机器学习的进步最近实现了散文、图像、音频和视频数据的超现实合成，即所谓的人工智能 (AI) 生成媒体。这些技术为创造与个人的数字描绘的互动提供了新的机会，可以激发和吸引我们。

人工智能生成的角色描绘可以合成任何人的面孔、身体和声音，从虚构人物到历史人物，甚至是已故的家庭成员。尽管到目前为止，这项技术的负面用例一直在讨论中占据主导地位，但在本视角中，我们重点介绍了 AI 生成角色的新兴正面用例，特别是在支持学习和幸福方面。我们展示了一个易于使用的 AI 角色生成管道，以实现此类结果并讨论道德影响以及包括可追溯性以帮助保持对生成媒体的信任的必要性。展望未来，我们预见生成媒体将成为不断发展的人机交互领域的重要组成部分。计算机生成内容的想法自 1950 年代以来一直存在。一些最早的尝试集中在通过让计算机生成视觉艺术和音乐来复制人类的创造力1。与今天的合成媒体不同，早期的计算机生成内容远非现实，而且很容易与人类创造的内容区分开来。人工智能 (AI) 已经经历了数十年的重大飞跃，生成的内容才能达到高度的真实感。

生成模型和判别模型是机器从数据中学习的两种不同方法。尽管判别模型可以识别图像中的人，但生成模型可以生成以前从未存在过的人的新图像。生成模型的最新飞跃包括生成对抗网络 (GAN)2。自推出以来，人工智能生成的媒体模型(例如 GAN)已实现数字内容的超现实合成，包括生成逼真的图像、克隆声音、面部动画以及将图像从一种形式转换为另一种形式3,4,5,6.GAN 架构包括两个神经网络、一个生成器和一个鉴别器。生成器负责生成与输入数据相似的新内容，而鉴别器的工作是将生成的或伪造的输出与真实数据区分开来。两个网络在一个封闭的反馈回路中竞争并试图超越对方，导致生成输出的真实性逐渐增加。