自聊(liáo)天机(jī)器人(rén)ChatGPT火爆(bào)以来，微软公司创始人比尔·盖茨已多(duō)次(cì)公(gōng)开(kāi)谈论人(rén)工智能(néng)话题。在最近的(de)一次采(cǎi)访(fǎng)中，他再次(cì)表(biǎo)示：“AI可能(néng)会让科技行(xíng)业(yè)迎来一次剧烈的(de)洗牌(pái)”。

这个结论是他在当地(dì)时间2月20日接受《In Good Company》节目专访(fǎng)时提出的(de)。

他预期，AI的(de)发展可能会威胁到谷歌的市占率，因(yīn)为(wèi)微软在(zài)AI方面的(de)行动相当迅速。而最终科技巨(jù)头将把AI整合成(chéng)用户(hù)的“全能助手”，包(bāo)揽(lǎn)一切应用，与人们进行沟通并提供(gōng)建议，可以取代亚马逊、Siri或(huò)Outlook等应用。

大佬口中全能(néng)助(zhù)手(shǒu)的到(dào)来可能尚(shàng)需时日，但(dàn)由(yóu)ControlNet引发的又一次(cì)AI绘(huì)画浪潮，让AIGC在ChatGPT的话题(tí)热(rè)点包(bāo)围中杀(shā)出重围。

01

ControlNet颠覆AI绘画新玩(wán)法

AIGC向可控靠近

以(yǐ)AI绘(huì)画为代表的AIGC上一次爆火的时(shí)候，还是2022年8月(yuè)，在(zài)美国科罗拉(lā)多州举(jǔ)办的(de)新兴数字艺术家(jiā)竞赛中，一(yī)幅(fú)名为《太空(kōng)歌剧院》的作品(pǐn)获(huò)奖。

随(suí)后各大厂商的AI绘(huì)画软(ruǎn)件被广大(dà)网(wǎng)友熟知(zhī)并体验，Stable Diffusion便是其(qí)中代表。

用户们可以(yǐ)在应(yīng)用中(zhōng)输入一组(zǔ)关键词或者一张(zhāng)照(zhào)片，就能获得一(yī)幅AI创(chuàng)作(zuò)的画作。

作画的(de)关键就是所输(shū)入的文本(běn)。同(tóng)一组关键词(cí)也可以创作出很多(duō)张风格不一(yī)样的(de)画作，这让创作的过(guò)程就(jiù)像开盲盒。

很多(duō)用(yòng)户很喜(xǐ)欢这(zhè)种不(bù)确定的惊(jīng)喜，他们(men)会将生成的(de)美图当做头(tóu)像。而另一部分喜欢翻看AI绘画的(de)“翻车”作品(pǐn)。在社交(jiāo)媒体上，许多用(yòng)户分享AI“翻车现(xiàn)场”，例如，一(yī)位网(wǎng)友(yǒu)的小狗照片被AI画成了(le)“肌(jī)肉男”，还有网友的个人照(zhào)片被AI识别成(chéng)了建(jiàn)筑。

而如今随着ControlNet的出现与加(jiā)持，以往AI绘画的填写关键(jiàn)词游戏(xì)可能要被(bèi)颠覆了。

ControlNet是一(yī)位正在斯坦(tǎn)福读博的中国人张吕敏创作(zuò)的一种基于(yú)控制点的图(tú)像(xiàng)变形算(suàn)法(fǎ)，主要用(yòng)于数字图(tú)像处理、计算机视觉和计(jì)算机(jī)图形(xíng)学(xué)等领(lǐng)域。

其SD插件一经发(fā)布，在短短的两天内便成为了AI绘画领域(yù)最新的(de)热点。

在此之前，大家用了很多方法(fǎ)想(xiǎng)让(ràng)AI生(shēng)成的(de)结(jié)果(guǒ)尽可(kě)能的(de)符合要求，但(dàn)是都不尽如人意，它的出现代表着AI生成开始进入真正的可控时(shí)期。

因为ControlNet可(kě)以(yǐ)直(zhí)接提取画(huà)面的构图，人物的(de)姿势和画面的深度信(xìn)息(xī)等(děng)。有了它(tā)的帮助，就不用(yòng)频繁的用提示词来碰(pèng)运(yùn)气，抽盲(máng)盒式的创作(zuò)了(le)。

通俗(sú)的说ControlNet相当于给AI绘画加了“魔法”，不(bù)少博主的作品已经获得了大量的(de)浏览量，“viggo”就是其中之一，他(tā)用朋友的照片(piàn)直接(jiē)带她们走进(jìn)动漫世界(jiè)。

viggo先(xiān)用StableDiffusion图片(piàn)转文字。

再用Text2Prompt插件(jiàn)拓展找(zhǎo)到对应的(de)关(guān)键词；最后(hòu)用ControlNet插(chā)件绑(bǎng)定骨骼开始换关键词试效果(guǒ)。

通过图片就可以看(kàn)出来(lái)，效果(guǒ)十分惊(jīng)艳。

更厉(lì)害的是，除了(le)真实的照片，草图也(yě)可以加(jiā)上“魔(mó)法(fǎ)”，知乎(hū)大牛(niú)“DevPoint”和“逗砂”介绍到(dào)ControlNet还能实现(xiàn)线稿转全彩图。大神张吕敏其本(běn)尊也亲自回应。

不得不说当下AIGC已经(jīng)变得越来(lái)越强大(dà)，甚至输出的作品都(dōu)已经能以假乱(luàn)真了。

02

难辨(biàn)虚实，AIGC技术力(lì)爆发

警惕安全问题

近日，“苏州金(jīn)鸡湖有游(yóu)艇party”的(de)消息火(huǒ)遍网络，而经过(guò)警方(fāng)辟谣(yáo)这所谓的“party”可能是全国第一(yī)起AI绘图诈骗。

由(yóu)于这个活动里面给出的美女照(zhào)片都是AI制作的真人照片绘图，因(yīn)为太逼(bī)真，被大家当(dāng)成真(zhēn)事(shì)传播了。

不过仔细(xì)观察(chá)可以发现，活动发(fā)起者提供的照片中有个很(hěn)大的漏洞可(kě)以(yǐ)发现并(bìng)非真人，而是AI绘图，那便是图片(piàn)中女性(xìng)的手指部(bù)分有的存(cún)在异常(cháng)。

有行(xíng)业人(rén)事表(biǎo)示(shì)：“现在因(yīn)为手指(zhǐ)部分的绘(huì)画算法比较复杂，AI还不太会(huì)画人(rén)的(de)手，但最(zuì)新(xīn)看到(dào)的图(tú)片已经有越来越完美的AI模型(xíng)出现，以(yǐ)后可能就完全(quán)没有漏洞了。”

类似的(de)AI作图诈骗在国外也已有发(fā)生(shēng)。据英(yīng)国广(guǎng)播公司报道，土耳(ěr)其地(dì)震(zhèn)期间，有Tiktok用户使(shǐ)用AI合成了儿(ér)童受灾的假照片发布(bù)到网(wǎng)络，以(yǐ)此诱骗善(shàn)良的人打(dǎ)赏(shǎng)“捐助”从(cóng)而实施(shī)诈骗。

目前随着技术发展，AIGC已经能(néng)做出真人(rén)照(zhào)片(piàn)般的绘图效果，如果这样的图片被用来诈骗，将(jiāng)非(fēi)常可怕。

此外(wài)AIGC还引发了很多担(dān)忧，一方面，批判者认为(wèi)AI在“学习(xí)”了大量前人(rén)的作(zuò)品之后，其创作没有任何情绪(xù)和灵魂，难(nán)以和(hé)人类的艺(yì)术创作相(xiāng)提(tí)并论。

另(lìng)一方(fāng)面(miàn)，AIGC背(bèi)后的版(bǎn)权、目前都并没有得到(dào)有效的解决，还有AIGC会(huì)不会(huì)代(dài)替人类“至高无(wú)上”的创意。

03

AIGC下一(yī)站除了视频，还(hái)有远方

技术都(dōu)是有两(liǎng)面(miàn)性的，潜在的危害(hài)并(bìng)不能掩盖其光辉的贡(gòng)献。现在看来(lái)，人工智能(néng)技(jì)术将是第四次工业革(gé)命的核心驱动力量，将创(chuàng)造新的增长(zhǎng)奇迹(jì)。

过去一年(nián)，人工智能在技术和商业层面都有(yǒu)了巨(jù)大进展，AI绘(huì)画就是人工智(zhì)能技术发生(shēng)方(fāng)向性改变的(de)一个代表。其下一站(zhàn)或许就是(shì)视频。

此前，Meta和谷歌先后发布了几条引爆科技圈的短视频。这(zhè)些视频(pín)引发关注并非内容做得多优秀(xiù)，反而都非常(cháng)简单，比如一匹正在喝水的(de)马，一只画画的玩具熊，或者一(yī)段骑摩(mó)托车的第(dì)一视(shì)角录像，随(suí)便一(yī)个(gè)有手机的人(rén)都(dōu)可(kě)以随手(shǒu)录下一段。

但(dàn)这些短(duǎn)视(shì)频的创作方式非常简单，创作者(zhě)仅仅(jǐn)需要向AI输入一(yī)段话，甚(shèn)至只是说(shuō)一(yī)下(xià)要(yào)求，AI就可以根据需要生(shēng)成一段(duàn)视频。

谷歌发(fā)布的两(liǎng)个AI生成视(shì)频分别来自于Imagen Video和Phenaki，前者主(zhǔ)要突(tū)出(chū)的是高清，与Meta的(de)Make-A-Video没有太(tài)多的差别。

在Make-A-Video公布(bù)了(le)AI生成的视(shì)频后，AI圈就已经玩了一波梗，一(yī)个能(néng)够做出更高(gāo)清视频的AI还不足以在(zài)短时间内(nèi)戳中兴(xīng)奋点。

Phenaki更加令人震惊的地方在于，它可以制(zhì)作出超(chāo)过2分钟的连贯(guàn)的(de)也(yě)有确(què)切内容的视频，这才是真正让人(rén)们感到(dào)惊(jīng)喜的地方(fāng)。因(yīn)为无论AI生成的视(shì)频多么高清，也只(zhǐ)能是为内容生产(chǎn)者提供(gōng)一个灵感，一个素(sù)材，一个(gè)过场动画。

不(bù)过能够(gòu)制作出有具体剧(jù)情(qíng)内容(róng)的视(shì)频就意味着(zhe)，一些视(shì)频创作(zuò)由AI代替人工(gōng)完成已经(jīng)初(chū)步有(yǒu)了可能。

当下AI的发(fā)展速度已经超过(guò)大部分人的想象。内容产业的本质是供给创造需求，AIGC作为全(quán)新(xīn)的内容(róng)生产方(fāng)式，可(kě)以(yǐ)为(wèi)内(nèi)容(róng)产业带(dài)来(lái)更(gèng)新的(de)内容风格、更快的生产速度(dù)，更(gèng)低(dī)的生产成(chéng)本，这无疑(yí)会驱动内容产业的大爆发。

除了AI绘图、视(shì)频(pín)，AIGC技术还能应(yīng)用于(yú)音乐(lè)、代码、机器(qì)人动作等多种内容形式的生成。不难(nán)发现该项技(jì)术不仅(jǐn)在游(yóu)戏等行(xíng)业能得到有效(xiào)应用，对(duì)于下一代互联(lián)网(wǎng)各种元素的构建亦有关键(jiàn)意义。

从商业化的角度来看(kàn)，文(wén)化(huà)娱乐、教育、传媒等(děng)诸多领域，本身(shēn)就(jiù)对基(jī)于AI的(de)可(kě)视化内(nèi)容有(yǒu)强烈需求。

因此，AI绘画及视频或不是(shì)结果，而只是AI进程(chéng)中的一块(kuài)重(zhòng)要拼图(tú)，有望(wàng)在技术更新(xīn)的(de)加(jiā)持下实现(xiàn)更大的应用价值。

AI从理解内容(róng)，走(zǒu)向了可以生成内容(róng)，甚至能够创造(zào)出(chū)独立价值(zhí)和独立视(shì)角的内容。AIGC的再次出圈，更(gèng)代表着未来的(de)先进生产力(lì)即将到来。

04

紧(jǐn)抓大模型与(yǔ)算(suàn)力(lì)，牢固(gù)AIGC底(dǐ)座

从技术的发展也(yě)可以看出，在语言大模型、图(tú)像大模(mó)型之后，多(duō)模态大模(mó)型(xíng)已(yǐ)经成为了新的趋势。

大(dà)模型被誉(yù)为当前(qián)人工(gōng)智(zhì)能发(fā)展的(de)智能底(dǐ)座，是全球竞争最激烈的研究方向(xiàng)之一(yī)，包括谷歌、亚马逊、百(bǎi)度、阿里、腾讯等(děng)众(zhòng)多头部企(qǐ)业都(dōu)在竞相发(fā)力(lì)。

不过训练大模型的确价格不(bù)菲，以国盛证券发布的《ChatGPT需要多少(shǎo)算力》报(bào)告估算，GPT-3训练(liàn)一次的(de)成本约(yuē)为140万美元。而对于一些更大的LLM(大型语言模型(xíng))，训练成本则介于200万美元至1200万(wàn)美元高价之(zhī)间。

以ChatGPT在(zài)2023年(nián)1月的独立访客平(píng)均数(shù)1300万(wàn)计(jì)算，其(qí)对应芯片(piàn)需求为3万多片英伟达A100 GPU，初始投入成本约为8亿美(měi)元，每日(rì)仅(jǐn)电费就在5万美(měi)元左右。

此外不论(lùn)是ChatGPT还是AIGC，都离不(bù)开(kāi)庞大算力支持。在关注各类(lèi)大(dà)模型(xíng)的发(fā)展同时，更应该关注算(suàn)力网络的建设(shè)。

算力网络正驱动(dòng)AI产业发展进入史诗级加速进程，让AIGC及(jí)通用AI这(zhè)一人工智能发展的终(zhōng)极目标离得更近。

因为算力可(kě)以对突破(pò)性技术创(chuàng)新提(tí)供(gōng)大力的支持。这方面，多(duō)模(mó)态大模型(xíng)是典型。作为面向未来强人工智能、通用人工(gōng)智能的重要(yào)技术创新，多模态(tài)大模型已经在人工(gōng)智能领域提出了很多(duō)年，业界也(yě)有不少技术突(tū)破，但是(shì)，多模态大(dà)模型进一步往下走，算力需求呈(chéng)几何式上升，一般(bān)的(de)算(suàn)力基础设(shè)施很快将难以胜(shèng)任。

从图像、文(wén)字、语音单(dān)独一项的训练，到双模态(tài)、三模(mó)态的(de)跃迁，让人工智(zhì)能可(kě)以灵活应(yīng)对不(bù)同模态的(de)转化、像人与世界交互一样自然，这方面，由算力网络来驱动将有明显(xiǎn)优势。

此(cǐ)外，还有很多(duō)需要爆发(fā)式增长的算(suàn)力来支撑的(de)技(jì)术(shù)创(chuàng)新，将(jiāng)在人工智能(néng)算力网(wǎng)络(luò)支撑下快(kuài)速推进。

AIGC已经(jīng)露出(chū)曙光，期(qī)待在(zài)大模型和大算(suàn)力的支(zhī)持(chí)下AIGC能持(chí)续颠覆(f利口酒是什么意思，利口酒可以直接喝吗ù)内容生产(chǎn)的方式(shì)，将(jiāng)创(chuàng)造的(de)边际成(chéng)本降低，让(ràng)万众受益。

未经允许不得转载：重庆三峡中心医院、三峡中心医院、中心医院 利口酒是什么意思，利口酒可以直接喝吗