剛剛過去的2022年可謂是人工智能領(lǐng)域的重要一年,也算得上是AIGC的元年。
雖然AIGC的概念在很早之前就有,比如微軟的聊天機(jī)器人小冰,用于圖片創(chuàng)作的GAN,但是這個名字直到2022年才沖上熱搜被人們熟知,其中重要的原因是生成式模型Diffusion和chatGPT分別在圖像和自然語言生成領(lǐng)域的大放異彩。
那么什么是AIGC,為什么生成式的模型能具有這么大召喚和影響力,它對產(chǎn)業(yè)會產(chǎn)生哪些影響呢?
AIGC:成本更低、信息更豐富,讓AI從幕后走向臺前
AIGC是AI Generated Content的縮寫,是繼PCG(Professional GC)和UGC(User GC)后全新的內(nèi)容生成方式。
在早期互聯(lián)網(wǎng)時代,平臺主要依靠聘請專業(yè)人員撰寫內(nèi)容,來吸引用戶,這種模式就被稱之為PGC。雖然PGC模式下內(nèi)容質(zhì)量可以得到保證,但是產(chǎn)出效率較低,而且成本較高。隨著移動互聯(lián)網(wǎng)爆發(fā),特別是最近幾年流媒體升溫,普通用戶作為內(nèi)容生產(chǎn)的主體對信息發(fā)布與流通產(chǎn)生了極大的變革,UGC開始成為平臺內(nèi)容的主要來源,但是也存在質(zhì)量參差、優(yōu)質(zhì)內(nèi)容成本高等問題。
與PGC和UGC相比,AIGC的崛起,可以說又一次具有顛覆意義的變革。它讓內(nèi)容生成變得簡單且富有創(chuàng)意,成本更低的同時,信息更豐富。基于diffusion生成的圖像,可比肩專業(yè)的藝術(shù)家,而chatGPT對于知識的整合能力、上下文理解能力、以及跨領(lǐng)域的支持也讓人有一種強(qiáng)人工智能即將來臨的“錯覺”。
AIGC確實(shí)意味著AI從傳統(tǒng)的后臺業(yè)務(wù),一下子進(jìn)入到前臺中成為內(nèi)容的生產(chǎn)者。此前,AI主要起到甄別與推薦的幕后角色,但在新技術(shù)下,AI不再簡單的是我們助手,而是可能逐漸變成我們的伙伴甚至引路人。
AIGC如何讓AI從“人工智障”走向“人工智能”?其實(shí)隱藏在AIGC強(qiáng)大“內(nèi)容能力”背后的有三個助力:大模型,多模態(tài)以及開源。
首先是大模型。此前主流的AI技術(shù)主要采用特定場景下訓(xùn)練的小模型,這種技術(shù)路線往往包含了若干base model(類似于執(zhí)行具體任務(wù)的程序),在特定領(lǐng)域的互動中可以滿足需求。但如果想添加新功能,就必須訓(xùn)練新model,這導(dǎo)致如果提出一些非”常規(guī)”的問題,人工智能就會變成人工智障。但以open AI為代表的新技術(shù)路線,從一開始就采用了成百上千億參數(shù)的大模型訓(xùn)練,作為GPT3 的升級版本,chatGPT的參數(shù)預(yù)估超過2000億。這樣訓(xùn)練的成本更高,但在理解需求時會更有可能接近人類的思維方式,因?yàn)槿四X就是一個由無數(shù)神經(jīng)元連接的超大規(guī)模的網(wǎng)絡(luò)。
(chat GPT采用的就是典型的大模型訓(xùn)練方式,訓(xùn)練成本極高但持續(xù)迭代后的效果更好)
第二是多模態(tài)。OpenAI推出的CLIP以及基于此技術(shù)出現(xiàn)的diffusion model,在生成領(lǐng)域開辟了一條全新、便捷的線路——多模態(tài)的融合相比此前的技術(shù)得到的內(nèi)容更加自然、精準(zhǔn)。除了技術(shù)上的創(chuàng)新外,CLIP超過40億的訓(xùn)練數(shù)據(jù)也印證了模型效果和海量數(shù)據(jù)背后的強(qiáng)相關(guān)關(guān)系。
再者就是開源。開源一直是AI技術(shù)文化的一部分。開源帶來的影響力是巨大的,比如GAN及其變種在AI領(lǐng)域持續(xù)的活躍就是開源帶來的直接作用。開源也讓技術(shù)賦予了商業(yè)化的能力。比如 stable diffusion的開源,就讓原本門檻很高的領(lǐng)域能為普通人接觸,并且可以讓缺乏相關(guān)能力的中小企業(yè)能基于此進(jìn)行后續(xù)的二次開發(fā)。
AIGC引領(lǐng)產(chǎn)業(yè)巨變:從文本、代碼、圖片到視頻
chatGPT對外測試所表現(xiàn)的驚艷效果以及商業(yè)化規(guī)劃,提供給了人們很多想象的空間。對于預(yù)訓(xùn)練大模型而言,只有頭部的科技企業(yè)能提供如此眾多的數(shù)據(jù)和資源支撐,它們可以看做是AIGC的基石和平臺,基于平臺的垂類開發(fā)及業(yè)務(wù)應(yīng)用所蘊(yùn)含的巨大潛力會給各行各業(yè)帶來深刻的變革。
預(yù)訓(xùn)練大模型可以提高模型的通用性,讓企業(yè)和用戶低門檻的使用頂尖的AI技術(shù),隨著未來的發(fā)展,與工業(yè)技術(shù)的融合可以極大提高工業(yè)化水平形成流水線生產(chǎn),最終形成“基礎(chǔ)層-中間層-應(yīng)用層”的三級AIGC結(jié)構(gòu)。這種可期的效果相當(dāng)于目前成熟的“云服務(wù)-小微企業(yè)-用戶”公有云系統(tǒng)。
AIGC帶來最直接的沖擊是消費(fèi)領(lǐng)域,從文本生成、圖像生成再到視頻生成、游戲生成,這些都是我們已經(jīng)看到或即將看到的新業(yè)態(tài)。
AIGC文本交互的形式原生的匹配了以客服聊天、新聞撰寫等為核心的場景。在給定場景和prompt的前提下,基于大模型的垂直領(lǐng)域的優(yōu)化可以很輕易的完成這結(jié)構(gòu)化的文本生成,如金融新聞,體育簡報,在線客服問答等。交互型文本在游戲開發(fā)上,如NPC角色個性化交互、靈寵的交流互動等可能會有所突破,直接提升游戲的體驗(yàn)。
當(dāng)然在一些具有較長上下文聯(lián)系,情感融合以及表達(dá)藝術(shù)需求的創(chuàng)作型文本撰寫上,如小說、劇本等,則需要更大的定制化以及模型更高的生成能力的支持。
在圖像領(lǐng)域,圖像編輯已經(jīng)有較多的技術(shù)支持和實(shí)踐,如濾鏡、顏色、紋理、風(fēng)格、分辨率調(diào)整已經(jīng)較為成熟,deepfake更是曾經(jīng)名噪一時,如今以DALL.E-2,stable diffusion和Midjourney為代表的diffusion產(chǎn)品更讓完整的圖像生成風(fēng)光無兩。
diffusion在圖像領(lǐng)域帶來的突破,也讓它在其他領(lǐng)域找到一席之地,如視頻、語音生成,3D點(diǎn)云填補(bǔ)等。其中語音合成TTS已經(jīng)初見成效。未來文字配音及基于文字自動填詞、基于文字創(chuàng)作自動配音的實(shí)現(xiàn)將會更大程度的降低創(chuàng)作領(lǐng)域的門檻,實(shí)現(xiàn)AI也是藝術(shù)家。
但是我們也要看到生成圖像的穩(wěn)定度以及質(zhì)量仍然有待改善,生成的圖像雖然在抽象畫風(fēng)上表現(xiàn)良好但對于現(xiàn)實(shí)的復(fù)刻,特別是多對象生成時,仍然有明顯的偽造痕跡。
除了圖像外,真正能帶來消費(fèi)領(lǐng)域大變革的在視頻領(lǐng)域。視頻的表現(xiàn)力和視覺沖擊力會遠(yuǎn)大于文字,尤其是短視頻領(lǐng)域。
利用AI技術(shù)實(shí)現(xiàn)圖像修復(fù)技術(shù)、主體識別技術(shù)、視頻跟蹤、美顏技術(shù)完善畫質(zhì)效果,根據(jù)視頻內(nèi)的風(fēng)格、色澤、圖畫、音頻等多模態(tài)信息,對視頻關(guān)鍵內(nèi)容進(jìn)行自動識別、關(guān)鍵幀截取、剪輯及合成,以及后續(xù)視頻內(nèi)容自動生成都是AIGC在視頻領(lǐng)域有機(jī)會的探索方向。
實(shí)際上,在上述這些領(lǐng)域,產(chǎn)業(yè)的探索正在高速進(jìn)行。移卡(09923.HK)AI Lab就在AIGC領(lǐng)域做了一些效果不錯的嘗試。
首先是在內(nèi)容生成方面,移卡結(jié)合自有數(shù)據(jù)以及旗下千千惠平臺資源,探索上線了一套自有的、專注于餐飲與娛樂行業(yè)的商戶產(chǎn)品文案推廣AI生成工具。商戶根據(jù)店內(nèi)商品的簡要描述,即可一鍵生成具有可讀性的宣傳文案。這大幅降低了商戶創(chuàng)作文案、宣傳產(chǎn)品的難度,提升了產(chǎn)品的推廣和運(yùn)營效率。
在視頻領(lǐng)域,我們也為商戶打造了一款A(yù)I視頻云剪輯工具,幫助他們降低打造爆款視頻的難度。通過對商家或者達(dá)人拍攝的視頻進(jìn)行自動識別、關(guān)鍵幀提取、剪輯和拼接,及特效包裝,可按需一鍵剪輯多個視頻,其效果接近人工剪輯的水準(zhǔn),大大降低商家對于視頻制作宣傳門檻的要求。未來隨著數(shù)據(jù)量的增加,剪輯的效果也會越來越好。
除了傳統(tǒng)的消費(fèi)領(lǐng)域外,AIGC也會給實(shí)體和工業(yè)領(lǐng)域帶來很多顛覆性的變革。
三維物體和空間的重構(gòu)是打通二維世界和實(shí)體三維世界重要的紐帶。傳統(tǒng)的基于SLAM和三維點(diǎn)云重建技術(shù)主要的問題在于采集效率低,精度有限等問題。基于diffusion技術(shù),三維點(diǎn)云填補(bǔ)已經(jīng)開始嘗試。雖然由于點(diǎn)云數(shù)據(jù)少,采樣的精度低,物體材質(zhì)難以判斷等原因,效果依然難以達(dá)到預(yù)期,但是作為一種全新的低成本重建方式,前景仍是非常值得期待的。
如果3D建模技術(shù)能通過AIGC獲得突破,高效的解決三維物體的自動重建功能,將會引起整個工業(yè)界的變革和效率的極大提升。
整體而言,對于大部分產(chǎn)業(yè)來說都將進(jìn)入一個顛覆變革期。對于AIGC的發(fā)展,紅杉資本也于去年9月份做出了預(yù)測:文字類AIGC將在2023年進(jìn)入黃金期,圖片類AIGC黃金期將在2025年左右,而3D和視頻類AI在2030年將迎來變革高峰。
當(dāng)然,任何技術(shù)都是一把雙刃劍。技術(shù)應(yīng)用外,關(guān)于AIGC的安全、倫理、版權(quán)也值得行業(yè)深思。技術(shù)同樣沒有法外之地,技術(shù)濫用,歧視以及素材版權(quán)以及生成物的版權(quán)都是需要共同的規(guī)范才能保證行業(yè)的健康發(fā)展。
AIGC,是真正賦予AI自行創(chuàng)作能力的起點(diǎn),雖然目前看起來它依然有著很多的瑕疵,但是確實(shí)給予了人們很大的期待。隨著未來GPT4的推出,相信可以給人更大的沖擊,說不定一直擺在人與AI之間的圖靈測試將會就此被打破,到時科幻電影里的強(qiáng)人工智能離我們的現(xiàn)實(shí)或許并不那么遙遠(yuǎn)。(作者系移卡AI Lab 負(fù)責(zé)人)
