型如GPT-4在经过大量训练之后，自然形成的处理复杂任务和解决问题的能力。这种能力并非通过特定的编程或规则输入，而是通过机器学习模型自我训练和调整权重的结果。

具体来说，涌现是指从简单的规则和互动中产生的复杂行为。在神经网络中，每个神经元的行为相对简单，但是当我们将大量神经元连接在一起，并让它们一起处理大量的数据时，网络就可能会发展出解决复杂问题的能力。例如，在大规模自然语言处理模型中，我们并没有明确地输入指令让模型去学习如何理解语言，如何回答问题，或者如何写作文，而是通过大量的训练，使模型自然学习到了这些能力。这就是涌现的一种表现。

AIGC生成的数字人工作的场景

对大模型来说，由于其规模较大，可以学习和处理更复杂的内容，因此其涌现性可能会更加明显。这种涌现性使得大模型能够处理一系列复杂的任务，包括但不限于写作、翻译、问答、对话等。进入21世纪20年代，依靠大规模神经网络模型的AIGC技术有了重大突破，使得生成内容的质量和多样性达到了新的高度。代表性的成果有OpenAI开发的GPT-3语言模型和DALL-E图像生成模型等。它们可以生成逼真的文本、代码、图像乃至视频。

AIGC生成的内容已经非常接近人类专业工作者的水平。可以说，经过前两个阶段的积累，AIGC技术已经初步成熟，并开始被广泛地应用到实际生活中，我们将这一时期视为AIGC的涌现阶段。2020年，OpenAI发布的GPT-3文字生成模型因其强大的生成能力而轰动整个技术界。同年，DeepMind也开源了AlphaFold，它可以高效预测蛋白质的结构。随后的两年时间里，具有强大生成能力的图像、音频、视频生成模型层出不穷。2023年，ChatGPT的出现更是震惊全球。可以说，AIGC技术在这个时期已经成熟，并在许多领域广泛应用，它正在重塑人类的工作和生活。同时，越来越多的公司也纷纷进入这一技术领域，预示着产业化的加速。

总体来看，AIGC技术从最初萌芽至今，经历了从探索、发展再到涌现的过程。它依托人工智能技术的进步，正在快速地渗透到文化、经济、产业的各个角落，对社会产生了深远的影响。可以预见，AIGC技术将继续快速发展，其应用场景和影响力还会不断扩大。