CHA:ChatGPT之后 AIGC會如何革新內容創作？

作者：胡璇 騰訊研究院高級研究員；胡曉萌 騰訊研究院研究員、博士后

內容生產，特別是創意工作，一向被認為是人類的專屬和智能的體現。牛津大學計算機學院院長邁克爾·伍爾德里奇2019年寫作的《人工智能全傳》一書中，“撰寫有趣的故事”被列為人工智能“遠未實現”的任務之一。

如今，AI正大步邁入數字內容生產領域。AIGC（AI Generated Content）不僅在寫作、繪畫、作曲多項領域達到“類人”表現，更展示出在大數據學習基礎上的非凡創意潛能。2023年3月15日，多模態信息處理標桿GPT-4模型正式發布，使生成內容的準確度及合規性進一步提升。數字內容生產的人機協作新范式正在形成，創作者和更多普通人得以跨越“技法”和“效能”限制，盡情揮灑內容創意。

也有人擔憂，AI是否會讓創作者們集體“失業”，甚至讓“創作”本身走向衰頹，就像機械復制時代的藝術品可能失去“靈韻”那樣。換言之，AIGC的流行給了我們一個重新審視“創作”是什么、是否為人所獨有這些問題的機會。

本文將分析AIGC改變數字內容創作的現狀、關鍵突破和挑戰，并嘗試探討以上問題。

數字內容正邁入強需求、視頻化、拼創意的升級周期，AIGC恰逢其會。線上生活成為常態，一方面，用戶創作內容大幅解放生產力，例如短視頻就是將原本需要長制作周期、高注意投入的視頻，變成了可以源源不斷產出的“工業品”和“快消品”；另一方面，作為核心的創意仍舊稀缺，需要新的模式輔助創作者持續產生、迭代和驗證創意。種種因素，都需要更加低成本、高效能的新工具與方式。

AIGC正在越來越多地參與數字內容的創意性生成工作，以人機協同的方式釋放價值，成為未來互聯網的內容生產基礎設施。

從范圍上看，AIGC逐步深度融入到文字、代碼、音樂、圖片、視頻、3D多種媒介形態的生產中，可以擔任新聞、論文、小說寫手，音樂作曲和編曲者，多樣化風格的畫手，長短視頻的剪輯者和后期處理工程師，3D建模師等多樣化的助手角色，在人類的指導下完成指定主題內容的創作、編輯和風格遷移工作。

Multichain推出的跨鏈基礎設施zkRouter宣布上線測試網:金色財經報道，Multichain推出基于零知識證明的跨鏈基礎設施zkRouter上線測試網，已實現了從以太坊到Fantom的測試網跨鏈轉賬。

此前報道，zkRouter優勢包括隱私保護、無需信任、安全、高可擴展性、去中心化等。zkRouter可用于支持跨鏈橋、可信鏈上預言機、智能合約互操作性、跨鏈交易、多鏈代幣及NFT等。[2023/2/23 12:24:06]

從效果上看，AIGC在基于自然語言的文本、語音和圖片生成領域初步令人滿意，特別是知識類中短文，插畫等高度風格化的圖片創作，創作效果可以與有中級經驗的創作者相匹敵；在視頻和3D等媒介復雜度高的領域處于探索階段。盡管AIGC對極端案例的處理、細節把控、成品準確率等方面仍有許多進步空間，但蘊含的潛力令人期待。

從方式上看，AIGC的跨文字、圖像、視頻和3D的多模態加工是熱點。吳恩達（Andrew Ng）認為多模態是2021年AI的最重要趨勢，AI 模型在發現文本與圖像間關系中取得了顯著進步，如OPEN AI的CLIP能匹配圖像和文本，Dall·E生成與輸入文本對應的圖像；DeepMind的Perceiver IO可以對文本、圖像、視頻和點云進行分類。典型應用包括如文本轉換語音TTS（Text To Speech）、文本生成圖片（Text-to-Image），廣義來看AI翻譯、圖片風格化也可以看作是兩個不同“模態“間的映射。

上圖：原圖，AIGC的典型場景及發展趨勢，來自紅杉資本

比特幣礦企Riot Blockchain因減少能源消耗，獲得數百萬美元獎勵:金色財經報道，比特幣礦企Riot Blockchain在7月份獲得了約950萬美元的電力獎勵，因為它減少了能源消耗并開采了更少的比特幣。此前，Riot在一份聲明中表示，今年7月，Riot生產了318個比特幣，比去年7月減少了約28%，從而顯著降低了整體電力成本。（Forkast）[2022/8/5 12:05:01]

下圖：使用有道智云AI翻譯后的結果

AIGC對創作者的解放體現在：“只要會說話，你就能創作”，無需懂得原理，不用學習代碼，或者Photoshop等專業工具。創作者以自然語言向AI描述腦海中的要素甚至想法（術語是給出“prompt”）后，AI就能生成對應的結果。這也是人機互動從打孔紙帶，到編程語言，圖形界面后的又一次飛躍。

自然語言是不同數字內容類型間轉化的根信息和紐帶，比如“貓”這個詞語就是加菲貓的圖片，音樂劇《貓》和無數內容的索引，這些不同的內容類型可以稱為“多模態”。

AIGC此輪浪潮，最大底層進化就在AI對自然語言“理解”和“運用”能力的飛躍，這離不開2017年Google發布的Transformer，它開啟了大型語言模型（Large Language Model，簡稱LLM）時代。有了這一強大的特征提取器，后續的GPT、BERT等語言模型突飛猛進，不僅質量高、效率高，還能以大數據預訓練+小數據微調的方式，擺脫了對大量人工調參的依賴，在手寫、語音和圖像識別、語言理解方面的表現大幅突破，所生成的內容也越來越準確和自然。

但大模型意味著極高的研究和使用門檻，例如GPT-3有1750 億參數量，既需要大算力集群也不向一般用戶開放。2022年，部署在Discord論壇上、以聊天機器人形式提供的midjourney成為了第一個用戶友好型AIGC應用，帶來AI繪畫熱潮，一位設計師用其生成的圖片甚至在線下比賽中獲獎。

Blockchain.com宣布獲得美國佛羅里達州貨幣轉賬許可證:加密貨幣交易所Blockchain.com周二宣布已獲得美國佛羅里達州的貨幣轉賬許可證批準，這意味著佛羅里達用戶現在可以在其平臺上合法買賣比特幣和其他加密貨幣。

據悉，Blockchain.com在3月份融資3億美元。該公司目前正在邁阿密招聘數十個職位。（Miami Herald）[2021/8/25 22:37:20]

使用簡單文字即可交流的低門檻，類似搜索引擎的使用方式，一下子點燃了普通用戶對AI使用的熱情。緊接著，基于擴散模型（Diffusion Models）的一系列文本生成圖片（Text-to-Image）產品，如Stable Diffusion等，把AI繪畫從設計圈帶向大眾。開源的Stable Diffusion僅需一臺電腦就能運行，截至2022年10月已有超過20萬開發者下載，累計日活用戶超過1000萬；而面向消費者的DreamStudio則已獲得了超過150萬用戶，生成超過1.7億圖片。其驚艷的藝術風格、以及圖像涉及的版權、法律等問題也引發了諸多爭議。

Diffusion的震撼感還沒消散，ChatGPT橫空出世，真正做到和人類“對答如流”，能理解各式各樣的需求，寫出回答、短文和詩歌創作、代碼寫作、數學和邏輯計算等。不僅如此，人類反饋強化學習(RLHF)技術讓ChatGPT能持續學習人類對回答的建議和評價，朝更加正確的方向前進，因此以不到GPT3的1%的參數實現了極佳的效果。盡管ChatGPT仍存在一些缺陷，例如引用不存在的論文和書籍、對缺乏數據的問題回答質量不佳等，但它仍然是人工智能史上的里程碑，并上線兩個月后用戶數突破1億，成為史上用戶數增長最快的消費者應用。

在文、圖、視頻后，數字技術演進的重要方向是從“在線”走向“在場”，AIGC將成為打造3D互聯網的基石。人們將在在虛擬空間構建仿真世界，在現實世界“疊加“虛擬增強，實現真正的臨場感。隨著XR、游戲引擎、云游戲等等各種交互、仿真、傳輸技術的突破，信息傳輸越來越接近無損，數字仿真能力真假難辨，人類的交互和體驗將到達新階段。

Riot Blockchain前CEO等三人與SEC就涉嫌低價拋售股票的訴訟達成和解:Riot BlockChain前首席執行官John O'Rourke在內的三名人士同意與美國證券交易委員會（SEC）就三起涉嫌低價拋售股票的交易達成和解，和解金額為350萬美元。根據和解協議的條款， Michael Brauser、John Stetson和 O 'Rourke將支付賠償金、判決前利息和民事罰款。O 'Rourke 's和Stetson將分別支付超過115萬美元的罰款，而Brauser將支付約117萬美元。O'Rourke以及其公司ATG Capital, Brauser和其公司Brauser 's Grander Holdings被永久禁止參與任何與低價股發行相關的活動，而Stetson和Stetson Capital Investments被禁止在10年內參與低價股發行。（Cointelegraph）[2020/3/11]

目前AIGC在3D模型領域還處于探索階段，一條路徑是以擴散模型為基礎分兩步走：先由文字生成圖片，再生成包含深度的三維數據。谷歌和英偉達在這一領域較為領先，先后發布了自己的文字生成3D的AI模型。但從生成效果看，距離現在人工制作的3D內容的平均質量還有距離；生成速度也未能盡如人意。

2022年10月，谷歌率先發布了DreamFusion，但其缺點也很顯著，首先擴散模型僅對64x64的圖像生效，導致生成3D的質量不高；其次場景渲染模型不僅需要海量樣本，也在計算上費時費力，導致生成速度較慢。隨后，英偉達發布了Magic3D，面對提示語“一只坐在睡蓮上的藍色鏢蛙”，用大約40分鐘生成了一個帶有紋理的3D模型。相比谷歌，Magic3D生成速度更快、效果更好，還能在連續生成過程中保留相同的主題，或者將風格遷移到3D模型中。

Charlie Lee加入DMG區塊鏈公司 DMG將LTC采礦添加到公司運營中:據GlobeNewswire消息，LTC創始人Charlie Lee已加入DMG公司，DMG將LTC采礦添加到該公司采礦服務運營中，并將雷電協議，用BTC和LTC等區塊鏈之間的交叉鏈式原子進行交換。DMG是一家全球區塊鏈和加密貨幣服務公司。[2018/4/24]

Magic3D（第1、3列）與DreamFusion（第2、4列）對比

第二條路徑是借助AI來“合成”不同視角下同一物品的照片，從而直接生成3D。英偉達在2022年12月的NeurIPS 上展示了 生成式 AI 模型——GET3D（Generate Explicit Textured 3D 的縮寫），可根據其所訓練的建筑物、汽車、動物等 2D 圖像類別，即時合成 3D 模型。和上文中的輸出物相比，模型和紋理更精細，更采取了一般3D工具的通用格式，能直接用到構建游戲、機器人、建筑、社交媒體等行業設計的數字空間，比如建筑物、戶外空間或整座城市的 3D 表達。GET3D在 英偉達A100 GPU 上訓練而成，使用了不同角度拍攝的約 100 萬張照片，每秒可生成約 20 個物體。結合團隊的另一項技術，AI生成的模型能夠區分出物體的幾何形狀、光照信息和材質信息，使可編輯性大幅加強。

NVIDIA GET3D基于AI生成的模型示例

盡管如此，AIGC在3D側的能力，距離打造3D互聯網仍有不小的距離。而游戲中較為成熟的程序化內容生成（PCG，Procedural Content Generation）技術，可能是AIGC邁過深水區的一大助力。

從技術路徑上，AI生成3D難以沿用“大力出奇跡”的老辦法，即單靠喂給AI海量的輸入來提升效果。首先，信息量不同，一張圖片和一個3D模型相比相差一個維度，體現在存儲上就是數據量級不同；其次，圖片和3D的存儲及顯示原理不同，如果說2D是像素點陣在顯示器的客觀陳列，3D則是實時、快速、海量的矩陣運算，就像對著模型在1秒內進行幾十次“拍照”。為了準確計算得到每個像素點，“渲染”在顯示器上，需要考慮的因素至少有（1）模型幾何特征，通常用幾千上萬個三角面來表示（2）材質特征，模型本身的顏色，是強反射的金屬，還是漫反射的布料（3）光線，光源是點狀的嗎，顏色和強度如何。最后，原生3D模型的數據相對較少，僅游戲、影視、數字孿生等領域有少量積累，遠不如已存在了數千年、可以以非數字化形態存在的圖像那么多，例如ImageNet中就包含了超過1400萬張圖片。

用計算機幫助創作者這件事，游戲界已經探索了四十多年。用算法生成的游戲內容首次出現在1981年的游戲Rogue（Toy and Wichman）中，地圖隨機，每局不同。3D時代，程序化生成技術大量應用于美術制作，因為其需要巨額時間和人力成本，以2018年發售的游戲《荒野大鏢客2》為例，先后有六百余名美術參與，歷經8年才完成約60平方公里的虛擬場景。

程序化生成在效能和可控度上介于純手工和AIGC之間。例如2016年發布、主打宇宙探險的獨立游戲《無人深空》（No Man's Sky），用PCG構造了一系列生成規則和參數，聲稱能創造出1840億億顆不同的星球，每個星球都有形態各異的環境和生物。

游戲《無人深空》中使用程序化生成的海洋生物示例

2022年的Epic打造的交互內容《黑客帝國：覺醒》在最新虛幻引擎和程序化生成加持下，打造出栩栩如生、高度復雜的未來城市，共包括700萬個美術資產，包括7000棟建筑、38000輛可駕駛的車和超過260公里的道路，其中每個資產由數百萬個多邊形組成。

Epic使用虛幻5引擎和程序化生成技術高效制作《黑客帝國：覺醒》中的龐大城市

程序化生成和AI的結合更成為熱門學術領域，每年人工智能與游戲的頂級學會——IEEE Transactions on Games都會為程序化生成開辟專門的討論板塊。劇情、關卡、場景、角色，每個板塊都有大量的研究和實踐成果在推進。

關于創作，有一句經典論斷——天才是99%的汗水，加上1%的靈感。愛迪生認為那1%的靈感最重要。AIGC則向我們證明，99%的汗水能產生質變。善用AI的創作者，或許才是“完全體”。

首先，AI和自然人的創作過程，沒有那么大的差異：一部作品的誕生，一個作者的成長，都建立在大量對經典的觀察、參照、模仿、提煉基礎上，并非一蹴而就。而創新往往也有跡可循，或者是對主流的揚棄甚至反叛，或者是對多種元素的加成和融合。因此，如知識產權制度，也是在鼓勵創作的基礎上，給予貢獻者以對等的獎勵，而非一刀切地拒絕模仿。

其次，人作為創作核心這一點沒有變化：AI面向任務，人類面向創造。一方面，人類信息系統紛繁復雜，遠非幾個“prompt”輸入就能概括。正如一位網友說，AI代替不了我，因為它理解不了老板的需求。沒有五年經驗的乙方，也解讀不來甲方口中的“要大氣”。另一方面，AI成長的養料仍然由人提供，AI更可靠可信也依賴著人的使用與反饋。“斷奶”于2021年的ChatGPT可不知道2022年世界杯的戰果。

從實用的視角，AIGC將賦予普通用戶更多的創作權力和自由。從PGC、UGC到AIGC的發展路徑可見，普通人越來越多的參與到創作之中，數字內容不僅呈現數量上的指數級增長，類型和風格也走向了更加包容和多元的生態。未來，用戶可以使用手機拍攝的一系列照片，通過AIGC工具生成一個可以使用的3D渲染圖。采用這種創造內容的方式，我們可以想象未來的數字空間將不再完全由開發人員構建，而是利用AIGC響應用戶的輸入按需生成。

AIGC工具對專業人士的杠桿效應更顯著：如果對普通人的增益是從0到1，對專業人士則可能是從1到10，使他們能集中精力處理更頂層、更有價值的事情：比如立意，風格，構圖，元素組合和后處理，或者怎樣在前期制作盡可能多樣的demo來找尋更好的方案。運用AI也正成為新的職業能力，善于“施咒”的大觸們前赴后繼地開發著AI近乎無限的潛能，并社交平臺上留下讓人望洋興嘆的作品。

更長期看，創作和藝術的歷史是螺旋上升的歷史，是某一種風格數量極大豐富、質量巔峰造極之后的突破、突變與跨界，也是一個時代精神情感的凝結。我們有理由相信，AIGC變革下創新依舊存在，甚至會加速發展。

參考資料來源:

https://mp.weixin.qq.com/s/ZYSEou1ki0a4JVY2Nv8_SA.

https://zhuanlan.zhihu.com/p/388666777.

https://zhuanlan.zhihu.com/p/82758631.

https://zhuanlan.zhihu.com/p/493739360.

騰訊研究院

企業專欄

閱讀更多

金色財經 善歐巴

金色早8點

白話區塊鏈

Arcane Labs

Odaily星球日報

MarsBit

歐科云鏈

深潮TechFlow

BTCStudy

Tags：IGCAIGCHAChainTIGC幣AIG幣Gambling ChainPikcioChain

SAND