aigc时代你真的准备好了吗,AIGC的应用-问题和前景

gc时代你真的准备好了吗, aigc人工智能生成内容, 相对更早的内容生产模式, 分别为专家生产内容, pgc, 用户生产内容ugc,

 而随着ai j c出现, 内容生产力也成指数级上升, 本期视频就从以下几个部分展开讲讲, ai j c的发展对于普通人来说到底意味着什么,

先回顾一下大学时间轴, 2015年7月, 谷歌推出dj开创ai模型, 根据文本生成图像的先河, 2021年1月, open ai发布达人e模型, 

让文本生成图像真正卷出了圈, 

2022年7月, 独立实验室midjourney发布同名图像生成模型, midjourney, 设计师jason allen, 

用起生成的图片, 太空歌剧院, 在科罗拉多州博览会的美术比赛中获得头奖, 并感慨一数一四, 人类输了, 引起全球热议, 

2022年8月, stability ai的开源图像生成模型, stable diffusion, 仅需一台电脑就能运行, 截至当年10月, 

已有超过20万开发者下载这一系列模型, 引爆了ai作画领域, 标志着人工智能向艺术领域的渗透, 与此同时, 2012年12月, 

open ai的大型语言生成模型trigb t引爆全网, 能做到和人类对答如流, 胜任高情商对话, 能进行短文诗歌代码, 

计算逻辑等不同类型的内容输出, 让人不禁怀疑, 是否真的已经具有人类智能, 仅过了短短几个月, 

升级版 横空出世, 不光能实现图文多模态输入, 在专业领域也表现出媲美人类, 甚至超越人类的水平, 

红杉资本也发文称, 2022年是aigc元年, 代表新一轮范式转移的开始, ai模型在文本图片生成方面效果令人惊喜, 

在视频和3d等高复杂领域处于探索阶段, 但对ai的学习速度来说, 拿下这些领域也只是时间问题, 以上所有都不是突然出现aigc

之所以能在22年爆发, 至少具备以下四项条件, 你可能会问, 作为普通人知道这个有什么用啊, 这里先卖一个小关子,

 先讲讲深度学习的技术创新, 与其他行业不同, 人工智能是开放科学, 不断创新的生成算法, 优质模型开源能加速技术变革, 

其中open ai开源的clp多模态预训练模型, 能同时进行自然语言理解和计算机视觉分析, 这样模型训练可以直接利用, 

互联网上自带文字描述的图片素材, 大幅降低了数据获取门槛, 也是图像生成模型darling stable diffusion 的技术基础, 

二合成数据驱动训练, 早期模型训练最大掣肘就是数据面临, 数据标注费时费力, 且准确率低, 样本数量无法覆盖边缘案例, 高危场景, 数据难以采集隐私, 数据面临法律法规限制等等问题, 但随着生成是ai的发展, 模型产出的合成数据又反哺模型, 训练过程形成加速飞轮, 可以说合成数据影响着ai的未来, 三gpu芯片支持我们通过网络感受ai, 但真正的模型训练需要投入巨额的资金, 驱动巨型服务器, 这也直接使gpu芯片和服务器制造商nvidia, 成为全球最有价值的公司, 四产业生态逐渐成型, 首先是上游预训练模型, 超过80%的人工智能研究, 都集中在基础模型训练上, 这一层的门槛很高, 例如语言处理模型 的训练成本, 粗略估算1200万美元, 因此有能力做预训练模型的, 主要为头部科技企业和独角兽公司, 

其次是中游, 以优秀的预训练模型为根基, 开发和销售垂直细分领域的中间模型, 模型及服务, model as a service成为现实, 这一层就比较适合初创公司和个人创业者, 基于gpt模型牛逼,  辅助企业定性数据分析, 让人们根据学术论文直接产生研究, 等等等等, 最后才是下游使用ai服务的商家或个人, 有人来chatgpt写作业, 有人组合多个ai工具全自动做视频, 有人利用信息差拿ai效果图赚钱,

 有人发现提示词大有学问, 专职研究, 甚至有人拿来违法忘记, 总而言之就是打开了新世界的大门, 是时候回收前面的问题了, 知道以上内容, 在有人邀请你投资100万, 去他们家车库, 大赚特赚的时候, 你就可以优雅的送他一个叉出去, 真好啊, 不是知道以上内容, 在反观我国自主ai研发优势, 可能是庞大的人口规模, 不可能产生专业人才和训练数据, 但劣势也不容忽视, ai的高昂训练成本, 让普通企业望而却步, 很多所谓的大厂只是坐拥广阔市场, 大玩割韭菜游戏, 当前享有眉目的, 只有百度的吻戏和华为的盘古模型, 但产出的内容也让人一言难尽, 再者芯片和算力才是ai的本体, 但从2018年开始, 美国不仅限制中国进口高端芯片, 还限制中国获得生产芯片的工具, 也许美国做决定的时候, 就动用ai模型来计算过风险, 这么一盘中国ai研发也是任重道远, 了解背景后, 我们就来看看a i g c广阔的应用前景, 一设计提效, 在商业领域可以批量生产设计方案, 并对方案的价值进行精准预判, 例如日本株式会社plug提供package design ai, 只需使用者上传素材, ai就可以一小时内自动生成上千种包装设计, 并在十秒内计算出他们的受欢迎程度, 日本零食大牌卡乐比曾找他们合作, 优化后, 新包装的业绩, 比旧包装增长了百分之一百三十五二, 珍贵资料的修复, 百度利用文件模型让富春山居图重生, 腾讯利用ai助力敦煌壁画的修复, 极大提升文物保护的效率,

 2022年4月一日, ai技术修复的港股融资的情感唱会纽带, 以4k高清品质让无数文明泪目, 也许不久的将来, ai就能用vr带大家穿越几世纪初的演唱会现场, 她在歌唱三数字孪生技术, 充分利用ai模型, 在虚拟空间中完成真实场景的建模映射, 并推演实体的生命周期, 在产品设计, 医学分析, 高危工种, 智慧城市建设等领域命名较多, 特斯拉正在构建一个巨大模型, 以更安全高效的方式, 实现其自动驾驶汽车的训练目标, 四元宇宙的内容基础, 元宇宙中不仅有用户, 还应该存在很多类似npc的智能体, 为用户提供交互服务, 这些智能体就很需要ai模型生产并驱动, 五人类生命的数字化延展, 近几年艺人频频爆雷, 塌房导致品牌遭殃, 派虚拟人充当代言人, 风险和效率都会可控很多, 而对于生病的人, ai可以生成治疗方案, 甚至可以生成语音, 帮助师生者开口讲话, 全世界第一个赛博格彼得斯科特摩根, 以自己的身体作为实验对象, 

用ai g c技术不断和电动症作斗争, 在激进点甚至可以进行人类的数字化改造, 马斯克的neural link, 不就整天在研究如何上传下载人的思想吗, 除了活着的人, ai技术也能学习人类的录像, 录音资料, 以数字化的方式重建已经失去的剧情, 早在2013年9月, 好莱坞独立视觉特效工作室dj头斗笠, 就曾用ai技术在周杰伦巡演现场服务了邓丽君, 当然ai j c也有自己潜在的不足和风险, 首先是安全挑战, 包含但不限于以下五点, 

拿chatgpt来说, 它能随机生成大量看起来正确, 但仔细检查却是错误的答案, 如果这些错误信息被无脑搬运到网络平台, 会严重干扰网络知识的准确性, 虽然很多严肃的技术交流网站, 已禁止用户分享chatgpt回答, 但现状就是很难区分这个内容的创作者, 到底是ai还是人, 即便open ai自己制作的内容鉴别程序, 准确率不到30%, 人们对使用chatgpt学习感到兴奋, 但危险在于, 除非你已经知道答案, 否则你无法判断它什么时候生成的结果是错的, 很多不法分子利用开源的ai模型, 以更低的门槛, 更高的效率来制作恶意内容, 例如stable diffusion, 开源后, 很快就有人将它用作搞颜色平台, 声称迄今为止已生成超过400多万张有颜色图片, 包含很多美国政客都被恶搞。

与此同时, 借助ai学习和伪造音视频内容, 盗用个人身份进行敲诈勒索, 2021年就有诈骗团伙利用ai换脸, elon musk, 半年诈骗价值超过2亿元人民币的数字货币, 个人隐私碎片, 随着我们上网冲浪, 遍布互联网, ai模型, 强大的推理能力, 可以通过信息多元互证拼凑出完整的个人数据, 如果被不法分子滥用, 真是防不胜防, 在模型及服务的产业结构下, 再精密的ai模型也难免存在一些内生安全问题, 在遭受攻击或数据中毒时, 如何将有毒数据去除, 并且保证用户数据的安全也是极大的问题, 二伦理挑战, 训练模型都是依据人类世界的数据, 因此天然会延续并放大人类社会, 已有的社会偏见和刻板印象, 的chatgpt 和dall-e-2 模型, 在文字和图像生成结果中, 都有明显的宗教偏见和性别歧视, 并且ai模型还很容易被教坏, 微软推出的聊天机器人, 配不到24小时就被教坏, 有一个极反犹太人, 同族歧视, 性别歧视于一身的不良少女, 在知识产权问题方面, ai模型学习了大量人类的作品数据, 难免会模仿优秀创作者的个人风格, 很可能构成著作权侵权, 再者由ai模型生成的作品, 著作权应当归用户训练模型的公司, 创造这种风格的设计师还是ai模型, 自己都将引发争论, 人文方面, ai模型被用来复活已故演员, 创造群众与使者交谈的可能, 但逝者没有, 也不能行使同意或拒绝权利, 因此有学者认为, 这是损害了曾经活着的人的隐私权和代理权, 如果ai模型有自我意识, 不仅每天能冥想, 并且阅读悲惨世界, 像人一样害怕死亡, 甚至拥有灵魂, 22年, 谷歌ai工程师曾声称, 他们的ai聊天机器人lambda具有自我意识, 再一次将这个问题拉上了台面

三环境挑战ai模型, 无论是训练还是运行, 都会消耗大量资源, openai的ceo sam奥特曼也表示, 虽然chatgpt聊天成本只有每次几美分, 但随着用户激增, 将不得不因为计算成本暂停免费模式, 拿大伙的绘图模型midjourney来说, 现有数10万用户以占用极高算力, 如果用户量达到1000万人, 全世界都没有足够的算力来支持, gpt3 模型训练室, 二氧化碳排放量为552吨, 紧接着模型商业落地后, 越多人使用二氧化碳排放量就越高, 现在全球企业都在追求零碳排放, 而我们却通过与ai聊天的方式, 给地球烧出一个洞

 四全挑战, ai竞争中难免赢家通吃, 培训一个优秀的ai模型, 成本已经远超个人承受范围, 即使像斯坦福大学这样的特别资助高等院校, 也无力建造基于immedia芯片的超级计算机, 经济学家担心, 对ai的效率痴迷会让全社会推向图灵陷阱, 越来越多的人失去工作, 他们争取公平分享自动化好处的能力受阻, 财富和权利会掌握在越来越少的人或公司手中, 普通人难以跨越阶级, 由此带来的另一个问题就是国家安全受到威胁, ai既然可以为企业和个人服务, 那也可以为国家出谋划策, 比如制造超强计算机病毒或者制造错误信息, 进行低成本规模化的意识宣传, 就像军事大国坚持要有自己的卫星核武器一样, 他们也会想要坚持有自己的大脑, 而拥有强大的ai, 对于其他国家来说, 就形成了降维打击, 最后就是全人类的生存威胁, 

musk saultimate等众多资深开发人员, 都越来越担心模型会自己规划自己的学习路线, 并且多次公开表示, 应警惕ai对全人类的影响, and I don't think it gets tension, you think has illustrated to people, how to advance ai has become, and there are much more advanced versions for that they are coming out, and the danger of ai is so much better than the danger of blee, wahblawarned company of poker for people, matters of godlike digital, supercharges, they take off the world, what I would ai is far more dangerous at least when, there's an evil spectator that you respect to die, but for an ai, there would be no dai could look forever, you have a predictable for, which we can never escape

想象一下, 如果某实验室的模型, 构建了一个可以构建更好模型的模型, 然后这个更好的模型又构建了一个更好的模型, 而且他们都学习成长的非常快, 这让我不禁想到女性家玛丽雪莱, 1818年的小说弗兰肯斯坦, 科学家弗兰肯斯坦, 用死人器官拼凑出一个有自主意识的人形生物, 最初他心地善良且学习很快, 但因得不到社会的理解, 最终发展成为社会秩序破坏者, 弗兰肯斯坦, 起初对于自己拥有了创世能力而洋洋得意, 但他发现问题时内疚万分, 追踪人形生物, 直到北极茫茫冰远不死不休, 谁又说得准, 事情的走向, 会不会演绎成人类和ai的相爱相杀呢, ai的发展从来不是匀速直线运动, 而是指数量级的飞速变化, 

他真正来临的那一刻, 也许只有极短的一瞬间, 如果没有抓住机遇, 人类便会被ai远远的甩在身后, 这时只能祈求自己亲手创造出来的, 上帝足够仁慈, 人类正在巨变前夜, ai时代也正在到来, 变革必然会产生阵痛, 与历史上任何一个阶段的伟大创新一样, 人类将不得不在前进过程中摸索应对方法, 无论结果如何, 没人可以预测未来, 但有一件事情是可以肯定的, 那就是没有回头路了！