AIGC向可控靠近

以AI绘画为代表的AIGC上一次爆火的时候，还是2022年8月(yuè)，在美国科罗拉(lā)多州举办的(de)新兴数字(zì)艺(yì)术家竞赛中，一幅名为《太空歌剧院》的作品获(huò)奖。

随后各大厂商的AI绘画软(ruǎn)件(jiàn)被广大(dà)网友熟知并体(tǐ)验，Stable Diffusion便是(shì)其中代(dài)表。

用户(hù)们可以在应用中输入一组(zǔ)关键词(cí)或者(zhě)一张照片(piàn)，就能获得一幅(fú)AI创(chuàng)作的画(huà)作。

作画的关键就是所输入的文(wén)本(běn)。同一组关(guān)键(jiàn)词也可以创作(zuò)出很多张风格(gé)不(bù)一样的画作(zuò)，这让(ràng)创作(zuò)的(de)过程(chéng)就像开(kāi)盲盒。

很(hěn)多(duō)用(yòng)户很喜(xǐ)欢(huān)这(zhè)种不确定的惊(jīng)喜(xǐ)，他们会将生成的美图当(dāng)做头(tóu)像。而另一部分(fēn)喜欢翻看AI绘画的“翻车”作(zuò)品。在(zài)社(shè)交媒体上，许多用户分享AI“翻(fān)车现(xiàn)场”，例如，一位网友的小狗(gǒu)照片被(bèi)AI画成了“肌肉男”，还有网友的个人照片被AI识别成了(le)建筑。

而如今随(suí)着ControlNet的出(chū)现与(yǔ)加持(chí)，以往AI绘画的填写关键词游(yóu)戏可能(néng)要被颠覆了(le)。

ControlNet是(shì)一位(wèi)正在斯坦(tǎn)福读博的中国人张吕敏创(chuàng)作的一种基(jī)于(yú)控(kòng)制点的图像(xiàng)变形(xíng)算法，主要用(yòng)于数字(zì)图像处理、计算机视觉和(hé)计(jì)算机图形学等领域。

其SD插件一经发布，在短短的(de)两天内便成(chéng)为了AI绘画领域最新的热点。

在(zài)此之前，大家用了很多方法想(xiǎng)让(ràng)AI生成的结(jié)果尽可能(néng)的(de)符合要求，但是都(dōu)不(bù)尽如(rú)人意，它的出现代(dài)表着AI生成开(kāi)始进入真正的可(kě)控时期。

因(yīn)为(wèi)ControlNet可以直接提取画面的构图，人物的姿势(shì)和(hé)画面(miàn)的深度(dù)信息等(děng)。有了它(tā)的帮助，就不用频繁(fán)的用提示(shì)词来碰运气，抽(chōu)盲盒式的创(chuàng)作了(le)。

通(tōng)俗的(de)说(shuō)ControlNet相(xiāng)当于(yú)给AI绘画(huà)加(jiā)了“魔法”，不少博主的作品已经获得了大量的(de)浏览量，“viggo”就是其(qí)中之一，他用朋友的照片(piàn)直接带她们走进(jìn)动漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插件拓(tuò)展找(zhǎo)到对应的(de)关(guān)键词；最后用ControlNet插件绑(bǎng)定骨骼开始换关(guān)键词试效果。

通过图片就可以看出来，效果十分惊(jīng)艳。

更厉害的是(shì)，除了真实的照(zhào)片，草图也可以加(jiā)上(shàng)“魔法(fǎ)”，知乎(hū)大牛“DevPoint”和(hé)“逗砂(shā)”介绍到ControlNet还能(néng)实现线稿转全(quán)彩(cǎi)图。大神张吕敏其本(běn)尊也亲自回应。

不(bù)得不说当下(xià)AIGC已经变(biàn)得越来(lái)越强大，甚至输出的作品都已经能以假乱(luàn)真了。

02

难辨虚实，AIGC技术力爆发

警惕(tì)安全(quán)问题

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

由于这个(gè)活动(dòng)里(lǐ)面给出的美女照片(piàn)都是AI制作的真人照片(piàn)绘(huì)图，因为太逼真，被大家当(dāng)成真事(shì)传播(bō)了。

不过仔细观察可以发现，活动发起(qǐ)者提(tí)供的照片中有个(gè)很大(dà)的(de)漏(lòu)洞(dòng)可以(yǐ)发现并非(fēi)真人(rén)，而是(shì)AI绘图，那便(biàn)是图(tú)片中女性(xìng)的手指部(bù)分有的存在异(yì)常。

有行业人事表示：“现在因为(wèi)手指(zhǐ)部分的绘画算法比(bǐ)较复杂，AI还(hái)不(bù)太会画人的手(shǒu)，但(dàn)最新看到的图(tú)片已经有越来(lái)越完(wán)美(měi)的AI模型出现(xiàn)，以后可能(néng)就完全没有漏洞了。”

类(lèi)似(shì)的AI作图诈(zhà)骗在国外也(yě)已(yǐ)有发生。据英(yīng)国(guó)广(guǎng)播(bō)公(gōng)司报道，土耳其地震期(qī)间，有Tiktok用户(hù)使用AI合成了儿童受灾的假照片发(fā)布到网络(luò)，以此(cǐ)诱骗善良的人打赏“捐助”从而(ér)实施诈骗。

目(mù)前随着(zhe)技(jì)术发(fā)展，AIGC已经能做出真人照片般的绘图(tú)效果，如果这样的图片被用来诈骗，将(jiāng)非常可(kě)怕。

此外AIGC还(hái)引发了(le)很多担忧(yōu)，一(yī)方(fāng)面，批(pī)判者认为AI在“学习”了大量(liàng)前人的作品之后，其创(chuàng)作没有任(rèn)何(hé)情绪和灵魂，难(nán)以和人类(lèi)的艺(yì)术创作相提并(bìng)论。

另一(yī)方面(miàn)，AIGC背后的版权、目前都并没有(yǒu)得到有效的解决，还有(yǒu)AIGC会不会(huì)代替人类“至高无上”的创意(yì)。

马(mǎ)斯克也强调，人工智能的安(ān)全(quán)问题需要得到重视，太(tài)晚就(jiù)来(lái)不及了。

03

AIGC下一站除了(le)视频，还(hái)有远(yuǎn)方

技术都是有(yǒu)两面(miàn)性的，潜在的危害并不能掩盖其光辉(huī)的贡献。现(xiàn)在看来，人(rén)工智能(néng)技术将是(shì)第四(sì)次工业革(gé)命(mìng)的核心(xīn)驱动(dòng)力量，将创造新的增长奇迹。

过(guò)去一年(nián)，人工(gōng)智(zhì)能在技术和商业层面都有(yǒu)了巨大(dà)进展，AI绘画就是(shì)人工(gōng)智能技术(shù)发生(shēng)方向性改变的一个代(dài)表。其(qí)下一站或许就是视频。

此前(qián)，Meta和谷(gǔ)歌(gē)先后发布了(le)几(jǐ)条引(yǐn)爆科技圈的短视(shì)频。这些视频(pín)引发关(guān)注(zhù)并(bìng)非内容做得多优秀，反而都非常(cháng)简单(dān)，比(bǐ)如一匹(pǐ)正在(zài)喝水的马，一(yī)只(zhǐ)画画的玩具熊，或者一段(duàn)骑(qí)摩托车的(de)第一(yī)视角(jiǎo)录像(xiàng)，随便一个有(yǒu)手机的(de)人都可(kě)以随手(shǒu)录下一段。

但这些短视频的创作方式非(fēi)常简单，创作者仅仅需要向AI输入一段(duàn)话，甚(shèn)至(zhì)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)布的两(liǎng)个AI生(shēng)成视频分别来自于Imagen Video和Phenaki，前者主要突出的是高清，与Meta的Make-A-Video没有太(tài)多的差别。

在Make-A-Video公布了AI生成的视频后，AI圈(quān)就已经玩了一波(bō)梗，一个能够做出更高清视(shì)频的AI还不足以(yǐ)在短(duǎn)时(shí)间内(nèi)戳中兴奋点(diǎn)。

Phenaki更加(jiā)令人震惊的地(dì)方(fāng)在于，它可以制作出(chū)超(chāo)过2分钟的连(lián)贯的也有(yǒu)确切(qiè)内容(róng)的视(shì)频(pín)，这才(cái)是真正让人(rén)们感到惊喜的地(dì)方。因为无(wú)论AI生成的视频多么高(gāo)清，也只能是(shì)为内容(róng)生产者提供一个灵感，一个素材，一个(gè)过(guò)场动(dòng)画。

不过(guò)能够制作(zuò)出有具(jù)体剧情内容的视频就意味(wèi)着，一些视频创(chuàng)作由AI代替人工完成(chéng)已经初步有了可能。

当下AI的发展(zhǎn)速(sù)度已(yǐ)经超过(guò)大部分人的想(xiǎng)象(xiàng)。内容产业的本质是供给创造需求，AIGC作为全新的内容生产(chǎn)方式，可以为内(nèi)容产业带来更新的内容风格、更快的(de)生产速(sù)度，更低的生产成本，这无疑会驱动内(nèi)容产业的大爆(bào)发。

除了AI绘图、视频，AIGC技术还能应用于音乐(lè)、代码、机器人动作等多种内容形式的生成。不(bù)难发现(xiàn)该项技(jì)术(shù)不仅在游戏(xì)等行业能得到有(yǒu)效应用，对于(yú)下一代互联网各种(zhǒng)元(yuán)素的构(gòu)建亦有(yǒu)关键意义。

从商(shāng)业化(huà)的角度来看，文化娱乐、教育、传媒等诸多领(lǐng)域，本(běn)身就对基于AI的可(kě)视化(huà)内(nèi)容有强烈需求(qiú)。

因此，AI绘(huì)画(huà)及视(shì)频或(huò)不是结(jié)果(guǒ)，而(ér)只是(shì)AI进程中的一块重要(yào)拼图，有望在(zài)技(jì)术更新的加持下实现更大的应用(yòng)价值。

AI从理(lǐ)解内容，走(zǒu)向(xiàng)了(le)可以生成内容，甚至能够创(chuàng)造出独立价值和独立视角的内(nèi)容。AIGC的(de)再次(cì)出圈(quān)，更代表着未(wèi)来的先进(jìn)生产力即将到来。

04

紧抓大模型与算力，牢固AIGC底座(zuò)

从技术的发展也可以看出，在语言(yán)大模型(xíng)、图像大模型之(zhī)后，多(duō)模态大(dà)模型(xíng)已经成为了新的(de)趋势。

大模型被誉为当前人工智能发展的智能底座，是全球竞争最激烈(liè)的研究方向之一，包括谷歌、亚马逊(xùn)、百度、阿(ā)里(lǐ)、腾讯等(děng)众多头部企(qǐ)业都在(zài)竞相发力。

不(bù)过(guò)训练大模型的确价(jià)格(gé)不菲，以国(guó)盛证券(quàn)发布(bù)的《ChatGPT需要多少(shǎo)算力(lì)》报告估(gū)算(suàn)，GPT-3训练一次的(de)成(chéng)本约为140万美元(yuán)。而(ér)对于(yú)一些更(gèng)大的LLM(大(dà)型语言模型)，训练成本则(zé)介(jiè)于200万美元(yuán)至1200万美元(yuán)高价之间。

以ChatGPT在(zài)2023年1月的独立访客平均数1300万计算，其对应芯片需求为(wèi)3万多片英伟达A100 GPU，初始(shǐ)投入成本(běn)约(yuē)为(wèi)8亿美元，每日仅电费就在(zài)5万(wàn)美元(yuán)左右(yòu)。

此外不论是ChatGPT还是AIGC，都离不开庞(páng)大算力支持。在(zài)关注各(gè)类大(dà)模(mó)型(xíng)的发展同时，更(gèng)应该关注算力(lì)网络的建(jiàn)设。

算力网(wǎng)络(luò)正驱动AI产业发展进(jìn)入史诗(shī)级加速进程，让AIGC及通用AI这(zhè)一人工智能发(fā)展的终极目标离得更近(jìn)。

因为算(suàn)力可以对(duì)突破性技术创(chuàng)新(xīn)提供大力的支持。这方面，多模态大模型(xíng)是典型。作为面向(xiàng)未来强人工智(zhì)能、通(tōng)用人工(gōng)智能的重要(yào)技(jì)术创(chuàng)新，多模态大模型已经在(zài)人工智能领(lǐng)域提出(chū)了很多年，业界也有不少技术突(tū)破(pò)，但是，多(duō)模态大(dà)模(mó)型进一步往下走，算力需求呈几何式上(shàng)升，一般的算力(lì)基础设施(shī)很快将难(nán)以胜任(rèn)。

从(cóng)图像、文字、语音单独一项的(de)训练，到双模态(tài)、三模(mó)态(tài)的(de)跃迁(qiān)，让人(rén)工智(zhì)能可以灵活应(yīng)对不同模态的转化、像人与世界交(jiāo)互一样自(zì)然(rán)，这方面，由算(suàn)力网络(luò)来驱动(dòng)将有明显优(yōu)势。

此外，还有很多需(xū)要爆(bào)发式(shì)增长(zhǎng)的算力来支撑的(de)技术创新(xīn)，将在人工(gōng)智(zhì)能算力网络(luò)支撑下(xià)快速推进。

AIGC已经露出曙(shǔ)光，期待在大(dà)模型和(hé)大(dà)算力的支持(chí)下(xià)AIGC能持续颠覆内容生(shēng)产的方(fāng)式(shì)，将创造的边际成本降低(dī)，让万(wàn)众(zhòng)受益(yì)。

未经允许不得转载：橘子百科-橘子都知道 1分米等于多少米，1分米等于多少米厘米