有很長(zhǎng)一段時(shí)間，AI（人工智能）這個(gè)詞變得沒那么讓人興奮了。
人們已經(jīng)躲不開它，但同時(shí)也發(fā)覺，無論是 AI 的技術(shù)演進(jìn)還是商業(yè)應(yīng)用，似乎都遇到了瓶頸。人們有很多年沒再體驗(yàn)到 AlphaGo 那樣的驚艷，業(yè)界也沒再經(jīng)歷像語音助手普及那樣的商業(yè)機(jī)會(huì)，甚至許多投資人也只是在實(shí)在沒什么新鮮故事時(shí)，才不情愿的又轉(zhuǎn)身回頭看起了 AI 的機(jī)會(huì)。
不過，就在這個(gè)全人類都忙著卷來卷去的 2022，AI 卻正在經(jīng)歷一次近年來最大的一次進(jìn)化。
AI 突然翻紅
就在 10 月 18 號(hào)，因?yàn)橥瞥?Stable Diffusion 文本-圖像 AI 生成模型而大火的人工智能公司 StabilityAI 宣布完成 1.01 億美元的種子輪融資，讓整個(gè)公司估值達(dá)到 10 億美金，成為所謂“獨(dú)角獸”企業(yè)。這距離 StabilityAI 成立僅有兩年時(shí)間。
即便以科技互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展的標(biāo)準(zhǔn)看，StabilityAI 的成長(zhǎng)速度也是驚人的，這種速度是 2022 年以來全球 AI 產(chǎn)業(yè)爆發(fā)式增長(zhǎng)的一個(gè)縮影，此刻距 StabilityAI 旗下的 Stable Diffusion 開源模型風(fēng)靡全球尚不足 2 個(gè)月。
這種疾風(fēng)驟雨的突飛猛進(jìn)堪稱一場(chǎng)真正的革命，尤其在全球經(jīng)濟(jì)預(yù)期轉(zhuǎn)弱的大背景下。
同所有的革命一樣，這場(chǎng) AI 革命也不是一夜之間完成的。
一直以來人們都有一個(gè)夢(mèng)想，即借助人工智能 AI 技術(shù)來拓展現(xiàn)有人類智慧、知識(shí)和創(chuàng)造力的邊界，但人腦復(fù)雜結(jié)構(gòu)帶來的學(xué)習(xí)能力遠(yuǎn)超人類構(gòu)建 AI 的能力，于是 AI 只能通過各種特定深度學(xué)習(xí)模型來單點(diǎn)突破某些特定領(lǐng)域，比如 alphaGO 用來學(xué)習(xí)圍棋，又比如通過天文大數(shù)據(jù)幫助尋找脈沖星候選體。
而 AIGC，即基于 AI 能力的內(nèi)容創(chuàng)作（包括文字、圖片和視頻等等）也是其中一個(gè)重要類別，2022 年之前，囿于核心技術(shù)的局限性，這個(gè)領(lǐng)域一直不溫不火，因?yàn)?AI 并沒有點(diǎn)石成金的法術(shù)，它不具備人類憑空創(chuàng)造的能力。AI 的“深度學(xué)習(xí)”訓(xùn)練并不是擁有自我意識(shí)的自主學(xué)習(xí)，是通過收集大量樣本讓 AI 從海量數(shù)據(jù)中總結(jié)規(guī)律，再根據(jù)人類的指令，基于規(guī)律進(jìn)行內(nèi)容再生產(chǎn)的過程，它同時(shí)受核心算法、硬件條件、數(shù)據(jù)庫(kù)樣本等多方面的限制。
在 2022 年之前，AIGC 領(lǐng)域使用最多的算法模型名為對(duì)抗生成網(wǎng)絡(luò) GAN (Generative adversarial networks)，顧名思義就是讓 AI 內(nèi)部的兩個(gè)程序互相對(duì)比，從而生成最接近人類心目中的正確形象。但這個(gè)算法有一個(gè)嚴(yán)重問題，由于程序互相對(duì)比的標(biāo)準(zhǔn)是現(xiàn)成的樣本，因此生成的內(nèi)容實(shí)質(zhì)上是對(duì)現(xiàn)有內(nèi)容無限逼近的模仿，而模仿，意味著它無法真正突破。
GAN 的缺點(diǎn)被最終被 diffusion 擴(kuò)散化模型克服，它正是今年以來陸續(xù)涌現(xiàn)的包括 Stable Diffusion 開源模型在內(nèi)的諸多 AIGC 圖片生成模型的技術(shù)核心。
diffusion 擴(kuò)散化模型的原理類似給照片去噪點(diǎn)，通過學(xué)習(xí)給一張圖片去噪的過程來理解有意義的圖像是如何生成，因此 diffusion 模型生成的圖片相比 GAN 模型精度更高，更符合人類視覺和審美邏輯，同時(shí)隨著樣本數(shù)量和深度學(xué)習(xí)時(shí)長(zhǎng)的累積，diffusion 模型展現(xiàn)出對(duì)藝術(shù)表達(dá)風(fēng)格較好的模仿能力。
從今年初引起廣泛關(guān)注的 Disco Diffusion ，再到 DALL-E2、MidJourney 等模型都是基于 Diffusion 模型，而拿到融資的 Stable Diffusion 是其中最受歡迎的。由于 StabilityAI 對(duì)科技社區(qū)氛圍的擁護(hù)和對(duì)技術(shù)中立原則的認(rèn)同，Stable Diffusion 主動(dòng)開放了自己的源代碼，不僅方便人們部署在本地使用（普通消費(fèi)級(jí)顯卡既能滿足 Stable Diffusion 的硬件要求），還帶來了魔術(shù)般的用戶體驗(yàn)：打開網(wǎng)址，輸入你想要畫面的關(guān)鍵字，等待幾分鐘，模型就會(huì)生成完成度非常高的圖片作品。普通人使用最尖端 AI 技術(shù)的門檻因此被降到最低，上線以來，僅通過官方平臺(tái) DreamStudio 制作的生成圖片就超過 1.7 萬億張。
AIGC 沉寂許久的革命火種，瞬間燎原。
絢爛的藍(lán)海
以 StabilityAI 為代表的的 AIGC 圖片生成模型在如此短的時(shí)間內(nèi)發(fā)展到極為成熟的地步，預(yù)示著它從比較傳統(tǒng)的設(shè)計(jì)繪圖、插畫、游戲視覺，電子商務(wù)等領(lǐng)域到大熱的元宇宙和虛擬現(xiàn)實(shí)技術(shù)都擁有巨大的發(fā)展?jié)摿Α?/p>
想象一下，在未來的 VR / AR 虛擬世界里，你腦海中想到的畫面可以借助 ai 生成技術(shù)實(shí)時(shí)渲染出來，這將會(huì)對(duì)人們娛樂和獲取信息的方式產(chǎn)生怎樣的顛覆？
但這不是市場(chǎng)在如今經(jīng)濟(jì)大環(huán)境極為低迷之際為 AI 投下贊成票的全部原因，廣泛的商業(yè)潛力固然吸引人，但更值得投入的是 AI 技術(shù)本身。這場(chǎng)革命還未完結(jié)，它的下一篇章已經(jīng)向人們走來。
那就是生成視頻。
從本質(zhì)上講，視頻是連續(xù)的靜態(tài)圖像，隨著 ai 圖片生成技術(shù)的日益成熟，許多人都把目光投向生成視頻領(lǐng)域，9 月以來，Meta 和 Google 先后公布了自己在這一 AIGC 最前沿領(lǐng)域的最新成果。
Meta 的模型名為 Make-A-Video，通過學(xué)習(xí)大量文本-圖像組合樣本數(shù)據(jù)和無文本標(biāo)記的視頻來理解真實(shí)世界中物體的運(yùn)動(dòng)邏輯，Make-A-Video 能夠初步在構(gòu)建圖像的基礎(chǔ)上讓圖像動(dòng)起來，同時(shí)擁有理解三維物體立體結(jié)構(gòu)的能力。
名為 imagen video 的模型則通過被稱為聯(lián)級(jí)擴(kuò)散系列模型的方法生成視頻。也就是先通過基礎(chǔ)擴(kuò)散模型生成分辨率較小的視頻，然后再通過一系列時(shí)間、空間超分辨率模型提升視頻的分辨率和幀數(shù)。
橫向比較來看，imagen 的視頻分辨率（1280X768 ）高于 Make-A-Video，時(shí)長(zhǎng)也略長(zhǎng)一些。
但突破還不止于此，另一個(gè)名為 Phenaki 的 AI 視頻生成模型（也來自 Google 團(tuán)隊(duì)）公布了其能夠根據(jù)文本內(nèi)容生成可變時(shí)長(zhǎng)視頻的技術(shù)，也就是說 Phenaki 有從文本中提煉理解故事情節(jié)并將其轉(zhuǎn)化為視頻的能力。
公布的 demo 中，Phenaki 基于幾百個(gè)單詞組成的一連串有前后邏輯關(guān)系的文本指令生成了一段 2 分多鐘的連貫視頻，這種充滿鏡頭感、豐富情節(jié)和轉(zhuǎn)場(chǎng)的故事片雛形假以時(shí)日勢(shì)必對(duì)未來整個(gè)視頻行業(yè)，包括短視頻、電視電影等產(chǎn)生廣泛沖擊。
生成視頻模型尚在起步階段，在具體運(yùn)動(dòng)的細(xì)節(jié)、畫面精細(xì)度、不同物體和人的互動(dòng)等方面尚顯稚嫩，從分辨率到畫質(zhì)上也有濃濃的“人工智能”痕跡，然而回想 AI 圖片生成模型同樣經(jīng)歷了從全網(wǎng)群嘲到逆襲的過程，后之視今亦猶今之視昔，誰又能說這未嘗不是 AIGC 革命下一個(gè)高潮即將來臨的預(yù)言？
劇變帶來的爭(zhēng)議
劇烈的變化總是伴隨著爭(zhēng)議，以 Stable Diffusion 為代表的 AIGC 革命“圖像階段”也是如此，我們?cè)囍鴮⑵錃w納為下面幾個(gè)問題并做出初步回答。
（1）AI 生成內(nèi)容的版權(quán)問題該如何界定？
中國(guó)的著作權(quán)法中規(guī)定只有自然人或組織可以被認(rèn)定為作者，因此 ai 生成內(nèi)容并沒有享有著作權(quán)的實(shí)體。如果沒有更多協(xié)定約束，AI 生成內(nèi)容可以被任意使用，包括商業(yè)使用在內(nèi)。Midjourney、Dell-e 等都明確表示用戶擁有自己生成作品的所有權(quán)。
值得一提的是，很多 AI 生成技術(shù)深度學(xué)習(xí)訓(xùn)練所使用的數(shù)據(jù)庫(kù)中可能包含了侵權(quán)內(nèi)容，但因此導(dǎo)致用戶生成內(nèi)容侵權(quán)的可能性非常低，因?yàn)樯蓛?nèi)容本身是充滿高度隨機(jī)和不確定性的，即使陷入版權(quán)爭(zhēng)議，舉證過程也會(huì)極為困難。
（2）AI 生成內(nèi)容是否具有藝術(shù)性？如果有，該如何評(píng)價(jià)與界定？
AI 生成內(nèi)容的藝術(shù)性在半年之前還是個(gè)看著有些無聊的問題，但在《歌劇院空間》作品獲獎(jiǎng)后，人們開始越來越多的談?wù)撍?/p>
總的來說，AI 生成的內(nèi)容并不是自己創(chuàng)造的，它受自身模型算法和數(shù)據(jù)庫(kù)樣本容量影響，這也是許多人聲稱 ai 生成內(nèi)容“沒有靈魂”的原因。
然而僅僅把 AI 生成技術(shù)看做純粹的工具也是不公平的，因?yàn)樗粌H可以模仿，而且算法和樣本一同提供了現(xiàn)有人類所不能完全提供的創(chuàng)作視角。
現(xiàn)有的 AI 生成圖像技術(shù)已經(jīng)讓人們參與圖像創(chuàng)作的門檻變得無限低，因此對(duì)生成作品的藝術(shù)性鑒賞或許應(yīng)該從更細(xì)分的角度入手，正如 NFT 之于傳統(tǒng)藝術(shù)品一樣，它的價(jià)值需要經(jīng)過市場(chǎng)的檢驗(yàn)，而藝術(shù)品市場(chǎng)對(duì)此正處于理解和接受的初級(jí)階段。
（3）AIGC 革命的“圖像階段”對(duì)圖像工作者和藝術(shù)創(chuàng)作者來說意味著什么？
隨著 AI 生成技術(shù)“民主化”，未來中低端繪畫內(nèi)容和它的市場(chǎng)會(huì)被 AI 代替，這意味著大批腰部及以下的圖像工作者、插畫師、設(shè)計(jì)師等會(huì)失去現(xiàn)有工作。
隨著 AI 生成圖像內(nèi)容越來越豐富和逼真，它們也正在根本上解構(gòu)著商業(yè)圖片庫(kù)賴以生存的運(yùn)營(yíng)模式 —— 如果圖片可以自己生成的話，誰還要花錢買圖呢？
但 AI 生成技術(shù)同樣拓展了人們對(duì)繪畫工具能力的理解。對(duì)藝術(shù)創(chuàng)作者來說，AI 生成技術(shù)將有利于他們基于自身理念（而不是技法）創(chuàng)造更多維度，更具創(chuàng)造性的作品。
未來將會(huì)是創(chuàng)作者創(chuàng)造力的比拼，因?yàn)?AI“消除了外行表達(dá)創(chuàng)造力的障礙?！保ū燃s恩?奧姆所說，他的團(tuán)隊(duì)開發(fā)出了 Stable Diffusion 最初的基礎(chǔ)算法。）
（4）AI 生成內(nèi)容應(yīng)該如何監(jiān)管，如何防止虛假信息和不適宜信息的傳播？
秉持技術(shù)中立態(tài)度的研究者例如 StabilityAI 會(huì)盡量減少對(duì)內(nèi)容的控制和干預(yù)。他們認(rèn)為一個(gè)開放和充分討論的社區(qū)將會(huì)逐步形成對(duì)信息內(nèi)容傳播的監(jiān)督機(jī)制。
“使用者自己需要為如何使用這項(xiàng)技術(shù)負(fù)責(zé)，這包括道德和法律上的合規(guī)性。”Stability AI 公司 CEO Emad Mostaque 曾在采訪中如此表示。
與此同時(shí)，盡管深度學(xué)習(xí)所用到的數(shù)據(jù)庫(kù)經(jīng)過了嚴(yán)格的篩選，屏蔽了色情、暴力、恐怖等內(nèi)容，但有關(guān)社會(huì)刻板偏見、種族歧視等內(nèi)容尚無法從技術(shù)上完全消除，更重要的是，關(guān)于如何界定所謂偏見在倫理學(xué)上仍然是一個(gè)頗受爭(zhēng)議的問題。正因如此，Google 決定在排除相關(guān)風(fēng)險(xiǎn)前推遲公開發(fā)布 imagen video 模型，而許多已發(fā)布的模型選擇為其生成作品加上不可去掉的水印來避免潛在爭(zhēng)議。
AIGC 革命如火如荼進(jìn)行中，它不是將來時(shí)，而是進(jìn)行時(shí)。我們已經(jīng)身處其中。
現(xiàn)在就是未來。
本文來自微信公眾號(hào)：品玩 （ID：pinwancool），作者：Neil Shen
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。