AI寫小說、繪畫、剪視頻，生成式AI更火了！

科技云報道原創(chuàng)。

近日，生成式AI又火了！一個叫做「盜夢師」的微信小程序，上線一鳴驚人，達成了日增5萬新用戶的紀錄。

盜夢師是一個能根據(jù)輸入文本生成圖片的AI平臺，屬于AIGC（AI-Generated Content，即人工智能生成內(nèi)容）的分支。

在用戶發(fā)揮想象，輸入文字描述后，盜夢師便可生成1:1、9:16和16:9三種比例的圖片，還有24種繪畫風格可以選擇——除了基礎(chǔ)的油畫、水彩、素描等繪畫種類，還包括賽博朋克、蒸汽波、像素藝術(shù)、吉卜力和 CG 渲染等特別風格。

圖：科技云報道編輯用「盜夢師」微信小程序生成

事實上，這并不是第一款“以文生圖”的AI軟件。從Midjourney到Stable Diffusion，生成式AI一直是近兩年最炙手可熱的話題。

作為AI發(fā)展的一個重要方向，生成式AI具有非常大的發(fā)展?jié)摿Α?/p>

據(jù)Gartner上半年的數(shù)據(jù)，預(yù)計到 2025 年，生成式AI將占所有生成數(shù)據(jù)的10%，當前這一比例不到1%。

有觀點認為，2022年將是生成式AI從技術(shù)成熟到深入社會基本面的元年。

?生成式AI爆發(fā)式增長：從圖片到視頻

最近幾年，AI技術(shù)在視覺領(lǐng)域的發(fā)展可謂是“神速”。

去年1月，致力于“用通用人工智能造福全人類”的OpenAI公司，基于GPT-3模型發(fā)布了劃時代的DALL-E，實現(xiàn)了從文本生成圖像。

今年4月份，OpenAI發(fā)布的第二代DALL-E 2模型，再次為圖像生成領(lǐng)域樹立了全新標桿。

用戶可以通過簡短的文本描述（prompt）來生成相應(yīng)的圖像，使得不會畫畫的人也可以將自己的想象力變?yōu)樗囆g(shù)創(chuàng)作，例如“羊駝打籃球”這句話生成的四張圖片，看起來就非常符合大家預(yù)期的想象。

DALL-E 2模型生成圖片示例

不僅如此，隨著文字描述的顆粒度不斷細化，生成的圖像也會越來越精準，效果在非專業(yè)人士看來已經(jīng)相當震撼。

但DALL-E 2這樣的模型仍然停留在二維創(chuàng)作即圖片生成領(lǐng)域，無法生成360度無死角的3D模型。

不過這依舊難不住極具創(chuàng)意的算法研究員，Google Research的一項最新成果——DreamFusion模型，即可通過輸入簡單的文本提示生成3D模型，不僅能夠在不同的光照條件下進行渲染，而且生成的3D模型還具有密度、顏色等特性，甚至可以把生成的多個3D模型融合到一個場景里。

在生成3D圖片之后，Meta的算法人員將思路進一步打開，向更高難度發(fā)起挑戰(zhàn)，開始探索用文字提示來直接生成視頻。

雖然本質(zhì)上來說，視頻就是一系列圖像的疊加，但相比于生成圖像，用文字來生成視頻時，不僅需要生成相同場景下的多個幀，還要保證相鄰幀之間的連貫性。由于訓(xùn)練模型時可用的高質(zhì)量視頻數(shù)據(jù)非常少，但計算量卻很大，大大增加了視頻生成任務(wù)的復(fù)雜性。

今年9月，來自Meta的研究人員發(fā)布了Make-A-Video，這是一個基于人工智能的高質(zhì)量短視頻生成模型，相當于視頻版的DALL-E，也被戲稱為“用嘴做視頻”，即可以通過文本提示創(chuàng)建新的視頻內(nèi)容，其背后使用的關(guān)鍵技術(shù)，也同樣來自DALL-E等圖像生成器所使用的“文本-圖像”合成技術(shù)。

僅1周之后，谷歌CEO皮查伊就接連官宣了兩個模型，來正面挑戰(zhàn)Meta的Make-A-Video，分別是Imagen Video與Phenaki。

與Make-A-Video相比，Imagen Video更加突出視頻的高清特性，能生成1280*768分辨率、每秒24幀的視頻片段，還能理解并生成不同藝術(shù)風格的作品；

理解物體的3D結(jié)構(gòu)，在旋轉(zhuǎn)展示中不會變形；

甚至還繼承了Imagen準確描繪文字的能力，在此基礎(chǔ)上僅靠簡單描述產(chǎn)生各種創(chuàng)意動畫。

Imagen Video生成視頻示例

而Phenaki則能根據(jù)200個詞左右的提示語生成2分鐘以上的較低分辨率長鏡頭，講述一個相對完整的故事。

Phenaki生成視頻示例

目前，國內(nèi)也有不少生成式AI的應(yīng)用。

例如，字節(jié)跳動旗下的剪映APP提供AI生成視頻功能，并可以免費使用。

剪映的圖文成片功能和谷歌類似，創(chuàng)作者可以通過幾個關(guān)鍵詞或一小段文字，生成一段創(chuàng)意小視頻。

剪映還可以根據(jù)文字描述智能匹配視頻素材，將視頻包裝為更垂直的內(nèi)容作品，包括財經(jīng)、歷史、人文等類別。

2022年1月，網(wǎng)易推出一站式AI音樂創(chuàng)作平臺“網(wǎng)易天音”，將用戶編輯的新年祝福AI生成為歌曲，并在上半年推出了web端專業(yè)版。

2021年9月，彩云小夢APP上線，能夠進行各種類型文本創(chuàng)作，用戶只需要給出一個1-1000字的開頭，彩云小夢就能續(xù)寫出后面的故事。

事實上，AI創(chuàng)作還有多種形式。當生成式AI技術(shù)應(yīng)用于寫稿，可以誕生機器版的記者、小說家、詩人、編劇等，而當它應(yīng)用于繪畫、音樂和舞蹈領(lǐng)域時，則可以“培養(yǎng)”出畫家、作曲家和編舞人員。

生成式AI爆發(fā)的背后

過去一年里，生成式AI發(fā)展得更好了。谷歌、微軟、Meta等AI領(lǐng)域的軟件巨頭們已在內(nèi)部推進該技術(shù)，讓生成式AI融合到自己的產(chǎn)品里。

為什么生成式AI突然就火了？

其實生成式AI技術(shù)一直在快速發(fā)展中，只不過之前因過高的技術(shù)門檻，多囿于科技界的小圈層。

回顧AI技術(shù)的發(fā)展歷程，會發(fā)現(xiàn)生成式AI的爆發(fā)離不開三個因素：更好的模型、更多的數(shù)據(jù)，和更多的計算。

2015年以前，小模型被認為是理解語言的“最先進技術(shù)”。這些小模型，擅長分析任務(wù)，并被部署在從預(yù)測交付時間到欺詐分類的工作中。

然而，對于通用的生成任務(wù)，它們的表達能力還不夠強。生成人類水平的寫作或者代碼，仍只是一個夢想。

2017年，谷歌研究院發(fā)布了一篇里程碑式的論文（Attention is All You Need），描述了一種用于自然語言理解的新神經(jīng)網(wǎng)絡(luò)架構(gòu)，稱為 transformers，可以生成質(zhì)量上乘的語言模型，同時，具有更高的可并行性，需要的訓(xùn)練時間也大大減少。

當然，隨著模型越來越大，它們開始顯現(xiàn)出超越人類的水平。從2015年到2020年，用于訓(xùn)練這些模型的計算量增加了6個數(shù)量級，其結(jié)果在手寫、語音和圖像識別、閱讀理解以及語言理解方面，超過了人類性能的基準。

其中，OpenAI的GPT-3脫穎而出，該模型的性能比GPT-2有了巨大飛躍，從代碼生成到冷笑話寫作，顯示了更優(yōu)秀的能力。

盡管有所有基礎(chǔ)研究領(lǐng)域的進展，這些模型并不普遍。

它們體積大、運行困難（需要GPU協(xié)調(diào)），不能廣泛使用（不可用或僅有封閉的測試版），而且作為云服務(wù)使用的費用昂貴。

但是盡管有這些限制，最早的生成性AI應(yīng)用開始進入戰(zhàn)場。

之后，隨著計算變得更便宜，業(yè)界繼續(xù)開發(fā)更好的算法和更大的模型。

開發(fā)者的權(quán)限從封閉測試版擴大到了開放測試版，或者在某些情況下，開放源代碼。

如今，平臺層的穩(wěn)固，加上模型繼續(xù)變得更好、更快、更便宜，以及模型的訪問趨向于免費和開源，AI應(yīng)用層的創(chuàng)造力爆發(fā)時機已經(jīng)成熟。

比如，今年8月，文本-圖像生成模型Stable Diffusion開源，后繼者能更好地借助這一開源工具，挖掘出更豐富的內(nèi)容生態(tài)，為向更廣泛的C端用戶普及起到至關(guān)重要的作用。

Stable Diffusion的火爆，本質(zhì)上就是開源釋放了創(chuàng)造力。

生成式AI面臨現(xiàn)實挑戰(zhàn)

風投機構(gòu)紅杉資本在官網(wǎng)上的一篇博客文章中提到：“生成式AI有潛力產(chǎn)生數(shù)萬億美元的經(jīng)濟價值。

”據(jù)紅杉資本預(yù)測，生成式AI可以改變每個需要人類創(chuàng)造原創(chuàng)作品的行業(yè)，從游戲到廣告再到法律。

具體而言，未來生成式AI的應(yīng)用場景非常廣闊，除了文創(chuàng)、新聞等內(nèi)容生產(chǎn)行業(yè)外，生成式AI在醫(yī)療保健、數(shù)字商業(yè)、制造業(yè)、農(nóng)業(yè)等多個行業(yè)都有豐富的應(yīng)用前景，如幫助醫(yī)生檢測X射線、CT等設(shè)備掃描中的病變、創(chuàng)建商品的數(shù)字孿生體、輔助檢測產(chǎn)品質(zhì)量等。

在XR、數(shù)字孿生、自動駕駛汽車等熱門技術(shù)上也有豐富的應(yīng)用空間。

但值得注意的是，當前生成式AI仍有很多問題需要解決。

如在文娛領(lǐng)域，不少人采用生成式AI進行創(chuàng)作的一個原因，就是可以避免版權(quán)問題，但這并不代表沒有隱患。

一方面，AI的創(chuàng)作也是將學(xué)習到數(shù)據(jù)按照要求重新組合起來，雖然顆粒度越來越細，但難免還是有眼尖的人會看出可能是參考了哪些作品，甚至有網(wǎng)友在社交平臺上表示曾在某AI生成圖片上隱約看到疑似簽名的痕跡。

另一方面，當前大部分AI生成平臺多不主張版權(quán)或明確表示可以進行商用，但隨著生成式AI逐步商業(yè)化，這樣的版權(quán)環(huán)境是否存在，是否會出現(xiàn)新的版權(quán)問題也是需要討論的。

生成式AI的邏輯與安全性也有待提升。當前的生成式AI很容易犯一些常識性的錯誤，在一些需要長期記憶的地方也容易出現(xiàn)問題。

如在AI生成小說的過程中，經(jīng)常會因為篇幅較長而出現(xiàn)前后矛盾的地方。

因此，即便生成式AI已經(jīng)可以在很多領(lǐng)域得到應(yīng)用，真要讓生成式AI投入工作，還要通過大量的訓(xùn)練來避免因AI的“錯誤”造成的重大損失。

畢竟醫(yī)療、制造業(yè)這些應(yīng)用場景沒有文創(chuàng)行業(yè)那樣的試錯空間。

結(jié)語

盡管生成式AI當前還離不開人工干預(yù)，但不可否認的是，生成式AI仍具有非常大的發(fā)展?jié)摿Α?/p>

生成式AI的出現(xiàn)，意味著AI開始在現(xiàn)實內(nèi)容中，承擔從“觀察、預(yù)測”拓展到“直接生成、決策”的新角色。換句話說，生成式AI是在創(chuàng)造，而不僅僅是分析。

正如OpenAI CEO Sam Altman所說：“生成式AI提醒我們，很難做出有關(guān)于人工智能的預(yù)測。

十年前傳統(tǒng)觀點認為：人工智能首先會影響體力勞動；然后，是認知勞動；然后，也許有一天它可以做創(chuàng)造性的工作。現(xiàn)在看起來，它會以相反的順序進行?！?/p>

來源：科技云報道

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。