自聊天机器人ChatGPT火(huǒ)爆以来，微软公司创(chuàng)始人比尔·盖(gài)茨已多次(cì)公(gōng)开谈论人(rén)工智能话题(tí)。在最近(jìn)的一次采访(fǎng)中(zhōng)，他再(zài)次(cì)表示：“AI可能会让科(kē)技行(xíng)业迎(yíng)来一(yī)次剧烈的(de)洗牌”。

这个结论是他在当地时间2月20日接受(shòu)《In Good Company》节目专访时提出的。

他预(yù)期(qī)，AI的发展可(kě)能会威(wēi)胁(xié)到谷歌的(de)市占率，因为微软在AI方面的行动相当迅速。而最终(zhōng)科技巨头将把(bǎ)AI整合(hé)成用(yòng)户的“全能助(zhù)手”，包(bāo)揽一切应用，与(yǔ)人们进(jìn)行沟通并提供建议，可以取代亚马逊、Siri或Outlook等应用。

大佬口中全(quán)能助手的到来可能尚需(xū)时日，但(dàn)由ControlNet引(yǐn)发的又一次AI绘画浪潮(cháo)，让AIGC在ChatGPT的话题热点(diǎn)包围(wéi)中杀(shā)出重围。

01

ControlNet颠覆AI绘画新(xīn)玩法

AIGC向可(kě)控靠近

以AI绘(huì)画为代表的AIGC上一次爆(bào)火的时候，还是2022年8月，在美国科(kē)罗拉多州(zhōu)举办的新兴数字艺术家竞赛中，一幅名(míng)为(wèi)《太空歌(gē)剧院》的作(zuò)品获奖。

随(suí)后各大厂(chǎng)商的AI绘画软件被广(guǎng)大网友熟(shú)知并体验，Stable Diffusion便是(shì)其中(zhōng)代表。

用(yòng)户们可以在应(yīng)用中输入一组(zǔ)关键词或者一(yī)张照片，就能(néng)获得一幅AI创(chuàng)作的画(huà)作(zuò)。

作画的(de)关键(jiàn)就是(shì)所输入的文本(běn)。同(tóng)一组(zǔ)关(guān)键词(cí)也可以创作出很多张(zhāng)风(fēng)格不一样的画作，这(zhè)让创作的过程就像开(kāi)盲盒(hé)。

很多(duō)用户很喜欢这种不确定(dìng)的(de)惊喜，他们会将生成的美图(tú)当(dāng)做头像。而另一(yī)部分喜(xǐ)欢(huān)翻看AI绘画的“翻车”作品。在社(shè)交媒体(tǐ)上，许多用户分享AI“翻(fān)车现场”，例如，一位(wèi)网友的小狗照(zhào)片被AI画成了“肌(jī)肉男”，还有网友的个人照(zhào)片被AI识(shí)别(bié)成了建筑。

而如(rú)今随着(zhe)ControlNet的出现(xiàn)与加持，以往AI绘画的填写关键词游戏可能要被颠(diān)覆了(le)。

ControlNet是一位正在(zài)斯坦(tǎn)福读博的中国人张吕敏创(chuàng)作的一种基(jī)于控制点的图像(xiàng)变形算法，主要用于(yú)数(shù)字(zì)图(tú)像(xiàng)处理(lǐ)、计算(suàn)机视觉(jué)和(hé)计(jì)算(suàn)机图形学(xué)等领域。

其SD插件一(yī)经发布，在(zài)短短的两天(tiān)内便(biàn)成为(wèi)了AI绘画(huà)领域最(zuì)新的(de)热(rè)点。

在此之前，大家用了很多方法想让AI生成的结果尽可能的符(fú)合要求，但是都不尽(jǐn)如人意，它的出现代(dài)表着AI生(shēng)成开始进入真正(zhèng)的可(kě)控(kòng)时期。

因为(wèi)ControlNet可以直(zhí)接(jiē)提取画面(miàn)的构图，人物的姿势和画面的深度信息等。有了(le)它(tā)的帮助，就不用频繁的用提示词来碰运气，抽盲盒(hé)式的创作了。

通俗的说ControlNet相当(dāng)于(yú)给(gěi)AI绘画加(jiā)了“魔法(fǎ)”，不少博主(zhǔ)的(de)作品已经获(huò)得了大(dà)量(liàng)的浏览量(liàng)，“viggo”就是其中之一，他用朋(péng)友(yǒu)的照片直接(jiē)带她们(men)走进动漫世界(jiè)。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插(chā)件拓展找到对应的关键词；最后(hòu)用ControlNet插件(jiàn)绑(bǎng)定骨(gǔ)骼(gé)开始换关键词试效果。

通过(guò)图(tú)片就可(kě)以看(kàn)出来，效果十分惊(jīng)艳。

更厉害的是，除了真(zhēn)实的(de)照片，草图(tú)也可(kě)以加(jiā)上(shàng)“魔(mó)法”，知乎大牛“DevPoint”和“逗砂”介绍到ControlNet还(hái)能实现线稿(gǎo)转全彩(cǎi)图。大(dà)神(shén)张(zhāng)吕敏其(qí)本尊也亲自回(huí)应。

不得不说当(dāng)下(xià)AIGC已经变(biàn)得越来越强大，甚至(zhì)输出的作品(pǐn)都已经能(néng)以假乱(luàn)真(zhēn)了。

02

难辨虚实(shí)，AIGC技(jì)术力(lì)爆发

警惕安全问题

近日(rì)，“苏州金鸡湖有游艇(tǐng)party”的消息火遍网络，而经过警(jǐng)方辟谣这所谓的(de)“party”可能是(shì)全国第一(yī)起AI绘(huì)图诈骗。

由(yóu)于这个活动里面给(gěi)出的美女照(zhào)片都是(shì)AI制作的真人照片绘(huì)图(tú)，因为太逼真，被(bèi)大家当成真事传播了。

不过(guò)仔细观察可以(yǐ)发现，活动发(fā)起者提(tí)供的(de)照片中有个很(hěn)大(dà)的漏洞可以(yǐ)发(fā)现并(bìng)非真人，而是AI绘(huì)图(tú)，那便是图(tú)片中(zhōng)女性的手指部分有(yǒu)的存在异常。

有行(xíng)业(yè)人事表示(shì)：“现在因为手(shǒu)指部分的绘画算法比较复杂，AI还不太会画人的手(shǒu)，但最(zuì)新看到的图片已(yǐ)经有越来越完美的AI模型出现，以后可(kě)能就完(wán)全没有漏洞了(le)。”

类(lèi)似的AI作图(tú)诈骗在(zài)国外(wài)也已(yǐ)有发生(shēng)。据英国广播公司报道，土耳(ěr)其地震期间，有(yǒu)Tiktok用户使(shǐ)用(yòng)AI合成了儿(ér)童(tóng)受灾的假照片发布到网络，以(yǐ)此诱骗善良的人打(dǎ)赏“捐助(zhù)”从而实施(shī)诈骗。

目(mù)前随着(zhe)技术发展，AIGC已经能(néng)做出真人照片般的绘图效果，如(rú)果这样(yàng)的图片被用来诈骗，将(jiāng)非常可(kě)怕。

此外AIGC还引发(fā)了很多担忧，一(yī)方面，批(pī)判者认为(wèi)AI在“学习”了大量前人的作(zuò)品之(zhī)后，其创作没有(yǒu)任何情(qíng)绪(xù)和灵(líng)魂，难以(yǐ)和人类的艺术创作相(xiāng)提并(bìng)论。

另(lìng)一方面，AIGC背(bèi)后的版权、目前(qián)都并没有得(dé)到有效的解(jiě)决，还(hái)有AIGC会(huì)不会代替(tì)人(rén)类“至高无上(shàng)”的创意。

马斯克也强调(diào)，人工智能(néng)的安全问题需要得到重视，太晚就来(lái)不及了。

03

AIGC下一(yī)站除(chú)了视频，还有远(yuǎn)方

技术都是有(yǒu)两面性的(de)，潜在的危害并不能掩盖其光辉的贡献。现在看来，人工智(zhì)能技术将是第四次工业革命的核心驱动力量(liàng)，将创(chuàng)造新的增(zēng)长奇迹。

过去一年，人(rén)工智能(néng)在技术和商业层面都有了巨大进展(zhǎn)，AI绘画就(jiù)是人工智能(néng)技术发生方向性改变的一个代(dài)表(biǎo)。其(qí)下一(yī)站或许就是视频。

此前(qián)，Meta和谷歌(gē)先后发布了(le)几条引爆科技圈(quān)的短(duǎn)视频。这些(xiē)视频引(yǐn)发关注并非内容做(zuò)得(dé)多优秀，反而都(dōu)非(fēi)常简单，比(bǐ)如(rú)一匹正在喝水的马，一只画画的(de)玩具熊(xióng)，或者一段骑(qí)摩托车的第一视角录(lù)像，随便一个(gè)有手机的(de)人都可以随(suí)手录下一段。

但这些短视频的创作方式非常简单(dān)，创作者仅(jǐn)仅需要向AI输入一(yī)段话，甚至只是说一下要求，AI就可(kě)以根据(jù)需(xū)要生(shēng)成(chéng)一段视频(pín)。

谷(gǔ)歌发布的两个AI生成视(shì)频分(fēn)别来自于(yú)Imagen Video和Phenaki，前者主要突出的是高清，与Meta的Make-A-Video没有(yǒu)太多的(de)差别(bié)。

在(zài)Make-A-Video公布了AI生成(chéng)的视频后，AI圈就已经(jīng)玩(wán)了(le)一波梗，一个(gè)能够做出更高清视频(pín)的(de)AI还(hái)不(bù)足(zú)以在短时间(jiān)内(nèi)戳中兴奋点。

Phenaki更加令(lìng)人震惊的地方在(zài)于，它可以(yǐ)制作出超过2分钟的(de)连(lián)贯的(de)也有(yǒu)确切(qiè)内(nèi)容的视频，这才(cái)是真正让人(rén)们(men)感到惊喜的(de)地方。因为(wèi)无论AI生成(chéng)的视频多(duō)么高(gāo)清，也只能(néng)是(shì)为内容(róng)生产者提供一(yī)个灵感(gǎn)，一(yī)个(gè)素(sù)材，一个过场动(dòng)画。

不过能够制(zhì)作出有具体剧情内容的视频(pín)就意味着，一(yī)些视频创作由(yóu)AI代替人工完成已经初步(bù)有了(le)可能(néng)。

当下(xià)AI的发展速度(dù)已经超过大部分人的想(xiǎng)象(xiàng)。内容(róng)产(chǎn)业(yè)的(de)本质是供(gōng)给创造需求，AIGC作为全新的(de)内容生产方式，可以为内容产业(yè)带来更新(xīn)的内容(róng)风(fēng)格、更快(kuài)的生产(chǎn)速度，更低的(de)生产成本(běn)，这(zhè)无(wú)疑会驱动(dòng)内容(róng)产(chǎn)业(yè)的(de)大爆发。

除了AI绘图(tú)、视频，AIGC技术还能应(yīng)用于音乐、代码(mǎ)、机器人动作等多种(zhǒng)内容形式的生成。不难发现该项(xiàng)技术(shù)不仅在游戏等行业能得到有效应(yīng)用(yòng)，对(duì)于下一代互联网各(gè)种(zhǒng)元素的构(gòu)建亦有(yǒu)关键(jiàn)意义。

从商业化的角度来(lái)看，文(wén)化(huà)娱乐、教育、传(chuán)媒等(děng)诸多领域，本身就对基于(yú)AI的(de)可视(shì)化内容(róng)有强烈需求(qiú)。

因此，AI绘画(huà)及视(shì)频或不(bù)是结果，而只是AI进程中(zhōng)的(de)一(yī)块重要拼图，有望在技术(shù)更(gèng)新(xīn)的(de)加持下(xià)实现(xiàn)更大的应用(yòng)价值。

AI从理解内容，走向了可以生成内容，甚至能(néng)够创造出独立价值(zhí)和独立视角(jiǎo)的内容(róng)。AIGC的再次出(chū)圈，更(gèng)代表(biǎo)着未(wèi)来(lái)的先进生(shēng)产(chǎn)力即将到来。

04

紧抓大模型(xíng)与算力，牢固(gù)AIGC底座

从技(jì)术的发(fā)展也可以看(kàn)出，在语言大(dà)模型、图(tú)像大模型之后，多模态大模型已经成为了新的趋势。

大(dà)模(mó)型(xíng)被誉为当前人工智能(néng)发展的智能底座，是全球竞争最激烈的研究(jiū)方向(xiàng)之一，包括(kuò)谷歌、亚(yà)马逊、百度、阿里、腾讯(xùn)等众多头部企业都(dōu)在竞相发力。

不过训练大模(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》报告估算(suàn)，GPT-3训练一次的成本约(yuē)为(wèi)140万美(měi)元。而对(duì)于一些更大的LLM(大型语言模型(xíng))，训练成本(běn)则介于200万美元至(zhì)1200万美元高价(jià)之间。

以ChatGPT在2023年1月的独立(lì)访(fǎng)客平均(jūn)数1300万计算，其对应芯片需求为3万(wàn)多片英伟达A100 GPU，初始(shǐ)投入成本约为8亿美(měi)元，每日仅电费(fèi)就(jiù)在5万美元左右。

此外(wài)不(bù)论是ChatGPT还是AIGC，都离不开(kāi俄罗斯语乌拉是什么意思 中国人可以说乌拉吗)庞大(dà)算力支持。在关注各类(lèi)大模型的(de)发展同时，更应该关注算力网络(luò)的建(jiàn)设(shè)。

算力网络正驱动(dòng)AI产(chǎn)业发展进(jìn)入史(shǐ)诗(shī)级加速进程(chéng)，让AIGC及通用AI这一人工智能发展的(de)终(zhōng)极目(mù)标离得(dé)更近。

因为算力(lì)可以对突(tū)破性(xìng)技术创新(xīn)提供(gōng)大力的(de)支(zhī)持。这方面(miàn)，多模(mó)态大模型(xíng)是典型。作为面向未来强人(rén)工智能、通用(yòng)人工(gōng)智能的重要(yào)技术创新，多模态大模型已经在(zài)人工智(zhì)能(néng)领域提出了很多年(nián)，业界(jiè)也有不少技术突破(pò)，但是，多(duō)模态大模型进一步(bù)往下走，算力需求呈(chéng)几(jǐ)何(hé)式(shì)上升，一般(bān)的(de)算力基础设(shè)施很快(kuài)将难以胜任。

从图像(xiàng)、文(wén)字(zì)、语音(yīn)单独一(yī)项的训练，到双模态、三(sān)模态的跃迁(qiān)，让(ràng)人工智能可(kě)以灵活应对不同(tóng)模态(tài)的转化、像(xiàng)人(rén)与(yǔ)世(shì)界交互一样自(zì)然，这(zhè)方面(miàn)，由算力网络(luò)来(lái)驱动将(jiāng)有明显(xiǎn)优势。