人工智能生成内容(AIGC)

人工智能生成内容(Artificial Intelligence Generated Content, AIGC), AIGC 是指使用生成式 AI (Generative Artificial Intelligence, GAI) 技术生成的内容,而不是由人类创作者创作的内容。

近期非常流行的AIGC产品包括ChatGPT、StyleGAN、DALL·E·2、Midjourney等,覆盖了单模态(文本、图像)与多模态(文本-图像)内容生成:
在这里插入图片描述

AIGC发展历史悠久,最早出现的AIGC可以追溯到 1950 年代基于马尔可夫链作曲的Iliac Suite[1]:
在这里插入图片描述

近年来,AIGC取得了快速的发展,可以归功于基于深度学习的生成式AI技术的发展和丰富的(多模态)训练数据的出现。俞士纶教授团队近期的一篇关于AIGC的综述论文[2]中总结了2014年以来单模态与多模态(图像-文本多模态)领域生成式AI技术的发展历史:
在这里插入图片描述
可以看到,自然语言处理领域,生成式AI技术围绕语言建模,从最初的由N-Gram研究的神经语言模型,到基于循环神经网络(LSTM、GRU等)的语言模型,再到基于Transformer的各种语言模型(ELMo、GPT、BART、T5等),模型规模不断扩大,已然超过了计算机视觉领域。计算机视觉领域,生成式AI技术则最早见于大名鼎鼎的GAN、VAE、Flow-based的图像生成技术,而后又逐渐发展了StyleGAN、VQVAE等模型,提升了图像生成效果,直到这两年扩散模型与Vision Transformer(ViT)大军突起,也为图像生成注入了活力。而多模态图像文本生成式AI技术也最近这几年得到了足够的重视,借助于两种模态数据的融合,可以生成更为真实的图像/文本,这也将是未来AIGC的重要发展方向。

AIGC带来的机遇

AIGC已经为各行各业带来机遇,以下谨举几个例子:

  • 科学研究 :图扩散模型用于分子、蛋白质和材料等领域[3]
  • 医疗健康 [4]

1)生成和共享计算得出的、保护隐私的合成临床健康数据;
2)语音生成,帮助聋哑人群“开口说话”

1)腾讯公司利用360度沉浸式展示技术、智能音视频技术、人工智能等技术手段,对敦煌古壁画进行数字化分析与修复[5]
在这里插入图片描述

2)39 岁游戏设计师 Jason Allen 凭借这幅《太空歌剧院》 AI 画作获得在美国科罗拉多州举办的艺术博览会数字艺术类冠军,该画作由文本到图像生成模型 Midjourney 生成[6]。

  • 商业与办公

1)微软逐步推出365 Copilot与Windows Copilot
在这里插入图片描述
2)阿里巴巴宣布未来其旗下所有产品将全面接入大模型
在这里插入图片描述

AIGC带来的挑战

  • 隐私问题

生成模型在学习过程中对用户数据进行学习,一些研究指出,生成数据中泄露的隐私信息可以通过一些对抗性攻击被发现。

有研究指出,Stable Diffusion 能够再现训练数据,通过拼凑它记忆的前景和背景对象来创建图像[7]。
在这里插入图片描述

  • 安全问题

生成模型的真实性以及生成内容的毒性和有用性是难以完全控制的,使得规范化AIGC仍有很长的路要走。

在这里插入图片描述
2023年4月11日,国家互联网信息办公室(简称“网信办”)发布通知,就《生成式人工智能服务管理办法(征求意见稿)》(简称“《意见征求稿》”)向社会公开征求意见。

  • 版权问题

AIGC的版权归属在法律层面上定义仍不清晰,国际上对此问题尚未达成较为一致的意见。
在这里插入图片描述

AIGC的未来方向

  • 多模态 :多模态是AIGC比较明确的发展方向之一。 目前文本图像生成比较成熟,未来可能会融合更多模态数据,构建更强大的AIGC模型。

  • 专业化 :虽然AIGC基础模型是在大量通用数据上进行预训练以获得丰富的知识,但在面向专业化应用(如医疗健康)时,仍然需要收集相当规模的专用数据用于任务型 微调。 如何做到专业化,同时尽量减少对专业化数据的需求,是AIGC另一个可能的方向。

  • 集成化 :通用人工智能是通过集成感知能力、控制能力和更完备的知识库来实现的。

下图给出了一种利用ChatGPT和其他多种AIGC工具实现通用人工智能的可能路径[8]:
在这里插入图片描述

  • 标准化/规范化 :需要完善AI输出控制的标准化机制,完善与AIGC相关的法律法规(如用户隐私保护、产品版权等),促进AIGC与人类社会的和谐发展,以及 防止滥用 AIGC 技术,最终实现负责任的AIGC[9]。

[1] https://en.wikipedia.org/wiki/Illiac_Suite
[2] Y. Cao et al., “A comprehensive survey of AI-generated content (AIGC): a history of generative AI from GAN to ChatGPT.” arXiv, Mar. 07, 2023. doi: 10.48550/arXiv.2303.04226.
[3] M. Zhang et al., “A Survey on Graph Diffusion Models: Generative AI in Science for Molecule, Protein and Material,” 2023.
[4] B. Zhou, G. Yang, Z. Shi, and S. Ma, “Natural language processing for smart healthcare,” IEEE Rev. Biomed. Eng., pp. 1–17, 2022, doi: 10.1109/RBME.2022.3210270.
[5] 腾讯研究院, AIGC发展趋势报告
[6] https://www.nytimes.com/2022/09/02/technology/ai-artificial-intelligence-artists.html
[7] G. Somepalli, V. Singla, M. Goldblum, J. Geiping, and T. Goldstein, “Diffusion Art or Digital Forgery? Investigating Data Replication in Diffusion Models.” arXiv, Dec. 12, 2022. doi: 10.48550/arXiv.2212.03860.
[8] C. Zhang et al., “One Small Step for Generative AI, One Giant Leap for AGI: A Complete Survey on ChatGPT in AIGC Era.” arXiv, Apr. 04, 2023. Accessed: May 27, 2023. [Online]. Available: http://arxiv.org/abs/2304.06488
[9] https://towardsdatascience.com/a-pathway-towards-responsible-ai-generated-content-6c915e8155f9

人工智能生成内容(Artificial Intelligence Generated Content, AIGC), AIGC 是指使用生成式 AI (Generative Artificial Intelligence, GAI) 技术生成的内容,而不是由人类创作者创作的内容。
如果说 Al 推荐算法是 内容 分发的强大引, AIGC 则是数据与 内容 生产的强大引擎。 AIGC 正朝着效率和品质更高、成本更低的 方向 发展 ,在某些情况下,它比人类创造的东西更好。包括从社交媒体到游戏、从广告到建筑、从编码到平面设计、从产品设计到法律、从营销到销售等各个需要人类知识创造的行业都可能被 AIGC 所影响和变革。数字经济和 人工智能 发展 所需的海量数据也能通过 AIGC 技术 生成 、合成出来,即合成数据(synthetic data )。 未来 ,人类的某些创造性的工作可能会被 生成 性 AI 完全取代,也有一些创造性工作会加速进入人机协同时代一一人类与 AIGC 技术共同创造比过去单纯人的创造之下更高效、更优质。在本质上 AIGC 技术的最大影响在于, AIGC 技术将会把创造和知识工作的边际成本降至零,以产生巨大的劳动生产率和经济价值。换句话说,正如互联网实现了信息的零成本传播、复制, 未来 AIGC 的关键影响在于,将实现低成本甚至零成本的自动化 内容 生产,这一 内容 生产的范式转变,将升级甚至重塑 内容 生产供给,进而给依赖于 内容 生产供给的行业和领域带来巨大影响。
行业 发展 人工智能 步入新 发展 阶段,逐步迈向AGI; AIGC 拥抱人类,创造人机交互新变革,将迎来更多新 机遇 人工智能 从理论 发展 分为四个阶段:规则导 向、机器学习、 深度学习 、自主学习阶段,目前处于 深度学习 阶段;从应用成熟度可分为三个阶段:弱 人工智能 阶段(ANI)、强 人工智能 阶段(AGI)、超人 工智能阶段(ASI),目前处于ANI阶段;从应用类型可分为四种:感知式AI与分析式AI应用较成熟,决策式AI近年来 发展 迅速, 生成 式AI迎来突破。 生成 式AI, 即 AIGC ,较传统 内容 创作模式UGC、PGC可实现更大数量、更高质量、更低单位成本, 未来 将从辅助创作 生成 趋向高度自动化自主创造。此外, AIGC 将赋 能多领域,加速人机共生的建设,迎接更多 机遇 挑战 。 ◆ 技术进步:算力是支撑,数据是瓶颈,算法迎来突破。算力层,近年来大模型流行,模型参数量迅速膨胀,所需计算资源越来越大,算力是 AIGC 核心生产要素; 而AI芯片全球短缺,美对华芯片制裁升级,我们认为国内短期算力充足,长期仍需要逐步实现AI芯片国产化替代。数据是机器学习的核心,AI 发展 的瓶颈,数据 决定模型质量的上限;大模型训练需要海量且优质数据,A
人工智能 生成 内容 ( AIGC )是一种利用 人工智能 技术自动 生成 各种类型的 内容 的技术。它可以应用于许多不同的场景,包括新闻报道、广告、社交媒体、博客文章等。以下是一些 AIGC 的应用场景和使用方法: 新闻报道: AIGC 可以用于自动撰写新闻报道,以便更快地产生大量的新闻 内容 。这对于那些需要快速反应的媒体机构来说非常有用。使用 AIGC 的方法是将原始数据输入到系统中,然后系统会自动 生成 一篇完整的新闻报道。这种方法可以大大提高生产效率,同时也可以减少人力成本。 广告营销: AIGC 可以用于自动创建广告文案和宣传材料。这种方法可以帮助企业更快地推出新产品或服务,并吸引更多的潜在客户。使用 AIGC 的方法是将产品或服务的特点输入到系统中,然后系统会自动 生成 一份吸引人的广告文案或宣传材料。这种方法可以帮助企业节省时间和金钱,同时也可以提高广告效果。 社交媒体: AIGC 可以用于自动创建社交媒体帖子和评论。这种方法可以帮助企业在社交媒体上保持活跃,并与粉丝互动。使用 AIGC 的方法是将关键词或话题输入到系统中,然后系统会自动 生成 一篇有趣的社交媒体帖子或一条有意义的评论。这种方法可以帮助企业吸引更多的关注者,并提高品牌知名度。 教育领域: AIGC 可以用于自动 生成 教育材料,如教科书、练习册、考试题目等。这种方法可以帮助学生更好地理解知识点,并提高他们的学习效率。使用 AIGC 的方法是将教学大纲和教材 内容 输入到系统中,然后系统会自动 生成 一份完整的教育材料。这种方法可以帮助教师节省时间和精力,同时也可以提高学生的学习成绩。
Chat-GPT的出现以及中短期内的产业化落地将会为从用户创作(UGC)到AI创作( AIGC )的转型提供关键的辅助支持。结合 Chat-GPT的底层技术逻辑,我们认为Chat-GPT中短期内产业化的 方向 可能包括:1)Chat-GPT对于文字模态的 AIGC 应用具有重要意义,在归纳性的文字类工作中展现出了极其优异的表现。2)代码开发相关的工作更加规整非常适合AI辅助 生成 。3)图像 生成 领域:GPT模型在图像 生成 领域目前效果略逊于扩散模型,但扩散模型可以利用 Chat-GPT 生成 较佳的Prompt,提供强大的文字形态的动力。4)智能客服类的工作。Chat-GPT的成功证明了Transformer模型并非陷入困境,不断的AI技术方法上的新突破正驱动全球AI产业进入加速 发展 阶段,叠加AI产业集群效应的不断凸显,AI产业有望成为全球科技领域中期最具投资价值的产业赛道之一。AI产业有望继续保持“芯片+算力基础设施+AI框架&算法库+应用场景”的稳定产业价值链结构,拥有完整数据闭环结构、良好数据自处理能力的企业有望持续成为受益者。持续推荐:特斯拉、英伟达、AMD、高通等。
人工智能 生成 内容 (AI Generated Content,简称 AIGC )是指利用 人工智能 技术 生成 各种文本、音频、视频等 内容 的过程。 AIGC 的应用领域广泛,包括新闻报道、广告创意、小说写作等。在数字化时代, AIGC 的快速 发展 对传统 内容 创作方式提出了新的 挑战 机遇 。 要了解更多关于 AIGC 的相关信息,你可以下载 AIGC 的白皮书。白皮书是一种系统性的解决方案说明文档,通常会提供详细的背景介绍、技术原理、产品特点及应用范围等信息。 下载 AIGC 的白皮书可以帮助你深入了解 AIGC 技术的 发展 现状、应用场景和前景,并了解它对传统 内容 创作方式的影响。此外,它还可以帮助你了解 AIGC 技术的优势和不足之处,从而更好地评估该技术在实际应用中的可行性和限制。 你可以通过使用搜索引擎或者浏览相关技术机构、科研机构、咨询公司的官方网站,寻找和下载 AIGC 的白皮书。这些机构通常会提供最新的技术研究成果和相关的白皮书下载链接。 总而言之,通过下载 AIGC 的白皮书,你将能够更全面地了解 AIGC 技术在 内容 生成 方面的应用,为你在相关领域的决策和实践提供参考依据。