自(zì)聊天机器人ChatGPT火爆以来，微软公司(sī)创始人比(bǐ)尔·盖茨已多次公开(kāi)谈论人工(gōng)智能话题。在最近的一次采访(fǎng)中，他再次表(biǎo)示(shì)：“AI可能会让(ràng)科技行业迎来(lái)一(yī)次剧烈的洗牌”。

这个结论是(shì)他在(zài)当地时间2月20日接受《In Good Company》节(jié)目(mù)专访时(shí)提出(chū)的。

他(tā)预期，AI的发(fā)展可能会威胁到谷歌的市占(zhàn)率，因为(wèi)微软在AI方面(miàn)的行动相当迅速。而最终科技(jì)巨头(tóu)将把AI整合(hé)成用户的“全能助手”，包揽一切应用，与人们进行沟(gōu)通并提供建议(yì)，可以(yǐ)取代亚马(mǎ)逊(xùn)、Siri或Outlook等应用(yòng)。

大(dà)佬口中全能(néng)助手的到来可能(néng)尚需时日，但由ControlNet引发的又一(yī)次AI绘画浪潮，让AIGC在(zài)ChatGPT的话题热点包围中杀出重围。

01

ControlNet颠覆AI绘(huì)画新玩法

AIGC向(xiàng)可(kě)控(kòng)靠(kào)近

以(yǐ)AI绘画为代表的AIGC上一次(cì)爆(bào)火的时候，还是2022年(nián)8月，在美国科罗拉多(duō)州举办(bàn)的(de)新兴数字艺术家竞赛(sài)中，一(yī)幅名为(wèi)《太空歌剧院》的作品获奖。

随后(hòu)各(gè)大厂(chǎng)商的(de)AI绘画软件被广大网友熟知并(bìng)体(tǐ)验，Stable Diffusion便是其中(zhōng)代表(biǎo)。

用(yòng)户们可以在应用中输入一组关键(jiàn)词或者一张照(zhào)片(piàn)，就(jiù)能获(huò)得(dé)一(yī)幅AI创(chuàng)作的画作。

作画(huà)的关键就是所输(shū)入的(de)文本。同一组关(guān)键词也(yě)可以创作出很多张(zhāng)风格(gé)不(bù)一样的画作(zuò)，这让创作(zuò)的过程就像开(kāi)盲盒(hé)。

很(hěn)多(duō)用(yòng)户很喜欢这种不(bù)确定的惊(jīng)喜，他们会(huì)将(jiāng)生成的美图(tú)当(dāng)做头像。而另一部(bù)分喜欢翻看AI绘画的“翻车”作(zuò)品。在社(shè)交媒体(tǐ)上，许多用户分享AI“翻车现场”，例如，一位网友的小(xiǎo)狗(gǒu)照片被AI画成(chéng)了(le)“肌(jī)肉男”，还有网(wǎng)友的个(gè)人照片被AI识别成了建筑。

而如今随着(zhe)ControlNet的出现与加(jiā)持，以往(wǎng)AI绘画的填写关键词游(yóu)戏(xì)可能要被(bèi)颠覆了。

ControlNet是一位正在斯坦福读博的(de)中国人张吕敏创(chuàng)作的(de)一(yī)种基于控制点的图像变形算法，主要用于数字图像处理(lǐ)、计算机视觉和(hé)计(jì)算机图形学等领域(yù)。

其SD插(chā)件一经发布，在短短的两天(tiān)内便成为了AI绘画领(lǐng)域(yù)最新的热点。

在此之前(qián)，大(dà)家用(yòng)了很多方法想让AI生成的结果尽可(kě)能的符(fú)合人次是指什么，人次是单位吗要求，但是都不尽(jǐn)如人意，它的出现代表着AI生成开始进入真(zhēn)正的可控时期。

因为ControlNet可以直接提取画(huà)面(miàn)的构图(tú)，人(rén)物的姿势和(hé)画面的(de)深度(dù)信息等。有了它的帮助，就不用频繁的用提示词来碰运气(qì)，抽(chōu)盲(máng)盒式(shì)的创作了。

通俗的说ControlNet相当于给AI绘画加(jiā)了(le)“魔法”，不少博主(zhǔ)的作品已经(jīng)获(huò)得(dé)了大量的浏览量，“viggo”就是其中(zhōng)之一(yī)，他用朋友的照(zhào)片(piàn)直(zhí)接(jiē)带她(tā)们走(zǒu)进(jìn)动漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插件拓展找到对(duì)应的(de)关(guān)键词(cí)；最后用ControlNet插(chā)件绑定骨骼开始换(huàn)关键词试效(xiào)果。

通过图片就(jiù)可以看(kàn)出来，效果十分惊艳。

更(gèng)厉害的是，除(chú)了真实的照片(piàn)，草(cǎo)图也可以(yǐ)加上“魔(mó)法”，知(zhī)乎大牛“DevPoint”和“逗砂(shā)”介绍(shào)到ControlNet还能(néng)实现线稿转全彩图。大(dà)神张吕敏其(qí)本尊也亲自回应。

不得(dé)不说当(dāng)下AIGC已经变得(dé)越来越(yuè)强(qiáng)大，甚至输出的作品都已经(jīng)能以假乱真了。

02

难(nán)辨虚实，AIGC技术(shù)力爆发(fā)

警惕安(ān)全问题

近日，“苏州金鸡湖有游艇party”的消息火遍网络，而经过警方辟谣这所谓的“party”可能是全(quán)国(guó)第一起AI绘图诈骗。

由于这个活(huó)动里面给出(chū)的美女照片都是AI制作的真人照片绘图，因为太逼真，被大(dà)家(jiā)当成真(zhēn)事传播了(le)。

不过(guò)仔细观察(chá)可以发现，活(huó)动发起者提供的照片中有个很大的漏洞可以发现并非真人，而是(shì)AI绘(huì)图，那便是(shì)图片中女性的手指部分有的存在异常。

有行(xíng)业人事表示(shì)：“现在(zài)因为手指(zhǐ)部分的(de)绘画算法比较复杂(zá)，AI还不太会画人的(de)手(shǒu)，但最新看到的图(tú)片已经有越(yuè)来越完美的AI模(mó)型出现，以后可能就完(wán)全(quán)没有漏洞了(le)。”

类(lèi)似的AI作图诈骗在国外(wài)也已有发生。据英国广播(bō)公司报(bào)道，土(tǔ)耳其地震期间，有Tiktok用户使(sh人次是指什么，人次是单位吗ǐ)用AI合成了儿童(tóng)受灾的假照片(piàn)发布到网络，以此诱(yòu)骗善良的人打(dǎ)赏“捐助(zhù)”从而实施(shī)诈骗。

目前随着(zhe)技术发展，AIGC已经能做(zuò)出(chū)真人照片般(bān)的绘图效果，如果这样的图片被用来诈(zhà)骗，将非常可怕。

此(cǐ)外AIGC还引发(fā)了很(hěn)多担(dān)忧，一方(fāng)面(miàn)，批判(pàn)者(zhě)认为AI在“学习”了大量前人的(de)作品之后(hòu)，其创作没有任何情绪和灵魂，难(nán)以和人(rén)类的(de)艺术创作相提并论。

另一方面，AIGC背后的版权、目前都并(bìng)没有(yǒu)得(dé)到有效的解决，还有AIGC会不(bù)会代(dài)替人类“至高(gāo)无上”的创意。

马斯克(kè)也(yě)强(qiáng)调，人(rén)工智(zhì)能的安全(quán)问题需要得(dé)到(dào)重(zhòng)视，太(tài)晚就来不(bù)及(jí)了。

03

AIGC下一(yī)站除了视频，还有远方(fāng)

技术都是有两面性的，潜(qián)在(zài)的危害并不能掩盖其(qí)光辉(huī)的贡献。现(xiàn)在看来(lái)，人工智能(néng)技术将是(shì)第四次工业革命的核(hé)心驱动(dòng)力量，将创造新的增长奇(qí)迹。

过去一年，人工智能在技术和商业层面都有(yǒu)了巨大(dà)进展，AI绘画就(jiù)是人工(gōng)智(zhì)能(néng)技术发生(shēng)方向(xiàng)性(xìng)改变的一个代表。其下一站(zhàn)或(huò)许就(jiù)是视(shì)频。

此前，Meta和谷歌(gē)先(xiān)后发布(bù)了(le)几条引爆(bào)科技圈的(de)短视频。这些(xiē)视频引发关注并(bìng)非(fēi)内容做得多(duō)优秀(xiù)，反而都非(fēi)常(cháng)简单，比(bǐ)如一(yī)匹正在喝水(shuǐ)的马，一只画画的玩具(jù)熊，或者一段骑摩托车的第一(yī)视角录(lù)像，随便(biàn)一个有手(shǒu)机(jī)的(de)人都可(kě)以随手(shǒu)录下一段。

但这些短视频(pín)的(de)创(chuàng)作(zuò)方式非常简单，创作者仅仅需要向AI输入(rù)一段(duàn)话(huà)，甚至只是说一(yī)下(xià)要求(qiú)，AI就可以根据需要(yào)生成一段视频。

谷(gǔ)歌发布(bù)的(de)两个AI生成(chéng)视频分别(bié)来自(zì)于Imagen Video和Phenaki，前者主要突出(chū)的是(shì)高清(qīng)，与(yǔ)Meta的Make-A-Video没有太多(duō)的差别。

在(zài)Make-A-Video公(gōng)布了AI生成的视频后，AI圈就已经玩了一波梗，一个能够(gòu)做出(chū)更高(gāo)清(qīng)视(shì)频的AI还不足以在短时间内戳中(zhōng)兴奋点。

Phenaki更加令人震惊的地方在(zài)于，它可以制(zhì)作出超过2分钟的连贯的(de)也有确(què)切内容(róng)的(de)视频，这才是真正让人(rén)们(men)感(gǎn)到(dào)惊喜的地方。因为(wèi)无论AI生成的(de)视频多么高(gāo)清，也(yě)只能是(shì)为内容(róng)生产者提(tí)供一个灵感(gǎn)，一个素材，一个过场动画(huà)。

不过(guò)能够制作出有(yǒu)具(jù)体剧情(qíng)内容的(de)视(shì)频(pín)就意味着，一些视频(pín)创作由AI代替人工完成已经(jīng)初步有了可能。

当(dāng)下AI的(de)发展速度已(yǐ)经超过大部(bù)分(fēn)人(rén)的想象。内(nèi)容(róng)产业的(de)本质(zhì)是供给(gěi)创造需求，AIGC作(zuò)为(wèi)全(quán)新的内容(róng)生产方式(shì)，可以为内(nèi)容(róng)产业带(dài)来更新的内容风(fēng)格、更快的(de)生产速度，更(gèng)低的生产成(chéng)本，这无疑会驱(qū)动内(nèi)容产(chǎn)业的大爆发。

除(chú)了AI绘图、视频，AIGC技术还能应用于音(yīn)乐(lè)、代码、机器人动作等多种内容形(xíng)式的(de)生成。不难发现该(gāi)项技术(shù)不(bù)仅在游戏等行业能得到有效应用，对(duì)于下(xià)一代互联(lián)网(wǎng)各种元(yuán)素的构建(jiàn)亦有(yǒu)关键意义。

从商(shāng)业化的角度来看，文化娱乐、教育、传媒(méi)等(děng)诸多领域，本身就对基于(yú)AI的可(kě)视化内容有(yǒu)强烈需求。

因(yīn)此(cǐ)，AI绘(huì)画(huà)及视频或不是结果，而只是AI进程(chéng)中的一块(kuài)重要拼(pīn)图，有望在技术更新的加持下实(shí)现更大的应用价值。

AI从(cóng)理解内容，走向了(le)可以生成(chéng)内容，甚至能够创造出独立价值和(hé)独立视角的(de)内容。AIGC的(de)再(zài)次出圈，更代表着未来的先进(jìn)生产力即将到来。

04

紧抓大模型与算力，牢固AIGC底(dǐ)座

从技(jì)术的发(fā)展也可以(yǐ)看出，在语言大模型(xíng)、图像大模型之后，多模态大(dà)模(mó)型已经成为了(le)新(xīn)的趋势(shì)。

大模(mó)型(xíng)被誉为(wèi)当前人工智能发展(zhǎn)的智能底座(zuò)，是全(quán)球(qiú)竞争最激烈的(de)研(yán)究方向之一，包括谷(gǔ)歌、亚马逊、百度(dù)、阿里、腾(téng)讯等(děng)众多头部企业都在竞相(xiāng)发(fā)力。

不过训(xùn)练大(dà)模(mó)型的确价格不菲(fēi)，以国盛证券(quàn)发(fā)布的《ChatGPT需要多少算(suàn)力》报(bào)告估算，GPT-3训(xùn)练(liàn)一次(cì)的成本约为140万美元。而对于一些更大的LLM(大型语言模型)，训练成本则(zé)介(jiè)于200万(wàn)美元至1200万美元(yuán)高价之间。

以ChatGPT在2023年1月的独立访客平(píng)均数1300万计(jì)算(suàn)，其对应芯(xīn)片需求(qiú)为(wèi)3万多(duō)片英伟达(dá)A100 GPU，初(chū)始投入成本约为8亿美元，每(měi)日仅电(diàn)费就(jiù)在5万美元左右。

此外不(bù)论(lùn)是ChatGPT还是(shì)AIGC，都离不开庞大算力支持。在关注各类大模型(xíng)的发展同时，更应该关注算力网(wǎng)络的建设(shè)。

算力网络正驱(qū)动AI产业(yè)发展进入史诗级加速(sù)进程，让AIGC及(jí)通(tōng)用(yòng)AI这一人(rén)工智(zhì)能发展的终极目标离得(dé)更近。

因为算力可以对突破性技术创新提供大力(lì)的支持(chí)。这方面，多模(mó)态(tài)大(dà)模型是典(diǎn)型(xíng)。作为面向未来强人工(gōng)智能、通用人(rén)工智能的重要技术创新，多模(mó)态大(dà)模(mó)型已经在人工智能领域提出了很多年(nián)，业界(jiè)也有不少(shǎo)技术(shù)突(tū)破，但是，多模态大模型进一步往下走，算力需求呈几(jǐ)何式上升，一般的算力基础设(shè)施(shī)很(hěn)快将难(nán)以胜任。

从图像(xiàng)、文字、语音(yīn)单独一项(xiàng)的(de)训练(liàn)，到双模态、三(sān)模态(tài)的跃迁，让人工智能可以灵活应(yīng)对不同(tóng)模态的转化、像人(rén)与世界交(jiāo)互一样(yàng)自然，这方面，由算(suàn)力网络来驱动将有明显优势。