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(jī)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(jì)，這種技術(shù)將被廣泛用于各行各業(yè)，并產(chǎn)生數(shù)萬(wàn)億美元的經(jīng)濟(jì)價(jià)值。

雖然這些計(jì)算機(jī)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(shí)，圖像生成器在處理文本時(shí)也會(huì)遇到問(wèn)題，例如生成無(wú)意義的符號(hào)等。然而，這些圖像生成程序可能是一場(chǎng)科技熱潮的開始。硅谷風(fēng)投機(jī)構(gòu) NextView Ventures 的投資人大衛(wèi)?貝塞爾（David Beisel）說(shuō)：“在過(guò)去的三個(gè)月里，‘生成式人工智能’這個(gè)詞已經(jīng)變成了流行語(yǔ)?！?/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(lì)許多人辭掉工作去創(chuàng)辦新公司，夢(mèng)想著 AI 將來(lái)可以為新一代科技巨頭提供動(dòng)力。

在過(guò)去五年左右的時(shí)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(shí)別人們剛剛用手機(jī)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(guò)，生成式 AI 模型可以生成以前沒(méi)有的全新東西。換句話說(shuō)，它們是在創(chuàng)造，而不僅僅是在分析數(shù)據(jù)。

AI 與機(jī)器學(xué)習(xí)平臺(tái) Craiyon Productive AI 的創(chuàng)建者鮑里斯?戴瑪（Boris Dayma）說(shuō)：“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(huì)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(wàn)億美元的經(jīng)濟(jì)價(jià)值?！备鼮橛腥さ氖?，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(lái)自機(jī)器學(xué)習(xí)的一個(gè)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(diǎn)燃人們對(duì)這項(xiàng)技術(shù)的興趣以來(lái)，深度學(xué)習(xí)推動(dòng)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(shí)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(gè)過(guò)程。它們不是將英語(yǔ)翻譯成法語(yǔ)，而是將英語(yǔ)短語(yǔ)轉(zhuǎn)換成圖像。它們通常有兩個(gè)主要部分組成，一個(gè)是處理初始短語(yǔ)的部分，另一個(gè)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(duì)抗網(wǎng)絡(luò)，簡(jiǎn)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(gè) AI 模型相互競(jìng)爭(zhēng)，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(xiàng)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(wàn)美元。

第一個(gè)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(xiàng)目。OpenAI 今年發(fā)布了功能更強(qiáng)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(shuō)：“有了 Dall-E 2，這真的是我們跨越恐怖谷效應(yīng)（Uncanny Valley）的時(shí)刻?！?/p>

另一個(gè)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(yǔ)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(jī)器學(xué)習(xí)平臺(tái) Craiyon Productive AI 的創(chuàng)建者戴瑪稱，自 2021 年 7 月推出以來(lái)，Craiyon 現(xiàn)在每天生成約 1000 萬(wàn)張圖片，總計(jì)生成 10 億張以前從未見(jiàn)過(guò)的圖片。在今年早些時(shí)候使用量飆升后，戴瑪開始將全部精力投入到 Craiyon 上。他說(shuō)，他專注于使用廣告來(lái)保持用戶免費(fèi)使用，因?yàn)樵摼W(wǎng)站的服務(wù)器成本很高。Craiyon 上有個(gè)推特賬號(hào)，專門發(fā)布最奇怪、最有創(chuàng)意的圖片，它擁有超過(guò) 100 萬(wàn)名粉絲。

但最能激發(fā)人們熱情的項(xiàng)目是 Stable Diffusion，該項(xiàng)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(yùn)行，也可以在云端或通過(guò)編程接口運(yùn)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(lái)說(shuō)，Stable Diffusion 通過(guò)一個(gè)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(wàn)次。藝術(shù)家們告訴他，他們把它用在了無(wú)數(shù)他意想不到的地方，比如制作哥斯拉的動(dòng)畫，或者以藝術(shù)家可以想象的任何姿勢(shì)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(yǔ)。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(lái)。Reddit 和 Discord 等平臺(tái)上，都有如何引導(dǎo)人們輸入想要生成圖像的短語(yǔ)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(tái)，就像智能手機(jī)或互聯(lián)網(wǎng)的早期一樣。這種轉(zhuǎn)變極大地?cái)U(kuò)大了可能能夠使用這項(xiàng)技術(shù)的潛在市場(chǎng)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(kù)。他說(shuō)：“生成式 AI 有點(diǎn)像數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)幫助解鎖了應(yīng)用程序的巨大潛力。我們生活中使用過(guò)的幾乎每款應(yīng)用都是建立在數(shù)據(jù)庫(kù)之上的，但沒(méi)有人關(guān)心數(shù)據(jù)庫(kù)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(shí)驗(yàn)室的技術(shù)進(jìn)入主流的時(shí)刻“非常罕見(jiàn)”，吸引了風(fēng)險(xiǎn)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(shuō)，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(gè)階段的公司可能會(huì)倒閉，因?yàn)樗鼈儧](méi)有專注于企業(yè)或消費(fèi)者愿意付費(fèi)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(huì)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(shuō)：“將會(huì)有一大批價(jià)值萬(wàn)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(gè)與 GitHub 類似的開發(fā)者平臺(tái)，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(shí)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(guò) 10 億美元的資金。與此同時(shí)，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(xiǎn)資金。

亞馬遜、微軟和谷歌等云服務(wù)提供商也可能受益，因?yàn)樯墒?AI 可能是計(jì)算密集型技術(shù)。Meta 和谷歌已經(jīng)聘請(qǐng)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(jì)劃，通過(guò)生成視頻而不僅僅是圖像，使這項(xiàng)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(yè)面上發(fā)帖稱：“這是一個(gè)令人驚嘆的進(jìn)步。生成視頻比生成照片難得多，因?yàn)槌苏_生成每個(gè)像素之外，系統(tǒng)還必須預(yù)測(cè)它們會(huì)隨著時(shí)間的推移發(fā)生怎樣的變化?！弊罱?，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(shí)長(zhǎng)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(lái)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(huì)議上，英偉達(dá)首席執(zhí)行官黃仁勛強(qiáng)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(huì)給通信領(lǐng)域帶來(lái)革命性的變化。

不過(guò)，生成式 AI 為終端用戶帶來(lái)的好處依然有限。如今許多令人興奮的事情都圍繞著免費(fèi)或低成本的實(shí)驗(yàn)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(lái)生成新的人、動(dòng)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(wèn)題難應(yīng)對(duì)

最終，每個(gè)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(lái)的倫理問(wèn)題。

首先是就業(yè)問(wèn)題。盡管許多程序需要強(qiáng)大的圖形處理器，但計(jì)算機(jī)生成的內(nèi)容仍然比專業(yè)插畫家的時(shí)間成本便宜得多，后者每小時(shí)的報(bào)酬可能高達(dá)數(shù)百美元。生成式 AI 可能會(huì)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(lái)大麻煩。Compound VC 管理合伙人邁克爾?鄧普西說(shuō)：“事實(shí)證明，機(jī)器學(xué)習(xí)模型可能會(huì)變得比人類工作得更好、更快、更便宜?！?/p>

圍繞原創(chuàng)性和所有權(quán)，生成式 AI 也會(huì)帶來(lái)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(duì)以原創(chuàng)風(fēng)格生成的圖像擁有版權(quán)仍在爭(zhēng)論中。一位藝術(shù)家最近在美國(guó)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(shí)表示，他從自己生成的數(shù)百?gòu)垐D像中選擇了一張，然后在 PS 中對(duì)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(guò)程中獲得更好的結(jié)果。上個(gè)月，Getty Images 禁止用戶將生成式 AI 圖像上傳到其庫(kù)存圖像數(shù)據(jù)庫(kù)中，因?yàn)槠鋼?dān)心引發(fā)侵權(quán)糾紛。

圖像生成器還可以用來(lái)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(lái)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(guò)的事件的圖像或視頻。

開發(fā)者還必須努力應(yīng)對(duì)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(huì)在數(shù)據(jù)中包含與性別、種族或文化相關(guān)的偏見(jiàn)，這可能會(huì)導(dǎo)致模型在輸出中展示這種偏見(jiàn)。Huging Face 已經(jīng)發(fā)布了有關(guān)倫理問(wèn)題的材料，并就以負(fù)責(zé)任態(tài)度開發(fā) AI 模型的問(wèn)題進(jìn)行了討論。

Hugging Face 首席執(zhí)行官克萊門特?德蘭格說(shuō)：“我們?cè)谶@些模型上看到了短期和當(dāng)前挑戰(zhàn)，因?yàn)樗鼈儗儆诟怕誓Ｐ?，在大?shù)據(jù)集上訓(xùn)練，往往會(huì)吸收很多偏見(jiàn)?！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。