AIGC能掀起人工智能的產(chǎn)業(yè)革命嗎？

“Generative AI（生成式AI）有什么社會(huì)價(jià)值？”

當(dāng)騰訊研究院的研究員將上面這個(gè)問(wèn)題輸入到ChatGPT中，得到如下回復(fù)：

“生成式AI是一種人工智能技術(shù)，它可以使用訓(xùn)練數(shù)據(jù)來(lái)生成新的內(nèi)容。這種技術(shù)可以用來(lái)解決各種問(wèn)題，具有很高的社會(huì)價(jià)值。

例如，它可以用來(lái)生成文本、圖像、音頻和視頻，這些內(nèi)容可以用來(lái)幫助人們了解世界，也可以用來(lái)提高工作效率。

此外，生成式AI還可以用來(lái)解決一些非常復(fù)雜的問(wèn)題，比如提供新的醫(yī)療方案、幫助制定更有效的政策、或者甚至幫助人類更好地了解自己。

總的來(lái)說(shuō)，生成式AI為人類提供了很多有價(jià)值的機(jī)會(huì)，有助于人類更好地理解世界，并創(chuàng)造出更多的價(jià)值?！?/p>

在以上ChatGPT的四段回答中，首先給出了定義（是什么和做什么），然后說(shuō)明為什么要使用它，包括舉例和和強(qiáng)調(diào)重要性。最后，還進(jìn)行了價(jià)值理念的歸納和升華。實(shí)話說(shuō)，如果我們問(wèn)一個(gè)對(duì)AI有所了解的人類，很大可能也回答不出這樣內(nèi)容完備和邏輯條理的答案，或許這就是以ChatGPT等為代表的生成式AI之所以震撼業(yè)界的原因。

這一次，AIGC能掀起人工智能的產(chǎn)業(yè)革命嗎？

不過(guò)，人工智能自誕生的七八十年來(lái)，帶給人們的驚嘆多了去了。從早期研究積木世界到最早的智能機(jī)器人Shakey，再到上世紀(jì)八十年代深藍(lán)戰(zhàn)勝國(guó)際象棋冠軍卡斯帕羅夫，直至最近幾年的AlphaGo戰(zhàn)勝世界圍棋冠軍，人形機(jī)器人Atlas的后空翻和機(jī)器狗Spot的連滾翻……AI技術(shù)從來(lái)不缺讓人震撼的元素，但真正能夠產(chǎn)業(yè)化落地的卻少之又少。正因如此，谷歌這些年也收斂了敗家燒模式，開(kāi)始講起Responsible AI的故事。

相較谷歌，OpenAI是一家小公司，不過(guò)背后卻有世界首富馬斯克和巨頭微軟的背書(shū)。從2016年6月宣布以制造通用機(jī)器人和使用自然語(yǔ)言的聊天機(jī)器人作為公司發(fā)展目標(biāo)后，便開(kāi)始了GPT語(yǔ)言模型的研究。

不過(guò)，真正讓OpenAI火出圈的是在2021年推出的DALL-E，加上后來(lái)Stable Diffusion的開(kāi)源，文生圖率先掀起了AIGC的熱浪，伴隨而來(lái)的是大語(yǔ)言模型ChatGPT火爆全網(wǎng)。盡管業(yè)界原本的期待是進(jìn)化版模型GPT-4，但GPT-3衍生而來(lái)的ChatGPT還是給到人們不少意外之喜。除了如前文所示的對(duì)答如流，在檢查程序代碼上也絲毫不含糊。

那么，以DALL-E、ChatGPT等為代表的生成式大模型真能掀起人工智能的產(chǎn)業(yè)革命嗎？如果是歷經(jīng)了人工智能各流派興衰的產(chǎn)業(yè)界老人，可能多少會(huì)持有懷疑的態(tài)度。但對(duì)于后生代的巨頭科技企業(yè)和新時(shí)代的AI開(kāi)發(fā)者來(lái)說(shuō)，將會(huì)抱持更大的期待。

游戲設(shè)計(jì)師杰森?艾倫使用Midjourney模型 生成的《太空歌劇院》是首個(gè)獲獎(jiǎng)的AI生成藝術(shù)

當(dāng)然，愿望雖好，AIGC能否真正完成變革，還需要從技術(shù)工程化、產(chǎn)業(yè)生態(tài)化，以及機(jī)遇和挑戰(zhàn)等方面來(lái)進(jìn)行多維度分析。騰訊研究院在近日發(fā)布了《AIGC 發(fā)展趨勢(shì)報(bào)告 2023》（以下簡(jiǎn)稱《報(bào)告》），對(duì)AIGC的發(fā)展趨勢(shì)進(jìn)行了深度解讀。

技術(shù)工程化：哪些Buff讓AIGC走向巔峰？

ChatGPT、DALL-E、Stable Diffusion們?nèi)绱伺，它們的背后有哪些技術(shù)？

《報(bào)告》中將其歸納為三點(diǎn)：

生成算法

預(yù)訓(xùn)練模型

多模態(tài)

生成算法

生成算法并非新技術(shù)，2014年由伊恩?古德費(fèi)洛最早提出生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network，GAN ）是最早的生成式模型。之后，進(jìn)一步出現(xiàn)了Transformer、Diffusion等深度學(xué)習(xí)生成算法，下表為生成式算法的演進(jìn)時(shí)間軸。

圖片來(lái)源：《AIGC 發(fā)展趨勢(shì)報(bào)告 2023》

可以說(shuō)，AIGC背后的三個(gè)最重要的算法模型就是GAN、Transformer和Diffusion。GAN的重要性體現(xiàn)在最早推出，衍生了許多流行架構(gòu)和變種，還有大量科學(xué)家和研究人員在使用這一模型。Transformer則是因?yàn)閼?yīng)用領(lǐng)域的廣闊，包括NLP、CV 等領(lǐng)域的應(yīng)用。后來(lái)出現(xiàn)的BERT、GPT-3、LaMDA等預(yù)訓(xùn)練模型都是基于Transformer模型建立的。Diffusion則因?yàn)樽顑?yōu)化模型性能的表現(xiàn)，包括靈活的模型架構(gòu)和精確的對(duì)數(shù)似然計(jì)算，讓其成為最先進(jìn)的圖像生成模型。

預(yù)訓(xùn)練模型

在《報(bào)告》中，是這樣形容預(yù)訓(xùn)練的重要性的：預(yù)訓(xùn)練模型引發(fā)了 AIGC技術(shù)能力的質(zhì)變。之所以稱為“質(zhì)變”，正因此后基于大量數(shù)據(jù)訓(xùn)練、擁有巨量參數(shù)成為AIGC實(shí)現(xiàn)多任務(wù)、多語(yǔ)言、多方式的核心驅(qū)動(dòng)力。

預(yù)訓(xùn)練開(kāi)始的標(biāo)志性事件是谷歌在2018年發(fā)布基于Transformer的機(jī)器學(xué)習(xí)方法BERT，自此AI進(jìn)入大煉模型參數(shù)的預(yù)訓(xùn)練時(shí)代。由谷歌掀起的這場(chǎng)預(yù)訓(xùn)練旋風(fēng)也拉起了一幫AI巨頭和獨(dú)角獸們的熱情參與，下表是主要的AIGC預(yù)訓(xùn)練模型。

圖片來(lái)源：《AIGC 發(fā)展趨勢(shì)報(bào)告 2023》

多模態(tài)

除了生成算法和預(yù)訓(xùn)練，AIGC 要達(dá)成工程化也少不了多模態(tài)。在這點(diǎn)上，CLIP的重要性就體現(xiàn)出來(lái)了。2021年，OpenAI團(tuán)隊(duì)將跨模態(tài)深度學(xué)習(xí)模型 CLIP進(jìn)行了開(kāi)源，能夠?qū)⑽淖趾蛨D像進(jìn)行關(guān)聯(lián)。這樣一來(lái)，就從早期的單NLP、CV模型，擴(kuò)展到語(yǔ)言文字、圖形圖像、音視頻等多模態(tài)、跨模態(tài)模型。

產(chǎn)業(yè)生態(tài)化：上、中、下游，看MaaS如何加持

生成算法、預(yù)訓(xùn)練模型、多模態(tài)讓AIGC實(shí)現(xiàn)工程化，但一項(xiàng)技術(shù)能否真正撬動(dòng)市場(chǎng)，還需要看它能否產(chǎn)業(yè)化。

在如何構(gòu)建產(chǎn)業(yè)化上，《報(bào)告》給出的結(jié)論是：AIGC產(chǎn)業(yè)生態(tài)加速形成和發(fā)展，走向模型即服務(wù)（MaaS）的未來(lái)。

這些年來(lái)，SaaS（軟件即服務(wù)）、PaaS（平臺(tái)即服務(wù)）和IaaS（基礎(chǔ)設(shè)施即服務(wù)）我們聽(tīng)了很多，當(dāng)模型也變成一種服務(wù)之后，AIGC的產(chǎn)業(yè)未來(lái)會(huì)呈現(xiàn)出怎樣的形態(tài)？

圖片來(lái)源：《AIGC 發(fā)展趨勢(shì)報(bào)告 2023》

如上圖所示，從左到右依次是基礎(chǔ)層、中間層和應(yīng)用層。

基礎(chǔ)層

首先，在產(chǎn)業(yè)的底層架構(gòu)上，需要有以預(yù)訓(xùn)練模型為基礎(chǔ)搭建的AIGC技術(shù)基礎(chǔ)設(shè)施。和其他所有技術(shù)一樣，基礎(chǔ)層是最考驗(yàn)技術(shù)發(fā)展程度和可投入成本的地方，具有較高的進(jìn)入門(mén)檻。據(jù)Alchemy API創(chuàng)始人Elliot Turner推測(cè)，訓(xùn)練GPT-3的成本可能接近1200萬(wàn)美元。所以，能夠進(jìn)入到這一層的企業(yè)主要是頭部科技企業(yè)和科研機(jī)構(gòu)。

除了背靠微軟不差錢(qián)的OpenAI，Stability.ai能夠成為基礎(chǔ)設(shè)施型公司也在于不斷有資金注入，就在三個(gè)月之前，這家公司又獲得了1.01億美元的融資。

基礎(chǔ)設(shè)施的獲利方式主要是通過(guò)受控的api調(diào)用進(jìn)行收費(fèi)，或者以開(kāi)源為主，然后通過(guò)開(kāi)發(fā)和銷(xiāo)售專業(yè)版和定制版實(shí)現(xiàn)商業(yè)獲利。

中間層

中間層主要是垂直化、場(chǎng)景化、個(gè)性化的模型和應(yīng)用工具?；A(chǔ)層的作用體現(xiàn)在提供通用模型訓(xùn)練平臺(tái)，中間層的作用則是從通用調(diào)試和訓(xùn)練中快速抽取生成場(chǎng)景化、定制化、個(gè)性化的小模型和應(yīng)用工具，這一層的目的在于實(shí)現(xiàn)不同行業(yè)、垂直領(lǐng)域、功能場(chǎng)景的工業(yè)流水線式部署。

事實(shí)上，目前已經(jīng)有不少團(tuán)隊(duì)開(kāi)始基于AIGC的基礎(chǔ)平臺(tái)進(jìn)行二次開(kāi)發(fā)，比如二次元畫(huà)風(fēng)生成器Novel-AI，以及小冰公司通過(guò)AIGC生成動(dòng)畫(huà)短片。相較通用的AIGC生成器，經(jīng)過(guò)中間層的加工之后，產(chǎn)出的內(nèi)容產(chǎn)品可以直接提供給終端用戶。

應(yīng)用層

基礎(chǔ)層和中間層的應(yīng)用主要面向B端，到了應(yīng)用層就直接面向C端了。在這一層上，可以直接生成文字、圖片和音視頻。不過(guò)，相較于B端有更加功能強(qiáng)大的顯卡，C端個(gè)人用戶能否生成高質(zhì)量的內(nèi)容很考驗(yàn)消費(fèi)級(jí)顯卡的算力。英偉達(dá)、AMD、臺(tái)積電等芯片制造廠商對(duì)這個(gè)領(lǐng)域的蛋糕也都在虎視眈眈。

機(jī)遇與挑戰(zhàn)：引領(lǐng)AI 2.0變革，仍不能忽視知識(shí)產(chǎn)權(quán)、倫理等因素

除了技術(shù)工程化和產(chǎn)業(yè)生態(tài)化，衡量AIGC未來(lái)發(fā)展還需要把控兩大方面：機(jī)遇和挑戰(zhàn)，即當(dāng)前和潛在的有利及不利因素。

從機(jī)遇來(lái)看，可以說(shuō)是非常得多。在《報(bào)告》中，從消費(fèi)端：AIGC牽引數(shù)字內(nèi)容領(lǐng)域的全新變革；到產(chǎn)業(yè)端：合成數(shù)據(jù)牽引人工智能的未來(lái)；再到社會(huì)端：合成數(shù)據(jù)牽引人工智能的未來(lái)?？梢哉f(shuō)從人們的生產(chǎn)生活，到社會(huì)組織的方方面面都可以有AIGC的參與。

具體表現(xiàn)在：

消費(fèi)端

AIGC正越來(lái)越多地參與到數(shù)字內(nèi)容的創(chuàng)意性生成工作，以人機(jī)協(xié)同的方式釋放價(jià)值，成為未來(lái)互聯(lián)網(wǎng)的內(nèi)容生產(chǎn)基礎(chǔ)設(shè)施；

AIGC帶來(lái)的內(nèi)容生產(chǎn)方式變革開(kāi)始引起內(nèi)容消費(fèi)模式的變化，未來(lái)應(yīng)用生態(tài)和消費(fèi)市場(chǎng)將走向多樣化；

在互聯(lián)網(wǎng)邁向“在場(chǎng)（3D）”的趨勢(shì)下，AIGC為3D互聯(lián)網(wǎng)可以帶來(lái)包括3D模型、場(chǎng)景、角色制作能效的提升，為創(chuàng)作者激發(fā)新的靈感；

Epic使用虛幻5引擎和程序化生成技術(shù)高效制作

《黑客帝國(guó)：覺(jué)醒》中的龐大城市（圖片來(lái)源：知乎用戶@王程）

未來(lái)隨著性能的進(jìn)一步提升，對(duì)話式AIGC在搜索、知識(shí)傳播等領(lǐng)域有很大的應(yīng)用空間。聊天機(jī)器人和數(shù)字人將成為新的、更具包容性的用戶交互界面，不斷拓展應(yīng)用領(lǐng)域；

未來(lái)元宇宙的大型虛擬空間建設(shè)也離不開(kāi)AIGC的參與，包括核心基礎(chǔ)設(shè)施技術(shù)、數(shù)字原生內(nèi)容的開(kāi)發(fā)等等，通過(guò)AIGC可以釋放大量包括開(kāi)發(fā)者在內(nèi)的人力和物力。

產(chǎn)業(yè)端

目前人工智能仍然處在發(fā)展的1.0階段（AI 1.0），從AI 1.0走向AI 2.0，數(shù)據(jù)是最大的掣肘。從真實(shí)數(shù)據(jù)向合成數(shù)據(jù)的轉(zhuǎn)化，可以推動(dòng)人工智能邁向 2.0。而AIGC技術(shù)的持續(xù)創(chuàng)新，讓合成數(shù)據(jù)迎來(lái)新的發(fā)展契機(jī)。

社會(huì)端

《報(bào)告》將AIGC對(duì)社會(huì)價(jià)值的推動(dòng)概括為：AIGC的社會(huì)價(jià)值體現(xiàn)為革新數(shù)字內(nèi)容與藝術(shù)創(chuàng)造領(lǐng)域，并將輻射到其他領(lǐng)域和行業(yè)，孕育新的技術(shù)形態(tài)與價(jià)值模式，甚至?xí)蔀橥ㄍ鵄GI（通用AI）的可能性路徑。

當(dāng)然，有機(jī)遇就會(huì)有挑戰(zhàn)。未來(lái)，AIGC也將面臨包括知識(shí)產(chǎn)權(quán)、安全問(wèn)題、倫理道德、環(huán)境保護(hù)等多個(gè)方面的挑戰(zhàn)。

文末彩蛋：“即使語(yǔ)言只是人類經(jīng)驗(yàn)的一小部分”

在吳恩達(dá)給DeeplearningAI的最新來(lái)信中，他表示到：

“一個(gè)人需要幾十輩子的時(shí)間，除了閱讀什么都不做，才能獲得GPT-3在訓(xùn)練過(guò)程中接觸的單詞數(shù)量。但是，網(wǎng)絡(luò)聚合了為數(shù)十億人編寫(xiě)或由數(shù)十億人編寫(xiě)的文本，計(jì)算機(jī)可以隨時(shí)訪問(wèn)其中的大部分內(nèi)容。通過(guò)這些數(shù)據(jù)，LLMs獲取了關(guān)于人類體驗(yàn)的豐富知識(shí)。盡管LLMs從未見(jiàn)過(guò)日出，但它已經(jīng)閱讀了足夠多關(guān)于日出的文字，足以令人信服地描述日出的樣子。

因此，即使語(yǔ)言只是人類經(jīng)驗(yàn)的一小部分，LLMs也能夠接觸到關(guān)于世界的大量信息。這表明，建立智能有多種途徑，遵循生物進(jìn)化或人類兒童成長(zhǎng)的方式可能不是工程系統(tǒng)最有效的途徑?！?/p>

由此，他得出了當(dāng)下機(jī)器學(xué)習(xí)算法獲得智能的最有效途徑——通過(guò)語(yǔ)言進(jìn)化。而谷歌聯(lián)合創(chuàng)始人，現(xiàn)實(shí)版的托尼·史塔克曾說(shuō)過(guò)：“終有一天，世界上所有的知識(shí)都可以直接與我們的大腦連接?！?/p>

從AIGC掀起的語(yǔ)言進(jìn)化，到世界上所有的知識(shí)經(jīng)驗(yàn)與我們的大腦相連究竟還有多遠(yuǎn)？你認(rèn)為呢？

審核編輯 ：李倩