01

ControlNet颠覆(fù)AI绘(huì)画新玩法

AIGC向可控(kòng)靠(kào)近(jìn)

以AI绘画为代表的AIGC上一次(cì)爆火的(de)时(shí)候，还是2022年8月(yuè)，在美国(guó)科罗(luó)拉(lā)多(duō)州(zhōu)举(jǔ)办的(de)新(xīn)兴数字艺术家竞赛中，一幅名为《太空歌剧院》的作品获奖。

随后(hòu)各大厂商的AI绘画软(ruǎn)件被广大网友熟知并体验，Stable Diffusion便是其(qí)中代表。

用(yòng)户们可以在应用中(zhōng)输入(rù)一组关(guān)键词或者一张照片，就能(néng)获得一幅AI创作的画作。

作画的(de)关键就(jiù)是所输(shū)入的文本。同一组(zǔ)关键词也可以(yǐ)创作出很(hěn)多(duō)张(zhāng)风(fēng)格不一样(yàng)的画作，这(zhè)让(ràng)创作的(de)过程就像开盲盒。

很多用户(hù)很喜(xǐ)欢(huān)这种不确定(dìng)的惊喜，他们(men)会将生(shēng)成的美(měi)图当做(zuò)头像(xiàng)。而(ér)另一部分喜欢翻(fān)看AI绘画的“翻(fān)车”作品。在社交媒体上(shàng)，许(xǔ)多用户分享AI“翻车现(xiàn)场(chǎng)”，例如，一位网友的小狗照片被AI画(huà)成(chéng)了“肌肉男”，还有网友的(de)个(gè)人照片被AI识别成了(le)建筑。

而(ér)如今随着(zhe)ControlNet的出现与加持，以往AI绘画的填写关键词(cí)游戏可(kě)能要(yào)被颠(diān)覆了。

ControlNet是一位正在(zài)斯坦福读博的中国人(rén)张吕敏(mǐn)创作(zuò)的(de)一种基于(yú)控(kòng)制点(diǎn)的图像变形算法，主要(yào)用于(yú)数字图像处(chù)理(lǐ)、计算机视(shì)觉和计算机图形(xíng)学等领域(yù)。

其SD插件一经发布，在短短的两天内便成为(wèi)了(le)AI绘画(huà)领域最(zuì)新的(de)热点。

在此之前，大(dà)家用了很多方(fāng)法(fǎ)想(xiǎng)让AI生成的结(jié)果尽可能的(de)符合要求，但是都不尽如人意(yì)，它(tā)的出(chū)现代表着(zhe)AI生成(chéng)开始(shǐ)进入真(zhēn)正的可控时期。

因为ControlNet可(kě)以直接提(tí)取画面的构(gòu)图，人(rén)物的(de)姿势(shì)和(hé)画(huà)面的深度信息(xī)等。有了它的帮助(zhù)，就不用频繁(fán)的用提(tí)示词(cí)来碰运(yùn)气，抽盲(máng)盒(hé)式的创作了。

通俗的(de)说(shuō)ControlNet相当于(yú)给AI绘画(huà)加了(le)“魔法(fǎ)”，不少博主的作品已经获得了大量(liàng)的浏览量，“viggo”就(jiù)是其中之一，他用朋友的照片直接(jiē)带她们走进动漫世(shì)界。

viggo先用StableDiffusion图片转文(wén)字。

再用Text2Prompt插(chā)件拓展找到对(duì)应的关键词；最后用ControlNet插件绑定骨骼开(kāi)始换关键词试效果。

通过图片就可以看出来，效果十分惊艳(yàn)。

更厉害的(de)是，除了真(zhēn)实的照片，草图(tú)也可以(yǐ)加上(shàng)“魔法”，知乎(hū)大牛(niú)“DevPoint”和(hé)“逗砂”介绍到ControlNet还能实现(xiàn)线稿转全彩(cǎi)图。大神张吕敏其本(běn)尊也(yě)亲自(zì)回应(yīng)。

不得(dé)不说当(dāng)下AIGC已经变得越来越(yuè)强大(dà)，甚至输出的作品都已经能以假乱真(zhēn)了(le)。

02

难(nán)辨虚(xū)实，AIGC技术(shù)力爆发

警惕安全问题

近日(rì)，“苏(sū)州金鸡湖有游艇party”的消(xiāo)息火遍(biàn)网络，而经过警方辟谣这所谓的“party”可能是全国第一起AI绘图诈骗。

由于这个活动里面给(gěi)出的美(měi)女照片都是AI制作的(de)真人照(zhào)片绘图(tú)，因为太逼真，被大家当成真事传播(bō)了。

不过仔细观察可(kě)以发现，活动发起者(zhě)提供(gōng)的照片中有个很大的漏(lòu)洞(dòng)可以发现并非(fēi)真人，而(ér)是AI绘(huì)图，那便是(shì)图(tú)片(piàn)中女性的手(shǒu)指部分有的存(cún)在(zài)异常。

有行业人(rén)事表示(shì)：“现在因为手指(zhǐ)部分的(de)绘画(huà)算(suàn)法比较(jiào)复(fù)杂(zá)，AI还不太会画人的(de)手，但最新看(kàn)到的图片已(yǐ)经有越(yuè)来(lái)越完美(měi)的AI模型出现，以后可能就(jiù)完全没有漏洞了。”

类似的AI作图诈骗在国外也已有发生(shēng)。据英国广播公司报(bào)道(dào)，土耳其(qí)地震期间，有Tiktok用(yòng)户使用AI合成了儿童受灾的假照片(piàn)发布(bù)到网络，以此(cǐ)诱骗善(shàn)良(liáng)的人打赏“捐助”从而实施诈骗。

目前随着(zhe)技术发展，AIGC已经能做出真人照片般的绘图(tú)效果，如果(guǒ)这(zhè)样的图片被用来诈骗(piàn)，将非(fēi)常(cháng)可怕。

此外AIGC还引发了很多担忧(yōu)，一(yī)方面，批判(pàn)者认为(wèi)AI在“学习”了大量(liàng)前(qián)人(rén)的(de)作品之后，其创(chuàng)作没有(yǒu)任何情(qíng)绪和灵魂(hún)，难以和(hé)人类的艺术(shù)创作(zuò)相提并论。

另一方面(miàn)，AIGC背后的版权、目(mù)前都并没(méi)有(yǒu)得(dé)到有效的解(jiě)决，还有AIGC会不(bù)会(huì)代替(tì)人类“至高无上(shàng)”的(de)创意。

马(mǎ)斯克也强调，人工智能的安(ān)全问题需要得到重视，太晚就来(lái)不(bù)及了。

03

AIGC下一站除(chú)了(le)视频，还(hái)有远方

技术都(dōu)是有两面性的，潜在的危害并不(bù)能掩盖(gài)其光辉的贡献。现在看来，人工(gōng)智能技术将是第四次(cì)工业革命的核心驱动力量，将创造新的增长奇迹(jì)。

过(guò)去一年，人工智能在技术和商业(yè)层面都有了(le)巨大(dà)进展(zhǎn)，AI绘画就是人工智能(néng)技术(shù)发生方向性改(gǎi)变的一个代表。其下一站或许就是视频。

此前，Meta和谷歌先后发布了几条(tiáo)引爆科技(jì)圈的(de)短视(shì)频。这些视(shì)频引发关注(zhù)并(bìng)非(fēi)内容(róng)做得多优秀，反(fǎn)而(ér)都非常(cháng)简单(dān)，比如一(yī)匹正在喝(hē)水的(de)马，一只画(huà)画的玩具熊，或者一段(duàn)骑摩托(tuō)车的第一视(shì)角录像，随便一个(gè)有手机的人都(dōu)可以随手录下一(yī)段。

但这些短视频的创作(zuò)方式非常简单，创作者仅仅需要向AI输入一段话，甚(shèn)至只是说一下要求，AI就可以(yǐ)根据(jù)需(xū)要生成一(yī)段(duàn)视频。

谷歌发布的两个AI生(shēng)成视频分别(bié)来自(zì)于Imagen Video和(hé)Phenaki，前者主要突出的(de)是高清，与Meta的Make-A-Video没有(yǒu)太多(duō)的差(chà)别。

在Make-A-Video公布了(le)AI生成的视(shì)频后，AI圈就已(yǐ)经玩了一波梗(gěng)，一(yī)个(gè)能够(gòu)做(zuò)出(chū)更高清视频的AI还不足(zú)以在短时间内戳中(zhōng)兴奋点。

Phenaki更(gèng)加令人震(zhèn)惊的地方在(zài)于，它可以制作(zuò)出超过2分(fēn)钟的连贯的也有确切内(nèi)容的视频(pín)，这(zhè)才是真正让人们感(gǎn)到惊喜的地方(fāng)。因为无论AI生(shēng)成的视(shì)频多么高清，也只能是为内(nèi)容生产者(zhě)提供一个灵(líng)感，一个素材，一个(gè)过场(chǎng)动画(huà)。

不过能够制作出有(yǒu)具体剧(jù)情内容的视频(pín)就意味(wèi)着，一些视频创作由AI代替(tì)人工完成已经初步有了(le)可(kě)能(néng)。

当下AI的发展速度已经超(chāo)过大部分人(rén)的想象。内容产业的本质(zhì)是供给(gěi)创造需求，AIGC作为(wèi)全新的内(nèi)容生产方式，可以(yǐ)为内容产(chǎn)业带来(lái)更新的内容风格、更快(kuài)的生产速度，更低的生产成(chéng)本，这(zhè)无疑会驱动内容产(chǎn)业的(de)大(dà)爆发(fā)。

除了AI绘图、视频(pín)，AIGC技术还能应用于音乐、代码(mǎ)、机(jī)器人动作等多种内容(róng)形式的(de)生成。不(bù)难发现该项技(jì)术不仅在游(yóu)戏等行业能(néng)得到有效应用(yòng)，对于(yú)下一代互联网各种元(yuán)素的构建亦有关键意义。

从(cóng)商业(yè)化(huà)的(de)角度来(lái)看，文化娱乐、教育、传媒等诸多(duō)领(lǐng)域，本身就对基于AI的可视(shì)化(huà)内容有强(qiáng)烈需求(qiú)。

因此，AI绘画及视频或不是结果，而只是AI进程中的一块重要拼图，有望在技术更新的加持下实现(xiàn)更大的(de)应用价值。

AI从理解(jiě)内容，走向了可以生成(chéng)内容，甚(shèn)至能(néng)够创造(zào)出独(dú)立价(jià)值和独(dú)立(lì)视角的内容。AIGC的再次出圈，更代表着未来的先进生产(chǎn)力即(jí)将到来。

04

紧抓(zhuā)大模(mó)型与算力，牢固(gù)AIGC底座

从(cóng)技术的(de)发展也(yě)可以(yǐ)看出，在(zài)语言(yán)大模型、图像大模型(xíng)之后，多模态大(dà)模型已经成(chéng)为了新的趋势(shì)。

大模型被誉为(wèi)当(dāng)前人工智能发展(zhǎn)的智能(néng)底座，是全球(qiú)竞争最激烈的(de)研究方向之一，包括(kuò)谷歌、亚马(mǎ)逊、百度、阿里、腾讯等众多头部企业都(dōu)在竞(jìng)相发力。

不(bù)过训练大模(mó)型的确价格(gé)不菲(fēi)，以国盛证券发(fā)布(bù)的《ChatGPT需要多少(shǎo)算力》报告估算，GPT-3训练(liàn)一次的成本约为(wèi)140万(wàn)美元。而对于一些(xiē)更大的LLM(大型语言(yán)模型)，训练成本(běn)则介(jiè)于(yú)200万美(měi)元(yuán)至1200万美(měi)元高价之间。

以ChatGPT在2023年1月的独立访客平均(jūn)数1300万计算，其对应芯片需求(qiú)为(wèi)3万多片英伟达(dá)A100 GPU，初(chū)始投入成(chéng)本(běn)约为8亿美元，每日仅电费就(jiù)在5万(wàn)美(měi)元(yuán)左右。

此(cǐ)外不(bù)论是ChatGPT还是AIGC，都离不开(kāi)庞大算力支持。在关注各(gè)类大模型(xíng)的发展(zhǎn)同时，更(gèng)应该关注算(suàn)力网络(luò)的建(jiàn)设。

算力网络正驱动AI产业(yè)发展进入史诗级加(jiā)速进程(chéng)，让AIGC及通(tōng)用AI这(zhè)一人工智能(néng)发展的终(zhōng)极(jí)目标离得(dé)更近。

因(yīn)为(wèi)算力可(kě)以对(duì)突破(pò)性技术(shù)创新提供(gōng)大力的支(zhī)持。这方(fāng)面，多模态大模型是典型(xíng)。作为面向未来强人工智能、通用人工智能的重(zhòng)要技术创新，多模态大模(mó)型已经在人工智能领域(yù)提出了很多年，业界也有不少技术(shù)突破，但是，多(duō)模态大模型进一步往下走(zǒu)，算力需求呈几何(hé)式上升，一般的算(suàn)力基础设施很(hěn)快将(jiāng)难以胜任。

从图像(xiàng)、文字、语音单独一项的训(xùn)练(liàn)，到双模(mó)态、三模态的跃迁，让人工(gōng)智能(néng)可以灵活应(yīng)对不同模态(tài)的(de)转化、像(xiàng)人与世界交互一(yī)样自然，这方面，由算(suàn)力网络(luò)来驱动将有(yǒu)明显优势。

此外，还有很(hěn)多需要爆发(fā)式(shì)增长的算力(lì)来(lái)支撑的(de)技术(shù)创新，将在人工智能算力网络支撑下快速(sù)推进。

AIGC已(yǐ)经露出曙光，期待在大模型和(hé)大算力的(de)支(zhī)持下AIGC能持续颠覆内容生产的方式(shì)，将创(chuàng)造(zào)的边际成本降低，让万众受益(yì)。

未经允许不得转载：惠安汇通石材有限公司 蒸馒头开锅多少分钟熟透，蒸馒头开锅多少分钟熟透了