自聊天机器人ChatGPT火爆(bào)以来，微(wēi)软公司(sī)创始人比尔·盖茨已多次公开谈(tán)论人工智能(néng)话(huà)题。在最近(jìn)的一次采访中，他(tā)再次(cì)表示：“AI可能(néng)会让科技行业迎来(lái)一(yī)次剧烈的洗牌”。

这个结论是(shì)他在当(dāng)地时(shí)间(jiān)2月20日接(jiē)受《In Good Company》节目专访时提出的。

他预期(qī)，AI的发展可能会威胁到谷(gǔ)歌的市占率，因为微软在AI方面的(de)行动相当迅速。而最(zuì)终(zhōng)科技巨头将(jiāng)把AI整合成用户的“全能助手”，包(bāo)揽(lǎn)一切应用(yòng)，与人们进行沟(gōu)通并(bìng)提供建议，可以取代亚马逊、Siri或Outlook等应用。

大(dà)佬口中全能助(zhù)手的到来可能(néng)尚需时日，但由ControlNet引发(fā)的又(yòu)一次AI绘画浪潮，让AIGC在ChatGPT的话题热(rè)点包围中杀出重(zhòng)围。

01

ControlNet颠覆AI绘(huì)画新玩(wán)法

AIGC向可控靠(kào)近

以AI绘画为代(dài)表的AIGC上一次(cì)爆火的时候，还是(shì)2022年8月，在美国科罗拉多州举办(bàn)的(de)新兴数(shù)字艺术家竞赛(sài)中，一幅名(míng)为《太空歌(gē)剧院》的(de)作品获奖。

随(suí)后各大厂商的AI绘画软件(jiàn)被(bèi)广大网友(yǒu)熟知并体验，Stable Diffusion便是其(qí)中代表。

用户们可以(yǐ)在应(yīng)用中输入一组关键词(cí)或(huò)者一张照片，就能获得一幅AI创作的画作。

作画的关(guān)键就是所输(shū)入的文本(běn)。同(tóng)一组关键词也可以创作出很(hěn)多张风(fēng)格不(bù)一样(yàng)的画作(zuò)，这让创作的(de)过程就像开(kāi)盲盒(hé)。

很多用户很喜欢(huān)这种不确定的(de)惊(jīng)喜，他们会将生成(chéng)的美(měi)图(tú)当做头像(xiàng)。而另一部分喜欢翻看AI绘画的(de)“翻车”作品。在(zài)社交媒体(tǐ)上，许多用(yòng)户分(fēn)享AI“翻车现(xiàn)场”，例(lì)如，一位(wèi)网友(yǒu)的小狗(gǒu)照片被AI画成了“肌肉(ròu)男”，还有网友的(de)个人照片被AI识(shí)别成了建筑。

而如今随着ControlNet的出现(xiàn)与加持，以往(wǎng)AI绘画的填写关键词游戏可能要被颠覆了(le)。

ControlNet是一位正在斯坦福(fú)读博的(de)中国(guó)人张吕敏创作的(de)一种(zhǒng)基于(yú)控制(zhì)点的(de)图(tú)像变形(xíng)算法，主要用于数字图像处理(lǐ)、计算机视觉(jué)和计算机图(tú)形学等领域。

其(qí)SD插件(jiàn)一(yī)经发布(bù)，在短短的两天内(nèi)便成为了AI绘(huì)画领域最新的热点。

在(zài)此之前，大家用了很多方法想让AI生成的结(jié)果尽可(kě)能的符(fú)合要求(qiú)，但是(shì)都不尽如(rú)人意，它(tā)的出现代表着(zhe)AI生成开始进入(rù)真正的可控时期(qī)。

因为ControlNet可以直接提(tí)取画面的构(gòu)图(tú)，人物(wù)的姿势(shì)和画面的深度信息等。有了(le)它的(de)帮助，就不(bù)用频繁的用提示词来碰运气，抽盲盒式的创作了。

通俗的说ControlNet相当于(yú)给AI绘画(huà)加了“魔法”，不少博主的作品已经获得了大量的(de)浏(liú)览量，“viggo”就是其中之一，他用朋友的照片直接带(dài)她们(men)走进动漫世界(jiè)。

viggo先用StableDiffusion图片转文(wén)字。

再用(yòng)Text2Prompt插件拓(tuò)展(zhǎn)找到(dào)对应的(de)关(guān)键(jiàn)词(cí)；最后用ControlNet插(chā)件绑定骨骼开(kāi)始换(huàn)关键词试效果。

通过图片就可以看出来(lái)，效果十分惊(jīng)艳。

更厉害的是，除(chú)了真实的(de)照片，草图也可(kě)以加上“魔(mó)法”，知乎大牛“DevPoint”和“逗砂”介(jiè)绍(shào)到(dào)ControlNet还能(néng)实现线稿转全(quán)彩图。大神张吕敏其本(běn)尊也亲自回应。

不(bù)得不(bù)说当下AIGC已(yǐ)经变得越来越强大，甚至输出的作(zuò)品都已(yǐ)经(jīng)能以假乱真(zhēn)了。

02

难辨虚实，AIGC技(jì)术力(lì)爆(bào)发

警惕安全问题

近日(rì)，“苏州(zhōu)金鸡(jī)湖有游艇party”的(de)消息(xī)火遍网络，而(ér)经过(guò)警方辟谣这(zhè)所(suǒ)谓的(de)“party”可(kě)能(néng)是全国(guó)第一起(qǐ)AI绘(huì)图诈骗。

由于这个活动(dòng)里(lǐ)面(miàn)给(gěi)出的美女照片(piàn)都是AI制作的真人照(zhào)片绘图，因(yīn)为(wèi)太逼真，被大(dà)家当成真事传播了。

不(bù)过(guò)仔细观察可(kě)以(yǐ)发现，活(huó)动发起(qǐ)者提供的照片(piàn)中(zhōng)有个(gè)很大(dà)的漏洞可以(yǐ)发现并(bìng)非真人(rén)，而是AI绘图，那便是图片(piàn)中女性(xìng)的手指部分(fēn)有的存在异常。

有(yǒu)行(xíng)业人事表示：“现(xiàn)在因(yīn)为手(shǒu)指部分的绘(huì)画(huà)算法比较(jiào)复(fù)杂，AI还不太会画(huà)人的手，但最新看到的图片(piàn)已经(jīng)有越来越完(wán)美的AI模型出现(xiàn)，以后可能就(jiù)完全没有漏洞了。”

类似的AI作图诈骗在国外也已(yǐ)有发生。据英国广(guǎng)播(bō)公司报(bào)道，土(tǔ)耳其地(dì)震期间，有Tiktok用(yòng)户使用AI合成了儿童(tóng)受灾的假照片发布(bù)到网络，以(yǐ)此(cǐ)诱骗善良的人打赏“捐助”从而实施诈骗。

目(mù)前随着技(jì)术发展，AIGC已经能(néng)做(zuò)出真(zhēn)人照片般的绘(huì)图(tú)效(xiào)果，如果这样的图(tú)片被用来诈(zhà)骗，将非常(cháng)可怕。

此外AIGC还引发(fā)了很多担忧，一方面，批判(pàn)者(zhě)认为AI在“学(xué)习”了大量前人的作品之(zhī)后，其创作没有任何情绪(xù)和灵(líng)魂，难以和人(rén)类的艺术创(chuàng)作相提并(bìng)论。

另(lìng)一(yī)方面，AIGC背后的版权、目前都并没有得到(dào)有效的解决，还有AIGC会(huì)不会代替人类“至高无(wú)上(shàng)”的(de)创意。

马斯克也强调，人(rén)工智能的安(ān)全问题需要得到重视，太晚就来不及(jí)了。

03

AIGC下(xià)一(yī)站除了(le)视频，还(hái)有(yǒu)远方

技(jì)术都是有两面性(xìng)的，潜在(zài)的(de)危害(hài)并不能掩盖其光(guāng)辉的贡献。现在看(kàn)来，人工智能(néng)技(jì)术将是第(dì)四次工业革(gé)命的核心驱(qū)动力量，将(jiāng)创(chuàng)造新(xīn)的增长奇(qí)迹。

过去一年，人(rén)工(gōng)智(zhì)能在(zài)技术和商(shāng)业层面(miàn)都有(yǒu)了巨大进展(zhǎn)，AI绘画就是(shì)人(rén)工智(zhì)能技术(shù)发生方向性改(gǎi)变的一(yī)个代(dài)表。其下一站或许就是视频。

此前，Meta和谷(gǔ)歌先后发(fā)布了几条引(yǐn)爆科技圈的(de)短视频。这(zhè)些视频引发关注(zhù)并非内容做得(dé)多优秀，反而都非常简单(dān)，比如一匹正在喝水(shuǐ)的马，一(yī)只画画(huà)的玩具熊，或(huò)者一(yī)段骑(qí)摩托车(chē)的第一视角录(lù)像，随(suí)便一个有手机的(de)人都可以随手录下一段。

但这些(xiē)短视频的创作(zuò)方式非常简(jiǎn)单，创作者仅(jǐn)仅需要向AI输(shū)入一切开的南瓜可以放冰箱吗，南瓜切了一半放冰箱能留几天(yī)段话，甚(shèn)至只(zhǐ)是说一下要求(qiú)，AI就可以根据(jù)需要生(shēng)成一段视频。

谷歌(gē)发布(bù)的两(liǎng)个AI生成视(shì)频(pín)分(fēn)别来自于Imagen Video和Phenaki，前者主要(yào)突出的是(shì)高(gāo)清，与Meta的Make-A-Video没有太多的差别(bié)。

在Make-A-Video公布了(le)AI生成的(de)视频后(hòu)，AI圈就已(yǐ)经玩了(le)一波(bō)梗，一个能够(gòu)做出更高清视频的(de)AI还不足(zú)以在短时间内戳中兴奋点(diǎn)。

Phenaki更加令人震惊的(de)地方在于，它可(kě)以制作出(chū)超过2分(fēn)钟的连(lián)贯的也有(yǒu)确切内容的视频，这才(cái)是真正让人们感到惊(jīng)喜的地(dì)方(fāng)。因为无(wú)论AI生成的视频多么高清，也只(zhǐ)能是为(wèi)内容生产者(zhě)提供一个灵(líng)感，一(yī)个素材，一个(gè)过场动画。

不过(guò)能够制作出有具体(tǐ)剧情内(nèi)容的视频就意味着，一些视(shì)频创(chuàng)作由AI代(dài)替人工(gōng)完成已经初步有了可能(néng)。

当下(xià)AI的(de)发展速度已经超过大部分人的想象。内(nèi)容产业的本质(zhì)是(shì)供给创造需求(qiú)，AIGC作为全新的内(nèi)容生产方式，可(kě)以为(wèi)内容产业带来更新(xīn)的内容风格、更(gèng)快的生产速度，更(gèng)低的(de)生产成(chéng)本，这无疑(yí)会驱(qū)动内容(róng)产(chǎn)业的大爆发。

除了AI绘图、视频，AIGC技术还能(néng)应用于音乐(lè)、代码、机器人动作等多种内容形式(shì)的生成。不难(nán)发现该项(xiàng)技术(shù)不仅在游(yóu)戏(xì)等行业能得到有效应用(yòng)，对于下一代(dài)互联(lián)网各种元素的构建亦(yì)有(yǒu)关键意(yì)义(yì)。

从商(shāng)业化(huà)的角度来看(kàn)，文化娱乐、教(jiào)育、传(chuán)媒等诸多领(lǐng)域(yù)，本身就对基于AI的可(kě)视化内(nèi)容有(yǒu)强烈(liè)需求。

因此，AI绘画(huà)及视(shì)频或不(bù)是结(jié)果，而只是AI进程(chéng)中的一块重要拼图，有望(wàng)在技术更新(xīn)的加持下实现更大的应用(yòng)价值(zhí)。

AI从理解内容，走向了可以生成内容，甚(shèn)至能(néng)够创(chuàng)造(zào)出独立价(jià)值和独立(lì)视(shì)角(jiǎo)的内容。AIGC的(de)再(zài)次出(chū)圈，更代(dài)表着未来的(de)先进生(shēng)产力即(jí)将到来(lái)。

04

紧抓大模型与算力，牢(láo)固AIGC底座

从技术(shù)的发展也可(kě)以看出，在语言大模型、图像大(dà)模型(xíng)之后，多模(mó)态大模(mó)型(xíng)已经成为(wèi)了新的(de)趋势(shì)。

大模型被誉(yù)为当前人(rén)工智能发展的智能底(dǐ)座(zuò)，是(shì)全(quán)球(qiú)竞争最激烈的研(yán)究方向之(zhī)一，包括谷歌、亚马逊、百度(dù)、阿里、腾讯等(děng)众多头部(bù)企业都(dōu)在竞相发力。

不过训(xùn)练(liàn)大(dà)模(mó)型的确价(jià)格不菲，以国盛(shèng)证券发布的《ChatGPT需(xū)要多少算力》报告估算，GPT-3训练(liàn)一(yī)次的成本约为140万美元。而(ér)对(duì)于一(yī)些更大(dà)的LLM(大型语言模型)，训(xùn)练成本(běn)则介于200万美元至1200万美元高价(jià)之间。

以(yǐ)ChatGPT在2023年1月的独立访客平均(jūn)数1300万计算，其对应芯片需求为3万(wàn)多片英伟(wěi)达(dá)A100 GPU，初始投入成(chéng)本约为8亿美元，每日(rì)仅(jǐn)电费就在5万美元(yuán)左右。

此外不论是ChatGPT还是(shì)AIGC，都(dōu)离不(bù)开庞大算力(lì)支持(chí)。在关注(zhù)各类大模型的发展同时，更应该(gāi)关注算力网络的建设(shè)。

算(suàn)力网络(luò)正驱动AI产业发展进入史诗级加速进程，让AIGC及通用AI这一(yī)人工智能发展(zhǎn)的(de)终(zhōng)极目(mù)标离(lí)得(dé)更近。

因(yīn)为算力(lì)可(kě)以对(duì)突破性技(jì)术创新提供大(dà)力的支持。这方(fāng)面，多模态大模型是典型。作(zuò)为面向未(wèi)来强人工智能、通用人工(gōng)智(zhì)能的重要(yào)技(jì)术创新，多模态大模型已(yǐ)经(jīng)在人工(gōng)智(zhì)能领域提出了很多年，业界也有不(bù)少(shǎo)技术突破，但是，多模态大模(mó)型进一步往下(xià)走，算力(lì)需求呈(chéng)几何式上升，一般(bān)的算力基础(chǔ)设施(shī)很快(kuài)将难以(yǐ)胜任。

从(cóng)图像、文字、语音单独(dú)一项的训(xùn)练，到双模态、三模态的跃迁，让(ràng)人工智能(néng)可以灵活(huó)应对不同模态的转化、像人与世界交互一样自(zì)然(rán)，这方面，由算力(lì)网络来驱(qū)动将(jiāng)有明显优势。

此外，还有(yǒu)很多(duō)需要爆发式增长的算力(lì)来支(zhī)撑(chēng)的技术(shù)创新，将在人工智能算力网络支撑(chēng)下快(kuài)速推(tuī)进。

AIGC已经露出曙光(guāng)，期待在大模型和(hé)大算力的支持(chí)下AIGC能(néng)持续颠覆内容生产的方式(shì)，将(jiāng)创造的边际成本降(jiàng)低，让万众受益。

未经允许不得转载：橘子百科-橘子都知道 切开的南瓜可以放冰箱吗，南瓜切了一半放冰箱能留几天