自聊天机器(qì)人ChatGPT火爆以来(lái)，微软公司(sī)创始(shǐ)人比尔·盖茨(cí)已多次公开(kāi)谈论人工智能话题。在(zài)最近的一次(cì)采访(fǎng)中，他再次(cì)表示：“AI可能会让科技行业迎来一次(cì)剧烈的洗牌”。

这(zhè)个(gè)结(jié)论是(shì)他(tā)在当(dāng)地时间(jiān)2月(yuè)20日接受《In Good Company》节目专访时提出(chū)的。

他(tā)预期，AI的发展可能会威胁(xié)到谷歌(gē)的(de)市(shì)占率，因为微软在(zài)AI方面的(de)行动相(xiāng)当迅速。而最(zuì)终科技巨头将把AI整合成用户(hù)的“全能(néng)助(zhù)手”，包揽(lǎn)一切应用，与(yǔ)人们进(jìn)行沟通并提(tí)供建议，可以取代亚马逊、Siri或Outlook等应用。

大(dà)佬口中全能(néng)助手(shǒu)的(de)到来可能(néng)尚需时(shí)日，但由ControlNet引发的(de)又一次AI绘画浪潮，让AIGC在(zài)ChatGPT的话(huà)题热点包(bāo)围(wéi)中(zhōng)杀(shā)出(chū)重围。

01

ControlNet颠覆AI绘画新玩法

AIGC向可控靠近

以AI绘画为代表(biǎo)的AIGC上一次爆火的时候，还是2022年8月，在美国科(kē)罗(luó)拉多州举办的新兴数字(zì)艺术家竞赛(sài)中，一幅(fú)名为《太空歌(gē)剧院(yuàn)》的(de)作品获奖。

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便是其中代表。

用户们可以在(zài)应用(yòng)中输(shū)入一组关键词(cí)或(huò)者一张照片，就能获得(dé)一幅AI创(chuàng)作(zuò)的画(huà)作。

作画的关键就是(shì)所输入(rù)的(de)文(wén)本。同一组关键词也可以创作出很(hěn)多张风(fēng)格不一样的画(huà)作，这(zhè)让创作的过(guò)程(chéng)就像开(kāi)盲盒。

很(hěn)多用户很喜欢这种(zhǒng)不确定的惊(jīng)喜，他们会将生成的美(měi)图(tú)当做头像。而另一部(bù)分喜(xǐ)欢翻看AI绘(huì)画的“翻车(chē)”作品(pǐn)。在社交媒(méi)体上(shàng)，许多(duō)用户分享AI“翻车现场”，例如(rú)，一位网友(yǒu)的小狗照片被AI画成了“肌肉男”，还有网友的(de)个人照片被AI识别成(chéng)了(le)建筑。

而如今随着ControlNet的出现与加持，以往AI绘画的填写关键词(cí)游戏可能要被颠(diān)覆(fù)了。

ControlNet是一位(wèi)正(zhèng)在斯坦福读博的(de)中国人张(zhāng)吕敏创作的一种基于控制点的(de)图像变形(xíng)算法(fǎ)，主要用于数字图像处理、计算机视(shì)觉和计算(suàn)机图形学等领域(yù)。

其SD插件(jiàn)一经发(fā)布(bù)，在短(duǎn)短(duǎn)的两天内便成为了AI绘画领域(yù)最(zuì)新的热点。

在此之(zhī)前，大(dà)家用(yòng)了(le)很多方(fāng)法想(xiǎng)让AI生成的结果尽可能的符(fú)合要求，但是都不尽如人意(yì)，它(tā)的(de)出现代(dài)表着AI生成开始进入真正的可(kě)控时期。

因为ControlNet可以直接提取画面的(de)构图，人(rén)物(wù)的(de)姿势和画面的深(shēn)度信息等。有了它的(de)帮助，就不用频繁的用提示(shì)词来碰运气，抽盲盒式的创作了。

通俗(sú)的(de)说ControlNet相当于给(gěi)AI绘画加了“魔法(fǎ)”，不(bù)少博主的(de)作品已经获得了大量的浏(liú)览量，“viggo”就(jiù)是其中(zhōng)之一，他用朋(péng)友的照片直接带她们走进(jìn)动漫(màn)世界。

viggo先用StableDiffusion图片转文(wén)字。

再用(yòng)Text2Prompt插件拓展找到对应的关键词；最后(hòu)用ControlNet插(chā)件绑定(dìng)骨骼(gé)开始换(huàn)关键(jiàn)词试效果(guǒ)。

通(tōng)过图片就可(kě)以看出来，效果十分惊(jīng)艳(yàn)。

更厉害的是(shì)，除(chú)了真实的照片，草图也可以(yǐ)加上(shàng)“魔法”，知乎大牛“DevPoint”和“逗砂(shā)”介(jiè)绍到(dào)ControlNet还(hái)能实现线稿转全(quán)彩(cǎi)图。大神(shén)张吕敏其本(běn)尊也亲自(zì)回(huí)应。

不得不说当(dāng)下AIGC已经变得越来越强大，甚至输出的作品(pǐn)都已经能(néng)以(yǐ)假(jiǎ)乱真了(le)。

02

难辨虚实，AIGC技术力爆发

警惕安(ān)全问题

近日，“苏州金鸡湖有游艇(tǐng)party”的消息火遍网络(luò)，而经过警方辟谣这所(suǒ)谓的(de)“party”可(kě)能是全国第一起AI绘图(tú)诈骗(piàn)。

由于这个活动(dòng)里面给出(chū)的美女照片(piàn)都是AI制(zhì)作的真人照片绘图，因(yīn)为太(tài)逼(bī)真(zhēn)，被大家当成真事传(chuán)播(bō)了。

不过仔细观察可以发(fā)现，活(huó)动发(fā)起者提供的照片中有个很大的漏洞可以(yǐ)发现并(bìng)非真人(rén)，而是(shì)AI绘图，那(nà)便是图片中女性的手指(zhǐ)部分有的存(cún)在异常(cháng)。

有行业人事(shì)表示：“现在因为手指部(bù)分的绘(huì)画算法比较复(fù)杂，AI还不太(tài)会画(huà)人的手(shǒu)，但最新看到的图片已经有越(yuè)来越(yuè)完美(měi)的AI模型出现，以后可能(néng)就完全(quán)没(méi)有漏洞了(le)。”

类似的AI作图诈(zhà)骗在国外也已有发生(shēng)。据英国广(guǎng)播(bō)公司报道，土耳(ěr)其地震期间，有Tiktok用(yòng)户使用AI合成了儿童(tóng)妩媚的意思怎么解释，妩媚的意思是什么解释受灾的假照片(piàn)发布到网络，以此诱骗善(shàn)良的人打赏“捐助”从而(ér)实(shí)施诈骗(piàn)。

目前随着技术发(fā)展(zhǎn)，AIGC已经能做出真人照片般的(de)绘(huì)图效果，如果这样的图(tú)片被用(yòng)来诈骗，将非(fēi)常可(kě)怕。

此外AIGC还(hái)引(yǐn)发了很(hěn)多担忧，一方面，批判者(zhě)认(rèn)为AI在“学(xué)习”了(le)大量前人的作品(pǐn)之(zhī)后，其创作没有任何(hé)情(qíng)绪和灵魂，难以和(hé)人类的艺术创作(zuò)相提并论。

另一方(fāng)面，AIGC背(bèi)后(hòu)的版权、目前都并没有得到有效的解决，还有AIGC会不会代(dài)替人类“至高无上”的创意(yì)。

马(mǎ)斯克也强调，人(rén)工智能的安全问题需要得(dé)到重(zhòng)视(shì)，太晚(wǎn)就来不及(jí)了。

03

AIGC下一站除了视频，还(hái)有远方(fāng)

技(jì)术(shù)都是有两面性的，潜在的危(wēi)害并不能掩(yǎn)盖其光辉的贡(gòng)献(xiàn)。现(xiàn)在看来，人工智(zhì)能技术将是第(dì)四次工(gōng)业革命的核心驱动力(lì)量(liàng)，将创造新的增长(zhǎng)奇迹。

过(guò)去一年，人工智能(néng)在技术(shù)和商业层(céng)面都有了巨大进展(zhǎn)，AI绘画就是人工智(zhì)能技术发生方向性改变的一个代表。其下一站或许(xǔ)就是视频。

此前，Meta和谷歌先后发(fā)布了几(jǐ)条引爆科技(jì)圈的(de)短视(shì)频。这些视(shì)频引发关注并(bìng)非内容(róng)做得(dé)多优秀，反而都非常简单，比如(rú)一匹(pǐ)正在喝(hē)水的(de)马(mǎ)，一只画画的玩具熊，或(huò)者一段(duàn)骑(qí)摩托(tuō)车(chē)的(de)第一视角录像，随便一个有手机的人(rén)都可以(yǐ)随手录下一(yī)段。

但这些短视频(pín)的创作方(fāng)式(shì)非常(cháng)简单(dān)，创作(zuò)者(zhě)仅仅需要(yào)向AI输入一段话，甚至(zhì)只(zhǐ)是说一下要(yào)求，AI就(jiù)可以根据需要生成一段视频(pín)。

谷歌发(fā)布的两个(gè)AI生成(chéng)视频(pín)分别来自于(yú)Imagen Video和(hé)Phenaki，前者主要突出的是高清，与Meta的Make-A-Video没有太多的差别(bié)。

在Make-A-Video公布(bù)了AI生成的(de)视频后，AI圈就已经玩了一波梗，一个能(néng)够做(zuò)出更高清(qīng)视(shì)频的AI还不(bù)足(zú)以在(zài)短时间内戳(chuō)中兴(xīng)奋点(diǎn)。

Phenaki更加令人震惊(jīng)的地(dì)方在于(yú)，它(tā)可以(yǐ)制作出超过2分钟的连贯的也有确(què)切内容(róng)的视频，这(zhè)才(cái)是(shì)真正让人们感到惊喜的地方。因为无妩媚的意思怎么解释，妩媚的意思是什么解释论AI生成(chéng)的视频多么高清，也只(zhǐ)能是为内(nèi)容生(shēng)产(chǎn)者提供(gōng)一个灵感(gǎn)，一(yī)个素(sù)材，一个过场动画。

不过能够(gòu)制作(zuò)出有具体剧情内容的视频(pín)就(jiù)意味着，一些视频创作由AI代替人工完成已经初步(bù)有了可能。

当下(xià)AI的(de)发(fā)展(zhǎn)速度已经超过(guò)大部分人的想象。内容(róng)产(chǎn)业的本(běn)质是供给创造需求(qiú)，AIGC作为全(quán)新(xīn)的内容生产(chǎn)方式，可以为内容产业带来更新(xīn)的内容(róng)风格、更(gèng)快的生产速度，更低的生产成本，这无疑会驱动内容产(chǎn)业的大(dà)爆发。

除了AI绘图、视频，AIGC技术还能应用于音乐、代码、机器人动作等多(duō)种内(nèi)容形(xíng)式的生成。不(bù)难发现该(gāi)项技(jì)术不仅(jǐn)在游(yóu)戏(xì)等(děng)行业能得(dé)到有效(xiào)应(yīng)用，对于下一(yī)代互联网各种元素的构建亦有关键意义。

从商(shāng)业化(huà)的角度来(lái)看(kàn)，文化娱乐、教(jiào)育、传媒等诸(zhū)多领域，本(běn)身就对(duì)基(jī)于AI的可视化内容(róng)有强(qiáng)烈(liè)需求。

因此(cǐ)，AI绘(huì)画及视频或(huò)不是结果，而只是AI进程(chéng)中的(de)一块重要拼图，有望在(zài)技术更新的加持下(xià)实(shí)现更大的应用价值。

AI从理(lǐ)解内容，走向了可以生成内容(róng)，甚至能够创造出独立价值(zhí)和独立(lì)视角的内容。AIGC的再次(cì)出(chū)圈，更代表着未(wèi)来的先进生产力即将到来。

04

紧抓大模(mó)型与算(suàn)力，牢固AIGC底座

从(cóng)技术的发展也可以看出，在语言大模型、图像大模型之(zhī)后(hòu)，多(duō)模态大模型已经(jīng)成为了新的趋势(shì)。

大模型被誉为当(dāng)前人(rén)工智能发展的智能底座，是全球竞争最激(jī)烈的(de)研究(jiū)方向(xiàng)之一，包括谷歌(gē)、亚马(mǎ)逊、百度、阿里、腾讯(xùn)等众多头部(bù)企业(yè)都在(zài)竞相发力。

不(bù)过(guò)训练大模型的确(què)价格不菲，以国(guó)盛(shèng)证(zhèng)券(quàn)发布的《ChatGPT需要多(duō)少算力(lì)》报(bào)告估算，GPT-3训练一次的成(chéng)本约(yuē)为140万美元。而对(duì)于(yú)一些更(gèng)大的LLM(大型语言(yán)模型)，训练成本则(zé)介于200万美(měi)元至1200万美(měi)元高(gāo)价之间。

以(yǐ)ChatGPT在2023年1月的(de)独立访客平均数1300万计算，其对应芯片需求为3万多片英伟达(dá)A100 GPU，初(chū)始投(tóu)入(rù)成本(běn)约为8亿美元，每(měi)日仅(jǐn)电费就在5万美元左右。

此外不论是ChatGPT还是AIGC，都离不(bù)开庞大算力支持。在(zài)关注各类大模型的发(fā)展同时(shí)，更(gèng)应该关注算力网络的(de)建(jiàn)设(shè)。

算力网络正驱动(dòng)AI产业发展进(jìn)入史诗级(jí)加速(sù)进程，让AIGC及通用AI这一人工智能发展(zhǎn)的(de)终极目标离得(dé)更近。

因为(wèi)算(suàn)力可以对突破性技术(shù)创新提供(gōng)大力的支持(chí)。这(zhè)方面(miàn)，多模(mó)态大模(mó)型是典型。作为(wèi)面向未来强人工(gōng)智能、通用人工智能的(de)重(zhòng)要(yào)技(jì)术(shù)创(chuàng)新，多模态大(dà)模型已(yǐ)经(jīng)在(zài)人工(gōng)智能领域(yù)提出了很多年(nián)，业界也有不少技术突(tū)破，但是(shì)，多模态大(dà)模型(xíng)进(jìn)一步往下走，算(suàn)力需求呈几何(hé)式上(shàng)升，一般的(de)算(suàn)力基(jī)础设施很快(kuài)将难(nán)以胜任。

从图像(xiàng)、文字、语音(yīn)单独一项的训练(liàn)，到(dào)双(shuāng)模态、三模态的(de)跃迁(qiān)，让人工智能可以灵活应对不(bù)同模态的转(zhuǎn)化、像人与(yǔ)世界交互一样自(zì)然，这方面，由算力网络来驱动将有明显优势。

此外，还(hái)有很多需(xū)要爆发式(shì)增长的算力(lì)来支撑的技术创(chuàng)新，将在人(rén)工智能算力网络支撑下快(kuài)速推进。

AIGC已经露出曙光(guāng)，期待在大模型和大算力的(de)支持下AIGC能持续颠覆内容生(shēng)产(chǎn)的方式，将创造(zào)的边际成本降低，让万众受益。

未经允许不得转载：绿茶通用站群 妩媚的意思怎么解释，妩媚的意思是什么解释