來源：火訊財經

文章轉載來源：騰訊研究院

作者：胡璇 騰訊研究院高級研究員；胡曉萌 騰訊研究院研究員,、博士后

圖片來源：由

工具生成

內容生產,，特別是創(chuàng)意工作,，一向被認為是人類的專屬和智能的體現。牛津大學計算機學院院長邁克爾·伍爾德里奇2019年寫作的《人工智能全傳》一書中,，“撰寫有趣的故事”被列為人工智能“遠未實現”的任務之一,。

如今，AI正大步邁入數字內容生產領域,。AIGC（AI Generated Content）不僅在寫作,、繪畫、作曲多項領域達到“類人”表現,，更展示出在大數據學習基礎上的非凡創(chuàng)意潛能,。2023年3月15日，多模態(tài)信息處理標桿GPT-4模型正式發(fā)布,，使生成內容的準確度及合規(guī)性進一步提升,。數字內容生產的人機協(xié)作新范式正在形成，創(chuàng)作者和更多普通人得以跨越“技法”和“效能”限制,，盡情揮灑內容創(chuàng)意,。

也有人擔憂，AI是否會讓創(chuàng)作者們集體“失業(yè)”,，甚至讓“創(chuàng)作”本身走向衰頹,，就像機械復制時代的藝術品可能失去“靈韻”那樣。換言之，AIGC的流行給了我們一個重新審視“創(chuàng)作”是什么,、是否為人所獨有這些問題的機會,。

本文將分析AIGC改變數字內容創(chuàng)作的現狀、關鍵突破和挑戰(zhàn),，并嘗試探討以上問題,。

AIGC正在成為互聯網內容生產基礎設施

數字內容正邁入強需求、視頻化,、拼創(chuàng)意的升級周期,，AIGC恰逢其會。線上生活成為常態(tài),，一方面,，用戶創(chuàng)作內容大幅解放生產力，例如短視頻就是將原本需要長制作周期,、高注意投入的視頻,，變成了可以源源不斷產出的“工業(yè)品”和“快消品”；另一方面,，作為核心的創(chuàng)意仍舊稀缺,，需要新的模式輔助創(chuàng)作者持續(xù)產生、迭代和驗證創(chuàng)意,。種種因素,，都需要更加低成本、高效能的新工具與方式,。

AIGC正在越來越多地參與數字內容的創(chuàng)意性生成工作,，以人機協(xié)同的方式釋放價值，成為未來互聯網的內容生產基礎設施,。

從范圍上看,，AIGC逐步深度融入到文字、代碼,、音樂,、圖片、視頻,、3D多種媒介形態(tài)的生產中,，可以擔任新聞、論文,、小說寫手,，音樂作曲和編曲者，多樣化風格的畫手,，長短視頻的剪輯者和后期處理工程師,，3D建模師等多樣化的助手角色,，在人類的指導下完成指定主題內容的創(chuàng)作、編輯和風格遷移工作,。

從效果上看,，AIGC在基于自然語言的文本、語音和圖片生成領域初步令人滿意,，特別是知識類中短文,，插畫等高度風格化的圖片創(chuàng)作，創(chuàng)作效果可以與有中級經驗的創(chuàng)作者相匹敵,；在視頻和3D等媒介復雜度高的領域處于探索階段,。盡管AIGC對極端案例的處理、細節(jié)把控,、成品準確率等方面仍有許多進步空間,，但蘊含的潛力令人期待。

從方式上看,，AIGC的跨文字,、圖像、視頻和3D的多模態(tài)加工是熱點,。吳恩達（Andrew Ng）認為多模態(tài)是2021年AI的最重要趨勢,，AI 模型在發(fā)現文本與圖像間關系中取得了顯著進步，如OPEN AI的CLIP能匹配圖像和文本,，Dall·E生成與輸入文本對應的圖像；DeepMind的Perceiver IO可以對文本,、圖像,、視頻和點云進行分類。典型應用包括如文本轉換語音TTS（Text To Speech）,、文本生成圖片（Text-to-Image）,，廣義來看AI翻譯、圖片風格化也可以看作是兩個不同“模態(tài)“間的映射,。

上圖：原圖，AIGC的典型場景及發(fā)展趨勢,，來自紅杉資本

下圖：使用有道智云AI翻譯后的結果

關鍵突破：自然語言技術解放創(chuàng)作力

AIGC對創(chuàng)作者的解放體現在：“只要會說話,，你就能創(chuàng)作”，無需懂得原理,，不用學習代碼,，或者Photoshop等專業(yè)工具,。創(chuàng)作者以自然語言向AI描述腦海中的要素甚至想法（術語是給出“prompt”）后，AI就能生成對應的結果,。這也是人機互動從打孔紙帶,，到編程語言，圖形界面后的又一次飛躍,。

自然語言是不同數字內容類型間轉化的根信息和紐帶,，比如“貓”這個詞語就是加菲貓的圖片，音樂劇《貓》和無數內容的索引,，這些不同的內容類型可以稱為“多模態(tài)”,。

AIGC此輪浪潮，最大底層進化就在AI對自然語言“理解”和“運用”能力的飛躍,，這離不開2017年Google發(fā)布的Transformer,，它開啟了大型語言模型（Large Language Model，簡稱LLM）時代,。有了這一強大的特征提取器,，后續(xù)的GPT、BERT等語言模型突飛猛進,，不僅質量高,、效率高，還能以大數據預訓練+小數據微調的方式,，擺脫了對大量人工調參的依賴,，在手寫、語音和圖像識別,、語言理解方面的表現大幅突破,，所生成的內容也越來越準確和自然。

但大模型意味著極高的研究和使用門檻,，例如GPT-3有1750 億參數量,，既需要大算力集群也不向一般用戶開放。2022年,，部署在Discord論壇上,、以聊天機器人形式提供的midjourney成為了第一個用戶友好型AIGC應用，帶來AI繪畫熱潮,，一位設計師用其生成的圖片甚至在線下比賽中獲獎,。

使用簡單文字即可交流的低門檻,，類似搜索引擎的使用方式，一下子點燃了普通用戶對AI使用的熱情,。緊接著,，基于擴散模型（Diffusion Models）的一系列文本生成圖片（Text-to-Image）產品,，如Stable Diffusion等，把AI繪畫從設計圈帶向大眾,。開源的Stable Diffusion僅需一臺電腦就能運行,，截至2022年10月已有超過20萬開發(fā)者下載，累計日活用戶超過1000萬,；而面向消費者的DreamStudio則已獲得了超過150萬用戶,，生成超過1.7億圖片。其驚艷的藝術風格,、以及圖像涉及的版權,、法律等問題也引發(fā)了諸多爭議。

Diffusion的震撼感還沒消散,，ChatGPT橫空出世,，真正做到和人類“對答如流”，能理解各式各樣的需求,，寫出回答,、短文和詩歌創(chuàng)作、代碼寫作,、數學和邏輯計算等,。不僅如此，人類反饋強化學習(RLHF)技術讓ChatGPT能持續(xù)學習人類對回答的建議和評價,，朝更加正確的方向前進,，因此以不到GPT3的1%的參數實現了極佳的效果。盡管ChatGPT仍存在一些缺陷,，例如引用不存在的論文和書籍,、對缺乏數據的問題回答質量不佳等，但它仍然是人工智能史上的里程碑,，并上線兩個月后用戶數突破1億，成為史上用戶數增長最快的消費者應用,。

下一挑戰(zhàn)：向“在場”的3D互聯網進發(fā)

在文,、圖、視頻后,，數字技術演進的重要方向是從“在線”走向“在場”,，AIGC將成為打造3D互聯網的基石。人們將在在虛擬空間構建仿真世界,，在現實世界“疊加“虛擬增強,，實現真正的臨場感。隨著XR,、游戲引擎,、云游戲等等各種交互,、仿真、傳輸技術的突破,，信息傳輸越來越接近無損,，數字仿真能力真假難辨，人類的交互和體驗將到達新階段,。

目前AIGC在3D模型領域還處于探索階段,，一條路徑是以擴散模型為基礎分兩步走：先由文字生成圖片，再生成包含深度的三維數據,。谷歌和英偉達在這一領域較為領先,，先后發(fā)布了自己的文字生成3D的AI模型。但從生成效果看,，距離現在人工制作的3D內容的平均質量還有距離,；生成速度也未能盡如人意。

2022年10月,，谷歌率先發(fā)布了DreamFusion,，但其缺點也很顯著，首先擴散模型僅對64×64的圖像生效,，導致生成3D的質量不高,；其次場景渲染模型不僅需要海量樣本，也在計算上費時費力,，導致生成速度較慢,。隨后，英偉達發(fā)布了Magic3D,，面對提示語“一只坐在睡蓮上的藍色毒鏢蛙”,，用大約40分鐘生成了一個帶有紋理的3D模型。相比谷歌,，Magic3D生成速度更快,、效果更好，還能在連續(xù)生成過程中保留相同的主題,，或者將風格遷移到3D模型中,。

Magic3D（第1,、3列）與DreamFusion（第2、4列）對比

第二條路徑是借助AI來“合成”不同視角下同一物品的照片,，從而直接生成3D,。英偉達在2022年12月的NeurIPS 上展示了 生成式 AI 模型——GET3D（Generate Explicit Textured 3D 的縮寫），可根據其所訓練的建筑物,、汽車,、動物等 2D 圖像類別,，即時合成 3D 模型。和上文中的輸出物相比,，模型和紋理更精細,，更采取了一般3D工具的通用格式，能直接用到構建游戲,、機器人,、建筑、社交媒體等行業(yè)設計的數字空間,，比如建筑物,、戶外空間或整座城市的 3D 表達。GET3D在 英偉達A100 GPU 上訓練而成,，使用了不同角度拍攝的約 100 萬張照片,，每秒可生成約 20 個物體。結合團隊的另一項技術,，AI生成的模型能夠區(qū)分出物體的幾何形狀,、光照信息和材質信息，使可編輯性大幅加強,。

NVIDIA GET3D基于AI生成的模型示例

可行路徑：與游戲中的程序化生成技術相結合

盡管如此,，AIGC在3D側的能力,，距離打造3D互聯網仍有不小的距離。而游戲中較為成熟的程序化內容生成（PCG,，Procedural Content Generation）技術,，可能是AIGC邁過深水區(qū)的一大助力。

從技術路徑上,，AI生成3D難以沿用“大力出奇跡”的老辦法,，即單靠喂給AI海量的輸入來提升效果。首先,，信息量不同,，一張圖片和一個3D模型相比相差一個維度，體現在存儲上就是數據量級不同,；其次,，圖片和3D的存儲及顯示原理不同,，如果說2D是像素點陣在顯示器的客觀陳列,，3D則是實時、快速,、海量的矩陣運算,，就像對著模型在1秒內進行幾十次“拍照”,。為了準確計算得到每個像素點，“渲染”在顯示器上,，需要考慮的因素至少有（1）模型幾何特征,，通常用幾千上萬個三角面來表示（2）材質特征，模型本身的顏色,，是強反射的金屬,，還是漫反射的布料（3）光線，光源是點狀的嗎,，顏色和強度如何,。最后，原生3D模型的數據相對較少,，僅游戲,、影視、數字孿生等領域有少量積累,，遠不如已存在了數千年,、可以以非數字化形態(tài)存在的圖像那么多，例如ImageNet中就包含了超過1400萬張圖片,。

用計算機幫助創(chuàng)作者這件事,，游戲界已經探索了四十多年。用算法生成的游戲內容首次出現在1981年的游戲Rogue（Toy and Wichman）中,，地圖隨機,，每局不同。3D時代,，程序化生成技術大量應用于美術制作,，因為其需要巨額時間和人力成本，以2018年發(fā)售的游戲《荒野大鏢客2》為例,，先后有六百余名美術參與,，歷經8年才完成約60平方公里的虛擬場景。

程序化生成在效能和可控度上介于純手工和AIGC之間,。例如2016年發(fā)布,、主打宇宙探險的獨立游戲《無人深空》（No Man’s Sky），用PCG構造了一系列生成規(guī)則和參數,，聲稱能創(chuàng)造出1840億億顆不同的星球,，每個星球都有形態(tài)各異的環(huán)境和生物。

游戲《無人深空》中使用程序化生成的海洋生物示例

2022年的Epic打造的交互內容《黑客帝國：覺醒》在最新虛幻引擎和程序化生成加持下，打造出栩栩如生、高度復雜的未來城市,，共包括700萬個美術資產,，包括7000棟建筑、38000輛可駕駛的車和超過260公里的道路,，其中每個資產由數百萬個多邊形組成,。

Epic使用虛幻5引擎和程序化生成技術高效制作《黑客帝國：覺醒》中的龐大城市

程序化生成和AI的結合更成為熱門學術領域,，每年人工智能與游戲的頂級學會——IEEE Transactions on Games都會為程序化生成開辟專門的討論板塊。劇情,、關卡,、場景、角色,，每個板塊都有大量的研究和實踐成果在推進,。

創(chuàng)作到底是什么？

關于創(chuàng)作,，有一句經典論斷——天才是99%的汗水,，加上1%的靈感。愛迪生認為那1%的靈感最重要,。AIGC則向我們證明,，99%的汗水能產生質變,。善用AI的創(chuàng)作者,，或許才是“完全體”,。

首先，AI和自然人的創(chuàng)作過程,，沒有那么大的差異：一部作品的誕生,，一個作者的成長，都建立在大量對經典的觀察,、參照,、模仿、提煉基礎上,，并非一蹴而就,。而創(chuàng)新往往也有跡可循，或者是對主流的揚棄甚至反叛,，或者是對多種元素的加成和融合,。因此，如知識產權制度,，也是在鼓勵創(chuàng)作的基礎上,，給予貢獻者以對等的獎勵，而非一刀切地拒絕模仿。

其次,，人作為創(chuàng)作核心這一點沒有變化：AI面向任務，人類面向創(chuàng)造,。一方面,，人類信息系統(tǒng)紛繁復雜，遠非幾個“prompt”輸入就能概括,。正如一位網友說,，AI代替不了我，因為它理解不了老板的需求,。沒有五年經驗的乙方,，也解讀不來甲方口中的“要大氣”。另一方面,，AI成長的養(yǎng)料仍然由人提供,，AI更可靠可信也依賴著人的使用與反饋?！皵嗄獭庇?021年的ChatGPT可不知道2022年世界杯的戰(zhàn)果,。

從實用的視角，AIGC將賦予普通用戶更多的創(chuàng)作權力和自由,。從PGC,、UGC到AIGC的發(fā)展路徑可見，普通人越來越多的參與到創(chuàng)作之中,，數字內容不僅呈現數量上的指數級增長,，類型和風格也走向了更加包容和多元的生態(tài)。未來,，用戶可以使用手機拍攝的一系列照片,，通過AIGC工具生成一個可以使用的3D渲染圖。采用這種創(chuàng)造內容的方式,，我們可以想象未來的數字空間將不再完全由開發(fā)人員構建,，而是利用AIGC響應用戶的輸入按需生成。

AIGC工具對專業(yè)人士的杠桿效應更顯著：如果對普通人的增益是從0到1,，對專業(yè)人士則可能是從1到10,，使他們能集中精力處理更頂層、更有價值的事情：比如立意,，風格,，構圖，元素組合和后處理,，或者怎樣在前期制作盡可能多樣的demo來找尋更好的方案,。運用AI也正成為新的職業(yè)能力，善于“施咒”的大觸們前赴后繼地開發(fā)著AI近乎無限的潛能，并社交平臺上留下讓人望洋興嘆的作品,。

更長期看,，創(chuàng)作和藝術的歷史是螺旋上升的歷史，是某一種風格數量極大豐富,、質量巔峰造極之后的突破,、突變與跨界，也是一個時代精神情感的凝結,。我們有理由相信,，AIGC變革下創(chuàng)新依舊存在，甚至會加速發(fā)展,。

參考資料來源:

[1]https://mp.weixin.qq.com/s/ZYSEou1ki0a4JVY2Nv8_SA.

[2]https://zhuanlan.zhihu.com/p/388666777.

[3]https://zhuanlan.zhihu.com/p/82758631.

[4]https://zhuanlan.zhihu.com/p/493739360.