自聊天机器人(rén)ChatGPT火爆以(yǐ)来，微软公司创始人比尔·盖(gài)茨(cí)已多次(cì)公开谈论人(rén)工(gōng)智能(néng)话(huà)题。在最近的一次采访中，他再次表(biǎo)示(shì)：“AI可(kě)能会(huì)让科技行业迎(yíng)来一(yī)次剧烈(liè)的洗牌”。

这个结论是他在当地时(shí)间2月(yuè)20日(rì)接(jiē)受《In Good Company》节目(mù)专访(fǎng)时提出的。

他预期，AI的发展可(kě)能会(huì)威(wēi)胁到谷歌的市占(zhàn)率，因(yīn)为(wèi)微软(ruǎn)在AI方(fāng)面的行动(dòng)相当迅速。而(ér)最终科技巨头将(jiāng)把AI整合成用户的“全能助手”，包(bāo)揽一切应用，与人们进行沟(gōu)通(tōng)并提供(gōng)建议，可以(yǐ)取代亚马逊、Siri或Outlook等应用(yòng)。

大佬(lǎo)口中(zhōng)全能助手的到来可能尚(shàng)需时日(rì)，但(dàn)由ControlNet引发的又(yòu)一次(cì)AI绘画浪潮，让AIGC在ChatGPT的话题热点包(bāo)围中(zhōng)杀(shā)出重围。

01

ControlNet颠覆(fù)AI绘画新玩(wán)法

AIGC向可控靠近

以(yǐ)AI绘画为(wèi)代表的AIGC上一次(cì)爆火的时候，还是(shì)2022年8月，在(zài)美国科罗拉(lā)多(duō)州(zhōu)举办的新兴数字艺术家竞赛中，一(yī)幅名为《太空(kōng)歌(gē)剧(jù)院》的作(zuò)品获奖。

随后各大(dà)厂商(shāng)的AI绘画软件被(bèi)广大(dà)网友熟知并体(tǐ)验，Stable Diffusion便是(shì)其(qí)中代表(biǎo)。

用户们可以在应用中输入一组关键(jiàn)词(cí)或者一张照片，就能获(huò)得一幅AI创作的(de)画作。

作画的关键就(jiù)是(shì)所输入的(de)文本。同一组(zǔ)关(guān)键词(cí)也可(kě)以创作(zuò)出很多张风格不一样的画(huà)作，这让创作(zuò)的过程(chéng)就像开盲(máng)盒(hé)。

很多用户(hù)很(hěn)喜(xǐ)欢这种(zhǒng)不确定(dìng)的(de)惊喜，他们(men)会将生成的美图当(dāng)做(zuò)头像。而另一(yī)部分喜欢(huān)翻看AI绘画的“翻(fān)车”作(zuò)品。在社(shè)交媒体(tǐ)上，许多用(yòng)户分享AI“翻车现场(chǎng)”，例如，一位网友的小狗(gǒu)照(zhào)片被AI画成了“肌肉男”，还有网友的个人照片(piàn)被AI识别成了建筑。

而(ér)如今随着(zhe)ControlNet的出现(xiàn)与加持，以(yǐ)往AI绘画的填写关键词游戏可能要被颠覆了。

ControlNet是一位正(zhèng)在斯坦福读博的中国(guó)人张吕敏创(chuàng)作的一种基于(yú)控制点的图像(xiàng)变形(xíng)算(suàn)法，主(zhǔ)要(yào)用于数(shù)字图像(xiàng)处(chù)理、计算机(jī)视觉和计算机图形学(xué)等领(lǐng)域。

其SD插件一经发布，在短短的两(liǎng)天内便(biàn)成(chéng)为了(le)AI绘画(huà)领域最新(xīn)的热点。

在此(cǐ)之前，大家用了很多方法想让AI生成的结果尽可(kě)能的(de)符合要(yào)求(qiú)，但是(shì)都不(bù)尽如人意，它的(de)出现代表着AI生(shēng)成开始进入真正的可(kě)控(kòng)时期。

因(yīn)为ControlNet可以直接(jiē)提取(qǔ)画面的构图，人(rén)物的姿势和(hé)画(huà)面的深度信息等。有了它(tā)的帮(bāng)助，就不用(yòng)频(pín)繁的用提示词来碰运气(qì)，抽(chōu)盲(máng)盒(hé)式的(de)创作了。

通俗的说ControlNet相当于给AI绘画加了“魔法”，不(bù)少博(bó)主(zhǔ)的作品(pǐn)已经获得(dé)了大量(liàng)的浏(liú)览量，“viggo”就是其中之(zhī)一，他用朋友的照片直接带(dài)她们走进动漫世界。

viggo先用StableDiffusion图片转(zhuǎn)文字。

再用Text2Prompt插件拓展(zhǎn)找到(dào)对应的关键词；最后用ControlNet插件绑定骨骼开始换(huàn)关键词试(shì)效果。

通过图(tú)片就(jiù)可以看出来，效(xiào)果十分惊艳。

更(gèng)厉害的是，除了(le)真实(shí)的照(zhào)片，草图也可以加上“魔法”，知乎大牛(niú)“DevPoint”和(hé)“逗砂”介绍到ControlNet还(hái)能实(shí)现线稿(gǎo)转全彩图。大神(shén)张(zhāng)吕敏(mǐn)其本尊也亲(qīn)自(zì)回应。

不得不说当(dāng)下(xià)AIGC已经变得越来越强大，甚至输(shū)出的作品都已(yǐ)经能以假乱真(zhēn)了。

02

难辨虚(xū)实，AIGC技术力爆发

警(jǐng)惕安全问题

近日(rì)，“苏州(zhōu)金鸡湖有(yǒu)游艇(tǐng)party”的(de)消息火(huǒ)遍(biàn)网络，而经(jīng)过警方辟谣这所谓的“party”可(kě)能是全(quán)国第一起AI绘图诈(zhà)骗。

由(yóu)于这(zhè)个(gè)活动里面给(gěi)出的美(měi)女照片(piàn)都是AI制作的真(zhēn)人照(zhào)片绘图，因为太逼真，被大家(jiā)当成真事传播了(le)。

不(bù)过仔细观察可以发现，活动(dòng)发起者提供的照片中(zhōng)有个很大的漏洞可以发(fā)现并非真人，而是AI绘图，那(nà)便是图片中女性的(de)手指(zhǐ)部分(fēn)有的(de)存在异常。

有行(xíng)业人事表示(shì)：“现在因(yīn)为手(shǒu)指(zhǐ)部分的绘画算法比较复(f大疆无人机的电机是哪个国家的品牌 大疆是国企还是私企ù)杂，AI还不太会画(huà)人(rén)的手，但最(zuì)新看到的图片已(yǐ)经有越来越(yuè)完美的AI模型(xíng)出现，以后(hòu)可能就(jiù)完全没有(yǒu)漏洞(dòng)了。”

类似的AI作图诈(zhà)骗在国(guó)外也已有发生。据英国(guó)广(guǎng)播公(gōng)司报道，土(tǔ)耳其地震(zhèn)期间，有(yǒu)Tiktok用户使用AI合成了儿(ér)童(tóng)受(shòu)灾的假照(zhào)片发布(bù)到(dào)网络，以此诱骗善良的人打赏“捐(juān)助(zhù)”从而实施诈骗。

目前随着(zhe)技术发(fā)展，AIGC已经(jīng)能做出真人照片般(bān)的绘图效果，如(rú)果这样的(de)图(tú)片被用来诈(zhà)骗，将非常(cháng)可怕。

此外(wài)AIGC还引发了很多担(dān)忧，一方面，批判者认为(wèi)AI在“学(xué)习”了大量前人的(de)作品之后(hòu)，其创作没(méi)有任何(hé)情绪和(hé)灵魂，难以和(hé)人类的艺术创作相提(tí)并(bìng)论。

另一方面，AIGC背(bèi)后的版权(quán)、目(mù)前都(dōu)并(bìng)没(méi)有得(dé)到有效(xiào)的解决(jué)，还有AIGC会不会代(dài)替人类“至(zhì)高无上(shàng)”的创(chuàng)意。

马斯克(kè)也强调，人工智能的安全问题(tí)需要(yào)得到(dào)重视，太晚就(jiù)来不及了(le)。

03

AIGC下一站除了视频，还有远(yuǎn)方

技术都是(shì)有两面(miàn)性的，潜(qián)在的(de)危(wēi)害并不能掩盖其光辉的(de)贡献。现(xiàn)在(zài)看(kàn)来，人(rén)工智能技术将是第四次(cì)工业(yè)革命(mìng)的核心驱(qū)动力(lì)量，将创造(zào)新的(de)增长奇迹(jì)。

过去(qù)一(yī)年，人(rén)工(gōng)智能在技术和商业层面都有了巨大进展，AI绘(huì)画(huà)就是人工智能技术发生(shēng)方向性改变的一个代表(biǎo)。其下一站或许就(jiù)是(shì)视频。

此(cǐ)前，Meta和谷歌先后发布了几条(tiáo)引爆科技圈的短视频(pín)。这些视(shì)频引发关注并非内容做得(dé)多优秀，反而(ér)都非常简单，比(bǐ)如(rú)一匹正在喝(hē)水(shuǐ)的马，一(yī)只画画(huà)的玩具熊，或者一段骑摩托车的第一视角(jiǎo)录(lù)像(xiàng)，随(suí)便一个有(yǒu)手(shǒu)机(jī)的人(rén)都可以随手录下一(yī)段。

但这些短视频的(de)创作方式(shì)非(fēi)常(cháng)简单，创作者仅仅需(xū)要向AI输入(rù)一段话，甚至只是说一下要求，AI就(jiù)可以(yǐ)根据需要生(shēng)成一段视(shì)频。

谷(gǔ)歌发布的两(liǎng)个AI生成视(shì)频(pín)分别来自于Imagen Video和(hé)Phenaki，前者(zhě)主要突(tū)出(chū)的是高清，与Meta的(de)Make-A-Video没有太多的差别。

在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(gè)能够做出更高(gāo)清视(shì)频的AI还不(bù)足以在短时间内戳中兴(xīng)奋(fèn)点(diǎn)。

Phenaki更加令人震(zhèn)惊的地方(fāng)在(zài)于(yú)，它(tā)可以制(zhì)作出超过2分钟的连贯(guàn)的(de)也有确切内容的视频(pín)，这(zhè)才是真正让人们感(gǎn)到惊喜的地方。因(yīn)为(wèi)无(wú)论AI生成(chéng)的视频多么高清，也只能是为内容生产(chǎn)者提(tí)供一个灵感，一个素材，一(yī)个(gè)过场动画。

不过能够制(zhì)作出有具体剧情内容的(de)视(shì)频(pín)就意味着，一些视频创(chuàng)作(zuò)由AI代替人工完(wán)成(chéng)已经初步有了可能。

当下AI的发展速(sù)度已经超过(guò)大部(bù)分人的想(xiǎng)象(xiàng)。内容(róng)产业的本质是(shì)供给创造需求(qiú)，AIGC作为全新的(de)内容生产(chǎn)方式(shì)，可以为内容产(chǎn)业带(dài)来更新的内(nèi)容风格(gé)、更快的生产速度，更(gèng)低(dī)的生产(chǎn)成本，这(zhè)无疑(yí)会驱动内容产业的大爆发。

除(chú)了(le)AI绘图、视(shì)频(pín)，AIGC技术(shù)还能应用(yòng)于音(yīn)乐、代码、机(jī)器人动作(zuò)等多种(zhǒng)内容(róng)形(xíng)式的生成。不难发现该项技术不(bù)仅(jǐn)在(zài)游戏(xì)等(děng)行业能(néng)得到有(yǒu)效应用，对于下一代互联网各种元(yuán)素(sù)的构建亦(yì)有关键意义。

从商(shāng)业(yè)化的角度(dù)来看，文化娱乐、教(jiào)育、传(chuán)媒等诸多领域(yù)，本身就对基于AI的(de)可视化(huà)内容有(yǒu)强烈需求。

因此，AI绘(huì)画及视频或不是结果，而只是AI进程(chéng)中的一块重要拼图，有望在技(jì)术更新的加(jiā)持下实现(xiàn)更大的应(yīng)用价值。

AI从理(lǐ)解内容，走向了(le)可以生成内(nèi)容，甚至(zhì)能够创造出独立价值和独立视角的(de)内容。AIGC的(de)再次(cì)出圈，更代表着未来的先进生(shēng)产力即将到(dào)来。

04

紧抓大模型与(yǔ)算力(lì)，牢固(gù)AIGC底(dǐ)座

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

大模型(xíng)被誉(yù)为当(dāng)前人(rén)工(gōng)智能(néng)发(fā)展的智能底座，是(shì)全(quán)球竞争(zhēng)最激(jī)烈的研究方向(xiàng)之(zhī)一，包(bāo)括谷歌、亚马(mǎ)逊、百度、阿里、腾讯等众多(duō)头部企业都(dōu)在(zài)竞相发力。

不(bù)过训(xùn)练大模型的确价格不(bù)菲(fēi)，以国(guó)盛(shèng)证券(quàn)发布的(de)《ChatGPT需要多少算(suàn)力》报告(gào)估算，GPT-3训练(liàn)一(yī)次(cì)的(de)成本约为140万美元。而对于一些(xiē)更大(dà)的LLM(大型语(yǔ)言模型)，训(xùn)练成本则大疆无人机的电机是哪个国家的品牌 大疆是国企还是私企介于(yú)200万美元至(zhì)1200万美元高价之间。

以ChatGPT在2023年1月(yuè)的(de)独立访客平均数(shù)1300万计算，其对应芯片需求为3万多片英伟(wěi)达A100 GPU，初始(shǐ)投入(rù)成本约为8亿(yì)美元，每日仅电费就在5万(wàn)美元左右。

此外不论是ChatGPT还是(shì)AIGC，都离(lí)不开庞大算(suàn)力(lì)支(zhī)持。在(zài)关注各类大模(mó)型的发展(zhǎn)同时，更应该关(guān)注算力(lì)网(wǎng)络(luò)的建设(shè)。

算力(lì)网(wǎng)络正驱动AI产业发展进入史诗级加速进(jìn)程，让AIGC及通(tōng)用AI这一人工智(zhì)能(néng)发展的终极目标离得更近。

因为算力可以对(duì)突破(pò)性技(jì)术创新提供大(dà)力的支(zhī)持。这方面，多模态大模型是典型。作为面向未来强(qiáng)人工智能、通用(yòng)人工智能的重要技术创(chuàng)新，多模态大模(mó)型已经在(zài)人工智能领域提(tí)出了很(hěn)多年，业界也有(yǒu)不少(shǎo)技术突破(pò)，但是，多(duō)模(mó)态大模型进一步往下走(zǒu)，算力需求呈几何(hé)式上升，一(yī)般的算力基础设施很快将难(nán)以(yǐ)胜任。

从图像、文(wén)字、语音单独一项的训练(liàn)，到(dào)双模(mó)态(tài)、三(sān)模态的跃(yuè)迁，让人工智能可(kě)以灵活(huó)应对不同模态的转化、像人与世界交互一样(yàng)自(zì)然，这方(fāng)面，由算力网(wǎng)络来驱(qū)动将有明显优(yōu)势。

此外，还有很(hěn)多需要爆(bào)发式(shì)增长的算(suàn)力来支(zhī)撑的技(jì)术创新，将在(zài)人(rén)工智(zhì)能算力网络支撑下快速推进。

AIGC已经露(lù)出曙光，期(qī)待在大模型和大算(suàn)力的支(zhī)持下AIGC能持续颠覆内容生产的方(fāng)式，将(jiāng)创造(zào)的边际成本降(jiàng)低，让万众受益。

未经允许不得转载：橘子百科-橘子都知道 大疆无人机的电机是哪个国家的品牌 大疆是国企还是私企