自聊天机器人ChatGPT火爆以来，微(wēi)软公司创始人(rén)比(bǐ)尔(ěr)·盖茨(cí)已多次公开谈论人工智(zhì)能(néng)话题。在(zài)最近(jìn)的(de)一次(cì)采访中(zhōng)，他再次(cì)表示：“AI可(kě)能会让科技行业迎来一次(cì)剧烈的(de)洗牌”。

这个结论是(shì)他(tā)在(zài)当地(dì)时间2月20日接受《In Good Company》节(jié)目专访时提出的。

他预期，AI的发展可能会威胁到(dào)谷歌(gē)的(de)市占率(lǜ)，因为微(wēi)软在AI方面的(de)行动相当迅速。而最(zuì)终科技巨头将把AI整合(hé)成用(yòng)户的(de)“全能助手”，包揽(lǎn)一切应用，与人们(men)进行沟通并提供(gōng)建议，可以取代亚马逊、Siri或(huò)Outlook等应(yīng)用。

大佬口中全能助手的到来可能尚需时日，但由ControlNet引(yǐn)发的又一次AI绘画浪(làng)潮，让AIGC在ChatGPT的话题热点包围中(zhōng)杀出(chū)重围(wéi)。

水娃是几娃？ 水娃是什么颜色ata-croporisrc="https://mmbiz.qpic.cn/sz_mmbiz_png/hBdoyiawDeRyDWKODjVEiaoPuGG2YUQQPBoUT0Y90ZtsrZicWZicLIqicJS3DRO9O7MYjXFtLYoCwhT648zXpvUIE9g/0?wx_fmt=png" data-cropx1="0" data-cropx2="1000" data-cropy1="0" data-cropy2="503.46020761245677" data-ratio="0.503" data-s="300,640" data-type="jpeg" data-w="1000">

01

ControlNet颠覆AI绘画新玩法

水娃是几娃？ 水娃是什么颜色AIGC向可(kě)控靠(kào)近

以AI绘画为代表(biǎo)的(de)AIGC上一(yī)次爆火的时候，还是2022年8月，在美国科罗拉多(duō)州举办(bàn)的新(xīn)兴数字艺(yì)术家(jiā)竞赛中，一(yī)幅名(míng)为《太(tài)空歌剧(jù)院》的作(zuò)品获(huò)奖。

随后各大(dà)厂商的AI绘画软件被(bèi)广大网友熟知(zhī)并(bìng)体验，Stable Diffusion便是其(qí)中代(dài)表(biǎo)。

用户们可以在应(yīng)用中输入一(yī)组关键(jiàn)词或(huò)者一(yī)张照片(piàn)，就能(néng)获(huò)得一幅(fú)AI创作的画作(zuò)。

作画的关键(jiàn)就是所输入的文本。同一组关键词也可(kě)以创作出很多张风格不一样的(de)画(huà)作，这让(ràng)创作(zuò)的过程就像开盲(máng)盒。

很多用户很(hěn)喜欢这(zhè)种不确定的惊喜(xǐ)，他(tā)们会将生成的(de)美图当做头像。而(ér)另一部分喜欢翻(fān)看AI绘画的(de)“翻(fān)车”作(zuò)品。在社交媒体上，许(xǔ)多用(yòng)户分享AI“翻车现场”，例如，一(yī)位网友的小狗照片被AI画成了“肌(jī)肉(ròu)男”，还(hái)有(yǒu)网友的(de)个人(rén)照片被AI识别成了建筑。

而如今随着(zhe)ControlNet的(de)出(chū)现与加持，以往AI绘画的填写关键词游戏可能要被颠覆(fù)了。

ControlNet是(shì)一位正在斯(sī)坦福(fú)读(dú)博的中国人张吕敏创作的一种基于(yú)控(kòng)制点的图像(xiàng)变形(xíng)算法，主要用于数(shù)字图像处理(lǐ)、计(jì)算机视觉和计算(suàn)机(jī)图(tú)形学等(děng)领域。

其SD插件一经发布，在短短的两天(tiān)内便成为了(le)AI绘画领域最新的热点。

在此之前，大家用了很多方(fāng)法想(xiǎng)让AI生成(chéng)的结果尽可(kě)能(néng)的符合要(yào)求，但是都不(bù)尽如人意，它的出现(xiàn)代表着AI生成开始进入真(zhēn)正的可控时期。

因为ControlNet可以(yǐ)直接提取画面(miàn)的(de)构图，人物的姿势和画面的深度(dù)信(xìn)息等。有了它的帮助，就不用频繁的用提示词(cí)来碰运气(qì)，抽盲盒式的创作了。

通俗的说ControlNet相当于(yú)给AI绘画加(jiā)了“魔法(fǎ)”，不少博主的作品已经获得了大量(liàng)的浏览量(liàng)，“viggo”就是其中之(zhī)一，他用朋友(yǒu)的照片直接带她(tā)们(men)走进(jìn)动漫世界(jiè)。

viggo先用(yòng)StableDiffusion图片转(zhuǎn)文(wén)字。

再(zài)用Text2Prompt插件拓(tuò)展找到对应的关(guān)键(jiàn)词；最(zuì)后用(yòng)ControlNet插件绑定(dìng)骨骼开(kāi)始换关键词(cí)试效(xiào)果。

通过图片(piàn)就可以(yǐ)看出来，效(xiào)果十分惊艳。

更厉害的是(shì)，除了真实的照片，草(cǎo)图也可以加上“魔法(fǎ)”，知乎大(dà)牛“DevPoint”和(hé)“逗砂”介绍(shào)到ControlNet还(hái)能实现线稿转全彩图。大神张吕敏其(qí)本尊也亲自回应。

不得不说当下AIGC已经变得越来越(yuè)强大，甚至(zhì)输出的作品都已经能以假(jiǎ)乱(luàn)真了。

02

难辨虚实(shí)，AIGC技术力爆发

警(jǐng)惕安全问题

近日(rì)，“苏州金(jīn)鸡湖(hú)有游艇party”的消息火遍网络，而经过警方辟谣这所谓的“party”可能是全国(guó)第一起AI绘图诈骗(piàn)。

由于这个(gè)活动里面给出(chū)的(de)美女照片都是AI制作的真(zhēn)人照片绘图，因为太(tài)逼真，被大家当成真事传(chuán)播了。

不过仔细观察可以(yǐ)发(fā)现(xiàn)，活动发起者提供的照片中有个很(hěn)大的(de)漏洞可以发现并非(fēi)真人(rén)，而是AI绘图，那便是(shì)图片中女性的(de)手指部分有(yǒu)的存在异常。

有(yǒu)行业人事表示：“现(xiàn)在因(yīn)为手(shǒu)指部分的绘画(huà)算法比较复杂，AI还不(bù)太会画人的手，但最新(xīn)看到的(de)图(tú)片已经有越来越完美的AI模型出现(xiàn)，以后可能就完全(quán)没有漏洞了。”

类似的(de)AI作图(tú)诈骗在国(guó)外也已有发生。据英(yīng)国广播(bō)公司报道(dào)，土耳其地震期间，有Tiktok用户使用(yòng)AI合成了(le)儿童受灾的假照片发布到网络，以此(cǐ)诱骗(piàn)善良的人打赏“捐助(zhù)”从而实施诈(zhà)骗。

目前随(suí)着技(jì)术发展，AIGC已经能(néng)做(zuò)出(chū)真(zhēn)人照(zhào)片般的绘图(tú)效(xiào)果(guǒ)，如(rú)果这样(yàng)的(de)图(tú)片被用来(lái)诈骗，将非常可怕(pà)。

此外AIGC还引发(fā)了很(hěn)多(duō)担忧(yōu)，一方面(miàn)，批判者认为(wèi)AI在(zài)“学习”了大量(liàng)前人(rén)的作品(pǐn)之后，其创作没有任(rèn)何情绪和灵魂(hún)，难以和人类的(de)艺(yì)术创作相提并论。

另一方面(miàn)，AIGC背后的版权、目前都并(bìng)没(méi)有得到(dào)有效的解决(jué)，还有AIGC会不会代(dài)替(tì)人类“至(zhì)高无(wú)上”的创意。

马斯克(kè)也强调，人工智能的安全问题需要得到重视，太(tài)晚(wǎn)就来不(bù)及了(le)。

03

AIGC下一站除了视频，还(hái)有(yǒu)远方

技术都(dōu)是有(yǒu)两面性的，潜在的危害(hài)并不能掩盖(gài)其光辉的(de)贡献(xiàn)。现(xiàn)在看来(lái)，人工智能技术将是第四次(cì)工业革命的核心驱动(dòng)力量，将创造(zào)新(xīn)的增(zēng)长(zhǎng)奇迹。

过去一年，人工(gōng)智(zhì)能在技术和商(shāng)业层面都(dōu)有(yǒu)了巨大进展，AI绘画(huà)就是(shì)人工智(zhì)能技术发生方向性(xìng)改变的一个(gè)代表。其下一站或(huò)许就是视频。

此前，Meta和谷歌(gē)先后发(fā)布了几条引(yǐn)爆(bào)科(kē)技圈的短视频(pín)。这(zhè)些视(shì)频引(yǐn)发(fā)关注(zhù)并非内(nèi)容做得(dé)多优(yōu)秀，反而都非常简单，比如一匹正在喝水的马，一只画画的玩具熊，或者一段骑(qí)摩托车的第一视角(jiǎo)录像(xiàng)，随(suí)便一(yī)个有手机的人(rén)都可以随(suí)手录下一段。

但(dàn)这些短视频的(de)创作(zuò)方式非常简(jiǎn)单，创作者仅仅需(xū)要(yào)向AI输(shū)入一(yī)段话，甚至只(zhǐ)是(shì)说一下要求，AI就可以(yǐ)根据(jù)需要生成(chéng)一(yī)段视频。

谷歌发布的两个AI生(shēng)成视频(pín)分别来(lái)自于Imagen Video和Phenaki，前者主要(yào)突出的(de)是(shì)高(gāo)清，与Meta的Make-A-Video没有太多的差别。

在Make-A-Video公布(bù)了(le)AI生成(chéng)的视频后，AI圈就已经玩(wán)了(le)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(chuō)中兴奋点。

Phenaki更加(jiā)令人震惊(jīng)的地方在于，它可以制(zhì)作(zuò)出(chū)超过2分钟的连贯(guàn)的(de)也有确(què)切内容(róng)的视频，这(zhè)才是真正(zhèng)让(ràng)人们感到(dào)惊(jīng)喜(xǐ)的地方。因为无论AI生成的(de)视频多(duō)么高清，也只(zhǐ)能是为内容生(shēng)产者提(tí)供(gōng)一个灵感，一个素材，一个过场(chǎng)动(dòng)画(huà)。

不过(guò)能够制作出有具体剧(jù)情内容的(de)视频(pín)就意味着，一些视频创作(zuò)由AI代替(tì)人工完成(chéng)已经(jīng)初步(bù)有了可能。

当下AI的发展速度已(yǐ)经超(chāo)过大部分(fēn)人的(de)想(xiǎng)象。内容产业(yè)的本质是供给创造(zào)需求，AIGC作为全新(xīn)的内容生产方式，可以为内(nèi)容产(chǎn)业带来更新的(de)内容(róng)风格、更快的生产速度，更低的生产成本，这(zhè)无(wú)疑会驱动(dòng)内(nèi)容产业的大爆发(fā)。

除了AI绘图(tú)、视频，AIGC技术还(hái)能(néng)应用于(yú)音乐、代码、机器(qì)人动作等多种(zhǒng)内容形(xíng)式的生(shēng)成。不难(nán)发(fā)现该项(xiàng)技术不仅在游戏等行业能得到有效应用，对于下一代互联网各(gè)种元素的构(gòu)建亦有关键意义(yì)。

从商业化的角度来看，文化娱(yú)乐、教(jiào)育、传媒等诸多领域，本身(shēn)就对基于(yú)AI的可视化内(nèi)容有强烈需求。

因此，AI绘画及视频(pín)或不是结果，而只是(shì)AI进程(chéng)中的(de)一块重要拼图，有望在技术更新的加持下实(shí)现(xiàn)更大的应用价值。

AI从(cóng)理解内容，走(zǒu)向了可以生成内容，甚至能够创造(zào)出独立价值和(hé)独立(lì)视角的内容。AIGC的再次出圈，更代(dài)表着(zhe)未(wèi)来的先进(jìn)生(shēng)产力即将到来。

04

紧抓大模型与(yǔ)算力(lì)，牢(láo)固AIGC底座

从技术的发(fā)展也可以看出，在语言(yán)大模型、图像大(dà)模型(xíng)之(zhī)后，多模态(tài)大模(mó)型已经成为(wèi)了新的(de)趋势。

大模型被誉为当前(qián)人工智能发展(zhǎn)的智能底座，是全球竞争最激烈的(de)研究方(fāng)向之(zhī)一，包括谷歌、亚(yà)马逊、百度、阿(ā)里、腾讯等众(zhòng)多头部企(qǐ)业都在竞相发力。

不过训练大模型的(de)确(què)价格(gé)不菲，以国(guó)盛证券(quàn)发(fā)布(bù)的《ChatGPT需要多(duō)少算力》报(bào)告估算，GPT-3训(xùn)练一次的成本约为140万美元(yuán)。而对于一些更大的(de)LLM(大型语言模(mó)型)，训(xùn)练(liàn)成本则(zé)介(jiè)于200万美元至(zhì)1200万美元(yuán)高价(jià)之间。

以ChatGPT在2023年1月的独立访客平(píng)均数(shù)1300万计算，其对应芯片(piàn)需求为3万多片英(yīng)伟达A100 GPU，初始投(tóu)入成本约为8亿美元，每日仅电费就在5万(wàn)美元左右。

此(cǐ)外不论(lùn)是ChatGPT还是AIGC，都离不(bù)开庞大算力支持。在关注各(gè)类(lèi)大模(mó)型的发展同时，更应该关注(zhù)算力网(wǎng)络的(de)建(jiàn)设。

算力(lì)网络正驱动AI产业发展进入史诗级加(jiā)速进程，让AIGC及通用AI这一人工智能发(fā)展的终(zhōng)极目(mù)标(biāo)离得更近(jìn)。

因为算力可以对突破性(xìng)技术创新提(tí)供(gōng)大力的支持。这方面，多模态大模(mó)型(xíng)是典型。作为面向(xiàng)未来强(qiáng)人(rén)工智能、通用人工智(zhì)能(néng)的重(zhòng)要技术创(chuàng)新(xīn)，多(duō)模态大模(mó)型(xíng)已经在人工(gōng)智能领(lǐng)域提出了很多年，业界也(yě)有不(bù)少技术突破，但是(shì)，多(duō)模态大模型进(jìn)一步(bù)往下走(zǒu)，算力需(xū)求呈几(jǐ)何式(shì)上(shàng)升，一般的算(suàn)力基础设施很快将难以(yǐ)胜(shèng)任。

从图像、文字、语音单独一(yī)项的训练，到双模态、三(sān)模态(tài)的(de)跃迁，让人工智(zhì)能可以灵活(huó)应(yīng)对不同模态的转(zhuǎn)化、像人与世界交互一样自(zì)然，这方面，由算力网络来驱动将有明(míng)显优势。

此外，还(hái)有很(hěn)多需要爆(bào)发式增长的算(suàn)力来支撑的(de)技术(shù)创新，将在人工智能(néng)算力(lì)网络支(zhī)撑下快速(sù)推进。

AIGC已经(jīng)露出(chū)曙光，期(qī)待在大模型(xíng)和大算力的(de)支持下AIGC能持续颠(diān)覆内容生产的方式，将(jiāng)创(chuàng)造的边际成本(běn)降低，让万众(zhòng)受益(yì)。

未经允许不得转载：绿茶通用站群 水娃是几娃？ 水娃是什么颜色