自聊天(tiān)机器人(rén)ChatGPT火爆以来，微软公(gōng)司创(chuàng)始人比(bǐ)尔·盖茨已(yǐ)多(duō)次公开谈论人工智能话(huà)题。在最(zuì)近的一次(cì)采访中(zhōng)，他再次(cì)表示：“AI可能会让科(kē)技行(xíng)业迎(yíng)来(lái)一次剧(jù)烈的(de)洗(xǐ)牌”。

这个结(jié)论是他在当地(dì)时(shí)间(jiān)2月20日(rì)接受《In Good Company》节目专(zhuān)访时(shí)提(tí)出的。

他预期，AI的发展可能会威胁到谷(gǔ)歌的市(shì)占率，因为(wèi)微软(ruǎn)在AI方面的行动相当迅速(sù)。而最终(zhōng)科技巨(jù)头将(jiāng)把AI整合成用户(hù)的“全能助手”，包(bāo)揽一切应用，与(yǔ)人们进行(xíng)沟通并提(tí)供(gōng)建议，可(kě)以取代亚(yà)马逊、Siri或Outlook等应用。

大(dà)佬口中全能助手的到来可能尚需(xū)时(shí)日(rì)，但由ControlNet引发的又(yòu)一次AI绘(huì)画浪潮(cháo)，让(ràng)AIGC在ChatGPT的话题(tí)热点包围中杀出重(zhòng)围。

01

ControlNet颠覆AI绘画新(xīn)玩法(fǎ)

AIGC向可控靠近

以AI绘画为代表的AIGC上一(yī)次爆火的时候，还(hái)是2022年8月，在(zài)美(měi)国科罗拉多州举办的新兴数字艺术家(jiā)竞赛中，一幅名(míng)为《太(tài)空歌(gē)剧院》的作品获奖。

随后各大厂商的AI绘画软件被广大网友熟知并(bìng)体(tǐ)验(yàn)，Stable Diffusion便是其中代表。

用户们可(kě)以在应用(yòng)中输入一组关(guān)键词或者一张(zhāng)照片(piàn)，就能获得一(yī)幅AI创作的画作。

作画的关键(jiàn)就是所输入的文本。同一组(zǔ)关(guān)键词(cí)也可以(yǐ)创(chuàng)作出很多张(zhāng)风格不一样(yàng)的(de)画作(zuò)，这让创作的过程就像开(kāi)盲盒。

很多用户很喜欢这种不确定的惊(jīng)喜，他(tā)们会将生成的美图当(dāng)做头(tóu)像。而另一部(bù)分喜欢翻看AI绘画的“翻车”作品。在(zài)社(shè)交(jiāo)媒体(tǐ)上(shàng)，许(xǔ)多用户(hù)分享AI“翻车(chē)现场(chǎng)”，例如(rú)，一位网(wǎng)友的小(xiǎo)狗照片被AI画(huà)成了“肌肉男(nán)”，还有网(wǎng)友(yǒu)的(de)个人照片被AI识别成了建(jiàn)筑。

而如今随着(zhe)ControlNet的出现与加(jiā)持，以(yǐ)往AI绘画的(de)填写关键词游(yóu)戏可能要被颠覆了。

ControlNet是(shì)一位正在斯坦福读博的中(zhōng)国人(rén)张(zhāng)吕敏创(chuàng)作的一种基于控制(zhì)点的图像变(biàn)形算法(fǎ)，主(zhǔ)要用于(yú)数字图像(xiàng)处(chù)理、计算机视觉和(hé)计算机图形学等(děng)领(lǐng)域。

其SD插(chā)件一经发布(bù)，在短短的两天内便成为了AI绘画领域(yù)最新的热(rè)点。

在(zài)此之(zhī)前，大(dà)家用(yòng)了(le)很多方法想让(ràng)AI生成的结果尽可能的(de)符合要求，但是都(dōu)不尽如人意，它的出现代表着AI生成开始(shǐ)进(jìn)入(rù)真(zhēn)正的可控(kòng)时期。

因为ControlNet可以直接提取画(huà)面的构图，人物的姿势和画(huà)面的(de)深(shēn)度信息(xī)等。有了它的帮助，就不用频繁的(de)用提(tí)示词来(lái)碰运气，抽盲盒式的(de)创作了。

通俗的说(shuō)ControlNet相(xiāng)当于(yú)给AI绘(huì)画加了“魔法”，不(bù)少博主(zhǔ)的作品已经获得了(le)大量的(de)浏览量(liàng)，“viggo”就是(shì)其中之一，他用朋友(yǒu)的照(zhào)片(piàn)直(zhí)接带她们走(zǒu)进(jìn)动(dòng)漫世界(jiè)。

viggo先用StableDiffusion图(tú)片转文字。

再(zài)用(yòng)Text2Prompt插件(jiàn)拓展(zhǎn)找到对应的(de)关键(jiàn)词；最后(hòu)用ControlNet插件绑定骨骼开(kāi)始换关键(jiàn)词试效果(guǒ)。

通过图片就可以看出来，效(xiào)果十分惊艳。

更厉害的是，除了真实的照片，草(cǎo)图也(yě)可以(yǐ)加上“魔(mó)法(fǎ)”，知(zhī)乎大牛(niú)“DevPoint”和“逗砂”介绍到ControlNet还能(néng)实现线稿转全彩图。大神(shén)张吕敏其本(běn)尊(zūn)也亲自回应。

不得(dé)不(bù)说当下(xià)AIGC已经变得越来(lái)越强大，甚至(zhì)输出的作品都已(yǐ)经能以假乱(luàn)真了。

02

难辨虚实，AIGC技术力爆发

警惕(tì)安全问题

近日，“苏(sū)州金鸡湖有(yǒu)游(yóu)艇party”的消息火遍网络(luò)，而经过警方辟谣这所谓的“party”可能是全国第一起AI绘图诈骗。

由于这个活动(dòng)里面(miàn)给出的美女照片都是AI制作的(de)真(zhēn)人照片绘图，因为(wèi)太逼真，被大家当成真事传播了(le)。

不(bù)过仔细观(guān)察可以发(fā)现，活动发起(qǐ)者(zhě)提(tí)供的照片中有个很大的漏(lòu)洞(dòng)可(kě)以(yǐ)发现(xiàn)并(bìng)非真人，而是AI绘(huì)图(tú)，那便(biàn)是图片(piàn)中女(nǚ)性的手指部分有(yǒu)的存(cún)在异常。

有行业人事(shì)表示(shì)：“现在因(yīn)为(wèi)手(shǒu)指(zhǐ)部分(fēn)的绘画算法比较复杂，AI还不(bù)太会画人的手，但最新(xīn)看(kàn)到的图片已经(jīng)有越(yuè)来越完美的AI模(mó)型出(chū)现，以后可能(néng)就完全没有漏洞了。”

类(lèi)似的AI作(zuò)图诈骗(piàn)在国外(wài)也已有发生(shēng)。据(jù)英国(guó)广播(bō)公(gōng)司报道，土耳其(qí)地(dì)震(zhèn)期间，有Tiktok用户使用AI合(hé)成了儿童受灾(zāi)的假照片发布(bù)到网络，以此诱(yòu)骗(piàn)善良的人打赏“捐助”从而实施诈骗。

目前(qián)随着技(jì)术发展，AIGC已经(jīng)能做出(chū)真(zhēn)人(rén)照(zhào)片般的绘(huì)图效(xiào)果，如果这样的图(tú)片被(bèi)用来(lái)诈骗，将非常可怕。

此外(wài)AIGC还引发了很(hěn)多担忧，一方面，批判者(zhě)认为AI在“学习”了大量前人(rén)的作品之(zhī)后，其(qí)创作没有任(rèn)何情绪和(hé)灵魂，难以和人类的艺术创作(zuò)相提(tí)并论。

另一方面(miàn)，AIGC背后的(de)版权(quán)、目前都并没有(yǒu)得到有效的解决，还有AIGC会(huì)不(bù)会代替人类(lèi)“至高无上”的(de)创意。

马斯(sī)克(kè)也强(qiáng)调，人(rén)工智能的安全问题需要得到重视(shì)，太晚就来不(bù)及了。

03

AIGC下一(yī)站除了视频，还有(yǒu)远方

技(jì)术都(dōu)是(shì)有两面性的，潜在的危(wēi)害并不能掩盖其(qí)光辉的贡献。现在看来，人(rén)工智能(néng)技术将(jiāng)是第四次工业革命的核心驱动力量，将(jiāng)创(chuàng)造新的增长奇迹(jì)。

过去一(yī)年，人工智能在技术和商(shāng)业层面都有(yǒu)了巨大进展，AI绘画就是(shì)人工智能技(jì)术发生方向性改变的一个代(dài)表。其下一站或许就是视频。

此前，Meta和(hé)谷歌先后发布(bù)了几条引(yǐn)爆科技圈(quān)的短视频。这些(xiē)视频引发关注(zhù)并(bìng)非内容做得多优秀，反而都非常(cháng)简单，比如(rú)一(yī)匹正在喝(hē)水的马，一只画画的玩具熊，或者一段骑摩托车的(de)第一视角(jiǎo)录(lù)像，随便一(yī)个有手机的人(rén)都可以(yǐ)随手录下一段(duàn)。

但这些短视频的创作方式非常(cháng)简单，创作者仅仅需(xū)要向(xiàng)AI输入一段话，甚(shèn)至(zhì)只是说一下要求，AI就可(kě)以根据需要生成一段(duàn)视频。

谷歌发布的(de)两(liǎng)个AI生成(chéng)视频分别来自于Imagen Video和Phenaki，前者主要突(tū)出(chū)的是高(gāo)清，与Meta的Make-A-Video没(méi)有太(tài)多(duō)的(de)差别。

在Make-A-Video公布了AI生成的视(shì)频后，AI圈就已经玩了一波梗，一(yī)个能够(gòu)做出(chū)更高清(qīng)视频的(de)AI还(hái)不足(zú)以在(zài)短时间内(nèi)戳中兴奋点。

Phenaki更加(jiā)令人震惊的地方在于，它可(kě)以制作出(chū)超过2分钟的连贯的也有(yǒu)确切内(nèi)容的视(shì)频，这(zhè)才是真正让(ràng)人们感到惊喜(xǐ)的地方。因为(wèi)无(wú)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灵(líng)感，一(yī)个素材(cái)，一个过场动画。

不过能够制作出有具体剧(jù)情内容的视频就意味着，一些视频创作由AI代替人(rén)工(gōng)完成已经初步(bù)有了(le)可能。

当下(xià)AI的发展速度(dù)已(yǐ)经超(chāo)过大部分人的想象。内(nèi)容产业的(de)本质(zhì)是供给创造需求，AIGC作(zuò)为全新的内容生产方(fāng)式(shì)，可以为内容产业带(dài)来(lái)更新的内(nèi)容风格、更快的生产速度，更低的生产成本，这无疑(yí)会驱动内容产业的大(dà)爆发。

除了AI绘(huì)图、视(shì)频，AIGC技(jì)术还能应用于音乐(lè)、代(dài)码、机器人动作等多种内容形(xíng)式的生成。不难发现该项技术不(bù)仅在(zài)游戏等行业(yè)能得到有效应用，对于下一代互联网各(gè)种(zhǒng)元素的(de)构建亦有关(guān)键意(yì)义。

从商业(yè)化的角度来看，文(wén)化(huà)娱乐、教育、传媒(méi)等(děng)诸多领域，本身就(jiù)对基于AI的可视化内容有强烈需求。

因此(cǐ)，AI绘画及视频或不是(shì)结果，而(ér)只是AI进程中(zhōng)的一块重要拼图，有(yǒu)望(wàng)在技术更新的加持下实现更大的应用价值。

AI从(cóng)理解内容，走(zǒu)向了可以生(shēng)成内容，甚(shèn)至能够创(chuàng)造出独立价值和独立视角(jiǎo)的内容(róng)。AIGC的再次出圈，更代表着未来的先进生(shēng)产力即(jí)将到来。

04

紧抓大(dà)模型与(yǔ)算力(lì)，牢固AIGC底座(zuò)

从(cóng)技术的发展也可(kě)以看出(chū)，在语(yǔ)言大模型、图像大(dà)模(mó)型之(zhī)后，多模态(tài)大模(mó)型已(yǐ)经成为了新的趋势。

大模(mó)型被誉为当前人工智能发展的(de)智能底座(zuò)，是全球竞争最(zuì)激(jī)烈的(de)研究(jiū)方向之一，包括(kuò)谷歌、亚马逊、百度、阿里、腾讯等众多(duō)头部企(qǐ)业都在竞相发力(lì)。

不过训练大模(mó)型的确价格(gé)不(bù)菲，以国盛证券发布的《ChatGPT需要多(duō)少算(suàn)力(lì)》报告估算(suàn)，GPT-3训(xùn)练一次(cì)的(de)成本(běn)约为140万美元。而对于一(yī)些(xiē)更大(dà)的(de)LLM(大型语言(yán)模型)，训练成(chéng)本则介(jiè)于200万(wàn)美元(yuán)至1200万美元高(gāo)价(jià)之间。

以ChatGPT在2023年(nián)1月的独(dú)立访(fǎng)客平均数1300万计算，其对应芯(xīn)片(piàn)需求为3万多片英伟达A100 GPU，初始投入(rù)成本约为(wèi)8亿美元，每(měi)日仅电费就在5万(wàn)美(měi)元(yuán)左右(yòu)。

此外不论是ChatGPT还(hái)是AIGC，都离不(bù)开庞大算力支持(chí)。在关注各(gè)类(lèi)大模型的发(fā)展同(tóng)时，更(gèng)应该关注算(suàn)力网络的建设(shè)。