生成式人工智慧（GAI）的工作原理主要基於深度學習算法和神經網路。
它通過對大量數據的學習和模擬，逐漸形成對世界的認知和判斷能力。生成式AI的核心是生成模型，該模型學習輸入數據的分布，從而能生成與輸入數據相似的新樣本。常見的生成模型包括生成對抗網路（GANs）、變分自動編碼器（VAEs）和機率圖模型等。生成式AI在訓練過程中學習數據的分布，然後從學習到的分布中採樣，生成新的樣本。例如，生成對抗網路（GANs）包括一個生成器和一個判別器，生成器試圖生成逼真的樣本，判別器試圖區分生成的樣本和真實的樣本。在訓練過程中，生成器和判別器相互對抗，使得生成器生成的樣本越來越逼真。
生成式AI的套用非常廣泛，包括但不限於自然語言處理、圖像生成和音頻生成等領域。它在圖像生成方面取得了顯著進步，能夠生成逼真的圖像輸出；在視頻和音頻的生成技術方面也在迅速發展，為虛擬實境和元宇宙的實現提供了新的途徑。