AIGC向可控(kòng)靠近

以AI绘(huì)画为代表的AIGC上一(yī)次爆火的(de)时候，还是2022年8月，在美国科罗拉多州举办的新兴数(shù)字艺术家竞赛(sài)中，一幅名为《太空(kōng)歌剧院》的作品获(huò)奖(jiǎng)。

随后各(gè)大(dà)厂商(shāng)的AI绘画软件被广(guǎng)大网友(yǒu)熟知并(bìng)体验，Stable Diffusion便是其中代表。

用户(hù)们可以在应用(yòng)中输入(rù)一组关(guān)键词或者(zhě)一(yī)张照片，就能获得一幅AI创作(zuò)的画作。

作画的关键就是所输(shū)入(rù)的(de)文(wén)本。同(tóng)一(yī)组(zǔ)关键词(cí)也可以创作出(chū)很多张风格不一样的画作(zuò)，这让创作的过程就像开盲(máng)盒。

很多用户很喜欢这种不确定的惊喜，他们会将(jiāng)生成的(de)美图当(dāng)做头像(xiàng)。而另一部分喜欢翻看AI绘画的“翻(fān)车”作品(pǐn)。在社交媒体上，许多(duō)用户分享AI“翻车现场”，例如(rú)，一位网友的小狗(gǒu)照片被AI画(huà)成了“肌(jī)肉男”，还有网(wǎng)友的个(gè)人照片被(bèi)AI识别成了建筑。

而如今随着(zhe)ControlNet的出(chū)现与(yǔ)加持(chí)，以往AI绘画的填写关键词游戏(xì)可(kě)能要被颠覆了。

ControlNet是一位正在斯坦福读博(bó)的中国人(rén)张吕(lǚ)敏(mǐn)创作的一(yī)种基于(yú)控(kòng)制点(diǎn)的图(tú)像变形算法，主(zhǔ)要用(yòng)于(yú)数字图(tú)像(xiàng)处理、计算(suàn)机视(shì)觉和计算机图(tú)形学等(děng)领域。

其(qí)SD插件一(yī)经发布，在短短的两(liǎng)天内便成为了AI绘(huì)画领域最新的(de)热点。

在(zài)此之(zhī)前，大(dà)家用了很多方法想(xiǎng)让AI生成的结果尽可能的(de)符合要求，但是(shì)都不尽(jǐn)如人意，它的出现(xiàn)代表着AI生成开始进入真正(zhèng)的可控(kòng)时期(qī)。

因为ControlNet可以直接提取画面(miàn)的构图，人物的姿势和(hé)画面(miàn)的深度信(xìn)息等。有(yǒu)了它的帮助，就不(bù)用频繁(fán)的用提(tí)示词来碰运气，抽盲盒式(s体重kg是公斤还是斤，体重50kg是多少斤hì)的创作了。

通俗的说ControlNet相当于给AI绘画加了“魔法”，不少博主(zhǔ)的作品已经(jīng)获得了大量的浏览量，“viggo”就是其中之一，他用朋友(yǒu)的照片直接带(dài)她们(men)走(zǒu)进(jìn)动漫世(shì)界。

viggo先(xiān)用StableDiffusion图(tú)片转文字。

再用Text2Prompt插件拓展找到对应的(de)关键词；最后用ControlNet插件绑定骨骼开(kāi)始换关(guān)键(jiàn)词试效(xiào)果。

通过图片就可以看出来，效果十分惊(jīng)艳。

更厉害的是，除了真实的照片(piàn)，草图也可以加上“魔法”，知乎(hū)大牛“DevPoint”和“逗砂(shā)”介绍到ControlNet还(hái)能实现线稿转(zhuǎn)全彩图。大神张吕敏其本尊也亲自回应。

不(bù)得不说当下(xià)AIGC已经变得越来(lái)越强(qiáng)大(dà)，甚至输出的作品(pǐn)都已经能以(yǐ)假乱真了(le)。

02

难辨(biàn)虚实，AIGC技术力爆发

警惕安全(quán)问题

近日，“苏(sū)州金(jīn)鸡(jī)湖有游艇party”的消息火遍网络，而经过警方辟(pì)谣这所谓的“party”可能是(shì)全(quán)国第一起(qǐ)AI绘图诈骗。

由于这个活动(dòng)里面给(gěi)出的美(měi)女(nǚ)照片(piàn)都是AI制作的(de)真(zhēn)人照片绘图(tú)，因为太(tài)逼(bī)真，被大家(jiā)当成真(zhēn)事传播了(le)。

不过仔细(xì)观察可以发现，活动发(fā)起者(zhě)提(tí)供的照(zhào)片(piàn)中有个(gè)很大的漏洞(dòng)可以发现并(bìng)非(fēi)真人，而是AI绘图(tú)，那便是(shì)图片中女性的手指部分(fēn)有的存(cún)在异常(cháng)。

有(yǒu)行业人事表示：“现在因(yīn)为手指部分的(de)绘画算法(fǎ)比较复杂，AI还不太会画人(rén)的(de)手，但最新(xīn)看到的(de)图片已经(jīng)有(yǒu)越来越完美的AI模型出现，以后可能就完全没有漏洞了。”

类似的AI作图诈骗在国外也已有发生。据英国广播公司(sī)报道，土耳其地震(zhèn)期(qī)间，有Tiktok用户使(shǐ)用(yòng)AI合成了儿童受灾(zāi)的假照(zhào)片(piàn)发布(bù)到(dào)网络，以此(cǐ)诱骗善良的(de)人(rén)打赏(shǎng)“捐助(zhù)”从而实(shí)施诈骗。

目前随着(zhe)技(jì)术发展，AIGC已(yǐ)经(jīng)能(néng)做(zuò)出(chū)真人照片般的绘图效果，如果这(zhè)样的(de)图片被(bèi)用来诈骗(piàn)，将非常(cháng)可怕。

此外AIGC还引发了很多担忧，一方面(miàn)，批(pī)判者认为AI在“学习(xí)”了大量(liàng)前人的(de)作品(pǐn)之后，其创(chuàng)作没有(yǒu)任(rèn)何情绪和(hé)灵(líng)魂，难(nán)以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(dōu)并没有(yǒu)得到有效的解决(jué)，还有AIGC会(huì)不会代(dài)替人类“至高无上”的创(chuàng)意(yì)。体重kg是公斤还是斤，体重50kg是多少斤

马斯克也强调，人(rén)工智能的安全问题需要得到重(zhòng)视(shì)，太晚就来(lái)不及了。

03

AIGC下(xià)一站除了视(shì)频，还有(yǒu)远方(fāng)

技(jì)术(shù)都是有两面性的，潜在(zài)的危害并不能掩盖其光(guāng)辉的(de)贡献。现在看来，人(rén)工(gōng)智(zhì)能(néng)技术将是第四次(cì)工业革命的核心驱动力量，将创造新的增长奇迹。

过去一(yī)年，人工智能在技术和商(shāng)业层面都有了巨大进展，AI绘画就是人工(gōng)智能技术发生方向性改变的一(yī)个代表。其下一站或(huò)许就是视频。

此前，Meta和谷歌(gē)先后发布(bù)了几条(tiáo)引爆科技圈的(de)短视频。这些(xiē)视(shì)频(pín)引发(fā)关注并非内容(róng)做得多优秀(xiù)，反而都(dōu)非常简单，比如一匹正在喝水的马(mǎ)，一(yī)只(zhǐ)画画的玩具熊，或者一段骑(qí)摩托(tuō)车的第一视角录(lù)像，随(suí)便一个有(yǒu)手机的人都可以随手(shǒu)录下一(yī)段(duàn)。

但这些(xiē)短(duǎn)视(shì)频的创作方式非常简(jiǎn)单，创作者仅仅(jǐn)需要向AI输入(rù)一段话(huà)，甚至只是说一下(xià)要(yào)求，AI就可以根据需(xū)要生成一段视频。

谷歌发布的两(liǎng)个AI生成视频(pín)分别来自于(yú)Imagen Video和(hé)Phenaki，前者(zhě)主要突出的(de)是高清，与Meta的(de)Make-A-Video没有(yǒu)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(wán)了(le)一(yī)波梗，一个能够做(zuò)出更(gèng)高(gāo)清视频(pín)的AI还不足以在短时(shí)间(jiān)内(nèi)戳中兴奋点。

Phenaki更加令人震惊(jīng)的地方在于，它可以制作出超过2分钟的连贯(guàn)的也有(yǒu)确切内容的视频(pín)，这才是真正让人们(men)感到惊喜的(de)地方(fāng)。因为无论(lùn)AI生(shēng)成的视频(pín)多么高(gāo)清(qīng)，也只能(néng)是(shì)为(wèi)内容生产者提供一个(gè)灵感，一个素材，一个过场动画。

不(bù)过能够制作(zuò)出(chū)有具(jù)体剧情内容的视频就(jiù)意(yì)味(wèi)着(zhe)，一些视频(pín)创(chuàng)作由AI代(dài)替人工(gōng)完成已经初步有了可能。

当(dāng)下AI的发展速度已经超过大部分人的想象。内容产业的本质是供给(gěi)创造需求(qiú)，AIGC作(zuò)为全新的内容生产方(fāng)式，可以为(wèi)内容产业带(dài)来更新的内(nèi)容风(fēng)格、更快(kuài)的生产速度，更低的生产成本，这无(wú)疑会驱动内容(róng)产业(yè)的大爆(bào)发。

除(chú)了AI绘图、视频，AIGC技术还能应用于音乐、代码、机器人动作(zuò)等多(duō)种内容形式的生成。不难(nán)发现(xiàn)该项技术不仅(jǐn)在游戏(xì)等(děng)行业能得到(dào)有效应用，对于下一代互联网各种(zhǒng)元素的构建亦有关(guān)键意义。

从(cóng)商业(yè)化(huà)的角(jiǎo)度(dù)来(lái)看，文(wén)化娱(yú)乐、教(jiào)育、传(chuán)媒等诸多领(lǐng)域(yù)，本身(shēn)就对基(jī)于AI的可视化内容有强烈需求。

因此，AI绘画及(jí)视频(pín)或不是结果，而(ér)只(zhǐ)是AI进程(chéng)中(zhōng)的一块重(zhòng)要拼图，有(yǒu)望在技术更新的(de)加持下实现更大的应用价值。

AI从理解内容，走向了可以生成内容(róng)，甚(shèn)至(zhì)能够创造出独立价值和(hé)独立视角(jiǎo)的内容(róng)。AIGC的再次出(chū)圈，更代(dài)表着未来(lái)的先进生产(chǎn)力即将到来。

04

紧抓大模型与算力，牢固AIGC底(dǐ)座(zuò)

从技术(shù)的发展也可(kě)以看出(chū)，在语言大(dà)模型、图像大模型(xíng)之后(hòu)，多模(mó)态大(dà)模(mó)型(xíng)已经成(chéng)为了新的趋(qū)势。

大(dà)模型(xíng)被誉(yù)为(wèi)当前人工智能发(fā)展的智(zhì)能底座，是全球竞争最激烈的研究方向之一，包括谷(gǔ)歌(gē)、亚马逊、百度、阿里、腾讯等(děng)众多头部企业都在竞相发力。

不(bù)过训练大模型的确价格(gé)不菲，以国(guó)盛证券(quàn)发布(bù)的《ChatGPT需要(yào)多(duō)少算力(lì)》报告估算，GPT-3训练一次的成本约(yuē)为140万美元。而对(duì)于一(yī)些更大的LLM(大(dà)型语言(yán)模型)，训(xùn)练成(chéng)本则介于(yú)200万美元至(zhì)1200万(wàn)美元高价(jià)之间。

以ChatGPT在2023年(nián)1月的独立访客平均数(shù)1300万计算，其(qí)对应(yīng)芯(xīn)片(piàn)需求(qiú)为3万多片英伟达A100 GPU，初始投(tóu)入成本约(yuē)为8亿美元，每日(rì)仅(jǐn)电费就(jiù)在(zài)5万美元左右。

此外(wài)不论是ChatGPT还是(shì)AIGC，都离不开庞大算力(lì)支持。在关注(zhù)各类大模型的发展同时，更(gèng)应该关注算力网(wǎng)络的建设。

算力网(wǎng)络正(zhèng)驱动AI产业(yè)发展进入史诗级加速进程，让AIGC及通用AI这一(yī)人工智能发展的(de)终极(jí)目标离得更近。

因为算力可以对突破性技(jì)术创新提供大力的支持。这方面，多模态大模(mó)型(xíng)是(shì)典型。作为面向(xiàng)未来强人工智能(néng)、通用(yòng)人工智能的重要技术创新，多模(mó)态(tài)大模型已(yǐ)经在人工智能(néng)领域提出(chū)了很多年，业界也有不(bù)少技(jì)术(shù)突破，但是，多模态大(dà)模型进一步往下走，算(suàn)力需求呈几何式(shì)上升，一般的算力基础设施很快将难以胜(shèng)任。

从图像(xiàng)、文字(zì)、语音单独一项(xiàng)的训(xùn)练，到双模态(tài)、三模态的跃迁，让人工智能可(kě)以灵活应对(duì)不(bù)同模态的转化(huà)、像人(rén)与世界交互一(yī)样自(zì)然，这方面，由算(suàn)力网络(luò)来驱动将有明显优势。

此外，还有很多(duō)需要爆发式增长的(de)算力(lì)来支撑的技术创新，将在人(rén)工智能算(suàn)力(lì)网络支撑下快速推(tuī)进(jìn)。

AIGC已经露出(chū)曙光，期待在大模型(xíng)和(hé)大(dà)算力的支持下AIGC能持续颠覆内(nèi)容(róng)生产的方(fāng)式，将创造(zào)的(de)边际成本降低(dī)，让万众受(shòu)益。

未经允许不得转载：橘子百科-橘子都知道 体重kg是公斤还是斤，体重50kg是多少斤