自聊天(tiān)机器人ChatGPT火爆以(yǐ)来，微(wēi)软公司创始人比尔·盖茨已多次公开谈论人工智能话(huà)题(tí)。在最近的一次采访(fǎng)中，他再次表示：“AI可能会让科技(jì)行业迎(yíng)来一次剧(jù)烈的洗牌”。

这个结论是(shì)他在当(dāng)地时间2月(yuè)20日(rì)接(jiē)受《In Good Company》节目专访时提出的。

他预期，AI的(de)发(fā)展可(kě)能会威(wēi)胁到谷(gǔ)歌的(de)市占(zhàn)率，因为(wèi)微软在AI方面的行(xíng)动相当迅(xùn)速。而最终(zhōng)科技巨头将把AI整合成(chéng)用户(hù)的“全能(néng)助手(shǒu)”，包揽一切应用，与人们进行沟通并提供建议，可以取代亚(yà)马逊、Siri或Outlook等应用。

大佬口中(zhōng)全能助手的(de)到来可能尚需时日，但(dàn)由ControlNet引(yǐn)发的又一次AI绘(huì)画浪(làng)潮(cháo)，让AIGC在(zài)ChatGPT的话题热点包围中杀出重(zhòng)围。

01

ControlNet颠覆AI绘画新玩(wán)法(fǎ)

AIGC向可(kě)控靠近

以AI绘(huì)画为(wèi)代表的(de)AIGC上一(yī)次爆火(huǒ)的时候，还(hái)是2022年8月，在美(měi)国科罗拉多(duō)州举办(bàn)的(de)新兴(xīng)数(shù)字(zì)艺术家竞赛中，一(yī)幅名为《太空歌剧院》的作品获(huò)奖。

随后各(gè)大(dà)厂(chǎng)商的(de)AI绘(huì)画软件被广大(dà)网友熟知并体验，Stable Diffusion便是其中代表。

用户们可以(yǐ)在(zài)应用中输入一(yī)组关键词(cí)或者一张(zhāng)照片(piàn)，就能(néng)获得一幅AI创作的(de)画作。

作画的关键就是所(suǒ)输入(rù)的文本。同一组关(guān)键(jiàn)词(cí)也可(kě)以创作(zuò)出(chū)很多张风格不一样的画作，这让创作的(de)过(guò)程就像开盲(máng)盒。

很多用户(hù)很(hěn)喜欢这种不确定(dìng)的惊喜，他(tā)们会将生成的美图(tú)当做头像。而另(lìng)一(yī)部分喜欢翻看(kàn)AI绘画(huà)的“翻车”作品。在社交媒(méi)体(tǐ)上，许多用户分享(xiǎng)AI“翻车(chē)现(xiàn)场”，例如，一(yī)位网(wǎng)友的小狗照片(piàn)被(bèi)AI画成(chéng)了“肌(jī)肉男”，还有网友的个人照片被(bèi)AI识别成了建筑。

而如今随着ControlNet的出现与加持(chí)，以往AI绘画的填(tián)写关键词(cí)游戏(xì)可能要被颠(diān)覆了。

ControlNet是(shì)一(yī)位正在斯坦福读博的(de)中国人张吕敏(mǐn)创(chuàng)作(zuò)的一种基于控制点的图(tú)像变形算(suàn)法，主要用于数字图(tú)像处理、计算机视觉和计算机图形学等领域(yù)。

其SD插件一经(jīng)发布，在(zài)短短的两天(tiān)内便成(chéng)为了AI绘(huì)画领域最新的热点。

在(zài)此之(zhī)前，大家用了很多(duō)方法想让AI生成的结果尽(jǐn)可能的符(fú)合要(yào)求，但是(shì)都不尽如(rú)人意，它的出现代表着(zhe)AI生(shēng)成开始进入真正的可控时期。

因(yīn)为ControlNet可(kě)以直(zhí)接提取画面(miàn)的构图，人物的姿势和画面(miàn)的深度信息等(děng)。有(yǒu)了它的帮助，就不(bù)用(yòng)频(pín)繁的用提示(shì)词来碰(pèng)运气，抽盲盒式(shì)的创(chuàng)作了。

通俗(sú)的(de)说(shuō)ControlNet相当(dāng)于给AI绘画加(jiā)了“魔法”，不少博主的作品已经获得(dé)了大量的浏览量(liàng)，“viggo”就是其中之一，他用朋友的(de)照(zhào)片(piàn)直(zhí)接带她们(men)走进动漫世界。

viggo先用StableDiffusion图(tú)片转文字。

再(zài)用Text2Prompt插件拓(tuò)展找到对应(yīng)的关键词；最(zuì)后用ControlNet插件绑定(dìng)骨骼开(kāi)始(shǐ)换关(guān)键词(cí)试效果。

通过图(tú)片(piàn)就可以看(kàn)出来，效果(guǒ)十分惊(jīng)艳。

更(gèng)厉害的是，除了(le)真实的照片，草图也可以加上“魔法”，知乎大牛“DevPoint”和“逗砂(shā)”介绍到ControlNet还能(néng)实现线(xiàn)稿转(zhuǎn)全彩图。大神张吕敏其本尊也亲自回应。

不得不说当(dāng)下AIGC已(yǐ)经变(biàn)得越来越强大，甚至输出的作品都(dōu)已(yǐ)经(jīng)能以假乱真了。

02

难辨虚实，AIGC技术力爆发

警惕安全问(wèn)题(tí)

近日，“苏州金(jīn)鸡(jī)湖有游艇party”的消息火遍网络，而经过警方辟谣(yáo)这所谓的“party”可能(néng)是全(quán)国第一(yī)起AI绘图诈骗(piàn)。

由于这个(gè)活动里(lǐ)面(miàn)给出的(de)美女照(zhào)片都是AI制作的真人照片绘图(tú)，因为太逼真(zhēn)，被(bèi)大家当成真事传播了。

不过(guò)仔细(xì)观察(chá)可(kě)以(yǐ)发现，活动发(fā)起(qǐ)者提供的照片中有(yǒu)个很(hěn)大的(de)漏洞可以发现(xiàn)并(bìng)非真(zhēn)人，而是AI绘(huì)图(tú)，那便是图片(piàn)中女性的手指部(bù)分有的存在异(yì)常。

有(yǒu)行(xíng)业人事表示：“现在(zài)因为手(shǒu)指部分的(de)绘画算法(fǎ)比较(jiào)复(fù)杂，AI还(hái)不太会画人的手，但最(zuì)新看到的图片已经有(yǒu)越来越完美的AI模(mó)型出(chū)现，以(yǐ)后可能就完全没(méi)有漏(lòu)洞了。”

类似的AI作图诈(zhà)骗(piàn)在国外也已有(yǒu)发生。据英国(guó)广播公司报(bào)道，土耳其地震期间(jiān)，有Tiktok用(yòng)户(hù)使用AI合成了儿童受灾的假照片(piàn)发(fā)布到网络(luò)，以此诱骗善良的人(rén)打(dǎ)赏“捐(juān)助(zhù)”从而(ér)实施诈骗。

目前随着技术发展，AIGC已经能(néng)做(zuò)出真(zhēn)人照片般的(de)绘图(tú)效果，如果这(zhè)样的图(tú)片(piàn)被用来诈骗(piàn)，将非常可怕。

此(cǐ)外AIGC还引发(fā)了很(hěn)多担忧(yōu)，一方面，批判者认(rèn)为AI在“学习”了大量(liàng)前人的(de)作品之(zhī)后，其创作没(méi)有(yǒu)任何(hé)情绪(xù)和灵魂，难以(yǐ)和人类的艺术创作相提并论。

另一方面，AIGC背后的版权、目前都并没有(yǒu)得到有效的解决，还有AIGC会不(bù)会代替(tì)人类“至(zhì)高无上”的(de)创意。

马斯克也(yě)强调，人(rén)工智(zhì)能(néng)的安(ān)全问题需要得到重视，太晚就来不及了(le)。

03

AIGC下一站除了视(shì)频，还(hái)有远方

技(jì)术都(dōu)是(shì)有两面性的，潜在的危(wēi)害并(bìng)不能掩盖其光辉(huī)的贡献(xiàn)。现(xiàn)在(zài)看来，人工智能技术将(jiāng)是第四次工业革命的核心驱动力量，将创造新的增长奇迹。

过(guò)去(qù)一年(nián)，人工智(zhì)能在(zài)技(jì)术和(hé)商业层面都有(yǒu)了巨大进展，AI绘画就是人工(gōng)智能技(jì)术发生方向性改变的一个代表。其(qí)下(xià)一(yī)站或许就是视(shì)频。

此(cǐ)前，Meta和(hé)谷(gǔ)歌(gē)先后发布了(le)几(jǐ)条引爆(bào)科(kē)技圈的短视频。这些视频引(yǐn)发关注(zhù)并(bìng)非内容做得多优(yōu)秀，反而都(dōu)非(fēi)常简单，比如一匹正(zhèng)在喝水的马，一只画(huà)画的玩具熊，或者一(yī)段骑(qí)摩(mó)托(tuō)车(chē)的第一视角录(lù)像，随便一(yī)个有手机的人都(dōu)可(kě)以(yǐ)随手录下一(yī)段。

但这些短(duǎn)视频(pín)的创(chuàng)作(zuò)方式非(fēi)常简单，创作者仅仅需(xū)要向AI输入一段话，甚至只(zhǐ)是说一下要求(qiú)，AI就(jiù)可以根据需要生成一段视频。

谷歌发布的两个(gè)AI生成视频分别来自于Imagen Video和Phenaki，前(qián)者主要突出的是(shì)高清(qīng)，与(yǔ)Meta的Make-A-Video没有(yǒu)太多(duō)的差别。

在Make-A-Video公布了AI生成的视频后(hòu)，AI圈就已经玩了(le)一波梗，一个能够做(zuò)出(chū)更高(gāo)清视频的AI还(hái)不足以在(zài)短时间内戳中兴奋点(diǎn)。

Phenaki更加令人震(zhèn)惊的地方在于，它(tā)可以(yǐ)制作(zuò)出超过2分钟的连贯的(de)也有确切内容(róng)的视频(pín)，这才(cái)是真正让(ràng)人们感到(dào)惊喜的地方。因为无论AI生成的视频(pín)多(duō)么(me)高(gāo)清，也只能是为内容(róng)生产者(zhě)提供一(yī)个灵(líng)感，一个素材，一个(gè)过场动画。

不过能够制作出有具体(tǐ)剧情(qíng)内容的视频就意(yì)味着(zhe)，一(yī)些视频(pín)创作由AI代(dài)替(tì)人(rén)工完成已经初步有了可能。

当下AI的发展速度已经超过大部分人的想象。内容产业的(de)本质是供(gōng)给创造需求，AIGC作为(wèi)全(quán)新(xīn)的内容生产方式，可以为内(nèi)容(róng)产业带来更新的内(nèi)容风格、更快(kuài)的生产速度，更(gèng)低的生产成本(běn)，这无疑会驱动内(nèi)容产业的大爆发。

除(chú)了AI绘(huì)图、视频，AIGC技术还能(néng)应用于音乐(lè)、代(dài)码、机器人动作(zuò)等多种内容形式(shì)的生成。不难发现该项(xiàng)技术不(bù)仅在游戏等行(xíng)业能得(dé)到有效应用，对(duì)于下一代互联网各(gè)种元素的构(gòu)建亦有关(guān)键意(yì)义。

从商业(yè)化的角度来看，文(wén)化娱乐、教(jiào)育、传媒等诸多领域，本(běn)身就对(duì)基于AI的(de)可视化内(nèi)容有强(qiáng)烈需求。

因此(cǐ)，AI绘画及视频或不是结果(guǒ)，而只是AI进程中的(de)一(yī)块(kuài)重要(yào)拼图，有(yǒu)望在技(jì)术更新的加(jiā)持下实现更大的应用价值。

AI从理解(jiě)内(nèi)容，走(zǒu)向了可以生成内容，甚(shèn)至(zhì)能够创造(zào)出独(dú)立价值和独立视角的内(nèi)容(róng)。AIGC的再次出圈(quān)，更代表着未来的先进生产(chǎn)力即(jí)将(jiāng)到(dào)来。

04

紧抓(zhuā)大模(mó)型(xíng)与算力，牢(láo)固AIGC底座

从技(jì)术的发展也可(kě)以看出，在语言大模型、图像大模型之(zhī)后，多模态大模型已(yǐ)经成为了新的趋势。

大模型(xíng)被誉为当前人工智能发展(zhǎn)的智(zhì)能底(dǐ)座，是全(quán)球竞争(zhēng)最(zuì)激烈的研究方向之(zhī)一，包括谷(gǔ)歌(gē)、亚(yà)马逊、百度、阿里、腾讯等众(zhòng)多(duō)头(tóu)部企业都在竞相发(fā)力。

不过训(xùn)练(liàn)大(dà)模(mó)型的确价格(gé)不菲，以国(guó)盛证券发布的《ChatGPT需(xū)要多(duō)少算力》报(bào)告估(gū)算，GPT-3训练一(yī)次(cì)的成本(běn)约(yuē)为140万(wàn)美元(yuán)。而对于一些更大的LLM(大(dà)型语言模型)，训练成本则介于200万美元至(zhì)1200万美元高价之(zhī)间。

以(yǐ)ChatGPT在2023年(nián)1月的独立访客平均数1300万(wàn)计算(suàn)，其(qí)对应芯片需求为3万多片英伟达A100 GPU，初始投入成本约(yuē)为(wèi)8亿(yì)美元，每日仅(jǐn)电费就在5万美元左(zuǒ)右。

此外不论是ChatGPT还是AIGC，都(dōu)离不(bù)开庞大(dà)算力(lì)支持。在关注各类(lèi)大模型的发展同时，更应(yīng)该关注(zhù)算力(lì)网络的建设。

算力网络(luò)正驱动AI产业发展进入史诗(shī)级加速进(jìn)程，让AIGC及(jí)通用(yòng)AI这(zhè)一人工智能(néng)发展的(de)终极目标离得(dé)更近。

因(yīn)为算力可以对突破性技术创新提供大力(lì)的支持。这方面，多模态大模型(xíng)是典(diǎn)型。作为(wèi)面向未来强人工智(zhì)能、通用人工(gōng)智能的重要技术(shù)创(chuàng)新，多(duō)模态大模型已经(jīng)在人工智能(néng)领域提出了很多(duō)年(nián)，业界也有不少技术突破，但是，多模态大模型(xíng)进一(yī)步往下走，算力需求呈几何(hé)式上(shàng)升(shēng)，一般的算力基础设施很快将难(nán)以胜(shèng)任。

从图像、文(wén)字、语音(yīn)单独(dú)一项的训练，到双(shuāng)模(mó)态(tài)、三模态的跃迁(qiān)，让人工(gōng)智能可以(yǐ)灵活应对(duì)不同模态的转化、像人与世界交互一样(yàng)自然，这方(fāng)面(miàn)，由算(suàn)力网络(luò)来驱动将(jiāng)有(yǒu)明显(xiǎn)优势。

此外(wài)，还有很多需要爆发式增长的算力来支撑(chēng)的技(jì)术创新(xīn)，将在人工智能(néng)算(suàn)力网络支撑下快速推进。

AIGC已经露出曙光，期待在(zài)大(dà)模型和大算力(lì)的(de)支持下AIGC能持续颠覆内容生产的(de)方式(shì)，将创造的边际成本降(jiàng)低，让万众受(shòu)益。

未经允许不得转载：橘子百科-橘子都知道 承蒙不弃,余生尽予什么意思，承蒙不弃,余生尽予的意思