AIGC：我不是元宇宙的附庸品

“生产力如已成熟，想象力还会远吗？” 

作者 | 陈彩娴 编辑 | 岑峰

来源：雷锋网

‌注：巴比特经授权转载，如需转载请至雷锋网官网申请授权

图片来源：由无界版图 AI 工具生成。

“你们是从什么时候开始注意到人类的？”

“当第一个原始人开始仰望星空的时候。”

AI 的类人猿，早已开始仰望人类。

01来自机器的审视

在过去短短的两年间，算法从业者王超岳有过两次被 AI 震撼住的时刻。

一次是去年 3 月 OpenAI 祭出人工智能绘画产品 DALL·E 时。只需要在计算机上输入一句话，DALL·E 就能够理解这句话、然后自动生成一幅意思相应的图像，且该图像是全网首发、独一无二。

所有跨越“族群”的交流都是一次文明的突变，来自未明机器系统的回应也让人类感到犹遇 UFO 的震惊与好奇。在人与人的距离越来越远的现代社会，机器却好像能够读懂一个人的内心。

“你能明显感觉到它相比 GAN（2014 年出现的一个 AI 生成网络）的进步。DALL·E 的技术是革命性的。”王超岳告诉雷峰网。

第二次是今年 4 月谷歌发布 5400 亿参数大模型 PaLM 的时候。随着参数的变大，PaLM 的文本理解能力与逻辑推理能力大幅提升，甚至可以用文本解释笑话，告诉读者为什么这个笑话好笑。

在这之前，人们嘲讽 AI 最常用的一句话就是：这个 AI 模型的推理能力很弱，像 3 岁小朋友。但大模型发展至今，已经能做算术、能做逻辑推理，心智已经接近甚至在某些角度超过人类。“比方说，”王超岳举例：“有很多笑话我一时不能理解，但它能给我解释，说明在一些语言理解任务上、它比我还懂。”

王超岳是生成式 AI 的资深研究者，从 2014 年 GAN 发布后就开始关注 AIGC 相关研究，当时 GAN 就是深度生成网络的研究热点，但热度也远远不及 AIGC 这两年的重大突破。上述提到的两项技术，也成为点燃今年下半年 AI 圈狂欢的“导火索”：

DALL·E 背后的关键技术 CLIP 让文字与图片两个模态找到能够对话的交界点，成为 DALL·E、DALL·E 2.0、Stable Diffusion 等突破性 AI 成果的基石；而像 PaLM 这样的语言大模型，虽然烧钱，但其对人类语言的理解能力突飞猛进，是 AI 能读懂人的前提。

“这两年的 AI 技术突破真的非常快。”心辰科技（盗梦师团队）创始人蓝振忠也说道。他读论文经常读到很兴奋、很激动：“CLIP 出来一段时间后，MAE（何恺明团队提出的一种AI范式，可以将在语言任务上表现优秀的能力迁移到视觉任务的处理上）又跟着出来，然后又有 Stable Diffusion……”

今年 8 月 Stable Diffusion 推出以来，蓝振忠与团队很快就跟上、只用了不到一个月的时间就上线 AI 作画产品“盗梦师”，并迅速在国内火起来，出图速度短至 1 秒，而且绘画质量非常高，日留存率接近50%（高于 90% 的小程序），不到两个月就接到了 To B 的大订单。

“盗梦师”生成的图像作品

在盗梦师上线的第二天（9 月 1 日），国内第一本《 AIGC 白皮书》在上海世界人工智能大会（WAIC）发布。王超岳参与了这本白皮书的撰写，并主导了 AIGC 技术体系的梳理和展望。

AIGC 白皮书的发布引来大批参会同行的关注。不仅是人工智能领域的研究者，还有元宇宙领域的从业者：

“当时红杉资本那篇关于生成式 AI 的文章还没有出来，大家都还不知道 AIGC 是什么。这说明数字内容生成的重要性是行业共识。”

再紧接着，一切都很快：技术的突破带来应用的繁荣，Midjourney 在海外火起，文生图的热潮又让人们看到更多原先冷门的 AIGC 分支，如文本生成、视频生成、音乐生成，业内人士才惊觉，原来海外像 Jasper.ai 这样的公司已经在商业化落地上有成功的验证。继上一代以识别与检测为主的感知智能之后，用于生成与编辑的“创造智能”成为资本的新宠。

更意外的是，这一波 AIGC 的热潮还引起了广大圈外人士的关注，如自媒体 KOL、插画师群体与图文创作者。人们有恐慌，檄文不断；也有欢喜，希望拥抱前沿的技术。

但无论人们接受与否，一个不可逆转的趋势已经在发生。

02AIGC 的大航海时代已开启

1519 年，一支探险船队从西班牙驶出，由西而去，人类文明的大航海时代开启。

后来，全球化历史学家记载文明，总要提到一个叫麦哲伦的探险家，以及他最初航海的好奇心：地球是方的，还是圆的？——麦哲伦是地圆说的倡导者；如果地球是方的，就证明航海无法成功；而如果地球是圆的，那么他最终会回到原点。