AIGC未來已來 邁向通用人工智能時代

翟尤，副研究员，工业和信息化部通信经济专家委员会办公室原副主任；北京第二外国语大学人工智能应用实验室顾问；ISO/IEC WG6标准工作组专家。出版《5G社会》《数字时代》两本图书，在数字科技和产业安全领域发表20余篇文章。目前就职于腾讯。

 

郭晓静 澳大利亚悉尼大学传播学硕士，现任腾讯新闻高级编辑，关注人工智能、航天、芯片等领域。

 

曾宣玮，北京航空航天大学电子信息工程专业学士和工程硕士，国家计算机网络应急技术处理协调中心工程师，具有国家法律职业资格、中国注册会计师资格，具有互联网协会行业管理与行业发展研究工作经验。

第 1章 AIGC為何引發關註

1.1　《太空歌劇院》帶來的沖擊和影響　002

1.2　“生成”所引發的創意性工作革新　004

1.3　內容生成方式進入新階段　005

1.4　AIGC在繪畫領域率先破圈　006

1.5　典型的AIGC模型　008

海外模型　008

國內模型　010

第 2章 模型即服務時代的到來

2.1　模型即服務的歷史進程　017

早期人工智能在曲折中探索　017

深度學習引發關註　019

2.2　典型的深度學習網絡　021

生成對抗網絡　021

Transformer　024

2.3　大公司探索之路　026

DeepMind　026

OpenAI　027

2.4　基礎模型普及的關鍵節點　028

基礎模型的能力與服務　028

曾經熱議的雲，今後的基礎模型　031

基礎模型的通用性　033

2.5　人工智能的未來何在　033

人工智能逐步接近人類的思考模式　033

未來人工智能的發展特點　035

第3章 ChatGPT引發的潮流與思考

3.1　ChatGPT會成為人工智能的拐點嗎　038

引發全球關註的ChatGPT　038

ChatGPT潛在的應用領域　039

3.2　ChatGPT能力大揭秘　040

3.3　ChatGPT是OpenAI對大模型的堅定實踐　042

3.4　ChatGPT的局限性及其引發的思考　043

技術創新性與工程創新性　043

知識局限性　044

盈利與成本之間的平衡　044

應用落地所面臨的困境　045

法律合規與應用抵制　045

網絡安全風險　046

能耗挑戰　047

3.5　ChatGPT引發的思考　048

如何看待人類創新與機器創新　048

ChatGPT在哪些方面值得我們學習　049

3.6 GPT-4未來已來，奇點時刻該如何面對　049

多模態　050

提示工程的價值　050

安全隱憂　050

第4章 大模型驅動的人工智能繪畫“創作”

4.1　AI繪畫的先驅——AARON　053

4.2　人工智能繪畫的原理　054

神經網絡是如何模仿人類思考的　054

如何讓神經網絡畫一幅畫　055

4.3　人工智能學習如何畫一隻貓　057

教會你的神經網絡認識“貓咪”　057

人工智能真的畫出了貓咪　058

4.4　DALL-E的初次嘗試與突破　059

4.5　人工智能繪畫的技術創新點　061

CLIP實現跨模態創新，打造圖文匹配　061

用Diffusion加速AIGC落地普及　063

Diffusion模型為AIGC寫下的註腳　064

Stable Diffusion豈止於開源　065

AIGC進一步降低模型的使用門檻　066

4.6　使AIGC繪畫技術成熟的重要因素　068

提示詞的重要性　068

算力資源的關鍵支撐　071

第5章 人類的創新能力會被AIGC替代嗎

5.1　藝術創作會被AIGC取代嗎　073

用戶的獵奇與創作者的抵觸　073

AIGC不會取代藝術創作工作　074

使用AIGC，需要具備什麽能力　077

AIGC是直接消費品還是工具　078

5.2　創作者如何通過AIGC獲得更大的收益　080

如何將AIGC應用於創作　080

創意工作者的收益探索　084

未來人工智能創作藝術的5個層次　085

5.3　AIGC——你的“達·芬奇”　089

內容輸出的“平民化”　089

大眾與藝術家“直連”　090

實時互動和精準化構建的“即時滿足”　091

社區與共創的“想象力”　092

基於生成全新內容的平臺　093

5.4　抓住AIGC的機遇　094

AIGC時代，做“短信”還是“微信”　094

AIGC的發展仍無法脫離技術周期　097

第6章 開源成就行業發展的未來

6.1　開源讓我們站在巨人的肩膀上　099

6.2　開源成為引爆AIGC的導火索　099

6.3　大模型的開源之路　101

第7章 AIGC與商業化

7.1　AIGC商業化的3個階段　106

感知沖擊——嘗鮮階段　107

認知領悟——協助階段　107

新生態鏈——原創階段　108

7.2　AI領域的企業發展　108

平臺型企業　109

應用型企業　111

現有產品的智能化　112

7.3　當下典型的AIGC變現手段　114

按照計算量收費　114

按照輸出圖像數量收費　114

軟件按月付費　115

模型訓練費　116

7.4　AIGC商業模式的困境　116

AIGC Inside的商業化並不容易　116

難以建立技術壁壘　117

探索自主的大模型及應用　118

第8章 AIGC的典型應用

8.1　文字創作　121

主要特點　121

典型應用　122

8.2　音頻生成　126

主要特點　126

典型應用　127

8.3　視頻生成　131

主要特點　131

典型應用　131

8.4　3D模型生成　135

主要特點　135

典型應用　135

8.5　編寫代碼　137

主要特點　137

典型應用　137

8.6　游戲創作開發　139

主要特點　139

典型應用　140

8.7　繪畫產品　143

典型繪畫產品的AIGC應用　144

AIGC繪畫與NFT結合　148

8.8　建築設計　149

將AIGC融入建築設計　149

用AIGC實現裝修設計　151

8.9　其他應用　152

DIY設計　152

兒童創意實現　155

內容營銷　156

診療與心靈慰藉　156

第9章 AIGC的不足與挑戰

9.1　技術與產業方面的不足與挑戰　159

細節仍需打磨　159

成本問題　161

輸出結果不一致　162

大模型到大應用的挑戰　162

通用性較差　163

9.2　在確權方面面臨的挑戰　163

AIGC作品的著作權歸屬　163

著作權爭議的潛在解決方案　165

法律監管出現爭議　166

企業態度不統一　166

倫理與安全風險　167

第 10章 業界和學界的專家洞察

10.1　AIGC可擴展潛力巨大，可能掀起新一波創新創業浪潮　170

從AIGC到AIGS，“服務規模化的個性化”時代到來　170

從科技圈體驗到全民使用，AI首次成功破圈　171

OpenAI已經成功探索出AI領域科技創新落地的新模式　173

中國需要自主大模型，也有可能探索出自己的創新　175

10.2　AIGC火熱的背後，需要深度思考治理難題　179

破解“克林格裡奇困境”，要靠更敏捷的治理思路　179

加強對弱勢群體的保護，平臺應該做好“守門人”　180

AIGC內容知識產權還沒有定論，但業界已有基本共識　182

探索人工智能領域“數據合作”新範式　183

10.3　AIGC火熱背後的業界冷思考：中國AI行業的未來發展，需要有自己的思路　185

ChatGPT的流暢對話來源於預訓練大模型　185

“AI幻覺”仍是阻礙產業發展的難題　186

大規模預訓練技術仍處於早期探索階段，人工智能公司還需耐心打磨　188

在AIGC技術浪潮中，一些行業將迎來全新挑戰　189

中國AI行業的未來發展，需要有自己的思考和思路　191