首頁>資訊 >
世界實(shí)時(shí):AI作畫爆火,捧出多個(gè)新晉獨(dú)角獸 2022-10-23 08:49:06  來源:36氪

人工智能(AI)創(chuàng)作,怎么突然就成了AI領(lǐng)域最熱門的話題?

AI作畫拿大獎(jiǎng)的熱議事件才沒過多久,這周,兩家AI生成內(nèi)容企業(yè)相繼官宣過億美元新融資。最近爆火的Stable Diffusion模型,其背后公司Stability AI宣布獲得1.01億美元融資,投后估值達(dá) 10億美元;明星AI內(nèi)容平臺(tái)創(chuàng)企Jasper亦宣布獲1.25億美元新融資,估值達(dá) 17億美元


(資料圖片僅供參考)

投資界對(duì)AI的熱情正在回升。這是一個(gè)方興未艾的賽道,正大舉挖掘AI的創(chuàng)造力潛能—— AI算法在消化大量圖像、視頻、文本后,能學(xué)會(huì)創(chuàng)作詩歌、文章、繪畫、照片、視頻等原創(chuàng)內(nèi)容,其作品甚至能做到“以假亂真”,乃至被高價(jià)拍賣。

▲今年9月,AI畫作《太空歌劇院》奪冠科羅拉多州博覽會(huì)數(shù)字藝術(shù)創(chuàng)作類比賽

掀起AI創(chuàng)作熱潮的鼻祖級(jí)“以文生圖”模型DALL·E背后的頂級(jí)AI創(chuàng)企OpenAI,亦被爆料正與微軟談判,想再拿一筆新融資。

此前OpenAI估值已接近200億美元。據(jù)外媒The Information今日?qǐng)?bào)道,一位直接了解OpenAI財(cái)務(wù)狀況的人士透露,該公司有望在 今年創(chuàng)收數(shù)千萬美元。這意味著OpenAI去年的估值可能是2022年預(yù)測(cè)收入的500至800倍

同樣在這周,做AI音視頻編輯的創(chuàng)企Descript,被傳就新一輪融資開始與OpenAI CEO Sam Altman等投資者進(jìn)行談判。

連藝術(shù)圈都開始熱議,AI創(chuàng)作,這是要搶走繪圖師的飯碗?

01.AI商業(yè)化新生意,明星創(chuàng)企迅速躥紅

今年大火的AI生成圖像,滿打滿算,其實(shí)嚴(yán)格意義上才起步大約兩年。

2020年7月,馬斯克參與創(chuàng)辦、微軟力捧的國(guó)際頂級(jí)AI研究機(jī)構(gòu)OpenAI公布Image GPT模型,將在自然語言處理上取得突破性成就的Transformer模型引入圖像補(bǔ)全及生成任務(wù)。

在此基礎(chǔ)上,OpenAI于2021年1月推出了一個(gè)堪稱圖像版GPT-3的“炸圈”之作——能“以文生圖”的全新AI模型DALL·E。只需輸入文字描述,DALL·E就能畫出符合要求的一系列備選圖像。

▲輸入文本“穿芭蕾舞裙遛狗的蘿卜”、“牛油果形狀的扶手椅”、“將上部的圖片素描化”,DALL·E分別生成對(duì)應(yīng)圖像

這個(gè)開啟了多模態(tài)學(xué)習(xí)的重磅研究成果,在AI學(xué)術(shù)界引起軒然大波。

此前,人們主要用GAN(生成對(duì)抗網(wǎng)絡(luò))算法來訓(xùn)練會(huì)創(chuàng)作的AI,但這種算法訓(xùn)練難度較高,而且很快遇到瓶頸。隨后科學(xué)家們轉(zhuǎn)換思路,將2015年誕生的擴(kuò)散模型(Diffusion Model)引入到圖像生成,DALL·E的出場(chǎng),驗(yàn)證了這個(gè)新方法的可行性,并掀起新的研究熱潮。

▲擴(kuò)散模型根據(jù)“油畫畫布上的龍”提示詞生成的樣本

緊接著工業(yè)界就開始“卷”起來。從谷歌、百度等科技巨頭到一眾創(chuàng)企,紛紛入場(chǎng)為AI創(chuàng)作站臺(tái)。

其中最具代表性的4個(gè)“以文生圖”里程碑之作,均于今年誕生,分別是Midjourney、DALL·E 2、Imagen和Stable Diffusion

2022年3月,AI圖像生成平臺(tái)Midjourney啟動(dòng)Beta版本測(cè)試;4月,OpenAI乘勝追擊推出二代AI以文生圖工具DALL·E 2,以4倍分辨率生成更逼真、更準(zhǔn)確的圖像;5月,谷歌公布用PyTorch實(shí)現(xiàn)的以文生圖SOTA模型Imagen……

▲DALL·E 1與DALL·E 2生成圖像對(duì)比

但直至此時(shí),AI創(chuàng)作仍是一個(gè)不算出圈的話題,真正將其推向高潮的關(guān)鍵變量,是Stable Diffusion

今年8月,基于擴(kuò)散模型的開源模型Stable Diffusion橫空出世。相較不對(duì)外開放的谷歌Imagen、限制免費(fèi)作畫數(shù)量的DALL-E,Stable Diffusion面向公眾免費(fèi)開放,上手幾乎沒有門檻,用戶使用消費(fèi)級(jí)顯卡就能實(shí)現(xiàn)DALL-E 2級(jí)別的圖像生成,且據(jù)稱生成效率可提高30倍。

從此AI作畫開始在網(wǎng)上爆紅,每天都有海量網(wǎng)友蜂擁而至,甚至連特斯拉前AI和自動(dòng)駕駛主管Andrej Karpathy都一連沉迷好幾天,在推特上不停曬用Stable Diffusion生成的作品。

▲Andrej Karpathy在8月連發(fā)Stable Diffusion相關(guān)推文

目前Stable Diffusion的各渠道累計(jì)日活用戶超千萬,已經(jīng)吸引超過20萬開發(fā)者。

為Stable Diffusion提供算力的是Stability AI,這家創(chuàng)企就憑借這么一個(gè)“爆款”開源模型,最新拿到1.01億美元融資,躋身獨(dú)角獸企業(yè)之列。

Stability AI創(chuàng)始人兼CEO Emad Mostaque是個(gè)在英國(guó)長(zhǎng)大的印度人,2005年畢業(yè)于牛津,是一位連續(xù)創(chuàng)業(yè)者,2020年創(chuàng)辦Stability AI的目標(biāo)就是為了在學(xué)術(shù)和產(chǎn)業(yè)界之外打造第三極,為AI研究掃清障礙,實(shí)現(xiàn)AI技術(shù)的真正普及化。

結(jié)果如其所愿,Stable Diffusion被贊譽(yù)為“開源炸彈”,Stable AI也被視作有望撼動(dòng)OpenAI江湖地位的一匹“黑馬”。

▲Stability AI創(chuàng)始人兼CEO Emad Mostaque

據(jù)悉,Stable AI現(xiàn)有103人,計(jì)劃擴(kuò)張到300人,其算力目前用的是在亞馬遜云科技(AWS)上租用的4000臺(tái)英偉達(dá)旗艦計(jì)算卡A100 GPU。Emad在近期接受采訪時(shí)透露,Stable AI已經(jīng)簽訂了很多合作訂單,盈利能力超過大多數(shù)賠錢的大公司,明年還打算資助100個(gè)AI方向的博士。

另一家本月拿到1.25億美元新融資的AI內(nèi)容生成創(chuàng)企Jasper,此前已經(jīng)推出用AI生成博客文章、社交媒體帖子、網(wǎng)站副本等的多種功能,它的Jasper Art系統(tǒng)同樣可以根據(jù)文字生成不同風(fēng)格的圖像。

▲Jasper Art系統(tǒng)演示,Jasper Art鏈接:https://www.jasper.ai/art

02.輕松上手零門檻,生成作品視效驚艷

在科技巨頭、明星創(chuàng)企們的推動(dòng)下,AI自動(dòng)生成內(nèi)容的上手門檻正變得越來越低。

經(jīng)典的DALL·E 2已開放測(cè)試版,它可以結(jié)合文本描述生成風(fēng)格迥異的圖像,兼顧到陰影、反射和紋理細(xì)節(jié),還能在生成圖像中增刪元素。它還有一個(gè)大招,是能將圖像擴(kuò)展到原始畫布之外,創(chuàng)建廣泛的新構(gòu)圖。

DALL·E 2鏈接:https://openai.com/dall-e-2/

還有更易上手的DALL·E迷你版——Craiyon,由谷歌和Hugging Face的研究員們開發(fā)。用戶可以直接在網(wǎng)絡(luò)瀏覽器搜索框中輸入文字描述,讓AI生成各種神奇的畫作。

Craiyon鏈接:https://www.craiyon.com/

據(jù)其創(chuàng)始人Boris Dayma透露,自2021年7月推出以來,Craiyon每天生成約1000萬張圖像,增加了多達(dá)10億張以前不存在的圖像。

今年7月,百度也特別展示了基于其文心大模型1秒“補(bǔ)全”真跡遭焚毀的中國(guó)傳世水墨名畫《富春山居圖》。網(wǎng)友只要在百度APP搜索“富春山居圖”,在空白處勾勒幾筆,就能用AI補(bǔ)全自己心中的《富春山居圖》。

▲在百度APP用AI“補(bǔ)全”《富春山居圖》

再比如今年8月斬獲科羅拉多州博覽會(huì)數(shù)字藝術(shù)賽道大獎(jiǎng)的Midjourney,用法也非常簡(jiǎn)單,在對(duì)話框輸入文字描述,就能立即獲得由AI生成的4張草圖。4個(gè)“U”按鈕可以將對(duì)應(yīng)序號(hào)圖片的尺寸變大,增加更多細(xì)節(jié);“V”按鈕可以按照對(duì)應(yīng)序號(hào)圖片,再生成4張風(fēng)格近似的衍生草圖。

Midjourney鏈接:https://www.midjourney.com/

不過,AI的發(fā)揮并不穩(wěn)定,有時(shí)秒出神圖,有時(shí)成品也犯一些低級(jí)錯(cuò)誤。

不管怎么說,AI作畫拿大獎(jiǎng)、賺大錢的事,確實(shí)令不少藝術(shù)創(chuàng)作者為此破防,十年寒窗苦讀,結(jié)果一朝被AI分分鐘生成的作品打敗。

雖然現(xiàn)階段AI仍然主要靠“模仿”,在“悟性”上沒法媲美人類,參透不了藝術(shù)的靈魂,但頂尖AI算法創(chuàng)作的不少文字、圖像乃至視頻,在許多外行眼中,已經(jīng)很難分辨出與人類作品的差別。

目前,已經(jīng)有很多日常消費(fèi)的視覺類商品,比如海報(bào)、插圖等,是由AI創(chuàng)作生成的。

還有一些公司另辟蹊徑,從這股熱潮的細(xì)分環(huán)節(jié)覓得商機(jī)。

正如前文提到的,AI生成作品的質(zhì)量,一定程度上取決于你的文字描述,這個(gè)文字描述過程簡(jiǎn)稱為“提示詞”。如果“提示詞”寫的好,AI創(chuàng)作的效果就會(huì)更加令人滿意。

比如今年6月成立的PromptBase,就是一家靠兜售AI繪畫工具“提示詞”發(fā)家致富的公司。用戶可以從PromptBase這里花1.99美元買一個(gè)“提示詞”,將其復(fù)制到DAll·E、Midjourney、Stable Diffusion等平臺(tái),就能生成質(zhì)量上乘的作品。

PromptBase鏈接:https://promptbase.com/

科技巨頭、明星創(chuàng)企們,還在繼續(xù)將AI創(chuàng)作的實(shí)力“卷”向新的高度。

比如過去一個(gè)月,Meta和谷歌接連發(fā)布AI生成視頻的研究進(jìn)展。

Meta AI在9月29日公布的AI系統(tǒng)Make-A-Video,基于幾百萬個(gè)視頻和23億張圖片訓(xùn)練而成,能根據(jù)給定的一段話,生成一個(gè)時(shí)長(zhǎng)幾秒鐘的短視頻。

▲Make-A-Video生成的“畫自畫像的泰迪熊”短視頻,Make-A-Video鏈接:https://makeavideo.studio/

繼承Imagen,谷歌的Imagen Video模型能生成1280 x 768分辨率、每秒24幀的視頻片段,而且能按需生成不同的藝術(shù)風(fēng)格,比如水彩畫、像素畫、梵高風(fēng)等。

▲Imagen Video生成的一些視頻片段,Imagen Video鏈接:https://imagen.research.google/video/

論文鏈接:

https://imagen.research.google/video/paper.pdf

谷歌的另一款A(yù)I生成視頻模型Phenaki,亦可以切換視頻整體風(fēng)格,而且還能根據(jù)200個(gè)詞左右的文字描述,生成2分鐘左右的視頻,并在文本描述中補(bǔ)充添加劇情,形成一個(gè)完整的故事。

▲Phenaki生成2分鐘視頻的片段:鏡頭對(duì)準(zhǔn)了辦公室里獅子的臉,聚焦到辦公室里穿著深色西裝的獅子,Phenaki鏈接:https://phenaki.video/

論文鏈接:https://arxiv.org/abs/2210.02399

按這樣下去速度發(fā)展下去,即將破防的,估計(jì)就不只是繪畫師了。

03.版權(quán)爭(zhēng)論不休,偏見問題難解

隨著各種AI生產(chǎn)力工具出爐,AI創(chuàng)作的門檻被不斷拉低,一些投資者對(duì)AI生成內(nèi)容模型的期待值越來越高,甚至將其視作極大擴(kuò)張AI普及范圍的潛在變革工具。

但其商業(yè)化道路前方,還橫亙著不少難題,最大的爭(zhēng)議點(diǎn)就在于版權(quán)與偏見

按原理來說,AI創(chuàng)作是“從無到有”,通過消化大量數(shù)據(jù),生成現(xiàn)實(shí)世界中原本并不存在的東西,理應(yīng)不存在侵犯版權(quán)的問題。

但實(shí)際上,因?yàn)锳I學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集過于龐大,就連造出這些AI工具的研究人員都沒法保證,AI不會(huì)誤拿一些商用需付費(fèi)的資源,或者不會(huì)產(chǎn)生任何侵犯肖像權(quán)、商標(biāo)權(quán)等侵權(quán)行為。

例如,Stable Diffusion生成的一些圖像似乎帶有水印,說明它的原始訓(xùn)練數(shù)據(jù)集中有一部分圖像應(yīng)該是受版權(quán)保護(hù)的。

對(duì)此,Getty Images、Shutterstock等知名付費(fèi)圖庫紛紛封禁AI生成圖片,停止接收所有由Stable Diffusion、DALL·E 2、Midjourney等AI模型生成的畫作。

與種族、性別歧視相關(guān)的偏見,更是AI領(lǐng)域長(zhǎng)期以來爭(zhēng)論不休的“重災(zāi)區(qū)”。在國(guó)外,很多訓(xùn)練時(shí)沒有考慮到偏見問題的AI工具,在生成人類形象時(shí),會(huì)默認(rèn)生成歐美白種人、男性形象。

這些問題,都令A(yù)I創(chuàng)作在通往落地的路上背負(fù)著沉重的枷鎖。

長(zhǎng)期裹挾在隱私倫理爭(zhēng)議中的谷歌,對(duì)AI生成工具一直持謹(jǐn)慎態(tài)度,基本上都是只發(fā)論文公布研究成果,沒怎么將AI模型對(duì)外開放。

OpenAI也不斷改進(jìn)其安全措施,包括通過從訓(xùn)練數(shù)據(jù)中刪除存在偏見、負(fù)面傾向的數(shù)據(jù),避免DALL·E 2生成暴力、仇恨、色情、政治類圖像。該創(chuàng)企還采用先進(jìn)技術(shù)以及自動(dòng)化和人工監(jiān)控系統(tǒng),來防止AI技術(shù)被濫用。

Stability AI創(chuàng)始人Emad Mostaque則不覺得關(guān)于模型的負(fù)面影響源頭是技術(shù)的問題,認(rèn)為技術(shù)無好壞,人類的使用方式才分善惡,“當(dāng)人們心理健康時(shí),好事總是遠(yuǎn)超任何負(fù)面的事,現(xiàn)實(shí)中,人們會(huì)慢慢習(xí)慣這些模型。”

但不管怎么說,在我們尚且無法確保能夠引導(dǎo)AI應(yīng)用走在正道上時(shí),通過法規(guī)進(jìn)行相關(guān)行為、用途的約束還是非常必要的。

此外,開源在催化AI創(chuàng)作應(yīng)用熱潮的同時(shí),也降低了技術(shù)開發(fā)門檻,專注于此的企業(yè)們?nèi)绾卧谔囟I(lǐng)域?qū)ふ壹芭囵B(yǎng)付費(fèi)意愿強(qiáng)的消費(fèi)習(xí)慣、如何形成長(zhǎng)期競(jìng)爭(zhēng)力,仍有待時(shí)間給出答案。

04.結(jié)語:探索AI,需長(zhǎng)期主義的堅(jiān)持

近年來,隨著AI泡沫破裂論聲勢(shì)漸長(zhǎng),圍繞AI落地商用價(jià)值的探討逐漸占據(jù)主流,資本似乎對(duì)短期內(nèi)看不見盈利前景的故事失去了耐心。

但盡管短期內(nèi)落地進(jìn)程觸達(dá)瓶頸,AI的長(zhǎng)期價(jià)值不應(yīng)被武斷否定。能夠改寫未來的顛覆式技術(shù),總是需要時(shí)間的沉淀。 迄今我們?nèi)圆恢垃F(xiàn)有的算法是否會(huì)是走向通用AI的正確途徑,然而道路雖遠(yuǎn),行則將至,如今AI生成內(nèi)容產(chǎn)業(yè)的日趨繁榮,也許能將人們對(duì)AI的關(guān)注重點(diǎn)與信心拉回到技術(shù)范式革新所帶來的長(zhǎng)遠(yuǎn)價(jià)值。

至少現(xiàn)在,遠(yuǎn)未到對(duì)AI失去期待的時(shí)刻。

關(guān)鍵詞: 富春山居圖 爭(zhēng)論不休 對(duì)外開放

相關(guān)閱讀:
熱點(diǎn)
圖片 圖片