自聊天机器人ChatGPT火爆以来(lái)，微软公司创始人比尔·盖茨已多次公开谈论人(rén)工智(zhì)能话(huà)题。在最近的一次采访中，他再次表示：“AI可能会让科技行业迎来(lái)一次剧烈(liè)的(de)洗牌”。

这个结(jié)论是他在(zài)当地时间2月(yuè)20日(rì)接受《In Good Company》节目专(zhuān)访时提出的。

他(tā)预期，AI的发(fā)展(zhǎn)可能会威胁到谷歌的市占率，因为微软(ruǎn)在AI方面的行动相当迅速。而最终(zhōng)科技巨(jù)头将(jiāng)把AI整合(hé)成用户(hù)的“全能助手(shǒu)”，包揽(lǎn)一切(qiè)应(yīng)用，与(yǔ)人们进(jìn)行沟通并提供(gōng)建议，可以取代亚马逊、Siri或Outlook等(děng)应用。

大佬口(kǒu)中全能(néng)助手(shǒu)的到来可能尚需时日，但由ControlNet引发的又(yòu)一次AI绘(huì)画浪潮，让AIGC在ChatGPT的(de)话题热点(diǎn)包围中杀出重围。

01

ControlNet颠覆AI绘画新玩法(fǎ)

AIGC向可(kě)控靠近

以AI绘画为代表的AIGC上一次爆(bào)火(huǒ)的(de)时候(hòu)，还是2022年8月，在美(měi)国(guó)科罗拉(lā)多州举(jǔ)办的新(xīn)兴(xīng)数字艺术家竞赛中，一幅名为(wèi)《太(tài)空歌(gē)剧院》的作品获奖。

随后各(gè)大厂商的AI绘画软件被广大网友熟(shú)知(zhī)并(bìng)体验，Stable Diffusion便是其中代表。

用户(hù)们可以在应用中输入一组关键(jiàn)词或者一(yī)张照片，就(jiù)能获得(dé)一幅AI创作的画作。

作(zuò)画的关键就是所输入的文本。同(tóng)一组关键词(cí)也(yě)可以创作出很多张(zhāng)风(fēng)格(gé)不一样(yàng)的画作(zuò)，这(zhè)让创作的过程就像开盲(máng)盒。

很多用户很喜欢这种不确定的(de)惊喜，他(tā)们会将(jiāng)生成的美图当(dāng)做头像(xiàng)。而另一部分喜欢翻看AI绘画的“翻车”作(zuò)品。在社交媒体上(shàng)，许多用户分享AI“翻(fān)车现(xiàn)场”，例(lì)如，一位网友的小狗(gǒu)照片(piàn)被AI画成了“肌肉男”，还有(yǒu)网友的个人(rén)照片被AI识别成了建(jiàn)筑(zhù)。

而如(rú)今(jīn)随(suí)着(zhe)ControlNet的出(chū)现(xiàn)与加持(chí)，以往AI绘画(huà)的填写(xiě)关键词游戏可能要(yào)被颠覆(fù)了。

ControlNet是(shì)一(yī)位正在(zài)斯坦福读博的中(zhōng)国人张(zhāng)吕敏创作的一种基于控(kòng)制(zhì)点的图像变(biàn)形算(suàn)法，主要用于数字图像(xiàng)处理、计算机视觉和计算机(jī)图(tú)形学等领域。

其(qí)SD插(chā)件(jiàn)一司马相如的长门赋原文和译文注释，司马相如的长门赋原文和译文经(jīng)发布(bù)，在(zài)短(duǎn)短的(de)两天内(nèi)便成为了AI绘画领(lǐng)域最新的热点。

在此(cǐ)之(zhī)前，大家用(yòng)了很(hěn)多方法想让AI生成的结果尽可(kě)能的符合要求，但是都不尽如人意(yì)，它(tā)的(de)出现(xiàn)代表着AI生成开始(shǐ)进(jìn)入真正(zhèng)的可控时期。

因为ControlNet可(kě)以直接提取画面的构图(tú)，人物的(de)姿势(shì)和(hé)画(huà)面的深度信息(xī)等。有了它的帮助，就不用频繁的(de)用(yòng)提示词来碰运气，抽盲(máng)盒式的创(chuàng)作了(le)。

通俗的说(shuō)ControlNet相当(dāng)于给AI绘画加(jiā)了“魔(mó)法(fǎ)”，不少博主的(de)作品已经获得了(le)大量的(de)浏(liú)览量，“viggo”就(jiù)是其(qí)中之一，他用(yòng)朋友(yǒu)的照片直接带(dài)她(tā)们走进(jìn)动漫世界。

viggo先用StableDiffusion图片转文字。

再用(yòng)Text2Prompt插件拓(tuò)展找到对应的关键(jiàn)词；最后用ControlNet插件绑定骨骼(gé)开始换关键词试效(xiào)果(guǒ)。

通过图片(piàn)就可以(yǐ)看出来(lái)，效果十分惊艳。

更厉害的是，除(chú)了(le)真(zhēn)实的(de)照片，草图也可以(yǐ)加上(shàng)“魔法”，知乎大牛“DevPoint”和“逗砂”介(jiè)绍(shào)到(dào)ControlNet还(hái)能实(shí)现线(xiàn)稿转全彩图。大神张吕(lǚ)敏其本尊也亲自回(huí)应。

不得不说当下(xià)AIGC已经变得越来越强大，甚(shèn)至(zhì)输出的作(zuò)品都已(yǐ)经能以假乱真(zhēn)了。

02

难(nán)辨虚实，AIGC技术(shù)力(lì)爆(bào)发

警惕(tì)安全问(wèn)题(tí)

近日，“苏州金鸡湖有(yǒu)游艇party”的(de)消息火遍网络，而经过警方辟谣这所谓(wèi)的“party”可能是全国第(dì)一起AI绘图(tú)诈骗。

由于这个(gè)活动里面给出的美女照片(piàn)都(dōu)是AI制作(zuò)的(de)真人(rén)照片绘图，因为太逼真，被大家当(dāng)成真(zhēn)事(shì)传(chuán)播了。

不过仔(zǎi)细观察可(kě)以(yǐ)发现，活(huó)动发起者提供(gōng)的照片(piàn)中有个很大的漏洞可以(yǐ)发现并非真人，而是AI绘图(tú)，那便是图片中(zhōng)女性的(de)手(shǒu)指部分有的存(cún)在异(yì)常(cháng)。

有(yǒu)行业人(rén)事表(biǎo)示：“现在因(yīn)为(wèi)手指部分的绘画算法比较复杂(zá)，AI还(hái)不太会画(huà)人的手，但最(zuì)新看到(dào)的图片已经有越来越(yuè)完美的AI模型出(chū)现，以后可能就完全没有漏(lòu)洞了。”

类(lèi)似的(de)AI作图诈骗(piàn)在国外也(yě)已有发生(shēng)。据英国广播公司报道，土耳其地震期间，有Tiktok用户使用AI合(hé)成了儿童受灾的假(jiǎ)照片发布到网络，以此诱(yòu)骗善良的人打赏(shǎng)“捐助”从而实施诈骗(司马相如的长门赋原文和译文注释，司马相如的长门赋原文和译文piàn)。

目前随着(zhe)技(jì)术发展，AIGC已经能做(zuò)出真人照片般(bān)的绘(huì)图效果，如果(guǒ)这样的图片(piàn)被用(yòng)来(lái)诈骗，将非常可怕(pà)。

此外(wài)AIGC还引发了很多担忧，一方面，批判(pàn)者认为AI在“学习”了大量前人的(de)作品之(zhī)后(hòu)，其创作没有任何情(qíng)绪(xù)和灵魂(hún)，难以和人(rén)类的艺术创作(zuò)相提(tí)并论。

另一方面(miàn)，AIGC背后的版权、目前都并没有得到(dào)有效的(de)解决，还有AIGC会不(bù)会(huì)代替人(rén)类(lèi)“至高无上”的创意。

马斯克(kè)也强(qiáng)调，人(rén)工智(zhì)能(néng)的(de)安全问题需要(yào)得到重视，太晚就来不及了。

03

AIGC下一(yī)站除了(le)视频，还有远方

技术都是有两(liǎng)面性的，潜在的危害并不能掩(yǎn)盖其(qí)光辉的贡献。现在看来，人(rén)工智能技术将是第(dì)四次工业革命(mìng)的核心驱(qū)动力量，将创造(zào)新的增(zēng)长奇迹。

过(guò)去一年，人(rén)工智能(néng)在技术和(hé)商业(yè)层(céng)面都(dōu)有(yǒu)了巨(jù)大进展，AI绘画就是人工智能(néng)技术发(fā)生(shēng)方向性改变的一个代表。其下(xià)一站(zhàn)或许就是视频。

此前，Meta和(hé)谷歌先后发布了几条(tiáo)引爆(bào)科技圈的(de)短视频(pín)。这些视频(pín)引发关注并(bìng)非(fēi)内容做得多优(yōu)秀(xiù)，反而都非常简(jiǎn)单，比(bǐ)如一(yī)匹正在喝水的(de)马，一只画画的玩具熊，或者一段骑(qí)摩(mó)托(tuō)车的第一视角录像，随(suí)便一个(gè)有手(shǒu)机的(de)人都可以随手录下(xià)一段。

但这些短视(shì)频的创(chuàng)作方式非(fēi)常简(jiǎn)单，创作(zuò)者(zhě)仅仅需要(yào)向AI输入一段(duàn)话，甚至只是说一下要求，AI就可以根据需要生成一段视频。

谷歌发(fā)布的(de)两个AI生成视频分别(bié)来自于Imagen Video和Phenaki，前者主要突出的是高清，与Meta的Make-A-Video没有太多的差别。

在Make-A-Video公(gōng)布了AI生成的视频(pín)后，AI圈就(jiù)已经(jīng)玩了一波(bō)梗，一个(gè)能够做出更高清视(shì)频的AI还(hái)不(bù)足以在短(duǎn)时间内(nèi)戳中兴奋点(diǎn)。

Phenaki更(gèng)加令人震惊的(de)地(dì)方在于，它(tā)可以制作出超过(guò)2分钟的连贯的也(yě)有确(què)切内容(róng)的视频，这才是真正让人们(men)感到惊(jīng)喜的地(dì)方。因为无论AI生成(chéng)的视频多么高清，也只能是为内容生产者提(tí)供一个灵感，一(yī)个(gè)素材，一个过场(chǎng)动画(huà)。

不过(guò)能(néng)够制作(zuò)出有(yǒu)具体剧情内容(róng)的(de)视(shì)频(pín)就意(yì)味着，一(yī)些视频创作由AI代替人工完成(chéng)已经初步有了可能。

当下AI的发展速度(dù)已经超过大部分人的想象。内容(róng)产业的本质是供(gōng)给创(chuàng)造(zào)需求，AIGC作为全(quán)新的内(nèi)容(róng)生产方式(shì)，可以为内容产(chǎn)业带来更新的内容风格(gé)、更快的生产速度，更(gèng)低的生(shēng)产成本，这无疑会驱动(dòng)内容产(chǎn)业(yè)的大爆发。

除了(le)AI绘(huì)图、视(shì)频，AIGC技术(shù)还能应用于音乐、代码、机器人动(dòng)作等(děng)多种内容(róng)形式的生成。不难发现(xiàn)该项技术不仅(jǐn)在(zài)游戏等(děng)行业能得到(dào)有效(xiào)应用(yòng)，对(duì)于下一代(dài)互联网各种元素的构(gòu)建亦有关键(jiàn)意义。

从商业化的角度来看，文化娱乐、教(jiào)育、传媒等诸(zhū)多领域，本身就对基于AI的(de)可(kě)视化内容有(yǒu)强烈需求。

因此，AI绘画(huà)及视频或不是结果，而(ér)只是AI进程中的(de)一块重要拼图(tú)，有(yǒu)望在技术更新的加(jiā)持下实现更大的应用(yòng)价值(zhí)。

AI从理解内容，走向了可以生成(chéng)内容，甚至(zhì)能够(gòu)创造出(chū)独立价值(zhí)和(hé)独立视角的内容。AIGC的再次出(chū)圈，更代表(biǎo)着未来的先进(jìn)生产(chǎn)力即将到(dào)来。

04

紧抓大(dà)模型(xíng)与算力，牢(láo)固AIGC底座(zuò)

从技(jì)术的(de)发(fā)展也可以看出，在(zài)语言大模型、图像大(dà)模(mó)型之后，多(duō)模(mó)态大(dà)模型已经成(chéng)为了(le)新的趋势(shì)。

大模型被誉为当前人工智能发(fā)展的智(zhì)能底(dǐ)座，是全球竞(jìng)争最激烈的研究方向之一，包括谷歌、亚马(mǎ)逊、百度、阿里、腾讯等(děng)众多头部(bù)企(qǐ)业(yè)都在竞相发(fā)力。

不(bù)过(guò)训练大模型的确(què)价(jià)格不菲，以(yǐ)国(guó)盛证券(quàn)发布的(de)《ChatGPT需要(yào)多(duō)少算力》报告估算，GPT-3训(xùn)练(liàn)一次的成本约(yuē)为140万美元。而对于一些更大的LLM(大型(xíng)语言模型)，训练成本则(zé)介于200万美元至1200万美元高价之间。

以ChatGPT在2023年1月的(de)独立访客平均数1300万(wàn)计算，其对(duì)应芯片(piàn)需(xū)求为3万多片(piàn)英伟达A100 GPU，初始(shǐ)投(tóu)入(rù)成本约(yuē)为8亿美元，每日仅电费就在5万美元左(zuǒ)右。

此外不论是ChatGPT还是AIGC，都(dōu)离不开庞(páng)大(dà)算力支持。在(zài)关(guān)注各(gè)类大(dà)模型的发展同时，更应(yīng)该关注(zhù)算力网(wǎng)络的建(jiàn)设。

算力网络正驱动AI产业(yè)发展进入史诗级加速进程，让AIGC及通用AI这一人工智能发展的终(zhōng)极目标离得更近。

因为算力可以对突破性技术创新提供(gōng)大力的支持。这(zhè)方面，多模(mó)态大模型是典型。作为面向未来强人工智能、通用人(rén)工智能的重要技术创新(xīn)，多模态大(dà)模型(xíng)已经在人(rén)工智(zhì)能(néng)领域提(tí)出了(le)很多年，业界也有(yǒu)不少技术突破，但是，多模态(tài)大模型进一步往下走，算(suàn)力需求呈几(jǐ)何式上升(shēng)，一般(bān)的算力基础设施很快(kuài)将难以胜(shèng)任。

从图像、文(wén)字、语(yǔ)音单独一项的(de)训练，到双模态(tài)、三模态的跃迁，让人工智能可以灵(líng)活应对不同模态的(de)转化、像人与世(shì)界交互一样自然，这方面(miàn)，由算(suàn)力(lì)网络来驱动(dòng)将有明显优势。

此外，还有很多需要爆发(fā)式增长的算力来支(zhī)撑(chēng)的技术创新，将在(zài)人工智能算力(lì)网络支撑下(xià)快速推进。

AIGC已(yǐ)经露出(chū)曙光，期(qī)待在大模型和大算力的支持下AIGC能持续颠覆内容生产(chǎn)的方式，将创造(zào)的(de)边际(jì)成本降低(dī)，让万众(zhòng)受益。

未经允许不得转载：橘子百科-橘子都知道 司马相如的长门赋原文和译文注释，司马相如的长门赋原文和译文