自聊天机器人ChatGPT火爆以来，微软公司(sī)创始人比(bǐ)尔·盖茨(cí)已多(duō)次(cì)公开(kāi)谈(tán)论(lùn)人工智能话(huà)题。在最近的一次(cì)采访中，他再次表示：“AI可能会(huì)让科技行业迎(yíng)来(lái)一(yī)次剧烈的洗牌(pái)”。

这(zhè)个结论是他在当地时间2月20日(rì)接受《In Good Company》节目(mù)专访时提出的。

他预期，AI的发(fā)展可能(néng)会(huì)威胁到(dào)谷歌的市占率，因为微(wēi)软(ruǎn)在AI方面的行动相当迅(xùn)速。而最终科技巨头将把AI整合(hé)成用户(hù)的“全能助手”，包揽(lǎn)一(yī)切应用(yòng)，与人(rén)们进行沟通并提供建议，可(kě)以取代亚(yà)马(mǎ)逊(xùn)、Siri或Outlook等应用(yòng)。

大佬口中全能助手(shǒu)的到(dào)来可能尚需时日，但由(yóu)ControlNet引发(fā)的又一(yī)次AI绘(huì)画(huà)浪潮，让AIGC在ChatGPT的话题热点包围中(zhōng)杀(shā)出重围。

01

ControlNet颠覆AI绘画新(xīn)玩法

AIGC向可控靠近

以AI绘画(huà)为代表的AIGC上(shàng)一次爆火的时(shí)候(hòu)，还(hái)是2022年8月，在美国(guó)科罗(luó)拉多州举办(bàn)的新兴数(shù)字艺术说唱歌手的cypher是什么意思，说唱cyber是什么意思(shù)家竞赛中(zhōng)，一幅名为(wèi)《太空歌剧院》的作(zuò)品获奖。

随(suí)后(hòu)各大(dà)厂商的AI绘(huì)画软件被广大网友熟知并(bìng)体(tǐ)验(yàn)，Stable Diffusion便是其中代(dài)表。

用(yòng)户们可(kě)以在应用中输入一组关键词或者一张照片，就能获得一幅(fú)AI创作的画作。

作画(huà)的(de)关(guān)键就是所输入(rù)的文本。同一(yī)组(zǔ)关(guān)键词也可以创作出很多张风格不(bù)一样(yàng)的画作(zuò)，这让创作的过程就像开盲盒。

很多用户很(hěn)喜欢这(zhè)种不确(què)定的惊喜，他们会将生成的(de)美图当做(zuò)头像。而另一部分喜欢(huān)翻看AI绘画的“翻车”作品。在社交媒体(tǐ)上，许(xǔ)多用户分享AI“翻(fān)车(chē)现场”，例如(rú)，一位(wèi)网友(yǒu)的小狗(gǒu)照片被AI画成了“肌肉男(nán)”，还有网友的个人(rén)照(zhào)片被AI识别成了建筑(zhù)。

而(ér)如今随着ControlNet的出现与加(jiā)持，以往AI绘画的(de)填(tián)写关键(jiàn)词游戏可能要被颠覆了(le)。

ControlNet是一位正在斯(sī)坦福读博的中国(guó)人张吕敏创作的一种(zhǒng)基于控制点的(de)图(tú)像变(biàn)形算法，主(zhǔ)要用于(yú)数(shù)字图像处理、计算机(jī)视觉和计算机图形学等领域。

其SD插件一经(jīng)发布，在短短的两(liǎng)天内(nèi)便(biàn)成为了AI绘画(huà)领域最新的热(rè)点(diǎn)。

在此(cǐ)之(zhī)前，大家(jiā)用了(le)很多(duō)方法(fǎ)想让AI生成的结果(guǒ)尽可能的符合要求，但是都不尽(jǐn)如人意，它的出现代表(biǎo)着AI生成(chéng)开始进(jìn)入(rù)真正(zhèng)的可控时(shí)期。

因为ControlNet可以直接提取画面的构图，人(rén)物的姿势和画面的深度(dù)信息等。有了它的帮助，就(jiù)不(bù)用频繁(fán)的用提示(shì)词(cí)来碰运气，抽盲盒式的创作了。

通俗的说(shuō)ControlNet相(xiāng)当(dāng)于给AI绘(huì)画加了“魔法”，不少博主的作品已经获得了大量的(de)浏览量，“viggo”就是其中之一，他(tā)用朋友的照片直接带她们(men)走进动漫世界。

viggo先(xiān)用(yòng)StableDiffusion图片(piàn)转文字。

再用Text2Prompt插件拓展找到对应的关键词；最后(hòu)用ControlNet插件绑(bǎng)定骨骼开始换关键(jiàn)词(cí)试(shì)效(xiào)果。

通(tōng)过图片就可以看出来，效果十分惊艳。

更(gèng)厉害(hài)的(de)是，除(chú)了真实的照(zhào)片，草图也(yě)可以加上“魔法”，知(zhī)乎大(dà)牛(niú)“DevPoint”和“逗砂”介(jiè)绍到ControlNet还(hái)能实现线稿转全彩(cǎi)图(tú)。大(dà)神张吕敏其(qí)本尊也亲自回应。

不得(dé)不说当(dāng)下(xià)AIGC已经变得越来越强大，甚至(zhì)输出的作品都(dōu)已(yǐ)经能(néng)以假乱(luàn)真了。

02

难辨(biàn)虚实，AIGC技术力爆发

警惕(tì)安全问题

近日，“苏州金(jīn)鸡湖有游艇(tǐng)party”的消(xiāo)息火遍网络，而经过警方辟谣这所(suǒ)谓(wèi)的“party”可能(néng)是全国第(dì)一起AI绘(huì)图诈骗。

由(yóu)于(yú)这个活动里面给出的美(měi)女照片都是AI制作的真人照片绘图，因为(wèi)太(tài)逼真，被大家当成真(zhēn)事传播了(le)。

不过仔细(xì)观察可以发现(xiàn)，活动发起者提供的照片(piàn)中有个很大的漏洞可以发现并非真人，而是AI绘图，那便(biàn)是图片(piàn)中(zhōng)女(nǚ)性的(de)手指部(bù)分有的存(cún)在异常。

有行业(yè)人事(shì)表示(shì)：“现在(zài)因(yīn)为(wèi)手指(zhǐ)部分的绘(huì)画(huà)算法比较复杂，AI还不(bù)太(tài)会画人的手，但最新看到的图(tú)片已经有越来越完美的AI模型(xíng)出(chū)现，以后(hòu)可(kě)能就完全(quán)没(méi)有漏洞了(le)。”

类似的AI作图诈(zhà)骗在国(guó)外也已有发(fā)生。据英(yīng)国广(guǎng)播公司报道(dào)，土耳其地震(zhèn)期间，有Tiktok用户(hù)使用AI合成了儿童(tóng)受灾的假(jiǎ)照片发布到(dào)网络，以(yǐ)此诱骗善良(liáng)的人打赏“捐助”从而实施诈骗(piàn)。

目前(qián)随着技术(shù)发展，AIGC已经(jīng)能做出真(zhēn)人照片般的绘图效果(guǒ)，如果这样的图片被用来诈骗，将非常可(kě)怕。

此(cǐ)外AIGC还引发了很多(duō)担忧(yōu)，一(yī)方面，批判者(zhě)认(rèn)为AI在“学习”了大量前(qián)人的作品之后(hòu)，其创作(zuò)没有任何情绪和灵魂，难以(yǐ)和人类的艺术创作(zuò)相提(tí)并(bìng)论。

另一方面，AIGC背后的(de)版权(quán)、目前(qián)都并没有(yǒu)得到有效(xiào)的解(jiě)决，还有AIGC会不会代(dài)替人类(lèi)“至高无上”的(de)创意(yì)。

马(mǎ)斯克也强调，人工(gōng)智(zhì)能(néng)的安全问题(tí)需要得到重视，太(tài)晚就来不及(jí)了。

03

AIGC下一站(zhàn)除了视(shì)频，还有(yǒu)远方

技术都是(shì)有(yǒu)两(liǎng)面性的(de)，潜在的危害并不能掩盖其光辉的贡献。现在看(kàn)来(lái)，人工(gōng)智能(néng)技术将是第四(sì)次工业革命的核(hé)心驱(qū)动力量，将(jiāng)创造新的增长奇(qí)迹。

过去一年，人工(gōng)智能(néng)在技(jì)术和商业(yè)层面(miàn)都有了巨(jù)大(dà)进(jìn)展，AI绘画就是人工智能技术发生方向性(xìng)改变的(de)一个代表。其下一站或许就是视频。

此前(qián)，Meta和谷歌先(xiān)后发(fā)布了(le)几条引爆科技圈的(de)短(duǎn)视(shì)频。这些视(shì)频引(yǐn)发(fā)关注并非内容做得(dé)多优(yōu)秀，反而都非常简单(dān)，比如(rú)一匹(pǐ)正(zhèng)在喝水的马，一只画(huà)画的玩具熊(xióng)，或者一(yī)段(duàn)骑摩(mó)托车的第一视角(jiǎo)录(lù)像，随便一(yī)个(gè)有(yǒu)手(shǒu)机的人都(dōu)可以随手录下一段。

但(dàn)这些短视(shì)频的创作(zuò)方(fāng)式非常(cháng)简单(dān)，创作者仅仅需(xū)要向AI输入一段话，甚至(zhì)只是(shì)说一下要求，AI就可以根据(jù)需要(yào)生成一段视频。

谷(gǔ)歌(gē)发布的两个AI生(shēng)成视(shì)频(pín)分(fēn)别来自于Imagen Video和Phenaki，前者(zhě)主要突出的是高清，与Meta的Make-A-Video没有太多的差别。

在Make-A-Video公布了AI生成的视频后，AI圈就已经玩了一波梗(gěng)，一(yī)个(gè)能够做出更高清视频的(de)AI还不足以在短时间内戳中兴奋点。

Phenaki更加令人震(zhèn)惊(jīng)的地(dì)方在于，它(tā)可以(yǐ)制作出超过2分(fēn)钟的连(lián)贯的也有确切内容的视频(pín)，这才是真(zhēn)正让人们(men)感到(dào)惊喜的地方。因为无论AI生成(chéng)的(de)视频多么高(gāo)清，也(yě)只能是为内容生产者提供一个灵感，一个素材，一个过场(chǎng)动画。

不(bù)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)完成已经初步有了可能。

当下(xià)AI的发展(zhǎn)速度已(yǐ)经超过大部分(fēn)人的想象。内(nèi)容产(chǎn)业的本质是供给创造需求，AIGC作为(wèi)全新的内容生产方式，可以为内容产业带来更新的内容风格(gé)、更(gèng)快的生产速度，更低的生产成本，这(zhè)无疑会驱动内(nèi)容产业(yè)的大爆(bào)发。

除了(le)AI绘图(tú)、视频，AIGC技术(shù)还能应用于(yú)音(yīn)乐、代码、机器人动作等多种内容形式(shì)的生成。不难发现(xiàn)该项(xiàng)技术不仅在(zài)游戏等(děng)行业(yè)能得到有效应用，对于下(xià)一代互联网各种(zhǒng)元素的构建亦有关(guān)键意义。

从商(shāng)业(yè)化的角度来(lái)看，文化娱乐、教育、传(chuán)媒等(děng)诸多领域，本(běn)身(shēn)就对基于AI的可视化内容有强烈需求。

因此，AI绘(huì)画及视频(pín)或不(bù)是结果(guǒ)，而只是(shì)AI进程中的一块重要拼图，有望在技术更(gèng)新的加持下实现(xiàn)更大(dà)的应用(yòng)价(jià)值。

AI从理解内容，走向了可以生成内容，甚至(zhì)能(néng)够创造出独立价值和独(dú)立视角的内容(róng)。AIGC的(de)再次出圈，更代表(biǎo)着未来的先进生产力即将(jiāng)到(dào)来。

04

紧(jǐn)抓大(dà)模型与算力，牢固AIGC底(dǐ)座

从技术的(de)发展也可以(yǐ)看出(chū)，在语(yǔ)言大(dà)模型、图像(xiàng)大模(mó)型之后，多模态大模型已经成(chéng)为了新的趋(qū)势(shì)。

大模(mó)型被誉为(wèi)当前人工智(zhì)能发展(zhǎn)的智能底座，是(shì)全球竞争最(zuì)激烈的研究(jiū)方向之一，包括谷(gǔ)歌(gē)、亚(yà)马(mǎ)逊、百(bǎi)度、阿里、腾(téng)讯等众多(duō)头(tóu)部企业都在(zài)竞(jìng)相发力。

不(bù)过(guò)训练大(dà)模(mó)型的确(què)价格不菲，以国盛证券发布的(de)《ChatGPT需要多少(shǎo)算力》报告估算，GPT-3训练(liàn)一次(cì)的(de)成本约为140万(wàn)美(měi)元。而(ér)对(duì)于一些(xiē)更大的LLM(大(dà)型语言模型)，训(xùn)练成本则介于200万美元至1200万(wàn)美元高(gāo)价之间。

以(yǐ)ChatGPT在2023年1月的(de)独(dú)立访客平(píng)均数(shù)1300万计算(suàn)，其对应芯片(piàn)需(xū)求(qiú)为3万多片英(yīng)伟达A100 GPU，初始投入成(chéng)本约为8亿(yì)美元，每(měi)日仅电费就在(zài)5万(wàn)美元左右(yòu)。

此外不论(lùn)是(shì)ChatGPT还是说唱歌手的cypher是什么意思，说唱cyber是什么意思AIGC，都离不开庞大算力支持。在关(guān)注各类大模型的(de)发展同时，更(gèng)应该关注算力网(wǎng)络的建设。

算力网络正驱动AI产业发展进入史(shǐ)诗级加速(sù)进程(chéng)，让AIGC及(jí)通用AI这一人(rén)工智能(néng)发展的终极目标离得(dé)更近(jìn)。

因(yīn)为算力(lì)可以对突破性技术创新提供大力的支持。这方面，多模态大模型是(shì)典型。作为面向(xiàng)未来强(qiáng)人(rén)工智能、通(tōng)用(yòng)人工智(zhì)能的重(zhòng)要技术创(chuàng)新，多(duō)模态大模型已(yǐ)经在人工智能领域提出了很(hěn)多年，业界(jiè)也有不少技术突(tū)破，但是，多模(mó)态大模型(xíng)进一步往下走，算力需(xū)求呈(chéng)几何式上升，一般的算力基础设施很(hěn)快(kuài)将难以(yǐ)胜任。

从图像(xiàng)、文(wén)字(zì)、语(yǔ)音单独一项的训练，到双模态、三模态的跃迁，让人工(gōng)智能可以灵活应对不同模态的转化(huà)、像(xiàng)人(rén)与世(shì)界交互一样自然，这方面，由(yóu)算力网络来(lái)驱动将有明显优势。

此外，还有很多需要(yào)爆发式增长的算力来支撑的技术创新(xīn)，将在人(rén)工智能算力网(wǎng)络支撑下快(kuài)速推进。

AIGC已经露出曙光(guāng)，期待在大模型和大算力的支持下AIGC能持续颠覆(fù)内容(róng)生产的方(fāng)式，将(jiāng)创造的(de)边际成本降低，让万(wàn)众受益。

未经允许不得转载：橘子百科-橘子都知道 说唱歌手的cypher是什么意思，说唱cyber是什么意思