自聊天机器(qì)人(rén)ChatGPT火(huǒ)爆以来，微软公司创始人比(bǐ)尔·盖茨已(yǐ)多次公(gōng)开(kāi)谈(tán)论人工智能话题。在(zài)最近的一次采(cǎi)访中，他再次表示：“AI可能会让科技行业迎来一次剧烈的(de)洗(xǐ)牌(pái)”。

他预期，AI的发(fā)展可(kě)能会威胁到谷歌的市(shì)占率，因(yīn)为微软在AI方面的行动相当迅速。而最终科技(jì)巨头将(jiāng)把AI整合成用户的“全(quán)能助(zhù)手”，包揽一切应用(yòng)，与人们进行沟通并提(tí)供建议，可以(yǐ)取代(dài)亚马(mǎ)逊、Siri或Outlook等应(yīng)用。

大佬口(kǒu)中(zhōng)全能(néng)助手(shǒu)的到(dào)来可(kě)能尚需时(shí)日，但由ControlNet引发的(de)又一次AI绘画浪潮(cháo)，让AIGC在(zài)ChatGPT的(de)话题热点包围(wéi)中(zhōng)杀出重围。

01

ControlNet颠覆AI绘(huì)画新玩法

AIGC向(xiàng)可控靠近

以AI绘画(huà)为代(dài)表的(de)AIGC上一次爆火的时候，还(hái)是2022年8月(yuè)，在美(měi)国科罗拉多州(zhōu)举办的(de)新兴数(shù)字艺术家(jiā)竞赛(sài)中，一幅名为《太空歌(gē)剧院》的作品(pǐn)获(huò)奖。

随后各大(dà)厂商的AI绘画软件被广大网(wǎng)友熟(shú)知并(bìng)体验，Stable Diffusion便是(shì)其中代表。

用户们可以在应用中输(shū)入一组关键词或者一张(zhāng)照片，就能获得一幅AI创作(zuò)的画作。

作画的关键就是所输入的(de)文本(běn)。同一组关键(jiàn)词(cí)也可以创作出很(hěn)多张风格不一样的画(huà)作，这让创作的(de)过程就像开盲盒(hé)。

很多(duō)用户很喜欢这种不确(què)定的惊喜，他(tā)们(men)会将生成的美图当做头(tóu)像。而(ér)另一部分喜欢翻看AI绘画的“翻车(chē)”作品(pǐn)。在社交媒体(tǐ)上，许(xǔ)多用(yòng)户分(fēn)享AI“翻车现场”，例(lì)如，一位网友的小(xiǎo)狗照(zhào)片(piàn)被AI画成(chéng)了(le)“肌肉(ròu)男(nán)”，还有网友的个(gè)人照片被AI识别成了建筑。

而如今(jīn)随着ControlNet的出(chū)现与(yǔ)加持(chí)，以往AI绘(huì)画的填写关(guān)键词游戏可能要(yào)被(bèi)颠覆了。

ControlNet是一位正在斯坦(tǎn)福读博的中(zhōng)国人张吕(lǚ)敏创作的一种基于控制点的(de)图(tú)像变形算法，主要用于数字图像处(chù)理、计算机视觉和计算机图形学(xué)等领域。

其SD插件一(yī)经发布，在短(duǎn)短的两天内便(biàn)成为了AI绘画领域最新的热点。

在此之前(qián)，大(dà)家用了很(hěn)多方法想让AI生(shēng)成的(de)结果(guǒ)尽可能的符合要求，但是都(dōu)不尽如人意，它的出现代表着AI生(shēng)成(chéng)开始进入真正的可控时期(qī)。

因为ControlNet可以直接提取(qǔ)画面的构图，人物的姿势(shì)和画面(miàn)的(de)深度信息等。有了(le)它的(de)帮助，就不用频繁的用提(tí)示词来(lái)碰运气(qì)，抽盲盒式的创作了(le)。

通俗的说ControlNet相当于给AI绘(huì)画加了“魔法(fǎ)”，不少博主的作品已(yǐ)经(jīng)获得了(le)大量的浏览(lǎn)量，“viggo”就是其中之一，他用朋友(yǒu)的(de)照片直(zhí)接带(dài)她们走进(jìn)动漫世界。

viggo先用StableDiffusion图片转文(wén)字。

再用(yòng)Text2Prompt插(chā)件拓展找到对应的关(guān)键(jiàn)词(cí)；最(zuì)后用ControlNet插件绑定(dìng)骨骼开始换关键词试效(xiào)果。

通过图片就可以(yǐ)看出(chū)来，效(xiào)果十分(fēn)惊艳。

更厉害的是，除了(le)真实(shí)的照片，草图也可以加上(shàng)“魔法”，知乎(hū)大牛“DevPoint”和“逗砂(shā)”介绍(shào)到ControlNet还能实现线稿转(zhuǎn)全彩图(tú)。大(dà)神张吕敏其本(běn)尊也亲自回(huí)应。

不得不(bù)说当(dāng)下AIGC已经(jīng)变得越来越强大，甚至输出的(de)作(zuò)品都已经(jīng)能以假乱(luàn)真了。

02

难(nán)辨虚实，AIGC技(jì)术力爆发

警惕安全问(wèn)题(tí)

近(jìn)日，“苏州(zhōu)金鸡湖有(yǒu)游艇party”的消息火(huǒ)遍网络，而经过(guò)警方辟(pì)谣这所谓的“party”可能是全国第一(yī)起AI绘图诈骗。

由(yóu)于这(zhè)个活动里面给出的美女照(zhào)片都是AI制作的真人照片(piàn)绘(huì)图，因为太(tài)逼真，被大家当成(chéng)真事传播(bō)了。

不(bù)过仔细观(guān)察可以(yǐ)发现(xiàn)，活动发(fā)起(qǐ)者提(tí)供的照(zhào)片中(zhōng)有(yǒu)个很大的漏(lòu)洞(dòng)可(kě)以发现并非真人(rén)，而是AI绘图，那便(biàn)是图片(piàn)中(zhōng)女(nǚ)性(xìng)的手指部分有的存在(zài)异常(cháng)。

有行业(yè)人事表示：“现在(zài)因(yīn)为手指部分(fēn)的绘(huì)画算(suàn)法比较复杂(zá)，AI还不太会画人的手，但最新看到的(de)图片已经有越来越完(wán)美的AI模型出现，以后可能(néng)就(jiù)完全没有漏洞了。”

类似的AI作(zuò)图诈(zhà)骗在(zài)国外(wài)也已有发生。据英国广播(bō)公司报道，土耳(ěr)其(qí)地震(zhèn)期间，有Tiktok用(yòng)户(hù)使用AI合成了(le)儿童受灾(zāi)的假照片发(fā)布到网络(luò)，以此(cǐ)诱骗善良的人打赏“捐助”从而实施诈(zhà)骗。

目前(qián)随(suí)着技术发(fā)展(zhǎn)，AIGC已经能做出真人照片般的绘图效果(guǒ)，如果这(zhè)样的图片(piàn)被用来(lái)诈骗，将非常(cháng)可怕。

此外AIGC还引发了(le)很多担(dān)忧(yōu)，一(yī)方面，批判者认为AI在“学习”了(le)大量前人的(de)作品之后(hòu)，其(qí)创作没有任何情绪和(hé)灵魂，难以和(hé)人类的(de)艺术创作相(xiāng)提并论。

另(lìng)一方面，AIGC背后(hòu)的(de)版(bǎn)权、目前都并没有得到有效的解决，还有AIGC会不(bù)会代替人类“至(zhì)高无上”的创意(yì)。

马斯(sī)克(kè)也强调，人(rén)工智能的(de)安全问题需要(yào)得到重(zhòng)视，太晚就来(lái)不及了。

03

AIGC下一(yī)站除了(le)视频，还有远方

技术都是有两面性的(de)，潜(qián)在(zài)的危害(hài)并不能掩盖其(qí)光辉的贡献。现在看来，人工(gōng)智能技(jì)术将是第四(sì)次工(gōng)业革(gé)命的核(hé)心驱动(dòng)力量，将创(chuàng)造新的增长(zhǎng)奇迹。

过去一(yī)年(nián)，人工(gōng)智能在技术和商业(yè)层面都(dōu)有了(le)巨大进展，AI绘画就是人工智能技术发生方向(xiàng)性改变(biàn)的一个代(dài)表(biǎo)。其下(xià)一站或许就是视频(pín)。

此(cǐ)前，Meta和(hé)谷(gǔ)歌先后发(fā)布了几条引爆(bào)科技(jì)圈的短视频。这些视频引发关(guān)注并(bìng)非内(nèi)容做(zuò)得(dé)多(duō)优秀，反而(ér)都非常简(jiǎn)单，比如(rú)一匹正在喝水的马，一(yī)只画(huà)画的玩具熊，或者(zhě)一段骑摩(mó)托车的第一视角(jiǎo)录像，随便一个(gè)有手机(jī)的(de)人都可以随手(shǒu)录下一段。

但(dàn)这些短视(shì)频的创(chuàng)作方式非常简单，创作者仅仅需(xū)要向AI输(shū)入一段话(huà)，甚至(zhì)只(zhǐ)是说(shuō)一下要求，AI就可以根据需要生成一段视频。

谷歌发布的两个AI生成视(shì)频分别来(lái)自于Imagen Video和Phenaki，前者主要(yào)突出(chū)的是高清，与Meta的Make-A-Video没有太多的差别。

在(zài)Make-A-Video公(gōng)布了AI生成的视频后，AI圈就已经玩了一波梗，一个能够做出更(gèng)高清(qīng)视频的AI还不足(zú)以在短时(shí)间内戳中兴奋点(diǎn)。

Phenaki更加令(lìng)人震惊的地方在于，它(tā)可以制作出超(chāo)过2分钟的连贯的也有确(què)切内(nèi)容的(de)视频，这(zhè)才是真正让人(rén)们(men)感到(dào)惊喜(xǐ)的地(dì)方(fāng)。因为(wèi)无论(lùn)AI生成的视频(pín)多么高清，也只能是(shì)为内容(róng)生(shēng)产(chǎn)者(zhě)提供(gōng)一个灵(líng)感(gǎn)，一个素材，一个(gè)过场动(dòng)画。

不过能够制(zhì)作出有具体剧(jù)情内容的(de)视频就意味着(zhe)，一些视频创作由AI代替人工完成已经初步有了可能。

当下AI的发展速度(dù)已经(jīng)超过大(dà)部分人的(de)想象。内容(róng)产业的(de)本质是供(gōng)给(gěi)创造需(xū)求(qiú)，AIGC作为全新的内容生产方式，可以(yǐ)为内(nèi)容产(chǎn)业带来更(gèng)新的内容风格、更快的生产(chǎn)速(sù)度，更低的生产成本，这无(wú)疑会(huì)驱动内容产业的大爆发。

除了(le)AI绘图、视频(pín)，AIGC技术还能(néng)应用于(yú)音乐(lè)、代码(mǎ)、机器人(rén)动作(zuò)等多种内容(róng)形(xíng)式的生成。不难发(fā)现该项(xiàng)技术不(bù)仅在游(yóu)戏等行业能得到有效(xiào)应用，对于下一(yī)代互联(lián)网各种元素(sù)的(de)构建亦有关键意义(yì)。

从商业化的角(jiǎo)度来看，文化(huà)娱(yú)乐、教(jiào)育、传媒等诸多(duō)领域(yù)，本身就对基于AI的可(kě)视化内(nèi)容有强烈需求。

因此，AI绘(huì)画及(jí)视频或不是结果，而只是(shì)AI进程中的(de)一(yī)块(kuài)重(zhòng)要(yào)拼图，有望在技术更(gèng)新的加持(chí)下实现更大的应用价值。

AI从理解内(nèi)容，走向了可以生(shēng)成内容，甚至能够创造出独立(lì)价值和独(dú)立视(shì)角的(de)内容。AIGC的(de)再次(cì)出(chū)圈，更(gèng)代表(biǎo)着未(wèi)来(lái)的先进生产力即将(jiāng)到(dào)来。

04

紧抓大(dà)模型与(yǔ)算力(lì)，牢(láo)固AIGC底座

从技术(shù)的发展也可以(yǐ)看出，在语言大模型、图像(xiàng)大模型之(zhī)后，多模(mó)态(tài)大模型已经(jīng)成为了(le)新(xīn)的趋(qū)势(shì)。

大模型(xíng)被誉为当前人工智(zhì)能发展的智能底座，是全(quán)球竞争最激烈(liè)的研究方(fāng)向之一，包(bāo)括谷(gǔ)歌、亚马逊、百(bǎi)度、阿里、腾讯(xùn)等众多(duō)头部(bù)企业都在竞(jìng)相(xiāng)发力(lì)。

不过训练大模(mó)型的确价格不菲(fēi)，以国盛证券发布(bù)的《ChatGPT需(xū)要多少算力》报告估(gū)算(suàn)，GPT-3训练(liàn)一次的(de)成本约为140万美元。而(ér)对于一些更(gèng)大的LLM(大型语言(yán)模(mó)型)，训练成本则(zé)介于200万美(měi)元(yuán)至1200万美元高价之间。

以ChatGPT在2023年1月的独(dú)立访客平(píng)均数1300万计(jì)算(suàn)，其对应芯片需求为3万多片英伟达A100 GPU，初始(shǐ)投入成本约为8亿美元，每日仅(jǐn)电(diàn)费就在5万美元左(zuǒ)右(yòu)。

此外不(bù)论(lùn)是(shì)ChatGPT还是(shì)AIGC，都离不开庞大算(suàn)力支持。在关(guān)注(zhù)各类大模型的发展同(tóng)时(shí)，更应(yīng)该关注算力网络(luò)的建设。

算力(lì)网络正(zhèng)驱(qū)动AI产业发展进入史诗(shī)级加速进程，让(ràng)AIGC及通用AI这一人工智能发(fā)展的(de)终(zhōng)极(jí)目标(biāo)离得更(gèng)近。

因为算(suàn)力可以(yǐ)对突破(pò)性(xìng)技术创新提供大力的支持。这方面，多(duō)模(mó)态大模型是(shì)典型。作为面(miàn)向未来强人工智(zhì)能、通用人工智能(néng)的重(zhòng)要(yào)技术创(chuàng)新，多模(mó)态(tài)大(dà)模型已经在人工智(zhì)能领(lǐng)域(yù)提(tí)出了很多年，业(yè)界也有不少技术(shù)突(tū)破，但是，多模态大模型(xíng)进一步往下(xià)走(zǒu)，算力需求(qiú)呈几何式上升，一般的算力基础设施很快将难以胜任。

从图像、文(wén)字、语音单独一项的(de)训练(liàn)，到双模态(tài)、三模态的跃迁，让人工智(zhì)能可以灵活应对不同模态的转化、像人与世界(jiè)交互一样自(zì)然，这(zhè)方面(miàn)，由算力网络(luò)来驱动将有明显优(yōu)势。

此外，还有很多需要爆发式增长(zhǎng)的算力来支(zhī)撑的技术创(chuàng)新，将在人工智能算(suàn)力网(wǎng)络支撑下快速推进。

AIGC已经露出(chū)曙光，期待在大模型和大(dà)算力的支持下AIGC能(néng)持续颠覆内容(róng)生产的方式，将创造的边际(jì)成(chéng)本降低(dī)，让万众受益。

未经允许不得转载：惠安汇通石材有限公司 意映卿卿如晤什么意思，意映卿卿如晤读音