自聊天机(jī)器人ChatGPT火爆以来(lái)，微(wēi)软(ruǎn)公司创(chuàng)始人比尔·盖茨已多(duō)次公(gōng)开谈论(lùn)人工智能话题。在最近的(de)一次采访中，他(tā)再(zài)次表示：“AI可能会(huì)让(ràng)科技行业迎来一次剧(jù)烈(liè)的洗牌”。

这个结论(lùn)是他在当地(dì)时间(jiān)2月20日接受(shòu)《In Good Company》节(jié)目(mù)专访时提出的。

他预期(qī)，AI的发展可能会威胁到谷歌的市占率，因为微(wēi)软(ruǎn)在AI方面的行动(dòng)相当迅速。而最终科技(jì)巨(jù)头将把AI整合(hé)成用户的“全能助手”，包揽一切应(yīng)用，与人(rén)们进行沟通并提供建议(yì)，可以取(qǔ)代(dài)亚马逊、Siri或Outlook等应(yīng)用。

大佬口中(zhōng)全能助手的到来可能尚需(xū)时日，但由(yóu)ControlNet引发的又一次AI绘画(huà)浪(làng)潮，让AIGC在ChatGPT的(de)话题热(rè)点包围中杀出重围。

01

ControlNet颠覆AI绘画(huà)新玩法

AIGC向可控靠(kào)近

以AI绘画为代表(biǎo)的AIGC上一次爆火的时(shí)候，还(hái)是2022年8月，在美国(guó)科罗拉多州举办的(de)新兴数字艺(yì)术家竞赛中，一幅名为(wèi)《太空(kōng)歌剧(jù)院》的作品获(huò)奖。

随后各大厂商的AI绘画软件被广大网友熟知(zhī)并体验，Stable Diffusion便(biàn)是其(qí)中代表(biǎo)。

用户(hù)们(men)可以(yǐ)在应(yīng)用中输入一组(zǔ)关(guān)键(jiàn)词或者一张(zhāng)照片，就(jiù)能获得一幅AI创作的画作。

作画的关键就是所输入的文本。同一组关键词也(yě)可(kě)以创作出很(hěn)多张风格不一(yī)样(yàng)的画作，这让创作的过程就像开盲盒。

很多(duō)用户很喜(xǐ)欢这种不确定的惊喜，他们会将生成的美(měi)图当做头像。而另一部(bù)分喜欢(huān)翻看(kàn)AI绘画的“翻车”作品。在社(shè)交媒体上，许多用(yòng)户分享AI“翻车现场”，例如(rú)，一位网友(yǒu)的小狗照片(piàn)被AI画成了“肌(jī)肉(ròu)男(nán)”，还有网友的(de)个人照片被AI识别成了建筑(zhù)。

而如今随(suí)着ControlNet的出现与加持，以往AI绘画的填写关键词(cí)游戏可能(néng)要被(bèi)颠覆了。

ControlNet是一位(wèi)正在斯坦福读(dú)博的中国人张(zhāng)吕敏创(chuàng)作的一种基于控制点的图像变形(xíng)算(suàn)法，主(zhǔ)要用于数字(zì)图像处理、计算(suàn)机视觉和计算(suàn)机图形学(xué)等领域。

其SD插件一经(jīng)发布，在短短的两天内(nèi)便成为了(le)AI绘画领域最(zuì)新(xīn)的热点(diǎn)。

在(zài)此之前，大(dà)家(jiā)用(yòng)了(le)很(hěn)多方法(fǎ)想让AI生成的结(jié)果(guǒ)尽(jǐn)可能的符(fú)合要求(qiú)，但是都不尽如(rú)人(rén)意，它(tā)的出(chū)现代(dài)表着AI生成开始进入(rù)真正(zhèng)的(de)可控时(shí)期(qī)。

因为ControlNet可以直接提取(qǔ)画面(miàn)的构图，人物的姿势和(hé)画面的(de)深度(dù)信息等。有了它(tā)的(de)帮助，就不用频(pín)繁的(de)用提示词(cí)来(lái)碰运气，抽盲盒(hé)式的创作(zuò)了(le)。

通俗的(de)说ControlNet相当于(yú)给AI绘画加了“魔法”，不(bù)少博(bó)主的(de)作品已经获得(dé)了(le)大量的浏览量，“viggo”就是(shì)其中之一，他用朋友的(de)照片直接带她们(men)走进动漫世(shì)界。

viggo先(xiān)用StableDiffusion图片转文字。

再(zài)用Text2Prompt插件拓展找到对应的(de)关键词(cí)；最后用ControlNet插件绑定(dìng)骨骼开(kāi)始换关键词试效(xiào)果。

通过(guò)图(tú)片(piàn)就可以看出(chū)来，效果十分惊艳。

更(gèng)厉害的(de)是，除(chú)了(le)真实的照片，草图也(yě)可以加上“魔法(fǎ)”，知乎(hū)大牛“DevPoint”和“逗砂”介(jiè)绍到ControlNet还能实现(xiàn)线稿(gǎo)转(zhuǎn)全彩图。大神(shén)张吕(lǚ)敏其本尊也亲自(zì)回应。

不(bù)得不(bù)说当下AIGC已经(jīng)变得越来越(yuè)强大，甚至输出的(de)作品都已经能以假乱真了。

02

难辨(biàn)虚实，AIGC技术力爆(bào)发

警惕安全问题

近日(rì)，“苏(sū)州金(jīn)鸡(jī)湖有游艇party”的消(xiāo)息火遍网络，而经过警方辟谣这所谓(wèi)的“party”可能是全国第一起AI绘图(tú)诈骗。

由于(yú)这个活(huó)动里面给出的美女照片都是AI制作的(de)真人(rén)照片绘图，因为太(tài)逼(bī)真，被大(dà)家当成真事(shì)传播了。

不过仔细(xì)观察可以发现，活动发起者提供的照(zhào)片中有个(gè)很大(dà)的漏洞可以发现(xiàn)并(bìng)非真人，而是AI绘图，那便是图片中女性(xìng)的手指部分有的存(cún)在(zài)异常(cháng)。

有(yǒu)行业人(rén)事(shì)表示：“现(xiàn)在因为手指部(bù)分的绘(huì)画(huà)算法(fǎ)比(bǐ)较复(fù)杂，AI还不太会画人的手(shǒu)，但最新看到(dào)的图片已经有越来越(yuè)完美的AI模型(xíng)出现，以(yǐ)后可能就完全没有漏洞了。”

类似的(de)AI作(zuò)图诈骗在(zài)国外也已有发(fā)生(shēng)。据(jù)英国广播公司报道，土(tǔ)耳其地(dì)震期间(jiān)，有Tiktok用户使用AI合成(chéng)了(le)儿童受灾(zāi)的假照片(piàn)发布到网络(luò)，以此(cǐ)诱骗善良的人打(dǎ)赏“捐(juān)助(zhù)”从而实(shí)施诈(zhà)骗。

目(mù)前随着技术(shù)发展(zhǎn)，AIGC已经能做出真人照片般的绘图效果，如果这样(yàng)的图片被用(yòng)来诈骗，将非常可怕。

此外AIGC还引发了很多担忧，一方面，批判(pàn)者认为AI在(zài)“学习(xí)”了(le)大量前(qián)人的(de)作品(pǐn)之后，其(qí)创作(zuò)没有(yǒu)任何情(qíng)绪和(hé)灵(líng)魂，难以和人类的艺(yì)术创作相提并论。

另一(yī)方(fāng)面，AIGC背后的版权(quán)、目前(qián)都并没有得到(dào)有效的(de)解决(jué)，还有(yǒu)AIGC会不会(huì)代替(tì)人类“至高无上”的创意。

马斯克也强调，人工智能的安(ān)全问题需要(yào)得到重(zhòng)视，太晚就来不(bù)及(jí)了。

03

AIGC下(xià)一站除了视频，还有远方

技术都(dōu)是(shì)有两面性(xìng)的，潜在的危害并不能(néng)掩盖其光辉的贡献。现在(zài)看来，人工智(zhì)能技(jì)术将(jiāng)是第(dì)四次(cì)工业革命(mìng)的核心驱(qū)动力量(liàng)，将创造新的增长奇迹。

过去一年(nián)，人工智(zhì)能在技术和商业层面都有(yǒu)了巨(jù)大进展，AI绘画就(jiù)是人工智(zhì)能技术发生(shēng)方向性改变的一个(gè)代表。其下一站或许就是视频。

此前，Meta和(hé)谷歌(gē)先后发布了几条引爆科技圈(quān)的短视频(pín)。这些视频(pín)引发(fā)关注并非(fēi)内容(róng)做得多(duō)优(yōu)秀，反而都(dōu)非常简单，比如一匹(pǐ)正在(zài)喝水的马，一只(zhǐ)画画的玩(wán)具熊，或者一段(duàn)骑摩托车的第(dì)一视(shì)角(jiǎo)录像，随(suí)便一(yī)个有手机的人都可以随手录下一(yī)段。

但这些(xiē)短视频(pín)的创作方式非常简单，创作者仅(jǐn)仅需(xū)要(yào)向AI输入(rù)一段(duàn)话(huà)，甚至只是说一下要求，AI就可以(yǐ)根据需(xū)要生成一段视频。

谷歌发(fā)布的两个AI生(shēng)成视频分别来自于(yú)Imagen Video和Phenaki，前者主(zhǔ)要(yào)突(tū)出的是(shì)高(gāo)清，与Meta的Make-A-Video没有太多(duō)的差别(bié)。

在Make-A-Video公布了AI生成(chéng)的视频后，AI圈就已(yǐ)经玩了(le)一波梗，一个能够做出更高清视频的AI还不(bù)足以在(zài)短时间内戳中(zhōng)兴奋点。

Phenaki更加令人震惊的(de)地方在于，它(tā)可以(yǐ)制作出超过2分钟的连贯(guàn)的也有(yǒu)确切内容的视频，这才(cái)是真(zhēn)正让人们感到惊喜(xǐ)的地方。因为(wèi)无论AI生成(chéng)的(de)视频多么(me)高清，也只能是为内容生产(chǎn)者提供一(yī)个(gè)灵感，一个素(sù)材，一个过场动(dòng)画。

不过能(néng)够制(zhì)作(zuò)出有(yǒu)具体(tǐ)剧情内容的视频就(jiù)意味(wèi)着，一些视(shì)频创作(zuò)由AI代替(tì)人工完成已经初(chū)步有了可能(néng)。

当下AI的发(fā)展(zhǎn)速度已经(jīng)超(chāo)过大部分(fēn)人的想象。内容产业的本质是供给(gěi)创(chuàng)造需(xū)求，AIGC作(zuò)为全新的内(nèi)容生产(chǎn)方式，可以(yǐ)为内容产业带(dài)来更新的内(nèi)容风格(gé)、更(gèng)快的生产速度，更低的生产成本，这无(wú)疑会驱动内容产业的大爆发。

除了AI绘图、视(shì)频(pín)，AIGC技术还能应用于音(yīn)乐、代(dài)码、机(jī)器人动作等多种内容(róng)形式的生成。不难发(fā)现该(gāi)项(xiàng)技术不仅在游(yóu)戏等行(xíng)业能得到有效应(yīng)用，对于下一(yī)代(dài)互联网各(gè)种元素的构(gòu)建亦(yì)有关(guān)键意义。

从商(shāng)业化的角度来看，文化娱乐、教(jiào)育、传媒(méi)等诸多领域，本身就对基于AI的可视(shì)化内容有强烈(liè)需(xū)求。

因此，AI绘画及(jí)视频或不是结果，而只是(shì)AI进程(chéng)中的一块重要拼(pīn)图(tú)，有望(wàng)在(zài)技术更新(xīn)的加持下实现更大的应用价值。

AI从理解内(nèi)容，走(zǒu)向(xiàng)了可以生(shēng)成内(nèi)容，甚至能够创造出独(dú)立(lì)价值和独(dú)立视(shì)角的内容。AIGC的再次出(chū)圈，更代表着未来(lái)的(de)先进(jìn)生产(chǎn)力即将到来(lái)。

04

紧抓(zhuā)大模(mó)型与算力，牢(láo)固AIGC底座

从技术的发(fā)展也可以看(kàn)出，在语言大模型、图像大模型之后，多模态大模型已经(jīng)成为了(le)新的趋势。

大模型被誉为(wèi)当前(qián)人工智能发展的智(zhì)能底座，是全球竞争(zhēng)最激烈(liè)的研究(jiū)方(fāng)向之一(yī)，包括谷歌、亚马(mǎ)逊、百度、阿里、腾讯等众多头部企业都在竞(jìng)相发(fā)力。

不过训练大模(mó)型的确(què)价格不(bù)菲，以国盛(shèng)证(zhèng)券(quàn)发布的《ChatGPT需要多少算力》报告估(gū)算，GPT-3训练(liàn)一次(cì)的(de)成本约为140万(wàn)美元。而对于一些更大(dà)的LLM(大型语(yǔ)言模型(xíng))，训(xùn)练成本则介于200万美(měi)元至1200万美元高价(jià)之间(jiān)。

以ChatGPT在(zài)2023年1月的独(dú)立访客平均数1300万计(jì)算(suàn)，其对应芯片需求为3万多片(piàn)英(yīng)伟达(dá)A100 GPU，初(chū)始投入成(chéng)本约(yuē)为(wèi)8亿美(měi)元，每(měi)日(rì)仅(jǐn)电费(fèi)就在5万美元(yuán)左右。

此外(wài)不论(lùn)是ChatGPT还是AIGC，都离不开庞(páng)大(dà)算力支持(chí)。在关注(zhù)各类大(dà)模(mó)型的(de)发(fā)展同时，更(gèng)应该(gāi)关注算力网(wǎng)络的(de)建设(shè)。

算力网络正(zhèng)驱动AI产(chǎn)业发展进入史(shǐ)诗级加(jiā)速进程，让(ràng)AIGC及通用AI这一人工智能发展(zhǎn)的终极(jí)目(mù)标离得更近。

因为算力(lì)可以对(duì)突(tū)破性技术创(chuàng)新(xīn)提供大(dà)力的(de)支持。这(zhè)方(fāng)面，多模态(tài)大模型(xíng)是典型(xíng)。作为面向未(wèi)来强人工智能、通(tōng)用人(rén)工智能的重要技术创新，多模(mó)态大模型已(yǐ)经在人工智能领域提出(chū)了很多年，业界也有(yǒu)不少技术突破，但是(shì)，多模态大模型进一步往下走，算(suàn)力需求呈几何(hé)式上升，一般的算力基础设施很快(kuài)将难以胜(shèng)任。

从图像、文嫡仙出自哪里，嫡仙怎么读音念di字、语音单独一项的训练，到双模态、三模态(tài)的跃迁，让人工智(zhì)能可(kě)以灵活应对不同(tóng)模态的转化、像人与世界交互一样自然(rán)，这方(fāng)面，由算力网络来(lái)驱动将有明显(xiǎn)优(yōu)势。

此外，还有(yǒu)很多需要爆发式增长的(de)算力来支撑(chēng)的技(jì)术创(chuàng)新，将在人工智能算力网络支撑下快速推进。

AIGC已经露(lù)出(chū)曙(shǔ)光，期待在(zài)大模型和(hé)大算(suàn)力的支持下AIGC能(néng)持续(xù)颠覆内容生产的方式(shì)，将创造的边(biān)际成(chéng)本降低(dī)，让万(wàn)众(zhòng)受益。

未经允许不得转载：绿茶通用站群 嫡仙出自哪里，嫡仙怎么读音念di