自聊(liáo)天机器人ChatGPT火爆(bào)以来，微软(ruǎn)公司(sī)创始人(rén)比尔(ěr)·盖茨已多次公开谈论人工智能话题。在(zài)最近的一次采访中，他再次(cì)表示：“AI可能会让(ràng)科(kē)技行(xíng)业迎来一次(cì)剧烈的洗(xǐ)牌”。

这个结论是他在当地时(shí)间2月20日接受(shòu)《In Good Company》节目专(zhuān)访(fǎng)时提出(chū)的。

他预期，AI的(de)发(fā)展(zhǎn)可能会威胁到谷歌的市占(zhàn)率(lǜ)，因为(wèi)微软(ruǎn)在AI方面的(de)行(xíng)动相当迅(xùn)速。而最终科技巨头(tóu)将把AI整合成用户的“全(quán)能助(zhù)手”，包揽一切应(yīng)用(yòng)，与人(rén)们进行沟通并提供建议，可以(yǐ)取代亚(yà)马逊、Siri或(huò)Outlook等应用。

大佬口中全能助手的(de)到来可(kě)能(néng)尚(shàng)需时(shí)日(rì)，但由(yóu)ControlNet引发(fā)的又一(yī)次AI绘画浪潮(cháo)，让(ràng)AIGC在(zài)ChatGPT的话(huà)题(tí)热点包(bāo)围(wéi)中(zhōng)杀出(chū)重围。

01

ControlNet颠覆AI绘画新玩法

AIGC向可控靠(kào)近

以(yǐ)AI绘画为代表(biǎo)的AIGC上一次爆(bào)火的时候，还是2022年8月，在美国科罗拉(lā)多州(zhōu)举办(bàn)的新(xīn)兴数字艺术家竞赛中，一幅(fú)名(míng)为(wèi)《太空歌剧(jù)院》的作品获奖。

随后(hòu)各(gè)大(dà)厂商的AI绘画软(ruǎn)件(jiàn)被广大网友熟知并体(tǐ)验，Stable Diffusion便是其中代(dài)表。

用户(hù)们可以在(zài)应用(yòng)中(zhōng)输入一组关(guān)键词(cí)或(huò)者(zhě)一张照片，就(jiù)能(néng)获得一幅AI创作的画(huà)作。

作画的关(guān)键就是所(suǒ)输入的文本。同一(yī)组(zǔ)关键词也可以(yǐ)创作出很多张风格不一样(yàng)的画作，这让(ràng)创作的过程就像(xiàng)开盲盒。

很多用户很喜(xǐ)欢这种不确(què)定的惊(jīng)喜，他们会将生成的美图(tú)当做头(tóu)像。而(ér)另一部分喜(xǐ)欢翻(fān)看AI绘画的“翻车”作(zuò)品(pǐn)。在社交媒体上，许多用户分享AI“翻(fān)车现(xiàn)场(chǎng)”，例如，一(yī)位网友(yǒu)的小(xiǎo)狗照片被AI画成了“肌肉男”，还有网友的个人照片被AI识别成了(le)建筑。

而(ér)如今随着(zhe)ControlNet的出现与加持，以(yǐ)往(wǎng)AI绘画(huà)的填写关键词游戏可能要被颠(diān)覆了。

ControlNet是一位正(zhèng)在(zài)斯坦福读(dú)博的中国人张吕敏(mǐn)创(chuàng)作的一种基于控(kòng)制点的图像变形算法，主要用于数字(zì)图像处理(lǐ)、计算机(jī)视(shì)觉和计算机图形(xíng)学(xué)等领域。

其(qí)SD插件一经发布，在短短(duǎn)的(de)两天内便成(chéng)为了AI绘画(huà)领(lǐng)域(yù)最(zuì)新的热(rè)点。

在此之前(qián)，大家用了很多(duō)方法想让AI生成的结果尽可能的(de)符合(hé)要求，但(dàn)是(shì)都不尽如人意，它的出现代表着AI生成开始进入(rù)真(zhēn)正(zhèng)的可控(kòng)时期。

因为ControlNet可以直(zhí)接提取画面的构图，人(rén)物(wù)的姿势和(hé)画面的深度信息等。有(yǒu)了它的(de)帮助，就(jiù)不用频(pín)繁的用(yòng)提示词来碰运气，抽盲盒式(shì)的(de)创(chuàng)作了。

通俗的说(shuō)ControlNet相当(dāng)于给AI绘画加(jiā)了“魔法”，不少(shǎo)博主的作品已(yǐ)经(jīng)获得了大量的浏(liú)览量，“viggo”就是其中(zhōng)之一，他用朋(péng)友的照片直接带(dài)她(tā)们走进动漫世(shì)界(jiè)。

viggo先(xiān)用StableDiffusion图片转文(wén)字。

再用Text2Prompt插(chā)件拓(tuò)展找到对(duì)应(yīng)的(de)关(guān)键词；最后用ControlNet插件绑(bǎng)定骨骼开始(shǐ)换关(guān)键(jiàn)词(cí)试效果。

通过图片(piàn)就(jiù)可以(yǐ)看出来(lái)，效果十分(fēn)惊艳(yàn)。

更厉害的是(shì)，除了真实(shí)的照片，草图(tú)也可以加(jiā)上“魔法(fǎ)”，知(zhī)乎大(dà)牛“DevPoint”和“逗砂”介绍到ControlNet还能(néng)实现线稿转全彩图。大神张(zhāng)吕敏其本尊也亲(qīn)自回应。

不得不说当下AIGC已经变得越(yuè)来(lái)越强大，甚(shèn)至(zhì)输出的作品都已经能以假(jiǎ)乱真了。

02

难辨虚实(shí)，AIGC技术力(lì)爆发

警惕安全问题

近日，“苏州金鸡湖有(yǒu)游艇party”的消(xiāo)息火遍网络，而经过警方辟谣(yáo)这所(suǒ)谓的“party”可能是全国第(dì)一起AI绘图诈(zhà)骗。

由于这个(gè)活动(dòng)里面给出的美女照片都(dōu)是AI制作的真人照片绘图(tú)，因为太(tài)逼真，被(bèi)大家当成真事传(chuán)播了。

不(bù)过仔细观察可以发现，活动发起(qǐ)者提供的照片中有个很大的漏洞(dòng)可以发(fā)现并(bìng)非真(zhēn)人，而是AI绘图，那便是图片(piàn)中(zhōng)女性的手指部分(fēn)有的存在异常。

有行业(yè)人事表示：“现在因为手指部分(fēn)的绘画(huà)算(suàn)法比(bǐ)较复(fù)杂(zá)，AI还不太会(huì)画人(rén)的手，但(dàn)最新看到(dào)的图片(piàn)已经有越来越完(wán)美的AI模型(xíng)出现，以后可能就完全没(méi)有漏洞了。”

类似的AI作图诈骗在国外也已(yǐ)有发生(shēng)。据英国(guó)广播公司报道，土(tǔ)耳其地震(zhèn)期间，有Tiktok用(yòng)户使用AI合(hé)成了儿童(tóng)受(shòu)灾的假照片发布到网络，以此诱骗善(shàn)良的人打赏“捐助”从而(ér)实(shí)施诈骗。

目前随(suí)着技术(shù)发展，AIGC已经能(néng)做出(chū)真人照(zhào)片般(bān)的绘图效果，如(rú)果这(zhè)样的图片(piàn)被用来诈骗，将非常可怕(pà)。

此外AIGC还引(yǐn)发了很多担(dān)忧，一(yī)方(fāng)面，批判者认(rèn)为AI在“学习”了大量前人的作品之后(hòu)，其创作没有任何情绪和(hé)灵魂，难以和人类的艺(yì)术创作(zuò)相(xiāng)提并论(lùn)。

另一方面，AIGC背(bèi)后的版权(quán)、目前都(dōu)并没有得到(dào)有效的解(jiě)决，还有(yǒu)AIGC会不会代(dài)替人类“至(zhì)高无上(shàng)”的创意。

马斯克也强(qiáng)调，人工智能的安全问题需要得(dé)到(dào)重视(shì)，太晚就来不及(jí)了。

03

AIGC下(xià)一(yī)站除了视频(pín)，还有远方

技术都(dōu)是有两面(miàn)性(xìng)的，潜在的(de)危(wēi)害并不(bù)能掩盖其(qí)光(guāng)辉的贡献(xiàn)。现在看来(lái)，人工智能技术将是(shì)第四次工(gōng)业(yè)革(gé)命的核心驱动力量(liàng)，将创造新的增长奇迹(jì)。

过(guò)去一年，人工智能在(zài)技术和(hé)商业层(céng)面(miàn)都(dōu)有了巨大进展(zhǎn)，AI绘(huì)画就是(shì)人工智能(néng)技术(shù)发生方向(xiàng)性(xìng)改(gǎi)变的(de)一个代表。其下一站或许(xǔ)就是视频。

此前，Meta和谷(gǔ)歌(gē)先(xiān)后发布(bù)了几条引爆科技圈(quān)的短视频。这些视频引发关(guān)注并非内容(róng)做得多优秀，反(fǎn)而都非常简单(dān)，比如一匹正(zhèng)在(zài)喝水的马，一(yī)只画画(huà)的玩具(jù)熊，或者一(yī)段骑摩(mó)托车的(de)第一视角录像，随(suí)便(biàn)一个(gè)有手(shǒu)机的人都可以随手录下一段。

但这些(xiē)短视频的创作方式非常简单，创作者仅仅(jǐn)需要(yào)向(xiàng)AI输入一段(duàn)话(huà)，甚至只是说一下要求，AI就可以(yǐ)根(gēn)据需(xū)要生成一段视频。

谷(gǔ)歌(gē)发布的两个AI生成视频(pín)分别来自于Imagen Video和Phenaki，前(qián)者主(zhǔ)要突出的是(shì)高清，与Meta的Make-A-Video没有太多(duō)的差别。

在Make-A-Video公(gōng)布了AI生成的视(shì)频后，AI圈就已(yǐ)经玩了(le)一波(bō)梗，一个能够做出更高清视频(pín)的AI还不足(zú)以在短时间内(nèi)戳中(zhōng)兴奋(fèn)点。

Phenaki更加令(lìng)人震惊的地方在于，它(tā)可以制作出超过2分钟的连贯(guàn)的也有确(què)切内容的(de)视频，这才(cái)是(shì)真(zhēn)正让人们感到惊喜的地方。因为无论AI生成的视频(pín)多(duō)么高(gāo)清，也(yě)只(zhǐ)能是为(wèi)内(nèi)容生产者(zhě)提供一个(gè)灵感，一个素材(cái)，一(yī)个过场动画(huà)。

不(bù)过能(néng)够制作出有(yǒu)具体剧(jù)情内容(róng)的(de)视频就(jiù)意味着，一(yī)些视(shì)频创作由AI代替人工完(wán)成(chéng)已经初步(bù)有了(le)可能。

当下AI的发展速度已经超(chāo)过大(dà)部(bù)分人的想(xiǎn50克有多少参照物图片，50克有多少参照物g)象(xiàng)。内(nèi)容(róng)产业的本质是(shì)供给创造需求，AIGC作为全新的内容(róng)生(shēng)产方(fāng)式(shì)，可以为(wèi)内容(róng)产(chǎn)业带来更新的(de)内(nèi)容风格、更快的生产速度(dù)，更低的生产成本，这(zhè)无疑会驱动内容产业的大(dà)爆(bào)发。

除了AI绘图、视(shì)频，AIGC技术还能应用于音乐、代码、机器(qì)人动作等多(duō)种(zhǒng)内容形式的生(shēng)成。不难发现该项(xiàng)技术不仅在(zài)游戏等(děng)行(xíng)业(yè)能得到有效应(yīng)用，对于下一代互联网各种元素的构(gòu)建(jiàn)亦(yì)有关键意义。

从商(shāng)业(yè)化的角度来看，文化娱乐、教育(yù)、传媒等诸多领域，本身就对基于AI的可视(shì)化内容有(yǒu)强烈需求(qiú)。

因(yīn)此(cǐ)，AI绘(huì)画及视频或不是结果，而只(zhǐ)是AI进程中的一块重(zhòng)要拼图，有望在技(jì)术更新的加持(chí)下(xià)实(shí)现更大的(de)应用价(jià)值。

AI从理(lǐ)解内容，走(zǒu)向了可以(yǐ)生成内容(róng)，甚至能够创(chuàng)造出独立价(jià)值和独立视角的内容。AIGC的(de)再次出(chū)圈，更代表着未来的先进生产力即将到(dào)来。

04

紧抓大模型与算力，牢固AIGC底座

从技术(shù)的发展也可(kě)以(yǐ)看(kàn)出，在语(yǔ)言大模型(xíng)、图(tú)像大(dà)模型之后，多模态大模型已(yǐ)经成(chéng)为了(le)新(xīn)的趋(qū)势。

大(dà)模型被誉为(wèi)当前人工智能发展的智能底座(zuò)，是全(quán)球(qiú)竞争最激烈(liè)的研(yán)究(jiū)方向之一，包括谷歌(gē)、亚(yà)马逊、百度、阿里(lǐ)、腾(téng)讯等众(zhòng)多头部企业都在竞相发力。

不过训练(liàn)大模型的确价格不(bù)菲(fēi)，以(yǐ)国盛证(zhèng)券发布的《ChatGPT需要多少算力(lì)》报告估(gū)算，GPT-3训练一次的(de)成本约(yuē)为140万美元。而(ér)对(duì)于一些更大的(de)LLM(大型语言模型)，训练(liàn)成本(běn)则介于200万(wàn)美元至1200万(wàn)美元高价之间(jiān)。

以ChatGPT在2023年1月(yuè)的独立(lì)访客平(píng)均数1300万计算，其对应芯片需求为3万多片英伟达(dá)A100 GPU，初(chū)始(shǐ)投(tóu)入成(chéng)本约为(wèi)8亿美元(yuán)，每(měi)日仅电费就(jiù)在(zài)5万美(měi)元左右。

此外(wài)不论(lùn)是ChatGPT还(hái)是AIGC，都(dōu)离(lí)不开庞大算力支持。在关注各(gè)类大模(mó)型的发(fā)展同时，更应该关注算力(lì)网络的建设。

算力网络正驱动AI产业发展进(jìn)入史(shǐ)诗级(jí)加(jiā)速进(jìn)程，让AIGC及(jí)通用AI这一人工智能(néng)发展(zhǎn)的终极目标(biāo)离得更近(jìn)。

因为算力可以对(duì)突破性技术创新(xīn)提(tí)供大力的(de)支持(chí)。这方(fāng)面，多模态大(dà)模(mó)型是典型。作为面向未来强人工(gōng)智能、通用人工智(zhì)能的重要技术(shù)创新，多模态大模型已经在人(rén)工智能领域提出了很多年，业界也有不少技术(shù)突破(pò)，但(dàn)是，多模(mó)态(tài)大模型进(jìn)一步(bù)往(wǎng)下走(zǒu)，算力(lì)需求呈50克有多少参照物图片，50克有多少参照物几何式(shì)上升，一(yī)般的(de)算(suàn)力基础设施很快将难以(yǐ)胜任。

从图像、文字、语音(yīn)单独一项的训(xùn)练(liàn)，到双(shuāng)模(mó)态、三模态的跃迁，让人(rén)工智能可以灵活应(yīng)对不同模(mó)态的转(zhuǎn)化、像人(rén)与(yǔ)世界交互一(yī)样自然，这方(fāng)面，由算力网络来驱动将有明显优势。

此外，还有很多需要爆发式增长(zhǎng)的算力来支撑的(de)技(jì)术创(chuàng)新，将(jiāng)在人工(gōng)智能算力(lì)网络支撑下(xià)快速推进。

AIGC已经露出曙光，期待(dài)在大模(mó)型和(hé)大算力(lì)的支持下AIGC能持续颠覆内容(róng)生产的方式，将创造的边际(jì)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 50克有多少参照物图片，50克有多少参照物