文|智東西 ZeR0
編輯|漠影
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10億美元；明星AI內(nèi)容平臺創(chuàng)企Jasper亦宣布獲1.25億美元新融資，估值達17億美元。
投資界對AI的熱情正在回升。這是一個方興未艾的賽道，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”，乃至被高價拍賣。
掀起AI創(chuàng)作熱潮的鼻祖級“以文生圖”模型DALL·E背后的頂級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今日報道，一位直接了解OpenAI財務(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，其實嚴格意義上才起步大約兩年。
2020年7月，馬斯克參與創(chuàng)辦、微軟力捧的國際頂級AI研究機構(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模型引入圖像補全及生成任務(wù)。
在此基礎(chǔ)上，OpenAI于2021年1月推出了一個堪稱圖像版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。
這個開啟了多模態(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（生成對抗網(wǎng)絡(luò)）算法來訓(xùn)練會創(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年誕生的擴散模型（Diffusion Model）引入到圖像生成，DALL·E的出場，驗證了這個新方法的可行性，并掀起新的研究熱潮。
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，紛紛入場為AI創(chuàng)作站臺。
其中最具代表性的4個“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Midjourney啟動Beta版本測試；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、更準確的圖像；5月，谷歌公布用PyTorch實現(xiàn)的以文生圖SOTA模型Imagen……
但直至此時，AI創(chuàng)作仍是一個不算出圈的話題，真正將其推向高潮的關(guān)鍵變量，是Stable Diffusion。
今年8月，基于擴散模型的開源模型Stable Diffusion橫空出世。相較不對外開放的谷歌Imagen、限制免費作畫數(shù)量的DALL-E，Stable Diffusion面向公眾免費開放，上手幾乎沒有門檻，用戶使用消費級顯卡就能實現(xiàn)DALL-E 2級別的圖像生成，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“爆款”開源模型，最新拿到1.01億美元融資，躋身獨角獸企業(yè)之列。
Stability AI創(chuàng)始人兼CEO Emad Mostaque是個在英國長大的印度人，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，實現(xiàn)AI技術(shù)的真正普及化。
結(jié)果如其所愿，Stable Diffusion被贊譽為“開源炸彈”，Stable AI也被視作有望撼動OpenAI江湖地位的一匹“黑馬”。
據(jù)悉，Stable AI現(xiàn)有103人，計劃擴張到300人，其算力目前用的是在亞馬遜云科技（AWS）上租用的4000臺英偉達旗艦計算卡A100 GPU。Emad在近期接受采訪時透露，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
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)企們的推動下，AI自動生成內(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、反射和紋理細節(jié)，還能在生成圖像中增刪元素。它還有一個大招，是能將圖像擴展到原始畫布之外，創(chuàng)建廣泛的新構(gòu)圖。
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。
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“補全”真跡遭焚毀的中國傳世水墨名畫《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補全自己心中的《富春山居圖》。
再比如今年8月斬獲科羅拉多州博覽會數(shù)字藝術(shù)賽道大獎的Midjourney，用法也非常簡單，在對話框輸入文字描述，就能立即獲得由AI生成的4張草圖。4個“U”按鈕可以將對應(yīng)序號圖片的尺寸變大，增加更多細節(jié)；“V”按鈕可以按照對應(yīng)序號圖片，再生成4張風(fēng)格近似的衍生草圖。
不過，AI的發(fā)揮并不穩(wěn)定，有時秒出神圖，有時成品也犯一些低級錯誤。
不管怎么說，AI作畫拿大獎、賺大錢的事，確實令不少藝術(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)有很多日常消費的視覺類商品，比如海報、插圖等，是由AI創(chuàng)作生成的。
還有一些公司另辟蹊徑，從這股熱潮的細分環(huán)節(jié)覓得商機。
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，這個文字描述過程簡稱為“提示詞”。如果“提示詞”寫的好，AI創(chuàng)作的效果就會更加令人滿意。
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“提示詞”，將其復(fù)制到DAll·E、Midjourney、Stable Diffusion等平臺，就能生成質(zhì)量上乘的作品。
科技巨頭、明星創(chuàng)企們，還在繼續(xù)將AI創(chuàng)作的實力“卷”向新的高度。
比如過去一個月，Meta和谷歌接連發(fā)布AI生成視頻的研究進展。
Meta AI在9月29日公布的AI系統(tǒng)Make-A-Video，基于幾百萬個視頻和23億張圖片訓(xùn)練而成，能根據(jù)給定的一段話，生成一個時長幾秒鐘的短視頻。
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。
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，并在文本描述中補充添加劇情，形成一個完整的故事。
按這樣下去速度發(fā)展下去，即將破防的，估計就不只是繪畫師了。
03.版權(quán)爭論不休，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，最大的爭議點就在于版權(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。
但實際上，因為AI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不會誤拿一些商用需付費的資源，或者不會產(chǎn)生任何侵犯肖像權(quán)、商標權(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)保護的。
對此，Getty Images、Shutterstock等知名付費圖庫紛紛封禁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)域長期以來爭論不休的“重災(zāi)區(qū)”。在國外，很多訓(xùn)練時沒有考慮到偏見問題的AI工具，在生成人類形象時，會默認生成歐美白種人、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著沉重的枷鎖。
長期裹挾在隱私倫理爭議中的谷歌，對AI生成工具一直持謹慎態(tài)度，基本上都是只發(fā)論文公布研究成果，沒怎么將AI模型對外開放。
OpenAI也不斷改進其安全措施，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)企還采用先進技術(shù)以及自動化和人工監(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)于模型的負面影響源頭是技術(shù)的問題，認為技術(shù)無好壞，人類的使用方式才分善惡，“當人們心理健康時，好事總是遠超任何負面的事，現(xiàn)實中，人們會慢慢習(xí)慣這些模型?！?/p>
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，通過法規(guī)進行相關(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，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)付費意愿強的消費習(xí)慣、如何形成長期競爭力，仍有待時間給出答案。
04.結(jié)語：探索AI，需長期主義的堅持
近年來，隨著AI泡沫破裂論聲勢漸長，圍繞AI落地商用價值的探討逐漸占據(jù)主流，資本似乎對短期內(nèi)看不見盈利前景的故事失去了耐心。
但盡管短期內(nèi)落地進程觸達瓶頸，AI的長期價值不應(yīng)被武斷否定。能夠改寫未來的顛覆式技術(shù)，總是需要時間的沉淀。迄今我們?nèi)圆恢垃F(xiàn)有的算法是否會是走向通用AI的正確途徑，然而道路雖遠，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AI的關(guān)注重點與信心拉回到技術(shù)范式革新所帶來的長遠價值。
至少現(xiàn)在，遠未到對AI失去期待的時刻。