自聊(liáo)天机器人ChatGPT火(huǒ)爆(bào)以来，微软公司创始人(rén)比尔·盖茨已多次公开(kāi)谈论人工(gōng)智能话题。在(zài)最近的一次采访中(zhōng)，他(tā)再次表示：“AI可能会让科技行业迎来一次剧烈的洗牌(pái)”。

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

他预期，AI的发(fā)展可能会威胁到谷(gǔ)歌的(de)市(shì)占率，因为(wèi)微软在AI方面的行(xíng)动(dòng)相当(dāng)迅速。而最终科(kē)技巨头将把(bǎ)AI整合成用户的(de)“全能助手”，包揽(lǎn)一切应用，与人们(men)进行(xíng)沟通并提供建议，可以取代亚马逊、Siri或Outlook等应用。

大佬(lǎo)口中全能助手的到来(lái)可能(néng)尚需时日，但由ControlNet引发的又一次(cì)AI绘(huì)画(huà)浪潮，让AIGC在(zài)ChatGPT的话(huà)题热点(diǎn)包围中杀出重(zhòng)围。

01

ControlNet颠覆(fù)AI绘画(huà)新玩法

AIGC向可控靠近

以AI绘画为(wèi)代表的AIGC上一(yī)次(cì)爆火的时(shí)候，还是2022年8月，在美国(guó)科罗拉多州举办(bàn)的新兴数字艺术(shù)家竞赛中，一幅名为《太空歌剧院》的作品获奖。

随后各大厂(chǎng)商的AI绘画软件被广大网友熟(shú)知并体(tǐ)验，Stable Diffusion便是其中(zhōng)代表(biǎo)。

用户们可以在应用中输入一组关(guān)键词或者一张(zhāng)照片，就能获(huò)得一幅AI创作的画作。

作画(huà)的关键就是(shì)所输入的文本。同(tóng)一组(zǔ)关键词(cí)也(yě)可(kě)以创(chuàng)作出很多张风格不一样(yàng)的画作，这让(ràng)创作的(de)过(guò)程就(jiù)像开盲盒。

很多用户很喜欢这种不(bù)确定的惊喜，他们会将生成的美图当做头像。而另一部分喜欢翻看(kàn)AI绘画的“翻车(chē)”作品(pǐn)。在(zài)社交媒(méi)体上，许多(duō)用(yòng)户分享AI“翻车(chē)现场”，例如，一位网友的(de)小狗(gǒu)照片(piàn)被AI画成(chéng)了“肌(jī)肉男”，还有(yǒu)网友的(de)个人照片被AI识别成了建筑。

而(ér)如今随着(zhe)ControlNet的(de)出现与(yǔ)加持，以(yǐ)往AI绘画的填写关键词(cí)游戏可能要被颠覆(fù)了。

ControlNet是一位(wèi)正在(zài)斯坦福读博的中国人张吕敏创作的一(yī)种基于控制点(diǎn)的图(tú)像(xiàng)变形(xíng)算法，主要用于数字(zì)图像处理、计算机视(shì)觉和计算机(jī)图形学等领域。

其SD插件(jiàn)一(yī)经发布(bù)，在(zài)短短的两(liǎng)天内便成为了(le)AI绘画领(lǐng)域(yù)最新的(de)热点(diǎn)。

在此之前，大家用了很(hěn)多方法想让(ràng)AI生成的结(jié)果尽可能的符合要求(qiú)，但是都不尽(jǐn)如人意(yì)，它的出(chū)现代(dài)表着AI生成开始进入真正(zhèng)的可控时期。

因为(wèi)ControlNet可以(yǐ)直接提(tí)取画面的构图(tú)，人物的姿势(shì)和画(huà)面的深度信息等。有了它(tā)的(de)帮助，就不用频繁的用提示词(cí)来碰(pèng)运气，抽盲盒式(shì)的创(chuàng)作(zuò)了。

通(tōng)俗的(de)说ControlNet相当于给(gěi)AI绘画(huà)加了“魔(mó)法”，不少博主的作品已经获得了大(dà)量的(de)浏(liú)览(lǎn)量，“viggo”就是其(qí)中(zhōng)之一(yī)，他用朋友的(de)照片直接带她们走进动漫(màn)世界。

viggo先用StableDiffusion图(tú)片转文(wén)字(zì)。

再用(yòng)Text2Prompt插件(jiàn)拓展找到对应的关键词；最(zuì)后用(yòng)ControlNet插件绑(bǎng)定(dìng)骨骼开始(shǐ)换(huàn)关键词(cí)试效果。

通过(guò)图片(piàn)就可以看(kàn)出(chū)来，效果十分惊艳。

更厉害的(de)是，除(chú)了真(zhēn)实(shí)的照(zhào)片，草(cǎo)图也可(kě)以加上“魔法(fǎ)”，知乎大牛“DevPoint”和“逗砂”介(jiè)绍到ControlNet还能(néng)实现(xiàn)线稿转全彩(cǎi)图(tú)。大神张吕敏其(qí)本尊也亲自回应。

不得不说(shuō)当下AIGC已经(jīng)变得越来越(yuè)强大，甚至输出的作品都已经能以假乱真(zhēn)了。

02

难辨虚实，AIGC技术力爆发(fā)

警惕安全(quán)问题

近日，“苏州金(jīn)鸡湖有游艇party”的消息火遍网(wǎng)络(luò)，而经过警(jǐng)方辟(pì)谣(yáo)这所谓的“party”可能(néng)是全国第一起(qǐ)AI绘图(tú)诈骗。

由于这(zhè)个活动里面给出的美女(nǚ)照片都(dōu)是AI制(zhì)作的(de)真(zhēn)人(rén)照片(piàn)绘图，因为(wèi)太(tài)逼真，被大(dà)家当(dāng)成真事传(chuán)播了(le)。

不过(guò)仔细观察可以发现，活动(dòng)发起者提供的照片中有(yǒu)个(gè)很大的漏(lòu)洞可以发现并非真(zhēn)人，而(ér)是AI绘(huì)图，那便是图片(piàn)中女(nǚ)性的手指(zhǐ)部分(fēn)有的存在(zài)异常。

有(yǒu)行业(yè)人事表示(shì)：“现(xiàn)在因为手指部分的绘画(huà)算(suàn)法(fǎ)比(bǐ)较复杂，AI还不太会画人(rén)的手(shǒu)，但最新(xīn)看到的图片已经有越来(lái)越完美(měi)的AI模型出现(xiàn)，以(yǐ)后(hòu)可能就完(wán)全没有漏洞了。”

类似的(de)AI作图诈(zhà)骗在国外(wài)也(yě)已有(yǒu)发生(shēng)。据英(yīng)国(guó)广(guǎng)播公司报道，土耳其(qí)地震期间，有Tiktok用(yòng)户使用AI合成(chéng)了(le)儿童(tóng)受(shòu)灾的(de)假照片发布到(dào)网络，以此诱骗善良的(de)人打赏“捐助”从而实施诈骗(piàn)。

目(mù)前随(suí)着技术(shù)发展，AIGC已经(jīng)能做出真(zhēn)人照(zhào)片般的绘图效(xiào)果(guǒ)，如果这样的图片(piàn)被用(yòng)来诈骗，将非常可(kě)怕。

此外AIGC还引发了(le)很多担忧，一方面，批判者(zhě)认为AI在(zài)“学(xué)习”了(le)大量前人的作品之后，其创(chuàng)作没有任何情绪和灵魂(hún)，难以(yǐ)和(hé)人类的(de)艺(yì)术创作相提(tí)并论。

另一方面，AIGC背后的(de)版权、目(mù)前都并没有(yǒu)得到有效的(de)解决，还有AIGC会(huì)不会(huì)代替人类“至高(gāo)无上(shàng)”的创意。

马斯克(kè)也强调(diào)，人工(gōng)智能的安全问(wèn)题需要得到(dào)重视，太晚就来不及了。

03

AIGC下一站(zhàn)除了视频，还(hái)有(yǒu)远方

技术都是有两面性(xìng)的(de)，潜在的危害(hài)并(bìng)不(bù)能(néng)掩盖其(qí)光(guāng)辉的贡献。现(xiàn)在看来，人工智能技术将是(shì)第四次(cì)工业(yè)革命的核心驱动力量，将(jiāng)创造(zào)新的增长奇(qí)迹(jì)。

过去(qù)一年(nián)，人(rén)工智能在技术和商(shāng)业(yè)层面都有了(le)巨大(dà)进展，AI绘画就是人工智能技术发(fā)生方向性改变的一个代表。其下一站或许就(jiù)是视(shì)频。

此(cǐ)前，Meta和谷(gǔ)歌先后发布(bù)了几条引爆科技圈的短视(shì)频。这些视频引(yǐn)发关(guān)注并非内容做得多(duō)优(yōu)秀，反而都非常简单(dān)，比如一匹正在喝水的(de)马，一只(zhǐ)画画(huà)的玩具熊，或(huò)者一段骑摩托车的(de)第一视角(jiǎo)录像，随便一个有手机的人(rén)都可以随手(shǒu)录下一段。

但这些(xiē)短视频的(de)创作方(fāng)式(shì)非常简单，创作者仅仅需要向(xiàng)AI输入一段话，甚至只是(shì)说一(yī)下(xià)要(yào)求，AI就可(kě)以(yǐ)根据需要生成一段视频。

谷(gǔ)歌发(fā)布(bù)的两个(gè)AI生(shēng)成视频分别来自于Imagen Video和Phenaki，前者主要突出(chū)的是高清(qīng)，与Meta的Make-A-Video没有太(tài)多的差别。

在(zài)Make-A-Video公(gōng)布(bù)了AI生(shēng)成(chéng)的(de)视频(pín)后，AI圈就已经玩了一波梗，一个能够做出更高清视频的AI还不足以在短时间内戳中(zhōng)兴奋点。

Phenaki更加令(lìng)人(rén)震(zhèn)惊的地(dì)方(fāng)在于(yú)，它可以制作出(chū)超过2分钟(zhōng)的连(lián)贯的也苏三起解的故事，苏三起解的故事简介有确切内容(róng)的视频，这才是真正(zhèng)让人们感到惊(jīng)喜的(de)地(dì)方。因(yīn)为无论AI生成的视频多么高清，也只能是为内容生产(chǎn)者(zhě)提供一(yī)个灵感，一(yī)个素材，一个(gè)过场动(dòng)画。

不过能够制作出有具体剧情内容(róng)的视频(pín)就(jiù)意味着，一(yī)些视(shì)频创作由AI代(dài)替(tì)人工完成已经(jīng)初步有了可能。

当下AI的(de)发(fā)展(zhǎn)速度(dù)已经超过大部分人(rén)的想象。内容产业的(de)本质是供(gōng)给(gěi)创(chuàng)造需求，AIGC作为全(quán)新的内容生产方式(shì)，可(kě)以为内容产业(yè)带来更新的内(nèi)容风格、更(gèng)快的生产速度(dù)，更低的生产成本，这(zhè)无疑会驱动(dòng)内容产业的大(dà)爆发。

除(chú)了AI绘(huì)图、视频(pín)，AIGC技术还能应用于音乐(lè)、代码、机(jī)器人动(dòng)作等多(duō)种内容形式的(de)生成。不(bù)难发现该(gāi)项技术不仅在游戏等行业能得到(dào)有(yǒu)效应用，对(duì)于下一代(dài)互(hù)联网各种元素的构建亦有关键意义。

从(cóng)商业化的(de)角度来(lái)看，文(wén)化娱(yú)乐(lè)、教(jiào)育、传媒等诸(zhū)多领域，本身就对基(jī)于AI的可视化(huà)内容有强烈需求。

因(yīn)此，AI绘画及视频或不是(shì)结(jié)果，而只是(shì)AI进程中的一块重要拼图，有望在(zài)技术(shù)更新的加(jiā)持(chí)下实现更大的应用价(jià)值(zhí)。

AI从(cóng)理解内容，走向(xiàng)了可以生成内容，甚至能够创造出(chū)独立价值和独立视角的内容(róng)。AIGC的再次出(chū)圈，更代表着未来的(de)先(xiān)进(jìn)生产(chǎn)力即(jí)将到(dào)来。

04

紧抓大模型与算力，牢(láo)固AIGC底座(zuò)

从技术的(de)发(fā)展也(yě)可以看出，在语言大模型、图像大模型之后，多(duō)模态大(dà)模型(xíng)已经(jīng)成为(wèi)了新的趋(qū)势。

大模型(xíng)被誉(yù)为当前人(rén)工智能发展的智能底(dǐ)座，是全球竞争(zhēng)最(zuì)激(jī)烈的研究方向之一，包(bāo)括谷歌、亚马逊、百度(dù)、阿里、腾讯等(děng)众多头部企(qǐ)业都在竞相发力。

不过训练大模型的确价(jià)格不菲(fēi)，以国盛证(zhèng)券发布的《ChatGPT需要多少(shǎo)算力(lì)》报告估算，GPT-3训练一次的成本约为(wèi)140万美元。而对于(yú)一(yī)些更大(dà)的LLM(大(dà)型语言模型)，训练成(chéng)本则介于200万美元至(zhì)1200万美元高价之间。

以ChatGPT在2023年1月的独立(lì)访客平均(jūn)数1300万(wàn)计算，其对应芯片需求为3万多(duō)片(piàn)英伟达A100 GPU，初始投入(rù)成(chéng)本约为(wèi)8亿美元，每日仅(jǐn)电费(fèi)就在5万美(měi)元左右。

此外(wài)不论是ChatGPT还是AIGC，都离不开庞大算力支(zhī)持。在关(guān)注各(gè)类大模型的发展(zhǎn)同时(shí)，更应该(gāi)关注算力网络的建(jiàn)设。

算力(lì)网络正驱动AI产(chǎn)业发(fā)展进入史诗级加(jiā)速进程，让(ràng)AIGC及通用AI这一(yī)人(rén)工智(zhì)能发展(zhǎn)的终极目标(biāo)离(lí)得更近。

因为(wèi)算力可以对突(tū)破性技术创新提供(gōng)大力(lì)的支持(chí)。这方面，多模态大模型是典型。作为(wèi)面向未(wèi)来强人工智能(néng)、通用人工智能的重(zhòng)要技术创新，多模态大(dà)模型已经在人(rén)工智能领(lǐng)域(yù)提出了(le)很(hěn)多年(nián)，业界也(yě)有不少(shǎo)技术突(tū)破，但是，多模态大模(mó)型进一(yī)步(bù)往下走，算(suàn)力需求呈几何(hé)式上升，一般(bān)的(de)算力基础设施很快(kuài)将难以胜(shèng)任。

从图像、文字、语(yǔ)音单独一项(xiàng)的训练，到双模态(tài)、三模态的跃迁(qiān)，让人工智能可以灵活应对(duì)不同模(mó)态的转化、像人与世(shì)界交互(hù)一样自然，这方面(miàn)，由算力网(wǎng)络来驱动将有明显优势(shì)。

此外，还有很多需(xū)要爆(bào)发式增长的算力来支(zhī)撑的(de)技术创新(xīn)，将在人(rén)工智(zhì)能算力网(wǎng)络(luò)支(zhī)撑下快速推进。

AIGC已经露出曙光，期待在大(dà)模型(xíng)和大算力的支持下AIGC能持续(xù)颠覆(fù)内容生产的方式，将创造的边际成本降(jiàng)低，让万众受益。

未经允许不得转载：上海惠特丽生物科技有限公司 官网 苏三起解的故事，苏三起解的故事简介