剛剛過去的2022年可謂是人工智能領域的重要一年,也算得上是AIGC的元年。

雖然AIGC的概念在很早之前就有,比如微軟的聊天機器人小冰,用于圖片創作的GAN,但是這個名字直到2022年才沖上熱搜被人們熟知,其中重要的原因是生成式模型Diffusion和chatGPT分別在圖像和自然語言生成領域的大放異彩。

那么什么是AIGC,為什么生成式的模型能具有這么大召喚和影響力,它對產業會產生哪些影響呢?

AIGC:成本更低、信息更豐富,讓AI從幕后走向臺前

AIGC是AI Generated Content的縮寫,是繼PCG(Professional GC)和UGC(User GC)后全新的內容生成方式。

在早期互聯網時代,平臺主要依靠聘請專業人員撰寫內容,來吸引用戶,這種模式就被稱之為PGC。雖然PGC模式下內容質量可以得到保證,但是產出效率較低,而且成本較高。隨著移動互聯網爆發,特別是最近幾年流媒體升溫,普通用戶作為內容生產的主體對信息發布與流通產生了極大的變革,UGC開始成為平臺內容的主要來源,但是也存在質量參差、優質內容成本高等問題。

與PGC和UGC相比,AIGC的崛起,可以說又一次具有顛覆意義的變革。它讓內容生成變得簡單且富有創意,成本更低的同時,信息更豐富。基于diffusion生成的圖像,可比肩專業的藝術家,而chatGPT對于知識的整合能力、上下文理解能力、以及跨領域的支持也讓人有一種強人工智能即將來臨的“錯覺”。

AIGC確實意味著AI從傳統的后臺業務,一下子進入到前臺中成為內容的生產者。此前,AI主要起到甄別與推薦的幕后角色,但在新技術下,AI不再簡單的是我們助手,而是可能逐漸變成我們的伙伴甚至引路人。

AIGC如何讓AI從“人工智障”走向“人工智能”?其實隱藏在AIGC強大“內容能力”背后的有三個助力:大模型,多模態以及開源。

首先是大模型。此前主流的AI技術主要采用特定場景下訓練的小模型,這種技術路線往往包含了若干base model(類似于執行具體任務的程序),在特定領域的互動中可以滿足需求。但如果想添加新功能,就必須訓練新model,這導致如果提出一些非”常規”的問題,人工智能就會變成人工智障。但以open AI為代表的新技術路線,從一開始就采用了成百上千億參數的大模型訓練,作為GPT3 的升級版本,chatGPT的參數預估超過2000億。這樣訓練的成本更高,但在理解需求時會更有可能接近人類的思維方式,因為人腦就是一個由無數神經元連接的超大規模的網絡。

(chat GPT采用的就是典型的大模型訓練方式,訓練成本極高但持續迭代后的效果更好)

第二是多模態。OpenAI推出的CLIP以及基于此技術出現的diffusion model,在生成領域開辟了一條全新、便捷的線路——多模態的融合相比此前的技術得到的內容更加自然、精準。除了技術上的創新外,CLIP超過40億的訓練數據也印證了模型效果和海量數據背后的強相關關系。

再者就是開源。開源一直是AI技術文化的一部分。開源帶來的影響力是巨大的,比如GAN及其變種在AI領域持續的活躍就是開源帶來的直接作用。開源也讓技術賦予了商業化的能力。比如 stable diffusion的開源,就讓原本門檻很高的領域能為普通人接觸,并且可以讓缺乏相關能力的中小企業能基于此進行后續的二次開發。

AIGC引領產業巨變:從文本、代碼、圖片到視頻

chatGPT對外測試所表現的驚艷效果以及商業化規劃,提供給了人們很多想象的空間。對于預訓練大模型而言,只有頭部的科技企業能提供如此眾多的數據和資源支撐,它們可以看做是AIGC的基石和平臺,基于平臺的垂類開發及業務應用所蘊含的巨大潛力會給各行各業帶來深刻的變革。

預訓練大模型可以提高模型的通用性,讓企業和用戶低門檻的使用頂尖的AI技術,隨著未來的發展,與工業技術的融合可以極大提高工業化水平形成流水線生產,最終形成“基礎層-中間層-應用層”的三級AIGC結構。這種可期的效果相當于目前成熟的“云服務-小微企業-用戶”公有云系統。

AIGC帶來最直接的沖擊是消費領域,從文本生成、圖像生成再到視頻生成、游戲生成,這些都是我們已經看到或即將看到的新業態。

AIGC文本交互的形式原生的匹配了以客服聊天、新聞撰寫等為核心的場景。在給定場景和prompt的前提下,基于大模型的垂直領域的優化可以很輕易的完成這結構化的文本生成,如金融新聞,體育簡報,在線客服問答等。交互型文本在游戲開發上,如NPC角色個性化交互、靈寵的交流互動等可能會有所突破,直接提升游戲的體驗。

當然在一些具有較長上下文聯系,情感融合以及表達藝術需求的創作型文本撰寫上,如小說、劇本等,則需要更大的定制化以及模型更高的生成能力的支持。

在圖像領域,圖像編輯已經有較多的技術支持和實踐,如濾鏡、顏色、紋理、風格、分辨率調整已經較為成熟,deepfake更是曾經名噪一時,如今以DALL.E-2,stable diffusion和Midjourney為代表的diffusion產品更讓完整的圖像生成風光無兩。

diffusion在圖像領域帶來的突破,也讓它在其他領域找到一席之地,如視頻、語音生成,3D點云填補等。其中語音合成TTS已經初見成效。未來文字配音及基于文字自動填詞、基于文字創作自動配音的實現將會更大程度的降低創作領域的門檻,實現AI也是藝術家。

但是我們也要看到生成圖像的穩定度以及質量仍然有待改善,生成的圖像雖然在抽象畫風上表現良好但對于現實的復刻,特別是多對象生成時,仍然有明顯的偽造痕跡。

除了圖像外,真正能帶來消費領域大變革的在視頻領域。視頻的表現力和視覺沖擊力會遠大于文字,尤其是短視頻領域。

利用AI技術實現圖像修復技術、主體識別技術、視頻跟蹤、美顏技術完善畫質效果,根據視頻內的風格、色澤、圖畫、音頻等多模態信息,對視頻關鍵內容進行自動識別、關鍵幀截取、剪輯及合成,以及后續視頻內容自動生成都是AIGC在視頻領域有機會的探索方向。

實際上,在上述這些領域,產業的探索正在高速進行。移卡(09923.HK)AI Lab就在AIGC領域做了一些效果不錯的嘗試。

首先是在內容生成方面,移卡結合自有數據以及旗下千千惠平臺資源,探索上線了一套自有的、專注于餐飲與娛樂行業的商戶產品文案推廣AI生成工具。商戶根據店內商品的簡要描述,即可一鍵生成具有可讀性的宣傳文案。這大幅降低了商戶創作文案、宣傳產品的難度,提升了產品的推廣和運營效率。

在視頻領域,我們也為商戶打造了一款AI視頻云剪輯工具,幫助他們降低打造爆款視頻的難度。通過對商家或者達人拍攝的視頻進行自動識別、關鍵幀提取、剪輯和拼接,及特效包裝,可按需一鍵剪輯多個視頻,其效果接近人工剪輯的水準,大大降低商家對于視頻制作宣傳門檻的要求。未來隨著數據量的增加,剪輯的效果也會越來越好。

除了傳統的消費領域外,AIGC也會給實體和工業領域帶來很多顛覆性的變革。

三維物體和空間的重構是打通二維世界和實體三維世界重要的紐帶。傳統的基于SLAM和三維點云重建技術主要的問題在于采集效率低,精度有限等問題。基于diffusion技術,三維點云填補已經開始嘗試。雖然由于點云數據少,采樣的精度低,物體材質難以判斷等原因,效果依然難以達到預期,但是作為一種全新的低成本重建方式,前景仍是非常值得期待的。

如果3D建模技術能通過AIGC獲得突破,高效的解決三維物體的自動重建功能,將會引起整個工業界的變革和效率的極大提升。

整體而言,對于大部分產業來說都將進入一個顛覆變革期。對于AIGC的發展,紅杉資本也于去年9月份做出了預測:文字類AIGC將在2023年進入黃金期,圖片類AIGC黃金期將在2025年左右,而3D和視頻類AI在2030年將迎來變革高峰。

當然,任何技術都是一把雙刃劍。技術應用外,關于AIGC的安全、倫理、版權也值得行業深思。技術同樣沒有法外之地,技術濫用,歧視以及素材版權以及生成物的版權都是需要共同的規范才能保證行業的健康發展。

AIGC,是真正賦予AI自行創作能力的起點,雖然目前看起來它依然有著很多的瑕疵,但是確實給予了人們很大的期待。隨著未來GPT4的推出,相信可以給人更大的沖擊,說不定一直擺在人與AI之間的圖靈測試將會就此被打破,到時科幻電影里的強人工智能離我們的現實或許并不那么遙遠。(作者系移卡AI Lab 負責人)