“Generative AI（生成式AI）有什么社會價值？”

當騰訊研究院的研究員將上面這個問題輸入到ChatGPT中，得到如下回復：

“生成式AI是一種人工智能技術，它可以使用訓練數(shù)據來生成新的內容。這種技術可以用來解決各種問題，具有很高的社會價值。

例如，它可以用來生成文本、圖像、音頻和視頻，這些內容可以用來幫助人們了解世界，也可以用來提高工作效率。

此外，生成式AI還可以用來解決一些非常復雜的問題，比如提供新的醫(yī)療方案、幫助制定更有效的政策、或者甚至幫助人類更好地了解自己。

總的來說，生成式AI為人類提供了很多有價值的機會，有助于人類更好地理解世界，并創(chuàng)造出更多的價值?！?/p>

在以上ChatGPT的四段回答中，首先給出了定義（是什么和做什么），然后說明為什么要使用它，包括舉例和和強調重要性。最后，還進行了價值理念的歸納和升華。實話說，如果我們問一個對AI有所了解的人類，很大可能也回答不出這樣內容完備和邏輯條理的答案，或許這就是以ChatGPT等為代表的生成式AI之所以震撼業(yè)界的原因。

這一次，AIGC能掀起人工智能的產業(yè)革命嗎？

不過，人工智能自誕生的七八十年來，帶給人們的驚嘆多了去了。從早期研究積木世界到最早的智能機器人Shakey，再到上世紀八十年代深藍戰(zhàn)勝國際象棋冠軍卡斯帕羅夫，直至最近幾年的AlphaGo戰(zhàn)勝世界圍棋冠軍，人形機器人Atlas的后空翻和機器狗Spot的連滾翻……AI技術從來不缺讓人震撼的元素，但真正能夠產業(yè)化落地的卻少之又少。正因如此，谷歌這些年也收斂了敗家燒模式，開始講起Responsible AI的故事。

相較谷歌，OpenAI是一家小公司，不過背后卻有世界首富馬斯克和巨頭微軟的背書。從2016年6月宣布以制造通用機器人和使用自然語言的聊天機器人作為公司發(fā)展目標后，便開始了GPT語言模型的研究。

不過，真正讓OpenAI火出圈的是在2021年推出的DALL-E，加上后來Stable Diffusion的開源，文生圖率先掀起了AIGC的熱浪，伴隨而來的是大語言模型ChatGPT火爆全網。盡管業(yè)界原本的期待是進化版模型GPT-4，但GPT-3衍生而來的ChatGPT還是給到人們不少意外之喜。除了如前文所示的對答如流，在檢查程序代碼上也絲毫不含糊。

那么，以DALL-E、ChatGPT等為代表的生成式大模型真能掀起人工智能的產業(yè)革命嗎？如果是歷經了人工智能各流派興衰的產業(yè)界老人，可能多少會持有懷疑的態(tài)度。但對于后生代的巨頭科技企業(yè)和新時代的AI開發(fā)者來說，將會抱持更大的期待。

游戲設計師杰森?艾倫使用Midjourney模型 生成的《太空歌劇院》是首個獲獎的AI生成藝術

當然，愿望雖好，AIGC能否真正完成變革，還需要從技術工程化、產業(yè)生態(tài)化，以及機遇和挑戰(zhàn)等方面來進行多維度分析。騰訊研究院在近日發(fā)布了《AIGC 發(fā)展趨勢報告 2023》（以下簡稱《報告》），對AIGC的發(fā)展趨勢進行了深度解讀。

技術工程化：哪些Buff讓AIGC走向巔峰？

ChatGPT、DALL-E、Stable Diffusion們如此牛X，它們的背后有哪些技術？

《報告》中將其歸納為三點：

生成算法

預訓練模型

多模態(tài)

生成算法

生成算法并非新技術，2014年由伊恩?古德費洛最早提出生成對抗網絡（Generative Adversarial Network，GAN ）是最早的生成式模型。之后，進一步出現(xiàn)了Transformer、Diffusion等深度學習生成算法，下表為生成式算法的演進時間軸。

圖片來源：《AIGC 發(fā)展趨勢報告 2023》

可以說，AIGC背后的三個最重要的算法模型就是GAN、Transformer和Diffusion。GAN的重要性體現(xiàn)在最早推出，衍生了許多流行架構和變種，還有大量科學家和研究人員在使用這一模型。Transformer則是因為應用領域的廣闊，包括NLP、CV 等領域的應用。后來出現(xiàn)的BERT、GPT-3、LaMDA等預訓練模型都是基于Transformer模型建立的。Diffusion則因為最優(yōu)化模型性能的表現(xiàn)，包括靈活的模型架構和精確的對數(shù)似然計算，讓其成為最先進的圖像生成模型。

預訓練模型

在《報告》中，是這樣形容預訓練的重要性的：預訓練模型引發(fā)了 AIGC技術能力的質變。之所以稱為“質變”，正因此后基于大量數(shù)據訓練、擁有巨量參數(shù)成為AIGC實現(xiàn)多任務、多語言、多方式的核心驅動力。

預訓練開始的標志性事件是谷歌在2018年發(fā)布基于Transformer的機器學習方法BERT，自此AI進入大煉模型參數(shù)的預訓練時代。由谷歌掀起的這場預訓練旋風也拉起了一幫AI巨頭和獨角獸們的熱情參與，下表是主要的AIGC預訓練模型。

圖片來源：《AIGC 發(fā)展趨勢報告 2023》

多模態(tài)

除了生成算法和預訓練，AIGC 要達成工程化也少不了多模態(tài)。在這點上，CLIP的重要性就體現(xiàn)出來了。2021年，OpenAI團隊將跨模態(tài)深度學習模型 CLIP進行了開源，能夠將文字和圖像進行關聯(lián)。這樣一來，就從早期的單NLP、CV模型，擴展到語言文字、圖形圖像、音視頻等多模態(tài)、跨模態(tài)模型。

產業(yè)生態(tài)化：上、中、下游，看MaaS如何加持

生成算法、預訓練模型、多模態(tài)讓AIGC實現(xiàn)工程化，但一項技術能否真正撬動市場，還需要看它能否產業(yè)化。

在如何構建產業(yè)化上，《報告》給出的結論是：AIGC產業(yè)生態(tài)加速形成和發(fā)展，走向模型即服務（MaaS）的未來。

這些年來，SaaS（軟件即服務）、PaaS（平臺即服務）和IaaS（基礎設施即服務）我們聽了很多，當模型也變成一種服務之后，AIGC的產業(yè)未來會呈現(xiàn)出怎樣的形態(tài)？

圖片來源：《AIGC 發(fā)展趨勢報告 2023》

如上圖所示，從左到右依次是基礎層、中間層和應用層。

基礎層

首先，在產業(yè)的底層架構上，需要有以預訓練模型為基礎搭建的AIGC技術基礎設施。和其他所有技術一樣，基礎層是最考驗技術發(fā)展程度和可投入成本的地方，具有較高的進入門檻。據Alchemy API創(chuàng)始人Elliot Turner推測，訓練GPT-3的成本可能接近1200萬美元。所以，能夠進入到這一層的企業(yè)主要是頭部科技企業(yè)和科研機構。

除了背靠微軟不差錢的OpenAI，Stability.ai能夠成為基礎設施型公司也在于不斷有資金注入，就在三個月之前，這家公司又獲得了1.01億美元的融資。

基礎設施的獲利方式主要是通過受控的api調用進行收費，或者以開源為主，然后通過開發(fā)和銷售專業(yè)版和定制版實現(xiàn)商業(yè)獲利。

中間層

中間層主要是垂直化、場景化、個性化的模型和應用工具。基礎層的作用體現(xiàn)在提供通用模型訓練平臺，中間層的作用則是從通用調試和訓練中快速抽取生成場景化、定制化、個性化的小模型和應用工具，這一層的目的在于實現(xiàn)不同行業(yè)、垂直領域、功能場景的工業(yè)流水線式部署。

事實上，目前已經有不少團隊開始基于AIGC的基礎平臺進行二次開發(fā)，比如二次元畫風生成器Novel-AI，以及小冰公司通過AIGC生成動畫短片。相較通用的AIGC生成器，經過中間層的加工之后，產出的內容產品可以直接提供給終端用戶。

應用層

基礎層和中間層的應用主要面向B端，到了應用層就直接面向C端了。在這一層上，可以直接生成文字、圖片和音視頻。不過，相較于B端有更加功能強大的顯卡，C端個人用戶能否生成高質量的內容很考驗消費級顯卡的算力。英偉達、AMD、臺積電等芯片制造廠商對這個領域的蛋糕也都在虎視眈眈。

機遇與挑戰(zhàn)：引領AI 2.0變革，仍不能忽視知識產權、倫理等因素

除了技術工程化和產業(yè)生態(tài)化，衡量AIGC未來發(fā)展還需要把控兩大方面：機遇和挑戰(zhàn)，即當前和潛在的有利及不利因素。

從機遇來看，可以說是非常得多。在《報告》中，從消費端：AIGC牽引數(shù)字內容領域的全新變革；到產業(yè)端：合成數(shù)據牽引人工智能的未來；再到社會端：合成數(shù)據牽引人工智能的未來?？梢哉f從人們的生產生活，到社會組織的方方面面都可以有AIGC的參與。

具體表現(xiàn)在：

消費端

AIGC正越來越多地參與到數(shù)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(lián)網的內容生產基礎設施；

AIGC帶來的內容生產方式變革開始引起內容消費模式的變化，未來應用生態(tài)和消費市場將走向多樣化；

在互聯(lián)網邁向“在場（3D）”的趨勢下，AIGC為3D互聯(lián)網可以帶來包括3D模型、場景、角色制作能效的提升，為創(chuàng)作者激發(fā)新的靈感；

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（圖片來源：知乎用戶@王程）

未來隨著性能的進一步提升，對話式AIGC在搜索、知識傳播等領域有很大的應用空間。聊天機器人和數(shù)字人將成為新的、更具包容性的用戶交互界面，不斷拓展應用領域；

未來元宇宙的大型虛擬空間建設也離不開AIGC的參與，包括核心基礎設施技術、數(shù)字原生內容的開發(fā)等等，通過AIGC可以釋放大量包括開發(fā)者在內的人力和物力。

產業(yè)端

目前人工智能仍然處在發(fā)展的1.0階段（AI 1.0），從AI 1.0走向AI 2.0，數(shù)據是最大的掣肘。從真實數(shù)據向合成數(shù)據的轉化，可以推動人工智能邁向 2.0。而AIGC技術的持續(xù)創(chuàng)新，讓合成數(shù)據迎來新的發(fā)展契機。

社會端

《報告》將AIGC對社會價值的推動概括為：AIGC的社會價值體現(xiàn)為革新數(shù)字內容與藝術創(chuàng)造領域，并將輻射到其他領域和行業(yè)，孕育新的技術形態(tài)與價值模式，甚至會成為通往AGI（通用AI）的可能性路徑。

當然，有機遇就會有挑戰(zhàn)。未來，AIGC也將面臨包括知識產權、安全問題、倫理道德、環(huán)境保護等多個方面的挑戰(zhàn)。

文末彩蛋：“即使語言只是人類經驗的一小部分”

在吳恩達給DeeplearningAI的最新來信中，他表示到：

“一個人需要幾十輩子的時間，除了閱讀什么都不做，才能獲得GPT-3在訓練過程中接觸的單詞數(shù)量。但是，網絡聚合了為數(shù)十億人編寫或由數(shù)十億人編寫的文本，計算機可以隨時訪問其中的大部分內容。通過這些數(shù)據，LLMs獲取了關于人類體驗的豐富知識。盡管LLMs從未見過日出，但它已經閱讀了足夠多關于日出的文字，足以令人信服地描述日出的樣子。

因此，即使語言只是人類經驗的一小部分，LLMs也能夠接觸到關于世界的大量信息。這表明，建立智能有多種途徑，遵循生物進化或人類兒童成長的方式可能不是工程系統(tǒng)最有效的途徑?！?/p>

由此，他得出了當下機器學習算法獲得智能的最有效途徑——通過語言進化。而谷歌聯(lián)合創(chuàng)始人，現(xiàn)實版的托尼·史塔克曾說過：“終有一天，世界上所有的知識都可以直接與我們的大腦連接?！?/p>

從AIGC掀起的語言進化，到世界上所有的知識經驗與我們的大腦相連究竟還有多遠？你認為呢？

審核編輯 ：李倩