AIGC發(fā)展路徑思考：大模型工具化普及迎來新機遇

□ 文 翟 尤 李 娟

0 引言

2022年8月，在美國科羅拉多州舉辦的新興數(shù)字藝術(shù)家競賽中，參賽者提交AIGC（AIGenerated Content，以下簡稱“AIGC“）繪畫作品《太空歌劇院》，參賽者沒有繪畫基礎(chǔ)但是卻獲得了此次比賽“數(shù)字藝術(shù)/數(shù)字修飾照片”類別一等獎，引發(fā)多方爭議。一方面，批判者認為AI在“學習”了大量前人的作品之后，其創(chuàng)作沒有任何情緒和靈魂，難以和人類的藝術(shù)創(chuàng)作相提并論。另一方面，支持者認為創(chuàng)作者在一遍遍修改文本內(nèi)容后，才讓AI創(chuàng)作出滿意的作畫，而且作品有很強的觀賞性，AI的創(chuàng)作有其獨特價值。AIGC的快速迭代演變，讓大模型應用落地有了新領(lǐng)域，也帶來對版權(quán)和通用人工智能到來的爭論，因此有必要從產(chǎn)業(yè)發(fā)展的角度分析AIGC可能的發(fā)展路徑，探尋問題解決方案，助力AIGC健康有序發(fā)展。

1 AIGC快速發(fā)展主要推動因素

AIGC是利用人工智能技術(shù)來生成內(nèi)容。2021年之前，AIGC生成的內(nèi)容主要以文字為主，而新一代模型可以處理的格式包括：文字、語音、代碼、圖像、視頻、機器人動作等。AIGC被認為是繼專業(yè)生產(chǎn)內(nèi)容（PGC，professionalgenerated content）、用戶生產(chǎn)內(nèi)容（UGC，Usergenerated content）之后的新型內(nèi)容創(chuàng)作方式，可以在創(chuàng)意、表現(xiàn)力、迭代、傳播、個性化等方面，充分發(fā)揮技術(shù)優(yōu)勢。尤其是視覺信息，一直在網(wǎng)絡(luò)中有較強的傳播力且容易被大眾感知，具有跨平臺、跨領(lǐng)域、跨人群的優(yōu)勢，天然容易被人記憶和理解。同時視覺信息應用場景廣泛，因此生成高質(zhì)量的圖像成為當前AI領(lǐng)域的一個現(xiàn)象級功能。

1.1 深度學習模型不斷迭代為AIGC發(fā)展奠定了基礎(chǔ)能力

2021年，OpenAI將跨模態(tài)深度學習模型CLIP（Contrastive Language-Image Pre-Training，以下簡稱“CLIP”）進行開源。CLIP模型能夠?qū)⑽淖趾蛨D像進行關(guān)聯(lián)。例如，將文字“狗”和狗的圖像進行關(guān)聯(lián)，并且關(guān)聯(lián)的特征較為豐富，從而推動CLIP模型成為AIGC的重要組成部分。目前，CLIP模型具備兩個優(yōu)勢，一方面能夠同時進行自然語言理解和計算機視覺分析，實現(xiàn)圖像和文本匹配。另一方面為了有足夠多標記好的“文本-圖像”進行訓練，CLIP模型廣泛利用互聯(lián)網(wǎng)上的圖片，這些圖片一般帶有相關(guān)文本描述，成為CLIP天然的訓練樣本。據(jù)不完全統(tǒng)計，CLIP模型搜集網(wǎng)絡(luò)上超過40億個“文本-圖像”訓練數(shù)據(jù)，為后續(xù)AIGC尤其是輸入文本生成圖像/視頻應用的落地奠定了基礎(chǔ)。

某AIGC繪圖網(wǎng)站上輸入Cyberpunk后，搜索到的AIGC生成繪畫

在此之前，“對抗生成網(wǎng)絡(luò)”GAN（Generative Adverserial Network, 以下簡稱“GAN”)雖然也是很多AIGC采用的主流框架之一，但GAN具有三個不足：一是對輸出結(jié)果的控制力較弱，容易產(chǎn)生隨機圖像；二是生成的圖像分別率較低；三是由于GAN需要用判別器來判斷生產(chǎn)的圖像是否與其他圖像屬于同一類別，導致生成的圖像是對現(xiàn)有作品的模仿，創(chuàng)新性不足。因此依托GAN模型難以創(chuàng)作出新圖像，也不能通過文字提示生成新圖像。

Diffusion擴散化模型出現(xiàn)較晚，但真正實現(xiàn)讓文本生成圖像的AIGC應用為大眾所熟知，也是2022年下半年Stable Diffusion應用的重要推手。Diffusion模型有兩個特點，一方面，給圖像增加高斯噪聲，通過破壞訓練數(shù)據(jù)來學習，然后找出如何逆轉(zhuǎn)這種噪聲過程以恢復原始圖像，經(jīng)過訓練，該模型可以從隨機輸入中合成新的數(shù)據(jù)。另一方面，Stable Diffusion把模型的計算空間從像素空間經(jīng)過數(shù)學變換，降維到可能性空間(Latent Space)的低維空間里，這一轉(zhuǎn)化大幅降低了計算量和計算時間，使得模型訓練效率快速提高。Diffusion算法模型的創(chuàng)新與應用推動了AIGC技術(shù)的突破性進展。

AIGC相關(guān)深度學習模型匯總表

AIGC繪畫應用系統(tǒng)匯總表

總的來看，AIGC在2022年實現(xiàn)快速迭代，主要是在深度學習模型方面有了長足進步。首先CLIP模型基于海量互聯(lián)網(wǎng)圖片進行訓練，推動AI繪畫模型進行組合創(chuàng)新。其次Diffusion擴散化模型實現(xiàn)算法創(chuàng)新。最后使用潛空間降維的方法來降低Diffusion模型在內(nèi)存和時間消耗較大的問題。因此，AIGC繪畫之所以能夠幫助用戶進行輔助創(chuàng)作，背后離不開大量深度學習模型的不斷完善推動和基礎(chǔ)作用。

1.2 開源策略成為應用開發(fā)普及的“必選項”

在算法模型方面，AIGC的發(fā)展離不開開源模式的推動。以深度學習模型CLIP為例，開源模式加速CLIP模型的廣泛應用，使之成為當前最為先進的圖像分類人工智能，并讓更多機器學習從業(yè)人員將CLIP模型嫁接到其他AI應用。同時，當前AIGC繪畫最熱門的應用Stable Diffusion已經(jīng)正式開源（包括模型權(quán)重和代碼），通過視覺、語言等多源知識指引擴散模型學習，強化擴散模型對于語義的精確理解，以提升生成圖像的可控性和語義的一致性。Stable Diffusion的開源直接引發(fā)2022年下半年AIGC引發(fā)廣泛關(guān)注，短短幾個月時間內(nèi)出現(xiàn)大量二次開發(fā)，從模型優(yōu)化到應用拓展，大幅降低用戶使用AIGC進行創(chuàng)作的門檻，提升創(chuàng)作效率，并長期位居GitHub熱榜第一名。

在訓練數(shù)據(jù)集方面，機器學習離不開大量數(shù)據(jù)學習。LAION作為全球非盈利機器學習研究機構(gòu)，在2022年3月開放了當前規(guī)模最大的開源跨模態(tài)數(shù)據(jù)庫LAION-5B，使得近60億個“文本-圖像”可以用來訓練，從而進一步加快AI圖像生成模型的成熟，幫助研究人員加快推動從文字到圖像的生成模型?；贑LIP和LAION的開源模式構(gòu)建起當前AI圖像生成應用的核心。未來，隨著模型穩(wěn)定，開源將成為AIGC成熟的催化劑，源模式有望讓相關(guān)模型成為海量應用、網(wǎng)絡(luò)和服務(wù)的基礎(chǔ)，應用層面的創(chuàng)造力有望迎來拐點。

2 AIGC為創(chuàng)作領(lǐng)域帶來的效率與模式的創(chuàng)新

創(chuàng)造力曾被認為是少數(shù)幸運兒擁有的天賦，但隨著深度學習的爆發(fā)，協(xié)助創(chuàng)作者提升創(chuàng)作效率成為可能。目前來看，AIGC在工業(yè)設(shè)計、動漫設(shè)計、攝影藝術(shù)、游戲制作等場景，能夠激發(fā)設(shè)計者創(chuàng)作靈感，提升內(nèi)容生產(chǎn)效率。

2.1 應用效率提升是當前AIGC落地關(guān)鍵

在捕捉靈感方面，AIGC協(xié)助有經(jīng)驗的創(chuàng)作者捕捉靈感，構(gòu)建新的創(chuàng)新互動形式。例如在游戲行業(yè)，制作人靈感往往難以用文字準確表達，與美術(shù)工作人員經(jīng)常由于溝通產(chǎn)生理解誤差。通過AIGC系統(tǒng)可以在設(shè)計初期，生成大量草圖，在此基礎(chǔ)上制作人與美術(shù)人員可以更好的理解并確認彼此的需求。同時，創(chuàng)作靈感難以琢磨，可以提前通過AIGC來尋找“感覺”，進一步降低美術(shù)創(chuàng)作者大量前期工作和項目成本。例如，制作人可先構(gòu)建完整的背景故事，之后由AIGC生成系列畫作，再由專業(yè)的美術(shù)人員進行篩選、處理、整合，并將整個故事和畫面進一步完善提升。

在提升效率方面，AIGC的出現(xiàn)將會讓創(chuàng)作者擁有一個更加高效的智能創(chuàng)作工具，在內(nèi)容創(chuàng)作環(huán)節(jié)進行優(yōu)化，而非成為競爭對手。例如在極短的項目籌備時間內(nèi)，AIGC可以大幅提升效率，驗證了AI投入到工業(yè)化使用的可行性。尤其是對于藝術(shù)、影視、廣告、游戲、編程等創(chuàng)意行業(yè)的從業(yè)者來說，可以輔助從業(yè)者進行日常工作，并有望創(chuàng)造出更多驚艷的作品。同時，還可以進一步降低成本和效率，為規(guī)模化生產(chǎn)構(gòu)建市場增量。

2.2 創(chuàng)意與實現(xiàn)步驟分解實現(xiàn)進一步細化分工

在創(chuàng)意構(gòu)思階段，AIGC構(gòu)建了新的創(chuàng)意完善通路，傳統(tǒng)的創(chuàng)作過程中消化、理解以及重復性工作將有望交由AIGC來完成，最終創(chuàng)意過程將變?yōu)椤皠?chuàng)意-AI-創(chuàng)意”的模式。

圖片來源：《AI時代的巫師與咒語》

在創(chuàng)意實現(xiàn)階段，創(chuàng)作者和AIGC的關(guān)系類似于攝影師和照相機。攝影師構(gòu)建拍攝思路并進行規(guī)劃，對相機進行參數(shù)配置，但不用了解相機的工作原理與機制，一鍵生成高質(zhì)量的內(nèi)容。同樣，創(chuàng)作者構(gòu)思并進行規(guī)劃，對AI模型進行參數(shù)配置，不需要了解模型的原理，直接點擊輸出內(nèi)容即可。創(chuàng)意和實現(xiàn)呈現(xiàn)出分離狀態(tài)，實現(xiàn)過程變?yōu)橐环N可重復勞動，可以由AIGC來完成，并逐步將成本推向趨近于零。

3 推動AIGC良性發(fā)展的意見和建議

Gartner預計，到2025年，生成式人工智能將占所有生成數(shù)據(jù)的10%。根據(jù)《Generative AI ：A Creative New World》的分析，AIGC有潛力產(chǎn)生數(shù)萬億美元的經(jīng)濟價值。AIGC在引發(fā)全球關(guān)注的同時，知識產(chǎn)權(quán)、技術(shù)倫理將面臨諸多挑戰(zhàn)和風險，同時AIGC距離通用人工智能還有較大的差距。

3.1 從“大模型”到“廣應用”，探索可行商業(yè)模式

基于深度學習算法數(shù)據(jù)越多，模型魯棒性越強的特點，當前的大模型規(guī)模只增不減，比拼規(guī)模已經(jīng)成為標配。例如，Open AI推出的GPT-3參數(shù)已經(jīng)超過1750億個。但“數(shù)據(jù)投喂”并非一種技術(shù)路徑上的創(chuàng)新，更多的是在工程領(lǐng)域的微調(diào)。需要指出的是，模型規(guī)模越大，其實越難以在現(xiàn)實場景中落地部署。同時“海量數(shù)據(jù)”并不等同于“海量高質(zhì)量數(shù)據(jù)”，有可能會導致反向效果產(chǎn)生。

AIGC的發(fā)展離不開預訓練大模型的不斷精進。大模型雖然在很多領(lǐng)域都表現(xiàn)出良好的使用效果，但是這些效果作為展示甚至噱頭之后，很難形成良性的商業(yè)價值，與大模型的訓練成本、基礎(chǔ)設(shè)施投入更是相差甚遠。如何推動“大模型”向“大應用”來轉(zhuǎn)變，正在成為關(guān)鍵的考驗。AIGC的破圈以及引發(fā)的關(guān)注，可以看到大模型商業(yè)化的潛力正在清晰化，一方面大模型企業(yè)可以根據(jù)C端用戶實際“按需提供服務(wù)”和商業(yè)轉(zhuǎn)化。另一方面帶動對云計算、云存儲的使用量上升。將AIGC從“嘗鮮試試看”變成大眾頻繁使用的需求，再到與具體行業(yè)和領(lǐng)域深度結(jié)合，依托我國豐富的產(chǎn)業(yè)需求和應用場景，有望為大模型商業(yè)化和長期價值探索一條新路徑。

3.2 注重知識產(chǎn)權(quán)保護，嘗試探索新價值創(chuàng)新

AIGC的飛速發(fā)展和商業(yè)化應用，對大量依靠版權(quán)為主要營收的企業(yè)帶來沖擊。具體來看：一方面，AIGC難以被稱為“作者”。根據(jù)我國《著作權(quán)法》的規(guī)定，作者只能是自然人、法人或非法人組織，很顯然AIGC不是被法律所認可的權(quán)利主體，因此不能成為著作權(quán)的主體。另一方面，AIGC產(chǎn)生的“作品”尚存爭議。根據(jù)我國《著作權(quán)法》和《著作權(quán)法實施條例》的規(guī)定，作品是指文學、藝術(shù)和科學領(lǐng)域內(nèi)具有獨創(chuàng)性并能以某種有形形式復制的智力成果。AIGC的作品具有較強的隨機性和算法主導性，能夠準確證明AIGC作品侵權(quán)的可能性較低。同時，AIGC是否具有獨創(chuàng)性目前難以一概而論，個案差異較大。

目前已經(jīng)有業(yè)內(nèi)人士嘗試探索將創(chuàng)作者的“創(chuàng)意”進行量化，甚至定價，有助于打造AIGC的商業(yè)模式。這其中“注意力機制”將成為AIGC潛在的量化載體。例如國內(nèi)有機構(gòu)專家提出，可以通過計算輸入文本中關(guān)鍵詞影響的繪畫面積和強度，我們就可以量化各個關(guān)鍵詞的貢獻度。之后根據(jù)一次生成費用與藝術(shù)家貢獻比例，就可以得到創(chuàng)作者生成的價值。最后在與平臺按比例分成，就是創(chuàng)作者理論上因貢獻創(chuàng)意產(chǎn)生的收益。

例如某AIGC平臺一周內(nèi)生成數(shù)十萬張作品，涉及這位創(chuàng)作者關(guān)鍵詞的作品有30000張，平均每張貢獻度為0.3，每張AIGC繪畫成本為0.5元，平臺分成30%，那么這位創(chuàng)作者本周在該平臺的收益為：30000＊0.3＊0.5＊（1-30%）=3150元的收益，未來參與建立AI數(shù)據(jù)集將有望成為藝術(shù)家的新增收益渠道。

3.3 距離通用人工智能還有較大差距

當前熱門的AIGC系統(tǒng)雖然能夠快速生成圖像，但是這些系統(tǒng)是否能夠真正理解繪畫的含義，從而能夠根據(jù)這些含義進行推理并決策，仍是未知數(shù)。一方面，AIGC系統(tǒng)對輸入的文本和產(chǎn)生的圖像不能完全關(guān)聯(lián)起來。例如，用戶對AIGC系統(tǒng)進行測試，輸入“騎著馬的宇航員”和“騎著宇航員的馬”內(nèi)容時，相關(guān)AIGC系統(tǒng)難以準確生成對應的圖像。因此，當前的AIGC系統(tǒng)還并沒有深刻理解輸入文本和輸出圖像之間的關(guān)系。另一方面，AIGC系統(tǒng)難以了解生成圖像背后的世界。了解圖像背后的世界，是判斷AIGC是否具備通用人工智能的關(guān)鍵。目前來看，AIGC系統(tǒng)還難以達到相關(guān)的要求。比如，在Stable Diffusion 輸入“畫一個人，并把拿東西的部分變成紫色”，在接下來的九次測試過程中，只有一次成功完成，但準確性還不高。顯然，Stable Diffusion并不理解人的雙手是什么。

知名AI專家發(fā)出的調(diào)查也印證了同樣的觀點，有86.1%的人認為當前的AIGC系統(tǒng)對世界理解的并不多，持相同觀點的人還包括Stable Diffusion的首席執(zhí)行官。

3.4注重創(chuàng)作倫理引發(fā)安全風險

部分開源的AIGC項目，對生成的圖像監(jiān)管程度較低。一方面，部分數(shù)據(jù)集系統(tǒng)利用私人用戶照片進行AI訓練，侵權(quán)人像圖片進行訓練的現(xiàn)象屢禁不止，這些數(shù)據(jù)集正是AIGC等圖片生成模型的訓練集之一。例如，部分數(shù)據(jù)集在網(wǎng)絡(luò)上抓取了大量病人就醫(yī)照片進行訓練，且沒有做任何打碼模糊處理，對用戶隱私保護堪憂。另一方面，一些用戶利用AIGC生成虛假名人照片等違禁圖片，甚至會制作出暴力和性有關(guān)的畫作，LAION-5B數(shù)據(jù)庫包含色情、種族、惡意等內(nèi)容，目前海外已經(jīng)出現(xiàn)基于Stable Diffusion模型的色情圖片生成網(wǎng)站。

由于AI本身還不具備價值判斷能力，為此一些平臺已經(jīng)開始進行倫理方面的限制和干預。例如DALL·E2已經(jīng)開始加強干預，減少性別偏見的產(chǎn)生、防止訓練模型生成逼真的個人面孔等，但相關(guān)法律法規(guī)的空白和AIGC應用研發(fā)者本身的不重視將引發(fā)對AI創(chuàng)作倫理的擔憂。

4 結(jié)束語

2022年AIGC發(fā)展速度驚人，年初還處于技藝生疏階段，幾個月之后就達到專業(yè)級別，足以以假亂真。這讓花費畢生所學進行創(chuàng)作的從業(yè)人員倍感焦慮和緊張。同時，AIGC的迭代速度呈現(xiàn)指數(shù)級爆發(fā)，這其中深度學習模型不斷完善、開源模式的推動、大模型探索商業(yè)化的可能，成為AIGC發(fā)展的“加速度”。新技術(shù)會淘汰適應性差的人，但是那些擁抱變革、適應力強的人，最終往往能駕馭新技術(shù)、發(fā)現(xiàn)新機遇，從此獲得新收益。新的生產(chǎn)方式會被替代，新的工作崗位、新產(chǎn)業(yè)甚至新的藝術(shù)表現(xiàn)形式，會從變革中誕生。