導(dǎo)讀:最近幾年興起的所謂“生成式人工智能(generative AI)”正吸引硅谷科技巨頭和風(fēng)投機構(gòu)的興趣,這種 AI 可以依據(jù)少量詞匯在幾秒鐘內(nèi)生成與之相匹配的圖像。
10 月 9 日消息,最近幾年興起的所謂“生成式人工智能(generative AI)”正吸引硅谷科技巨頭和風(fēng)投機構(gòu)的興趣,這種 AI 可以依據(jù)少量詞匯在幾秒鐘內(nèi)生成與之相匹配的圖像。分析師預(yù)計,這種技術(shù)將被廣泛用于各行各業(yè),并產(chǎn)生數(shù)萬億美元的經(jīng)濟(jì)價值。
雖然這些計算機程序生成的圖像并不完美,比如手上出現(xiàn)多余的手指,四肢不自然的彎曲等。同時,圖像生成器在處理文本時也會遇到問題,例如生成無意義的符號等。然而,這些圖像生成程序可能是一場科技熱潮的開始。硅谷風(fēng)投機構(gòu) NextView Ventures 的投資人大衛(wèi)?貝塞爾(David Beisel)說:“在過去的三個月里,‘生成式人工智能’這個詞已經(jīng)變成了流行語?!?/p>
從 2021 年開始,生成式 AI 技術(shù)取得了巨大進(jìn)步,甚至激勵許多人辭掉工作去創(chuàng)辦新公司,夢想著 AI 將來可以為新一代科技巨頭提供動力。
在過去五年左右的時間里,AI 領(lǐng)域始終處于蓬勃發(fā)展階段,但這些進(jìn)步大多與理解現(xiàn)有數(shù)據(jù)有關(guān)。AI 模型已經(jīng)變得足夠高效,可以識別人們剛剛用手機拍攝的照片中是否有一只貓。此外,這些模型也足夠可靠,每天可以為谷歌搜索引擎提供數(shù)十億次搜索結(jié)果。不過,生成式 AI 模型可以生成以前沒有的全新東西。換句話說,它們是在創(chuàng)造,而不僅僅是在分析數(shù)據(jù)。
AI 與機器學(xué)習(xí)平臺 Craiyon Productive AI 的創(chuàng)建者鮑里斯?戴瑪(Boris Dayma)說:“最令人感到印象深刻的是,生成式 AI 也能創(chuàng)作新的東西。它們不僅僅是創(chuàng)造類似的舊有圖像,還可以創(chuàng)造與以前完全不同的新事物?!?/p>
硅谷知名風(fēng)投公司紅杉資本 (Sequoia Capital) 在其網(wǎng)站上發(fā)文表示:“從游戲到廣告再到法律方面,生成式 AI 可能會改變所有需要人類創(chuàng)造力發(fā)揮作用的領(lǐng)域。這種技術(shù)有可能產(chǎn)生數(shù)萬億美元的經(jīng)濟(jì)價值。”更為有趣的是,紅杉資本還在帖子中指出,其上述文章部分是由 GPT-3 撰寫的,后者本身就是能夠生成文本的生成式 AI。
生成式 AI 的工作原理
圖像生成使用的技術(shù)來自機器學(xué)習(xí)的一個子集,稱為深度學(xué)習(xí)。自從 2012 年一篇關(guān)于圖像分類的里程碑式論文重新點燃人們對這項技術(shù)的興趣以來,深度學(xué)習(xí)推動了 AI 領(lǐng)域的大部分進(jìn)步。深度學(xué)習(xí)使用在大數(shù)據(jù)集上訓(xùn)練的模型,直到該程序理解這些數(shù)據(jù)中的關(guān)系。然后,該模型可以用于應(yīng)用程序,如識別圖片中是否有狗或翻譯文本等。
圖像生成器的工作原理就是逆轉(zhuǎn)這個過程。它們不是將英語翻譯成法語,而是將英語短語轉(zhuǎn)換成圖像。它們通常有兩個主要部分組成,一個是處理初始短語的部分,另一個是將數(shù)據(jù)轉(zhuǎn)換成圖像的部分。
第一部分生成式 AI 基于名為 Generative Adversarial Networks(生成式對抗網(wǎng)絡(luò),簡稱 GAN)的方法。此前,這些 GAN 通常被用于生成不存在的人的照片。本質(zhì)上,它們的工作方式是讓兩個 AI 模型相互競爭,以更好地創(chuàng)建符合預(yù)定目標(biāo)的圖像。
而較新的方法通常使用轉(zhuǎn)換器,這是谷歌于 2017 年論文中首次提出的概念。這是一項新興技術(shù),可以利用更大的數(shù)據(jù)集,盡管其培訓(xùn)成本可能高達(dá)數(shù)百萬美元。
第一個獲得大量關(guān)注的圖像生成器是 Dall-E,它是硅谷初創(chuàng)公司 OpenAI 于 2021 年推出的項目。OpenAI 今年發(fā)布了功能更強大的更新版本。專注于生成式 AI 的開發(fā)者克里斯蒂安?坎特雷爾(Christian Cantrell)說:“有了 Dall-E 2,這真的是我們跨越恐怖谷效應(yīng)(Uncanny Valley)的時刻?!?/p>
另一個常用的、基于 AI 的圖像生成器是 Craiyon,以前被稱為 Dall-E Mini,它可以在網(wǎng)絡(luò)上買到。用戶輸入短語后,可以幾分鐘內(nèi)在瀏覽器中看到其給出的繪圖。
據(jù) AI 與機器學(xué)習(xí)平臺 Craiyon Productive AI 的創(chuàng)建者戴瑪稱,自 2021 年 7 月推出以來,Craiyon 現(xiàn)在每天生成約 1000 萬張圖片,總計生成 10 億張以前從未見過的圖片。在今年早些時候使用量飆升后,戴瑪開始將全部精力投入到 Craiyon 上。他說,他專注于使用廣告來保持用戶免費使用,因為該網(wǎng)站的服務(wù)器成本很高。Craiyon 上有個推特賬號,專門發(fā)布最奇怪、最有創(chuàng)意的圖片,它擁有超過 100 萬名粉絲。
但最能激發(fā)人們熱情的項目是 Stable Diffusion,該項目于今年 8 月向公眾發(fā)布。它的代碼可以在 GitHub 上獲得,可以在電腦上運行,也可以在云端或通過編程接口運行。這讓用戶可以根據(jù)自己的目的調(diào)整程序代碼,或者在其基礎(chǔ)上構(gòu)建新程序。
舉例來說,Stable Diffusion 通過一個插件集成到 Adobe Photoshop 中,允許用戶生成背景和圖像的其他部分,然后他們可以使用圖層和其他 PS 工具直接在應(yīng)用中操作,將生成式 AI 從生成成品圖像的技術(shù)變成了專業(yè)人士可以使用的工具。
該插件的開發(fā)者坎特雷爾在 Adobe 工作了 20 年,今年辭職專注于生成式 AI。這位資深人士表示,該插件已被下載數(shù)萬次。藝術(shù)家們告訴他,他們把它用在了無數(shù)他意想不到的地方,比如制作哥斯拉的動畫,或者以藝術(shù)家可以想象的任何姿勢創(chuàng)作蜘蛛俠的圖像。
使用生成式 AI 的一種新興藝術(shù)是如何構(gòu)建“提示”,即生成圖像的短語。名為 Lexica 的搜索引擎可以將 Stable Diffusion 的圖像和可用于生成它們的確切單詞字符串聯(lián)起來。Reddit 和 Discord 等平臺上,都有如何引導(dǎo)人們輸入想要生成圖像的短語技巧。
創(chuàng)企、云服務(wù)提供商和芯片制造商或受益最大
許多投資者將生成式 AI 視為一種潛在的變革性平臺,就像智能手機或互聯(lián)網(wǎng)的早期一樣。這種轉(zhuǎn)變極大地擴(kuò)大了可能能夠使用這項技術(shù)的潛在市場規(guī)模。
坎特雷爾認(rèn)為,生成式 AI 類似于一種更基礎(chǔ)的技術(shù),即數(shù)據(jù)庫。他說:“生成式 AI 有點像數(shù)據(jù)庫,數(shù)據(jù)庫幫助解鎖了應(yīng)用程序的巨大潛力。我們生活中使用過的幾乎每款應(yīng)用都是建立在數(shù)據(jù)庫之上的,但沒有人關(guān)心數(shù)據(jù)庫是如何工作的,他們只知道如何使用它?!?/p>
Compound VC 管理合伙人邁克爾?鄧普西(Michael Dempsey)表示,以前僅限于實驗室的技術(shù)進(jìn)入主流的時刻“非常罕見”,吸引了風(fēng)險投資者的大量關(guān)注,他們喜歡在潛力巨大的領(lǐng)域下注。但他警告說,生成式 AI 目前處于更接近炒作周期頂峰的“好奇心階段”。處于這個階段的公司可能會倒閉,因為它們沒有專注于企業(yè)或消費者愿意付費的特定用途。
該領(lǐng)域的其他人認(rèn)為,今天開創(chuàng)這些技術(shù)的初創(chuàng)公司最終可能會挑戰(zhàn)目前主導(dǎo) AI 領(lǐng)域的軟件巨頭,包括谷歌、Facebook 母公司 Meta 以及微軟,并為下一代科技巨頭的崛起鋪平道路。
Hugging Face 首席執(zhí)行官克萊門特?德蘭格(Clement Delangue)說:“將會有一大批價值萬億美元的新公司誕生,這些初創(chuàng)公司將以這種新的技術(shù)為基礎(chǔ)?!盚ugging Face 是個與 GitHub 類似的開發(fā)者平臺,托管著預(yù)先培訓(xùn)的 AI 模型,包括 Craiyon 和 Stable Diffusio。它的目標(biāo)是讓程序員更容易構(gòu)建 AI 技術(shù)。
有些公司已經(jīng)獲得了大量投資。Huging Face 在今年早些時候從 Lux Capital 和紅杉資本等投資者那里籌集了資金后,估值達(dá)到 20 億美元。該領(lǐng)域最著名的初創(chuàng)公司 OpenAI 已經(jīng)從微軟和 Khosla Ventures 獲得了超過 10 億美元的資金。與此同時,Stable Diffusion 開發(fā)商 Stability AI 正在洽談以高達(dá) 10 億美元的估值籌集風(fēng)險資金。
亞馬遜、微軟和谷歌等云服務(wù)提供商也可能受益,因為生成式 AI 可能是計算密集型技術(shù)。Meta 和谷歌已經(jīng)聘請了該領(lǐng)域諸多杰出人才,希望將這種先進(jìn)技術(shù)整合到公司的產(chǎn)品中。今年 9 月,Meta 宣布了名為“Make-A-Video”的 AI 計劃,通過生成視頻而不僅僅是圖像,使這項技術(shù)更上一層樓。
Meta 首席執(zhí)行官馬克?扎克伯格(Mark Zuckerberg)在他的 Facebook 頁面上發(fā)帖稱:“這是一個令人驚嘆的進(jìn)步。生成視頻比生成照片難得多,因為除了正確生成每個像素之外,系統(tǒng)還必須預(yù)測它們會隨著時間的推移發(fā)生怎樣的變化。”最近,谷歌也發(fā)布了名為 Phenaki 的程序代碼,可以將文本轉(zhuǎn)換為時長幾分鐘的視頻。
這股熱潮也可能給英偉達(dá)、AMD 和英特爾等芯片制造商帶來提振,他們的圖形處理器是訓(xùn)練和部署 AI 模型的理想選擇。在上周的會議上,英偉達(dá)首席執(zhí)行官黃仁勛強調(diào),生成式 AI 是該公司最新芯片的關(guān)鍵用途,并稱這類技術(shù)可能很快就會給通信領(lǐng)域帶來革命性的變化。
不過,生成式 AI 為終端用戶帶來的好處依然有限。如今許多令人興奮的事情都圍繞著免費或低成本的實驗進(jìn)行。例如,有些作者已經(jīng)嘗試使用圖像生成器為文章制作插圖。英偉達(dá)正嘗試使用模型來生成新的人、動物、車輛或家具的 3D 圖像,這些圖像可以填充到虛擬游戲世界中。
倫理問題難應(yīng)對
最終,每個開發(fā)生成式 AI 的人都將不得不努力解決圖像生成器帶來的倫理問題。
首先是就業(yè)問題。盡管許多程序需要強大的圖形處理器,但計算機生成的內(nèi)容仍然比專業(yè)插畫家的時間成本便宜得多,后者每小時的報酬可能高達(dá)數(shù)百美元。生成式 AI 可能會給藝術(shù)家、視頻制作人和其他以創(chuàng)作作品為生的人帶來大麻煩。Compound VC 管理合伙人邁克爾?鄧普西說:“事實證明,機器學(xué)習(xí)模型可能會變得比人類工作得更好、更快、更便宜。”
圍繞原創(chuàng)性和所有權(quán),生成式 AI 也會帶來更復(fù)雜的挑戰(zhàn)。這種 AI 模型是利用大量現(xiàn)有圖像進(jìn)行培訓(xùn)的,原始圖像的創(chuàng)建者是否對以原創(chuàng)風(fēng)格生成的圖像擁有版權(quán)仍在爭論中。一位藝術(shù)家最近在美國科羅拉多州的藝術(shù)比賽中獲勝,他使用的圖像主要是由名為 MidJourney 的生成式 AI 創(chuàng)作的。他在獲勝后接受采訪時表示,他從自己生成的數(shù)百張圖像中選擇了一張,然后在 PS 中對其進(jìn)行了調(diào)整和處理。
由 Stable Diffusion 生成的一些圖像似乎留有水印,這表明原始數(shù)據(jù)集的一部分受到版權(quán)保護(hù)。有些提示指南建議用戶使用特定的、在世藝術(shù)家的名字,以便在模仿該藝術(shù)家創(chuàng)作風(fēng)格的過程中獲得更好的結(jié)果。上個月,Getty Images 禁止用戶將生成式 AI 圖像上傳到其庫存圖像數(shù)據(jù)庫中,因為其擔(dān)心引發(fā)侵權(quán)糾紛。
圖像生成器還可以用來創(chuàng)建商標(biāo)人物或目標(biāo)的新圖像,如小黃人、漫威角色或《權(quán)力的游戲》中的王座。隨著圖像生成軟件變得越來越好,它也有可能欺騙用戶,讓他們相信虛假信息,或者顯示從未發(fā)生過的事件的圖像或視頻。
開發(fā)者還必須努力應(yīng)對這樣一種可能,即基于大量數(shù)據(jù)訓(xùn)練的 AI 模型可能會在數(shù)據(jù)中包含與性別、種族或文化相關(guān)的偏見,這可能會導(dǎo)致模型在輸出中展示這種偏見。Huging Face 已經(jīng)發(fā)布了有關(guān)倫理問題的材料,并就以負(fù)責(zé)任態(tài)度開發(fā) AI 模型的問題進(jìn)行了討論。
Hugging Face 首席執(zhí)行官克萊門特?德蘭格說:“我們在這些模型上看到了短期和當(dāng)前挑戰(zhàn),因為它們屬于概率模型,在大數(shù)據(jù)集上訓(xùn)練,往往會吸收很多偏見?!彼e例稱,生成式 AI 曾被要求繪制“軟件工程師”的畫像,結(jié)果其生成了白人男性的圖像。