自聊天机器(qì)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工智能话(huà)题。在最近的一(yī)次(cì)采访(fǎng)中，他再次表示：“AI可能(néng)会让科技行(xíng)业迎来一次剧烈的洗牌”。

这个(gè)结论是他在当(dāng)地时间(jiān)2月20日(rì)接受《In Good Company》节目专访时提出的(de)。

他预期，AI的发展可能会威胁到谷歌的市占率，因为微软在AI方面的(de)行动(dòng)相当迅速(sù)。而最终科技巨(jù)头(tóu)将(jiāng)把AI整合成用户(hù)的“全能助(zhù)手”，包揽一切应用(yòng)，与人们(men)进(jìn)行沟通并提供建议，可(kě)以取代亚马逊、Siri或Outlook等应用。

大佬口中全能(néng)助手的到来可(kě)能尚需时日(rì)，但由ControlNet引发的又一次AI绘画浪潮，让AIGC在ChatGPT的(de)话题热点包(bāo)围(wéi)中杀出重围。

01

ControlNet颠(diān)覆AI绘画新玩(wán)法

AIGC向可(kě)控靠近

以(yǐ)AI绘画为(wèi)代表的AIGC上一(yī)次爆(bào)火(huǒ)的时候，还是(shì)20东边不亮西边亮的意思是什么，东边不亮西边亮典故22年(nián)8月，在美国(guó)科罗拉多州举办的新(xīn)兴数字艺术家竞赛中，一(yī)幅名为《太(tài)空歌(gē)剧院》的(de)作品获奖。

随(suí)后各大厂商的(de)AI绘画(huà)软件被广大网友(yǒu)熟知(zhī)并(bìng)体验，Stable Diffusion便是(shì)其中代表。

用(yòng)户们可以在应用中输入一组关键(jiàn)词或者一张(zhāng)照片，就能(néng)获得一幅(fú)AI创作的画作(zuò)。

作(zuò)画的关键就(jiù)是所输入的文本。同一组(zǔ)关(guān)键词也可以创作出很多张风格不一样的画作(zuò)，这(zhè)让(ràng)创作的过程就像开盲盒。

很多用(yòng)户(hù)很喜欢(huān)这种不确定的(de)惊喜，他们会将生成(chéng)的美图当做头(tóu)像。而另一部(bù)分喜欢翻看AI绘画的“翻车(chē)”作品。在(zài)社交(jiāo)媒体上(shàng)，许多用户(hù)分(fēn)享AI“翻车现场”，例如，一位(wèi)网友的小狗(gǒu)照(zhào)片被AI画成了(le)“肌(jī)肉男(nán)”，还有网(wǎng)友的个人照片被(bèi)AI识别(bié)成(chéng)了建筑。

而如今随着ControlNet的(de)出(chū)现(xiàn)与加(jiā)持，以往AI绘画(huà)的填写关键(jiàn)词游(yóu)戏可能要被颠覆(fù)了。

ControlNet是一位正在(zài)斯坦福读博的中国(guó)人张吕(lǚ)敏(mǐn)创作的一种基于(yú)控制点的图像变形算法，主要用于数字(zì)图像(xiàng)处理(lǐ)、计算机视觉和计算机(jī)图(tú)形学等领域。

其SD插件一(yī)经发布，在短短的两天内便成为了AI绘画领(lǐng)域最新(xīn)的热(rè)点。

在此之(zhī)前，大家用了很多方法想让(ràng)AI生(shēng)成的结果尽可能(néng)的(de)符(fú)合要求，但是都不尽如(rú)人(rén)意，它(tā)的出现代表着AI生成(chéng)开始进(jìn)入真正(zhèng)的可控时期(qī)。

因为ControlNet可以直接提取(qǔ)画面的构(gòu)图，人物(wù)的(de)姿势和(hé)画面的深(shēn)度信息(xī)等。有了它的帮(bāng)助，就不用频(pín)繁的用(yòng)提示词来碰运(yùn)气，抽盲(máng)盒式的(de)创作了。

通俗的说ControlNet相当于给AI绘画(huà)加(jiā)了“魔法”，不(bù)少(shǎo)博主的作品已经获得了大量的(de)浏览量，“viggo”就(jiù)是其中之一，他用朋友的照片直接带她们走(zǒu)进动(dòng)漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插件(jiàn)拓展(zhǎn)找到(dào)对应的(de)关键词；最(zuì)后用ControlNet插件(jiàn)绑定骨骼开始换关(guān)键(jiàn)词试效果(guǒ)。

通过图片就可以看(kàn)出来(lái)，效果(guǒ)十分惊艳(yàn)。

更厉害的是，除了(le)真(zhēn)实的(de)照片，草图也可以加上“魔(mó)法”，知(zhī)乎大牛“DevPoint”和“逗砂”介绍到ControlNet还能实现线(xiàn)稿转全(quán)彩图。大神张吕敏(mǐn)其本尊(zūn)也亲(qīn)自回应。

不得不说当下(xià)AIGC已经变得越来越强大，甚至输出的作品都已经能以假乱真了。

02

难(nán)辨虚实，AIGC技(jì)术力(lì)爆发

警惕安全问题

近日，“苏州(zhōu)金鸡湖(hú)有游(yóu)艇party”的消息(xī)火遍网络，而(ér)经过警方辟(pì)谣这所谓的“party”可能(néng)是全国第一(yī)起AI绘(huì)图(tú)诈骗。

由于这个活动里(lǐ)面(miàn)给出的美女照片都是AI制作的真人照片绘图，因为太(tài)逼(bī)真，被大家当成真(zhēn)事传(chuán)播了。

不(bù)过仔细(xì)观察可以发现，活动发起者提供(gōng)的照片中有(yǒu)个很大的漏洞可以发(fā)现并非(fēi)真人，而是AI绘图，那便是图片中女(nǚ)性的手指部分有的存在异(yì)常。

有(yǒu)行(xíng)业人事表示(shì)：“现(xiàn)在因为手(shǒu)指部分(fēn)的(de)绘(huì)画(huà)算法比较复杂(zá)，AI还不太会画人的手，但(dàn)最新(xīn)看到的图片已经有越来越完美(měi)的AI模型出(chū)现，以后可能就完全没有漏洞了。”

类似(shì)的(de)AI作图诈骗(piàn)在国外也已有发(fā)生。据英(yīng)国广播公司报道，土耳其地震期间，有Tiktok用户使用AI合(hé)成(chéng)了(le)儿童(tóng)受灾的假照片发(fā)布到(dào)网络(luò)，以此诱骗善良的人(rén)打(dǎ)赏(shǎng)“捐助”从而实(shí)施(shī)诈骗。

目前随着(zhe)技术(shù)发(fā)展(zhǎn)，AIGC已经能(néng)做(zuò)出真人照片(piàn)般的绘(huì)图(tú)效(xiào)果(guǒ)，如(rú)果这样的(de)图片被用(yòng)来诈骗(piàn)，将(jiāng)非常可怕。

此外AIGC还引发了很多担忧(yōu)，一方(fāng)面，批判者(zhě)认为AI在“学习”了大(dà)量前人(rén)的作品(pǐn)之后，其创作没有(yǒu)任何(hé)情绪和灵魂(hún)，难以(yǐ)和人类的(de)艺术(shù)创作相提并(bìng)论。

另一方(fāng)面，AIGC背后的版权(quán)、目前都并没(méi)有得到有效的解决，还有AIGC会不会代替(tì)人类(lèi)“至高无上”的创意。

马斯克(kè)也强调，人工智能的安全问题需要得到重(zhòng)视，太晚就来不及了。

03

AIGC下一站除了(le)视频，还有(yǒu)远(yuǎn)方

技(jì)术都是有(yǒu)两面性的，潜在的(de)危害并不能掩(yǎn)盖其光辉的(de)贡(gòng)献。现在看(kàn)来，人(rén)工智能技术(shù)将是第四次工业革命(mìng)的(de)核心驱动力量，将(jiāng)创造(zào)新的增(zēng)长奇迹。

过去一年，人工智能在技术和商业层面都有了巨大进展(zhǎn)，AI绘画就是人工智能技(jì)术发生方向性改(gǎi)变的一个代表(biǎo)。其下一站(zhàn)或许就(jiù)是视频。

此前(qián)，Meta和谷歌先后发布了几条(tiáo)引爆科技圈的短视频。这些视频引(yǐn)发关(guān)注(zhù)并非内容做得多优(yōu)秀，反而都非常简单，比如一匹正(zhèng)在喝水的(de)马，一只(zhǐ)画画的玩具熊，或者(zhě)一段(duàn)骑摩托车的(de)第一视角(jiǎo)录像，随便一个(gè)有手(shǒu)机的人都(dōu)可以随手录下(xià)一段。

但这些(xiē)短(duǎn)视频(pín)的创作方式非常简单，创(chuàng)作者仅仅(jǐn)需要向AI输入一(yī)段话(huà)，甚至只是(shì)说一下要求，AI就可以根(gēn)据需要(yào)生成一段视频。

谷歌发布的两(liǎng)个AI生成视频分别(bié)来自(zì)于Imagen Video和Phenaki，前(qián)者主要突出的是高(gāo)清，与Meta的Make-A-Video没有太多的差别(bié)。

在(zài)Make-A-Video公布(bù)了AI生成的视(shì)频后，AI圈就已(yǐ)经玩(wán)了一(yī)波(bō)梗，一个能够(gòu)做出(chū)更高清(qīng)视频的AI还不足以在短时间内戳中兴(xīng)奋点(diǎn)。

Phenaki更加令人(rén)震(zhèn)惊的地(dì)方(fāng)在于，它(tā)可以制作出超过(guò)2分钟的(de)连(lián)贯的(de)也有确切(qiè)内容的视(shì)频，这才是(shì)真(zhēn)正让人们(men)感到(dào)惊(jīng)喜(xǐ)的(de)地(dì)方。因(yīn)为(wèi)无论AI生成的视频多么高清，也只能是为(wèi)内容生产者提供一个(gè)灵感(gǎn)，一个素(sù)材，一个(gè)过场(chǎng)动画。

不过能够制作出有具体剧情(qíng)内容的视(shì)频就意(yì)味着，一些视频创作由AI代替人工完(wán)成已经初步有了可(kě)能。

当下AI的发展速度已经(jīng)超过大部(bù)分人的想象。内容产业的(de)本质是(shì)供(gōng)给创(chuàng)造(zào)需求，AIGC作(zuò)为(wèi)全新的(de)内容生产方(fāng)式(shì)，可以为内(nèi)容产业带(dài)来(lái)更新(xīn)的(de)内容风格(gé)、更快(kuài)的生产速度(dù)，更低的生产成本，这(zhè)无疑会驱动内容(róng)产(chǎn)业的大爆发(fā)。

除了AI绘图、视(shì)频，AIGC技(jì)术还能(néng)应用(yòng)于音(yīn)乐、代码、机器(qì)人动作等多种(zhǒng)内容形式的生成。不难发现(xiàn)该项技术不仅(jǐn)在游戏(xì)等(děng)行业能得到有效应用，对(duì)于下一代互联网各种元素(sù)的(de)构(gòu)建(jiàn)亦有关键意义。

从商业化的角(jiǎo)度来看，文化(huà)娱乐、教育、传(chuán)媒等诸多领(lǐng)域(yù)，本身就对基于AI的(de)可(kě)视(shì)化内容有强烈需求。

因此，AI绘画及视(shì)频或不(bù)是结果，而(ér)只是AI进程中的一块重要拼图(tú)，有(yǒu)望在(zài)技(jì)术(shù)更新的加持下实现更大的应用价值(zhí)。

AI从理解(jiě)内容(róng)，走向(xiàng)了可以生成(chéng)内(nèi)容(róng)，甚至能(néng)够创造出独立(lì)价(jià)值和独立(lì)视角的内容。东边不亮西边亮的意思是什么，东边不亮西边亮典故AIGC的再(zài)次出圈，更(gèng)代表着未来的先进生产力即将到来。

04

紧抓(zhuā)大模(mó)型与算力(lì)，牢固AIGC底(dǐ)座

从技术的发展也可以看出，在语言大(dà)模型(xíng)、图像大模型(xíng)之后，多模态大模(mó)型已(yǐ)经成为了新的趋势。

大模(mó)型被(bèi)誉(yù)为(wèi)当前人工智能发展(zhǎn)的智能(néng)底(dǐ)座，是全球竞争最激烈的研究方向之一，包括(kuò)谷歌、亚马逊(xùn)、百度、阿里(lǐ)、腾讯等众多头部企业都在竞相(xiāng)发力(lì)。

不过(guò)训(xùn)练大模型的确价格不菲，以国(guó)盛证券发布的《ChatGPT需要多(duō)少算力》报告估(gū)算，GPT-3训练一次的成(chéng)本(běn)约(yuē)为(wèi)140万美元。而对于一(yī)些更(gèng)大的LLM(大型语(yǔ)言模型(xíng))，训练(liàn)成(chéng)本则(zé)介于200万美元至1200万美(měi)元高价之间。

以ChatGPT在2023年1月的(de)独立访(fǎng)客(kè)平(píng)均数(shù)1300万计算，其(qí)对应芯(xīn)片需求为(wèi)3万多片英(yīng)伟达A100 GPU，初(chū)始(shǐ)投入成本约为(wèi)8亿美(měi)元，每日仅电费就在(zài)5万美元左右。

此外(wài)不论是ChatGPT还(hái)是AIGC，都离不(bù)开庞(páng)大算力支持。在关注各类大(dà)模型(xíng)的发展同时，更应该(gāi)关(guān)注(zhù)算(suàn)力网络的建设(shè)。

算力网络正驱动AI产业发展(zhǎn)进入(rù)史诗级加(jiā)速进程，让AIGC及通用AI这(zhè)一(yī)人工智能发展的终(zhōng)极(jí)目标离得(dé)更近。

因为算力(lì)可以(yǐ)对突破性技术创(chuàng)新提供(gōng)大力的(de)支持。这方面，多模态大模型是典(diǎn)型。作为面向未(wèi)来强(qiáng)人工智能(néng)、通用(yòng)人工智能的(de)重(zhòng)要(yào)技(jì)术创新，多模态大模型已经(jīng)在人工智能领域提出了很多(duō)年，业界也(yě)有不少技术(shù)突(tū)破，但是，多模态大模型进一步往下走(zǒu)，算力需求呈几何式(shì)上升，一般的算力基(jī)础设(shè)施(shī)很快将难以胜(shèng)任。

从(cóng)图像、文字(zì)、语音单独一项的(de)训练，到双模(mó)态、三模态的(de)跃迁，让人(rén)工智能(néng)可以(yǐ)灵活应对不同模态的转化、像人与世界交互一样(yàng)自然，这方面，由(yóu)算力(lì)网络来驱(qū)动(dòng)将有明显优势(shì)。

此外，还有很(hěn)多需要爆发式增长(zhǎng)的算力来支撑的技术创新，将在人工智能算力网络支撑下快速推(tuī)进。

AIGC已经露出(chū)曙光(guāng)，期待在大模型和大算(suàn)力的(de)支持(chí)下AIGC能(néng)持续(xù)颠覆内容生产(chǎn)的方式(shì)，将创造的边际成本降低(dī)，让万(wàn)众受益(yì)。

未经允许不得转载：橘子百科-橘子都知道 东边不亮西边亮的意思是什么，东边不亮西边亮典故