广西大学唐纪良主任科员，广西大学唐记良-腾众软件科技有限公司

广西大学唐纪良主任科员，广西大学唐记良 ChatGPT之后又一应用杀疯了，AIGC或进入可控期，将洗牌科技行业？

自聊天(tiān)机器(qì)人ChatGPT火爆(bào)以来(lái)，微软公(gōng)司创始(shǐ)人(rén)比尔·盖茨已多次公开谈论(lùn)人工智能话题。在最近的一(yī)次采访中，他再(zài)次表示：“AI可(kě)能会让科技行业迎来一(yī)次剧烈的洗牌(pái)”。

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

他(tā)预期，AI的发展可能会威胁到谷歌的(de)市占率，因为微软在AI方面的行(xíng)动(dòng)相当迅速。而(ér)最终科技巨头(tóu)将把AI整(zhěng)合成(chéng)用户(hù)的“全能(néng)助(zhù)手”，包揽(lǎn)一(yī)切(qiè)应(yīng)用，与(yǔ)人们进行沟通并提供建议，可以取代亚马(mǎ)逊、Siri或Outlook等(děng)应(yīng)用。

大佬口中全能助(zhù)手的到来可能尚需时日，但由ControlNet引发的又一次AI绘画浪潮，让AIGC在ChatGPT的话题热点包围中(zhōng)杀(shā)出(chū)重(zhòng)围。

ChatGPT之后又一应(yīng)用杀疯了(le)，AIGC或进入可(kě)控(kòng)期，将洗牌科(kē)技行业？_黑料(liào)正能量

ControlNet颠覆AI绘画新玩(wán)法

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，在美国科罗拉多州举办的新兴数字艺术家竞赛中，一幅(fú)名为《太空歌(gē)剧院》的作品获奖。

随(suí)后(hòu)各大厂商的AI绘画软件被广大(dà)网友熟(shú)知并体验(yàn)，Stable Diffusion便是(shì)其中代表。

用户们可以在应用中输入一(yī)组关键词或者一张照(zhào)片，就(jiù)能(néng)获得一幅AI创(chuàng)作(zuò)的画作。

作画的关键就(jiù)是(shì)所输入的文本。同(tóng)一(yī)组关(guān)键(jiàn)词也(yě)可以创作(zuò)出很(hěn)多(duō)张风(fēng)格不一样(yàng)的画作，这(zhè)让创作(zuò)的过程就像开盲(máng)盒。

很多用(yòng)户(hù)很喜欢(huān)这种不(广西大学唐纪良主任科员，广西大学唐记良bù)确定的惊喜(xǐ)，他们会将生成的美图(tú)当做头像。而(ér)另一部(bù)分喜(xǐ)欢翻(fān)看AI绘画的“翻车”作品。在社(shè)交(jiāo)媒体上，许多(duō)用户(hù)分享AI“翻车现(xiàn)场”，例(lì)如(rú)，一位网(wǎng)友的小狗(gǒu)照片被AI画成了“肌肉男”，还有网友的个(gè)人照片被AI识别成了建筑。

而(ér)如今随着(zhe)ControlNet的(de)出现与加(jiā)持，以(yǐ)往AI绘画的(de)填(tián)写(xiě)关键词游(yóu)戏可(kě)能要(yào)被颠覆了。

ControlNet是(shì)一位(wèi)正在(zài)斯(sī)坦(tǎn)福读(dú)博的(de)中(zhōng)国(guó)人张吕(lǚ)敏创(chuàng)作的一种基于控(kòng)制点的图(tú)像变形算法(fǎ)，主要用(yòng)于数字图(tú)像处理、计算机(jī)视觉和计算机图形(xíng)学等领域。

其(qí)SD插件一经发布，在短(duǎn)短的(de)两天(tiān)内便成为了AI绘画领域(yù)最新的热点(diǎn)。

在此之前，大家用了很多方法(fǎ)想让(ràng)AI生成的结果(guǒ)尽可能的符合要求，但是都不尽广西大学唐纪良主任科员，广西大学唐记良如人意，它的出现代(dài)表着AI生(shēng)成开始进入真正的可(kě)控时期。

因(yīn)为ControlNet可以直接(jiē)提取画面(miàn)的构图，人物的姿(zī)势和(hé)画面的(de)深度信息等。有(yǒu)了(le)它的帮助，就不用(yòng)频繁的用提示(shì)词来碰运气，抽盲盒式的创作了。

通(tōng)俗(sú)的说ControlNet相当于(yú)给AI绘(huì)画加了“魔法”，不少博主的作(zuò)品已经获得(dé)了大量的浏览量，“viggo”就是(shì)其中之一，他(tā)用朋(péng)友的照片直接带她们走进动漫世界。

viggo先(xiān)用StableDiffusion图片转文字。

再(zài)用Text2Prompt插件拓展(zhǎn)找(zhǎo)到(dào)对应的关(guān)键词；最后用ControlNet插件绑定骨骼开(kāi)始换(huàn)关键词(cí)试效果。

通过图片就可以看出来，效果十分惊艳。

更厉害的(de)是，除(chú)了真实的照片(piàn)，草图也可以加上“魔(mó)法(fǎ)”，知(zhī)乎大牛“DevPoint”和“逗砂”介绍到ControlNet还能实现线(xiàn)稿(gǎo)转全彩图。大神(shén)张吕(lǚ)敏其本尊(zūn)也亲自回应。

不得不说当下AIGC已(yǐ)经(jīng)变得越来越强大，甚至输出的作品(pǐn)都已经(jīng)能以假乱真了。

难辨虚(xū)实，AIGC技术力爆发(fā)

警惕安全(quán)问题

近日，“苏(sū)州金鸡(jī)湖有游艇(tǐng)party”的消(xiāo)息火(huǒ)遍网络，而经过警(jǐng)方(fāng)辟(pì)谣这所谓的“party”可能(néng)是全国第(dì)一起(qǐ)AI绘图诈骗。

由于这个活动里面(miàn)给出的美女照(zhào)片都是AI制(zhì)作的真人照(zhào)片绘图，因为(wèi)太逼(bī)真，被(bèi)大家当成真事(shì)传播了。

不过仔细观察可以发现，活动发起者提供(gōng)的照(zhào)片中(zhōng)有个很大的漏洞可以(yǐ)发现并非真人，而是AI绘图，那便是图片中女性(xìng)的(de)手指部分有的存(cún)在异(yì)常。

ChatGPT之后(hòu)又(yòu)一应用(yòng)杀疯了(le)，AIGC或进入可控期，将洗牌(pái)科技行业？_黑(hēi)料正能(néng)量

有(yǒu)行业人事表示：“现在因为(wèi)手指部分的(de)绘画(huà)算法比较(jiào)复杂，AI还不太会画人的手(shǒu)，但(dàn)最(zuì)新(xīn)看(kàn)到的图片(piàn)已经(jīng)有(yǒu)越来越完(wán)美的AI模型出(chū)现，以后(hòu)可能(néng)就完(wán)全没有(yǒu)漏(lòu)洞了。”

类似的(de)AI作图诈骗在国外也已(yǐ)有发生。据英国广播公司(sī)报道(dào)，土耳其(qí)地(dì)震(zhèn)期间，有Tiktok用(yòng)户使用AI合成了儿童受(shòu)灾的(de)假照片发布到网络(luò)，以此诱骗(piàn)善良的人打赏“捐助”从而实施诈骗。

目前随(suí)着技术发(fā)展(zhǎn)，AIGC已经能做出真人照片(piàn)般的绘图效果，如果这样的图片被用来(lái)诈骗，将非常可怕。

此外AIGC还(hái)引发了很多担忧，一方面(miàn)，批判者认为AI在“学(xué)习”了(le)大量前人的作品之后，其创作没(méi)有任何情绪和灵(líng)魂，难以和(hé)人类的(de)艺(yì)术(shù)创作(zuò)相提(tí)并(bìng)论。

另一方面，AIGC背后的版(bǎn)权、目前都并没有得到有效的解决，还有(yǒu)AIGC会不会代(dài)替(tì)人(rén)类“至高无上”的(de)创意(yì)。

马(mǎ)斯克(kè)也强调(diào)，人工智能(néng)的(de)安全(quán)问题(tí)需要得到(dào)重视，太晚就来不及了。

AIGC下(xià)一站除了视(shì)频，还有远方

技术都(dōu)是有两面性的(de)，潜在的危害并(bìng)不能掩盖(gài)其光辉的贡献。现在看来，人工(gōng)智能技(jì)术将是第(dì)四次工业(yè)革命的(de)核(hé)心驱动力量，将(jiāng)创造新的增长奇迹。

过(guò)去一年，人工智能在(zài)技术(shù)和商(shāng)业层面都有了巨大进展，AI绘画就是(shì)人工智能技术发(fā)生(shēng)方向性改变的一(yī)个代表。其下一站或许(xǔ)就是视频。

此前，Meta和谷(gǔ)歌先后发布了几条引爆科技圈的短视频(pín)。这些(xiē)视频引(yǐn)发关注并非内容(róng)做(zuò)得多优秀，反而都非常(cháng)简单，比如一匹正(zhèng)在喝水的马，一只画画(huà)的玩具熊，或者一段骑摩托车的(de)第(dì)一视(shì)角录(lù)像，随便一个有手机的人都可(kě)以随手(shǒu)录下一段。

但这些(xiē)短视(shì)频的创作方式(shì)非常简单，创作(zuò)者仅(jǐn)仅需要向AI输入一段话，甚至只(zhǐ)是(shì)说一下(xià)要求，AI就可(kě)以根据需要生成(chéng)一段视频。

谷(gǔ)歌(gē)发布(bù)的两个AI生成(chéng)视频分(fēn)别来自(zì)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)太多的差别。

在Make-A-Video公布了AI生(shēng)成的(de)视(shì)频后，AI圈就(jiù)已经玩(wán)了(le)一波梗，一个能够做出更高清视频(pín)的(de)AI还不足以在短时间(jiān)内(nèi)戳中(zhōng)兴奋(fèn)点。

Phenaki更(gèng)加令人震惊的地方在于(yú)，它可以制作出超过2分(fēn)钟的连贯的也有确切内容的视频，这才是真正让(ràng)人们感到(dào)惊喜(xǐ)的地方。因为无论(lùn)AI生成的视频(pín)多(duō)么(me)高清，也(yě)只能是为内容生(shēng)产者(zhě)提供一个灵感，一个素材，一(yī)个过场动画。

不过能(néng)够制作(zuò)出有具体剧情内容的视频就意味着，一些视频创(chuàng)作(zuò)由AI代替人工完成已经初(chū)步有了可能(néng)。

当下AI的发(fā)展速(sù)度已经超过大部分人(rén)的想(xiǎng)象(xiàng)。内(nèi)容产业的本质是供给(gěi)创造需求，AIGC作为全新的(de)内容生产(chǎn)方式(shì)，可(kě)以(yǐ)为内容产业带来更新的(de)内容(róng)风格、更(gèng)快的生产速度，更低的生产(chǎn)成本，这无(wú)疑会驱动内容(róng)产业(yè)的大爆发(fā)。

除(chú)了AI绘图、视频，AIGC技术还能应用于音乐(lè)、代码、机器(qì)人动作等多种内容(róng)形(xíng)式的(de)生成。不难发(fā)现该项(xiàng)技术(shù)不仅在游戏(xì)等行业能得到有效应用，对于下(xià)一代互联网各种元素的构建亦有关键(jiàn)意(yì)义。

从(cóng)商业化(huà)的角度来看，文化娱乐、教(jiào)育、传媒等诸多领域(yù)，本身就对基于AI的可(kě)视化(huà)内(nèi)容有(yǒu)强烈需求(qiú)。

因此，AI绘画及(jí)视(shì)频或不是(shì)结果，而只(zhǐ)是AI进程(chéng)中(zhōng)的(de)一块(kuài)重要(yào)拼(pīn)图，有望在技术更新的加持(chí)下实(shí)现更大的应用价值。

AI从(cóng)理解内容，走(zǒu)向了(le)可以生成内容，甚至能够创(chuàng)造出独(dú)立价值(zhí)和独立视角的内容。AIGC的(de)再次出圈，更代表着未来的(de)先进生产力即将到来。

紧(广西大学唐纪良主任科员，广西大学唐记良jǐn)抓大模型(xíng)与算力，牢固AIGC底座

从技术(shù)的发展也可以看出，在语言大模(mó)型、图像大模型之后，多模(mó)态大模型(xíng)已经成(chéng)为(wèi)了(le)新的趋势。

大模型被誉为(wèi)当(dāng)前人工(gōng)智能(néng)发展的智能底座(zuò)，是(shì)全球竞(jìng)争最激烈(liè)的研究方向之一，包括谷歌、亚马逊、百度、阿里、腾讯(xùn)等(děng)众多头部(bù)企业都在竞相发力(lì)。

不过训练大(dà)模型的确价格不菲(fēi)，以国盛证券发布的(de)《ChatGPT需要多少算力》报(bào)告(gào)估算，GPT-3训练(liàn)一次的成(chéng)本约为(wèi)140万美元(yuán)。而(ér)对于(yú)一些更大的(de)LLM(大型语言模(mó)型)，训(xùn)练成本则介于200万美元至1200万美元高价之间(jiān)。

以ChatGPT在2023年1月的独立访客平均(jūn)数1300万(wàn)计算，其对应芯片(piàn)需求为3万多(duō)片英伟达A100 GPU，初始(shǐ)投(tóu)入成(chéng)本(běn)约为8亿美元，每日仅电(diàn)费就(jiù)在5万美元左右(yòu)。

此(cǐ)外不论是ChatGPT还(hái)是AIGC，都离不开庞大(dà)算力支持。在关注各类(lèi)大模型的发展(zhǎn)同时，更应(yīng)该关(guān)注算(suàn)力网(wǎng)络的(de)建设。

算(suàn)力网络正驱(qū)动AI产业发展进(jìn)入史诗级加(jiā)速(sù)进程，让AIGC及通用AI这一人工智能发展的终极目标离(lí)得更(gèng)近。

因为算(suàn)力可以对突破(pò)性技术创新提供大力的支(zhī)持。这方面(miàn)，多模态大模型是典型。作(zuò)为面向未来(lái)强人工智(zhì)能、通用人工智(zhì)能的重要技(jì)术创新，多(duō)模态(tài)大模型(xíng)已经在人工智能领域(yù)提出了很多年，业界也有不少技术突破，但是，多(duō)模态(tài)大(dà)模型进一步往下走(zǒu)，算(suàn)力需求(qiú)呈(chéng)几何式上(shàng)升，一般的算力基础设施很快将(jiāng)难以胜任。

从(cóng)图像、文字、语音单独一项的训练(liàn)，到(dào)双模态、三(sān)模态的跃迁，让(ràng)人工智(zhì)能可以灵活应对不同(tóng)模(mó)态的转(zhuǎn)化、像人与世界交互一样自然(rán)，这(zhè)方面(miàn)，由算力网络来驱(qū)动(dòng)将有(yǒu)明显(xiǎn)优势。