自聊(liáo)天机(jī)器人ChatGPT火爆以来，微软公司创始人(rén)比尔·盖茨已多次公(gōng)开谈论人工智能话(huà)题(tí)。在最近的一次采(cǎi)访(fǎng)中(zhōng)，他再次表示：“AI可能会让科技行业迎来(lái)一次剧(jù)烈(liè)的(de)洗牌”。

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

他预期，AI的发展可(kě)能会威(wēi)胁(xié)到谷歌的市占率，因(yīn)为微软在AI方面(miàn)的行动相当(dāng)迅速。而最终(zhōng)科技巨头将把AI整合成用户的“全能助(zhù)手(shǒu)”，包(bāo)揽一切应用，与(yǔ)人(rén)们进(jìn)行沟通并提供建议，可以取代(dài)亚马逊(xùn)、Siri或Outlook等应用(yòng)。

大佬口中全能助手的(de)到来可能尚需时日，但由ControlNet引发(fā)的又一次AI绘画浪潮，让AIGC在ChatGPT的(de)话题热点包围中(zhōng)杀(shā)出重围。

01

ControlNet颠(diān)覆AI绘画新玩法(fǎ)

AIGC向可(kě)控靠近

以(yǐ)AI绘画为代(dài)表的AIGC上一次爆火的时(shí)候，还是(shì)2022年8月，在(zài)美国科罗拉多州举办的新兴数(shù)字艺术家竞赛中(zhōng)，一(yī)幅(fú)名为(wèi)《太(tài)空歌剧院》的作(zuò)品获(huò)奖。

随后各大厂商(shāng)的(de)AI绘(huì)画软件被广大(dà)网友熟知(zhī)并体验，Stable Diffusion便是其中(zhōng)代(dài)表(biǎo)。

用户(hù)们可(kě)以(yǐ)在应(yīng)用中输入一组(zǔ)关键词或者一张(zhāng)照片，就能获(huò)得(dé)一幅(fú)AI创作的画(huà)作。

作画的关键就是所输(shū)入的文(wén)本。同一组关键词也可以(yǐ)创作出很多张风格不一(yī)样的画(huà)作，这让创作的过程就像开(kāi)盲盒。

很(hěn)多用户很喜欢这(zhè)种不确(què)定的惊喜，他们(men)定向直招士官到底是不是坑，定向直招士官是个坑亲身经历会将生成的美图当做(zuò)头像(xiàng)。而另一(yī)部分喜欢翻(fān)看AI绘画的(de)“翻(fān)车”作(zuò)品。在(zài)社交(jiāo)媒体(tǐ)上，许多用(yòng)户分享AI“翻车现场”，例如，一位(wèi)网友(yǒu)的(de)小(xiǎo)狗照片被AI画成(chéng)了“肌(jī)肉男”，还有网(wǎng)友的个人照片被(bèi)AI识别(bié)成了建筑(zhù)。

而如今(jīn)随着ControlNet的出(chū)现(xiàn)与加持(chí)，以往(wǎng)AI绘(huì)画的填写关(guān)键词游(yóu)戏可能要被颠覆了。

ControlNet是一位正(zhèng)在(zài)斯(sī)坦福读博的中国人张吕敏创作的一种基于控制点的图像变形算法，主(zhǔ)要(yào)用于数字图像(xiàng)处(chù)理、计算(suàn)机视觉和计算机图形学等领域。

其SD插件一经发布(bù)，在短短(duǎn)的(de)两天(tiān)内便(biàn)成为了AI绘画领域最(zuì)新的热(rè)点(diǎn)。

在(zài)此之前，大家用了很多方法想让(ràng)AI生成(chéng)的(de)结果尽可(kě)能的符合要求(qiú)，但是都不(bù)尽如人意(yì)，它的出(chū)现(xiàn)代表着AI生成(chéng)开始进入真正(zhèng)的可控(kòng)时(shí)期。

因(yīn)为ControlNet可以直接提取画面的构图，人物的(de)姿势和(hé)画面的深度信息等(děng)。有了它的帮(bāng)助，就不用(yòng)频繁的用提示词来(lái)碰运气(qì)，抽盲盒式的创(chuàng)作(zuò)了。

通俗(sú)的说(shuō)ControlNet相当于给AI绘画(huà)加了(le)“魔法”，不少博主的(de)作品已(yǐ)经获(huò)得了(le)大量的浏览(lǎn)量，“viggo”就是其中之(zhī)一(yī)，他用(yòng)朋(péng)友的照(zhào)片直接(jiē)带她们走进动漫世界。

viggo先用(yòng)StableDiffusion图片转文字(zì)。

再用(yòng)Text2Prompt插件拓展找到对应的关键(jiàn)词(cí)；最后用(yòng)ControlNet插件绑定骨骼(gé)开始换关(guān)键(jiàn)词试效果。

通过图片就(jiù)可以(yǐ)看出(chū)来，效果十分惊艳。

更厉害的是，除(chú)了真实的照片，草图也可以加上“魔(mó)法”，知(zhī)乎大牛(niú)“DevPoint”和“逗砂”介绍到(dào)ControlNet还能实现线稿转(zhuǎn)全(quán)彩图。大神张吕敏其本尊也(yě)亲自回应。

不得不说当(dāng)下AIGC已经(jīng)变得越来(lái)越强大，甚至输出的作(zuò)品都(dōu)已经能以假乱真了。

02

难辨虚实，AIGC技(jì)术力(lì)爆发

警惕安(ān)全(quán)问(wèn)题

近日，“苏(sū)州金鸡湖有游(yóu)艇party”的消息火遍网络(luò)，而经过警方辟谣这(zhè)所(suǒ)谓的“party”可能是(shì)全国第一起AI绘图诈骗。

由于这个活动(dòng)里面(miàn)给出(chū)的美女照片都是(shì)AI制作的(de)真(zhēn)人照片绘图(tú)，因为太逼真，被大家(jiā)当(dāng)成真事传播(bō)了。

不过仔细观(guān)察可以(yǐ)发(fā)现，活(huó)动(dòng)发起者提(tí)供的(de)照片中(zhōng)有个很大的漏(lòu)洞可以发现(xiàn)并(bìng)非真人，而是AI绘图，那(nà)便(biàn)是图片中(zhōng)女性的(de)手(shǒu)指部分(fēn)有(yǒu)的存在异常。

有(yǒu)行业人事表示：“现在因为手指部分的绘画算(suàn)法比较(jiào)复杂，AI还不(bù)太会画人的手，但最新看到的图片已经有越来越完美的(de)AI模型出现，以(yǐ)后(hòu)可能(néng)就(jiù)完全没(méi)有漏洞了。”

类似(shì)的AI作(zuò)图诈骗在(zài)国外也已有发生。据英国广播公司报道，土耳其(qí)地震期(qī)间，有Tiktok用户使用(yòng)AI合成了儿(ér)童受(shòu)灾的假照片发(fā)布到网络(luò)，以此诱骗善良的(de)人打赏“捐助(zhù)”从而实施(shī)诈(zhà)骗。

目前随(suí)着技术发展，AIGC已(yǐ)经能做出真人照片般(bān)的绘图效果(guǒ)，如果(guǒ)这样的图片被(bèi)用(yòng)来(lái)诈(zhà)骗，将(jiāng)非常可(kě)怕。

此外AIGC还引发了(le)很多担忧，一方面，批判者认为AI在“学习”了大量(liàng)前人(rén)的作品(pǐn)之后，其创作(zuò)没(méi)有任何情绪和灵魂(hún)，难(nán)以(yǐ)和人类的(de)艺术创作相提并论。

另(lìng)一方(fāng)面，AIGC背后的版权、目前都并没有得到有效(xiào)的解决，还有AIGC会不会代替(tì)人类“至高(gāo)无上”的创(chuàng)意(yì)。

马斯克也强调，人(rén)工智能的安全问(wèn)题需要得(dé)到(dào)重视，太晚就来不(bù)及了。

03

AIGC下一站(zhàn)除了视频，还有远方

技术都是有两面(miàn)性的(de)，潜在的(de)危害并不能掩盖其光辉(huī)的贡献(xiàn)。现在看来，人工(gōng)智(zhì)能(néng)技术将(jiāng)是第四(sì)次(cì)工业革命的(de)核心驱(qū)动(dòng)力量，将创造新的增长奇(qí)迹(jì)。

过去一(yī)年，人(rén)工智能在技术和商业层面都有了巨大(dà)进(jìn)展，AI绘画(huà)就是人工(gōng)智能技(jì)术(shù)发(fā)生方(fāng)向性改变(biàn)的一个(gè)代表。其下一站(zhàn)或许就是视频。

此前，Meta和(hé)谷歌先后发布了几条引爆科技圈的短(duǎn)视频。这些(xiē)视(shì)频引发关注并(bìng)非内容做得多优秀，反而都非常简单，比如一匹正(zhèng)在(zài)喝水的马(mǎ)，一只(zhǐ)画(huà)画的玩具(jù)熊，或者(zhě)一段骑摩托(tuō)车(chē)的第一视角录像，随便一个有手(shǒu)机的人都可以随手录下(xià)一段。

但这些(xiē)短视频的创作方式非常简(jiǎn)单，创作者仅(jǐn)仅需(xū)要向(xiàng)AI输(shū)入一段话，甚至只是说一下要求，AI就可以根据需要生成一段视频。

谷歌发布(bù)的两个AI生成视频分(fēn)别来自于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(duō)的(de)差别(bié)。

在Make-A-Video公布了AI生(shēng)成的视频后(hòu)，AI圈就已(yǐ)经玩了一(yī)波梗，一(yī)个能够做(zuò)出更高清视频的AI还不(bù)足以在(zài)短时间内戳中兴奋点。

Phenaki更(gèng)加令人震惊的(de)地(dì)方在于，它可以制作出超过2分钟的连贯的也有确切(qiè)内容的视频，这才是真正让人们感到惊喜(xǐ)的(de)地方。因为(wèi)无论AI生成的视频多么(me)高(gāo)清，也(yě)只能(néng)是为内容(róng)生产者(zhě)提供一(yī)个(gè)灵(líng)感，一(yī)个素材(cái)，一(yī)个过场动画(huà)。

不过能(néng)够制作出(chū)有具(jù)体剧情内容(róng)的(de)视(shì)频(pín)就意味着，一些视频创作由AI代替人工完(wán)成已经初步有(yǒu)了可能。

当(dāng)下AI的发(fā)展速度已经超过(guò)大部分人的想(xiǎng)象(xiàng)。内容(róng)产(chǎn)业的本质是(shì)供给创造需求(qiú)，AIGC作为(wèi)全新(xīn)的内容(róng)生产方式，可(kě)以为内(nèi)容产(chǎn)业带(dài)来更新的内容(róng)风(fēng)格、更快的生(shēng)产速度，更(gèng)低的生产成本，这无疑会驱动内容产业的大爆发。

除(chú)了AI绘图、视频，AIGC技术还能(néng)应用于音乐、代码、机器人(rén)动作等多种(zhǒng)内容形(xíng)式(shì)的生成。不难发(fā)现该项技术不仅在游戏等行(xíng)业能得到有效应用，对于下一(yī)代(dài)互联网各种元素的构建亦(yì)有(yǒu)关键意义(yì)。

从商业化的角度来看，文化娱乐(lè)、教(jiào)育、传媒等诸多领(lǐng)域，本身就(jiù)对基于AI的可视(shì)化(huà)内(nèi)容有强烈需求。

因此，AI绘画及视频或不是结果，而(ér)只是AI进程中的一块重要拼(pīn)图(tú)，有望在技术更新的加持下(xià)实现更大的应(yīng)用价值。

AI从理解内容，走向了可以生成内(nèi)容(róng)，甚(shèn)至(zhì)能够创造出独立价值(zhí)和(hé)独立视(shì)角的内容。AIGC的再次出圈，更代表(biǎo)着未(wèi)来的先进生产力即(jí)将(jiāng)到来。

04

紧抓大模型与算(suàn)力，牢固AIGC底(dǐ)座

从技(jì)术的发展(zhǎn)也(yě)可以看(kàn)出，在(zài)语言大模型、图像大(dà)模型之(zhī)后(hòu)，多模(mó)态大模(mó)型已经成(chéng)为了(le)新的趋(qū)势。

大模(mó)型被誉为当前人工智能发(fā)展的智能底(dǐ)座，是全球竞争最激烈的研究方向之一，包括谷歌、亚马逊(xùn)、百度、阿里、腾(téng)讯(xùn)等众多(duō)头部(bù)企业都(dōu)在竞相(xiāng)发(fā)力。

不过训练大模型(xíng)的确价格不菲(fēi)，以国盛证券发布的《ChatGPT需要多(duō)少算力》报(bào)告估算(suàn)，GPT-3训(xùn)练一(yī)次的成本约为140万美元。而对于一些更大的LLM(大型(xíng)语言模型)，训练成本则(zé)介于(yú)200万美(měi)元(yuán)至(zhì)1200万美元(yuán)高价之间(jiān)。

以ChatGPT在2023年(nián)1月的独立访客平均数1300万(wàn)计算，其(qí)对(duì)应芯(xīn)片需求(qiú)为3万多(duō)片(piàn)英伟达A100 GPU，初始投入成本约为8亿美元，每日仅电费就在(zài)5万美(měi)元左右。

此外不(bù)论是ChatGPT还是(shì)AIGC，都离不(bù)开庞大算力(lì)支持。在关(guān)注各类大模型的发展(zhǎn)同时(shí)，更应(yīng)该(gāi)关注算力网络的建设(shè)。

算力(lì)网络(luò)正(zhèng)驱(qū)动(dòng)AI产业发展进入(rù)史诗级加速进程，让AIGC及通用AI这一人工智(zhì)能发展的终(zhōng)极目标离得更近。

因为(wèi)算力可(kě)以对突破性技术创新提供(gōng)大力(lì)的支(zhī)持。这方面(miàn)，多模态大模型是典型。作为面向未来(lái)强人工智能、通用人(rén)工(gōng)智能(néng)的重(zhòng)要技术创新，多模(mó)态大(dà)模型已经在(zài)人工智能领(lǐng)域提(tí)出了很多年，业界也有不少技术突破，但是(shì)，多模态(tài)大模型进(jìn)一步往下走，算力需求呈(chéng)几何(hé)式上升，一般的算力基础设施很快(kuài)将难(nán)以胜任(rèn)。

从图像、文字、语音单独一(yī)项的训(xùn)练，到双模(mó)态、三模态的跃迁，让人(rén)工(gōng)智能可以灵活应对不同模态的转化(huà)、像(xiàng)人与世界(jiè)交互(hù)一样自(zì)然(rán)，这方面，由(yóu)算力网络来(lái)驱动将有(yǒu)明显优势。

此外，还(hái)有很多需要爆发(fā)式(shì)增长的算力来支(zhī)撑(chēng)的技术创(chuàng)新，将在人工智(zhì)能算力网络(luò)支撑下快(kuài)速推进。

AIGC已经露出曙(shǔ)光，期待在大模型和大算力(lì)的支持(chí)下AIGC能持续颠覆内容生产的方式，将(jiāng)创造的边际(jì)成(chéng)本降(jiàng)低，让万众(zhòng)受(shòu)益。

未经允许不得转载：橘子百科-橘子都知道 定向直招士官到底是不是坑，定向直招士官是个坑亲身经历