人类忙着内耗竞争时，AI 已完成近年最大进化
▼
AI（人工智慧）不太让人兴奋有段时间了，人们虽躲不开，但也发觉无论 AI 技术进步或商用似乎都遇到瓶颈。已经很多年没有像 AlphaGo 那时惊艳，业界也没有像语音助理普及时的机会，甚至许多投资人没什么新鲜故事可用时，才不情愿转身回头看看 AI 界。
不过就在全人类忙着竞争的2022年，AI又经历近年来最大进化。
突然翻红
10月18日因推出Stable Diffusion文字─图像AI产生模型大红的人工智慧公司Stability.Ai，宣布完成1.01亿美元种子轮融资，估值达10亿美元，成为独角兽新创，距成立仅两年。即便以科技网络产业发展标准看，Stability.Ai成长速度也很惊人，是今年全球AI产业爆发式增长的缩影，旗下Stable Diffusion开源模型风靡全球不到两个月。
疾风骤雨的进化堪称革命，尤其全球经济转弱的背景下，与所有革命一样，AI革命也不是一夕间成功。
人们一直有个梦想，即用AI技术拓展人类智慧、知识和创造力的边界，但人脑复杂结构的学习能力远超过构建AI的能力，于是AI只能透过各种特定深度学习模型单点突破特定领域，如AlphaGo学围棋，又如天文大数据帮助寻找脉冲星。
AIGC即基于AI能力的内容创作（包括文字、图片和影片），也是重要类别，今年以前囿于核心技术局限性，这领域一直不温不火，因AI并没有点石成金法术，不具人类平空创造的能力。AI深度学习训练并不是有自我意识的学习，而是收集大量样本让AI总结规律，根据人类指令再生产内容，同时受核心演算法、硬件条件、资料库样本等多方限制。
▲ 2018年神经网络产生的作品，研究员Robbie Barrat用大量裸T绘画（主要是女性）训练而成。（Source：Robbie Barrat）
今年以前AIGC领域使用最多的演算法模型名为对抗生成网络GAN（Generative adversarial networks），顾名思义就是让AI两个程式互比，产生最接近人类心中的正确形象。但这演算法有个严重问题，为程式比较标准是现成样本，产生内容是无限接近模仿已有内容，而模仿，代表AI无法自己创作。
（Source：Google Developers）
GAN的缺点最终被Diffusion扩散化模型克服，就是今年陆续涌现的Stable Diffusion开源模型等众多AIGC图片产生模型的技术核心。
Diffusion扩散化模型原理类似帮照片去杂讯，学习过程理解有意义的图片如何产生，因此Diffusion模型产生图片比GAN模型精确度更高，更符合人类视觉和审美逻辑，同时样本数量和深度学习时长累积，Diffusion模型展现出对艺术表达风格更佳的模仿能力。
（Source：Towards Data Science）
今年初引起广泛关注的Disco Diffusion到DALL‧E 2、Midjourney等都是基于Diffusion模型，拿到融资的Stable Diffusion最受欢迎。Stability.Ai拥护科技社群氛围和认同技术中立原则，主动开放原始码，不仅方便人们在终端运算（普通消费级显卡就能满足Stable Diffusion硬件要求），还有魔法般的体验：打开网址，输入想要图片的关键字，等几分钟，模型就会产生完成度非常高的图像，让普通人使用最尖端AI技术的门槛降到最低，上线后仅官方平台DreamStudio制作的生成图片就超过1.7兆张。
AIGC沉寂许久的革命火种，瞬间燎原。
绚烂的蓝海
以Stability.Ai为代表的AIGC图片产生模型如此短时间发展就极为成熟，预告从传统设计绘图、插画、游戏视觉、电子商务等领域到元宇宙和虚拟实境，都有巨大发展潜力。
▲ 输入“AI wins”后DreamStudio基于Stable Diffusion产生的图像。
想像一下，未来VR / AR虚拟世界，脑海想到的画面可藉AI帮助即时渲染，将对娱乐和取得资讯的方式产生多大颠覆？
但这不是市场经济大环境极低迷之际投赞成票的全部原因，潜在商业性固然吸引人，但更值得投资的是AI技术。革命尚未完结，下一章已向我们走来，就是文字产生影片。从本质讲，影片就是静态图片连续播放，随着AI图片产生技术日益成熟，许多人开始专注产生影片，9月Meta和Google先后公布AIGC最前线领域的新成果。
Meta模型名为Make-A-Video，学习大量文本─图像组合样本和无标记影片理解真实世界物体运动逻辑，Make-A-Video能初步在构建图像的基础上让图动起来，同时有理解3D结构的能力。
（Source：论文）
imagen video模型则透过称为联级扩散系列模型产生影片。先以基础扩散模型产生解析度较低影片，然后再用一系列时间、空间超解析度模型提升解析度和帧数。
横向比较，imagen解析度1,280768高于Make-A-Video，长度也略长。
（Source：论文）
突破还不只这些，另一个Phenaki AI影片产生模型（也来自Google团队）公布根据文本产生可变时长影片的技术，也就是从文本提炼故事情节并转为影片的能力。Phenaki示范影片基于几百个单词组成一连串有前后逻辑的指令，产生一支2分多钟影片，充满镜头感、丰富情节和转场的故事雏形，假以时日势必对影视相关工作如网络平台、电视电影等产生不小冲击。
产生影片模型尚在起步阶段，运动细节、画面精细度、不同物体和人的互动等还显稚嫩，从解析度到画质也有浓浓人工智慧痕迹，然而回想AI图片产生模型同样经历过从群嘲到逆袭，未尝不是AIGC革命下一个高潮即将来临的征兆。
剧变下的争议
剧烈变化总是伴随争议，以Stable Diffusion为首的AIGC革命“图像阶段”也如此，笔者试着归纳成几个问题并简单回答。
1. AI产生内容的版权问题该如何界定？
内地着作权法规定只有自然人或组织可认定为作者，因此AI产生内容没有着作权实体。如果没有更多协定，AI产生内容可任意使用，商用也可以。Midjourney、DALL‧E等都明确表示用户拥有产生作品的所有权。
▲ stability.ai回答版权问题。
很多AI产生技术深度学习训练的资料库可能含版权内容，但导致使用者有侵权可能性非常低，因产生内容充满高度随机和不确定性，即使有版权争议，举证也极度困难。
2. AI产生内容是否有艺术性？ 如果有，该如何评定？
AI产生内容是否有艺术性半年前还是个无聊问题，但〈Thtre d’Opra Spatial〉（太空歌剧院）得奖后，人们开始谈论。总体来说，AI产生内容不是创作，受模型演算法和资料库样本容量影响，这也是许多人声称AI产生内容“没有灵魂”的原因。
然而仅把AI产生技术看成纯工具也不公平，因它不仅会模仿，且演算法和样本一起提供人类可能想不到的视角。现有AI产生图像技术已让人们进入图像创作的门槛变得极低，艺术性欣赏或许该从更细角度入手，如NFT之于传统艺术品，价值需经市场检验，艺术品市场也处于理解和接受的初阶。
3. AIGC革命的“图像阶段”对绘图工作者和艺术创作者来说代表什么？
AI产生技术“平民化”，将来中低阶绘图和市场会被AI取代，大批腰部以下绘画工作者、插画师、设计师等都会失业。若AI产生图像越来越丰富逼真，算根本上解构商业图库赖以维生的经营模式──如果电脑可产生图片，谁要花钱买图库？
▲ Gettyimages的AI产生图像使用声明。
但AI产生技术同样拓展人们对绘画工具的理解。对艺术创作者来说，AI产生技术有利基于自身理念（而不是技术）创造更多更具创造性的作品。未来将是创作者创造力的比拼，因AI可“消除外行人的表达障碍”（Bjrn Ommer 所说，他的团队开发了Stable Diffusion基础演算法）。
4. AI产生内容如何监管，防止假讯息传播？
秉持技术中立态度的研究者如Stability.Ai会尽量减少控制干预，开放和充分讨论的社群将逐步形成资讯传播的监督机制。“消费者需为如何使用技术负责，包括道德和法律性。”CEO Emad Mostaque受访时说。
尽管深度学习资料库多经严格筛选，筛掉色X、暴力、恐怖等内容，但刻板印象、种族歧视、性别歧视等问题无法根除，更重要的是，如何界定偏见对伦理学仍是颇具争议的问题，正因如此，Google决定排除风险前延后发表imagen video模型，许多已发表模型选择为产生作品加上不可去除的浮水印避免争议。
AIGC革命如火如荼进行，不是未来式，而是现在进行式。我们都身处其中。现在就是未来。
（本文由 品玩 授权转载；首图来源：Stability.Ai）
延伸阅读：
- 模型开源又强大？神秘公司成了超越巨头和学阀的 AI“第三势力”
▼
特别声明 本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。
