技術(shù)與市場：為具身智能突破技術(shù)瓶頸:AIGC

在ITF World 2023半導(dǎo)體大會上，黃仁勛表示，人工智能的下一個浪潮將是具身智能（embodied AI），即能理解、推理、并與物理世界互動的智能系統(tǒng)。

同時，他也介紹了英偉達(dá)的多模態(tài)具身智能系統(tǒng)Nvidia VIMA，其能在視覺文本提示的指導(dǎo)下，執(zhí)行復(fù)雜任務(wù)、獲取概念、理解邊界、甚至模擬物理學(xué)，這也標(biāo)志著AI能力的一大顯著進(jìn)步。

而在今年3月，谷歌聯(lián)合柏林工業(yè)大學(xué)團(tuán)隊發(fā)布PaLM-E，這是一種多模態(tài)具身視覺語言模型，也是史上最大的“通才”AI模型，其不僅可以理解圖像，還能理解、生成語言，可執(zhí)行各種復(fù)雜的機(jī)器人指令而無需重新訓(xùn)練，且表現(xiàn)出很好的遷移能力。

具身智能是智能科學(xué)的一個基礎(chǔ)問題，也是一個大難題。而AIGC為具身智能的實現(xiàn)提供了新思路。

1950 年，圖靈在他的論文——《Computing Machinery and Intelligence》中首次提出了具身智能的概念。在之后的幾十年里，囿于技術(shù)問題，具身智能并沒有取得很大的進(jìn)展。

正如斯坦福大學(xué)計算機(jī)科學(xué)教授李飛飛所說，“具身的含義不是身體本身，而是與環(huán)境交互以及在環(huán)境中做事的整體需求和功能?！?/p>

與人、與環(huán)境的交互，是具身智能機(jī)器人形成對于客觀世界的理解和改造能力的第一步，這方面，最直接的障礙在于，人們嚴(yán)重依賴手寫代碼來控制機(jī)器人，人類與人工智能面前，“巴別塔”高筑。

而進(jìn)入AIGC時代，GPT等AI大模型提供了新的解決方案，已有不少研究者嘗試將多模態(tài)的大語言模型作為人類與機(jī)器人溝通的橋梁。即通過將圖像、文字、具身數(shù)據(jù)聯(lián)合訓(xùn)練，并引入多模態(tài)輸入，增強(qiáng)模型對現(xiàn)實中對象的理解，幫助機(jī)器人處理具身推理任務(wù)。

具身智能是什么？

具身智能簡單來說就是AI的大腦加上軀體。它能夠跟我們生活的環(huán)境進(jìn)行交互，從而展現(xiàn)出智能行為。

而具身智能為什么被看作AI的iPhone時刻？

原來的人工智能可以看作第三人稱的智能，也就是投喂數(shù)據(jù)給機(jī)器，讓它學(xué)習(xí)什么它就學(xué)習(xí)什么。而現(xiàn)在具身智創(chuàng)造了一種機(jī)器自主學(xué)習(xí)的新方式，能夠以第一人稱的視角來感知和學(xué)習(xí)物理世界，并像人類一樣理解和感知事物的能力，才能在此基礎(chǔ)上進(jìn)行相同思維的發(fā)展，最后表現(xiàn)出人類期待的行為方式。

Windows為何能統(tǒng)治操作系統(tǒng)，iPhone為何創(chuàng)造智能手機(jī)時代，最重要的原因就是他們創(chuàng)造了最簡單、最直觀的人機(jī)交互窗口。

發(fā)展人工智能的意義在于能夠讓機(jī)器造福人類，協(xié)助處理事務(wù)，提高生產(chǎn)力；更進(jìn)一步則是讓AI進(jìn)行創(chuàng)造，推動科學(xué)研究的進(jìn)展。而這一切的前提是：要讓機(jī)器理解人類社會，要做到這一點，需要的就是具身智能。

具身智能的硬實力包括：機(jī)器視覺和多模態(tài)大模型。

具身智能是指通過身體和環(huán)境的相互作用來實現(xiàn)智能行為的能力。傳統(tǒng)上，智能主要關(guān)注于基于符號和算法的符號推理和計算，而具身智能強(qiáng)調(diào)了身體感知、運動和與環(huán)境互動的重要性。

具身智能認(rèn)為智能不僅僅是大腦內(nèi)部的思考和計算過程，還涉及到與外部環(huán)境的交互。通過感知環(huán)境、運動控制和與環(huán)境的實時交互，智能體能夠適應(yīng)和應(yīng)對復(fù)雜的情境和任務(wù)。

具身智能在機(jī)器人學(xué)、人工智能和認(rèn)知科學(xué)等領(lǐng)域得到廣泛應(yīng)用。通過賦予機(jī)器人身體感知和運動能力，使其能夠更好地理解環(huán)境、與環(huán)境進(jìn)行交互，并通過實際操作來學(xué)習(xí)和解決問題。具身智能的研究旨在使機(jī)器具備更接近人類的智能表現(xiàn)，能夠更自然、靈活地適應(yīng)各種環(huán)境和任務(wù)要求。

具身智能和人工智能有什么區(qū)別

具身智能和人工智能是兩個相關(guān)但不完全相同的概念。

人工智能是指通過計算機(jī)系統(tǒng)模擬和實現(xiàn)人類智能的能力。它涵蓋了各種技術(shù)和方法，包括符號推理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等，旨在讓計算機(jī)能夠感知、理解、學(xué)習(xí)和決策，以完成各種任務(wù)。

具身智能強(qiáng)調(diào)了智能與身體和環(huán)境的互動關(guān)系。它認(rèn)為智能不僅僅局限于思考和計算的過程，還涉及到通過身體感知、運動和與環(huán)境互動來實現(xiàn)智能行為的能力。具身智能關(guān)注于將智能與實際物理世界結(jié)合起來，使機(jī)器能夠通過感知和運動與環(huán)境進(jìn)行實時交互，從而更好地適應(yīng)和解決復(fù)雜任務(wù)。

總的來說，人工智能更側(cè)重于模擬和實現(xiàn)人類智能的各種算法和技術(shù)，而具身智能則更關(guān)注于將智能與身體、感知和環(huán)境互動結(jié)合起來，以實現(xiàn)更真實、自然和靈活的智能表現(xiàn)。具身智能可以看作是人工智能的一種延伸，通過引入身體感知和運動能力，使智能系統(tǒng)更接近人類的交互方式和行為方式。

機(jī)器視覺是AI的感知工具，亦為數(shù)據(jù)生產(chǎn)的手段。在人類的五大感官中視覺獲取的信息占比超過 80%。

機(jī)器視覺的端口是攝像頭，作為看懂世界的“眼睛”；機(jī)器視覺的大腦是算法，承擔(dān)分析功能。

什么是AICG

AIGC（Artificial Intelligence in Games and Computation）是人工智能技術(shù)在游戲和計算領(lǐng)域的應(yīng)用。隨著人工智能技術(shù)的不斷發(fā)展，AIGC已成為一個重要的學(xué)科，它的發(fā)展將有助于提高游戲和計算系統(tǒng)的效率和智能性。本文將介紹AIGC的基本概念、技術(shù)實現(xiàn)、優(yōu)勢與不足、潛在問題以及未來發(fā)展方向，并結(jié)合一些比較熱門的AIGC相關(guān)模型、產(chǎn)品或者應(yīng)用，深入探討AIGC技術(shù)的應(yīng)用價值。

一、AIGC的基本概念

AIGC是指利用人工智能技術(shù)來開發(fā)更具智能性的游戲和計算系統(tǒng)的學(xué)科。AIGC的工作原理是利用人工智能技術(shù)，如機(jī)器學(xué)習(xí)、計算機(jī)視覺、自然語言處理等，來開發(fā)具有智能性的游戲和計算系統(tǒng)。AIGC的應(yīng)用領(lǐng)域包括游戲開發(fā)、數(shù)據(jù)分析、計算機(jī)圖形學(xué)、自動控制等。通過使用AIGC技術(shù)，我們可以開發(fā)出具有自主學(xué)習(xí)能力的游戲和計算系統(tǒng)，使它們能夠根據(jù)環(huán)境的變化自動調(diào)整策略，從而提高效率。

近年來，隨著AIGC技術(shù)的不斷發(fā)展，一些熱門的AIGC相關(guān)模型、產(chǎn)品或者應(yīng)用也逐漸嶄露頭角。例如：

AlphaGo：由DeepMind公司開發(fā)的圍棋人工智能程序，使用了深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等AIGC技術(shù)，在2016年擊敗了人類頂尖的圍棋選手李世石，引起全球關(guān)注。此后，AlphaGo又以不同的版本繼續(xù)刷新人工智能的歷史。在2017年，AlphaGo Zero和AlphaGo Master分別以100:0和60:0的比分戰(zhàn)勝了之前的AlphaGo版本，并在同年與世界第一的圍棋選手柯潔進(jìn)行了三局對決，結(jié)果是AlphaGo Master以3:0完勝柯潔。在2018年，DeepMind公司推出了更先進(jìn)的AlphaZero程序，它不僅可以玩圍棋，還可以玩國際象棋和西洋跳棋，并在自我對弈中超越了所有人類或機(jī)器所創(chuàng)造的棋類程序。

OpenAI Five：由OpenAI公司開發(fā)的Dota 2人工智能團(tuán)隊，使用了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等AIGC技術(shù)，2019年成功地戰(zhàn)勝了世界頂尖的Dota 2戰(zhàn)隊OG，展示了AIGC技術(shù)在實際應(yīng)用中的強(qiáng)大能力。此后，OpenAI Five又以O(shè)penAI Dota 2 as a Service (DAAS) 的形式向公眾開放，讓任何人都可以和它對戰(zhàn)或者觀看它的比賽。同時，OpenAI公司也在不斷推出更多基于自然語言生成技術(shù)NLG的AIGC產(chǎn)品，例如OpenAI Codex和OpenAI DALL-E。OpenAI Codex是一個可以根據(jù)自然語言描述生成代碼的程序，它可以幫助開發(fā)者快速編寫各種應(yīng)用。OpenAI DALL-E是一個可以根據(jù)自然語言描述生成圖像的程序，它可以創(chuàng)造出各種有趣和驚奇的圖像。

Unity Machine Learning Agents：由Unity Technologies公司推出的人工智能工具包，用于開發(fā)具有智能性的游戲和虛擬環(huán)境。該工具包使用了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等AIGC技術(shù)，使游戲和虛擬環(huán)境具有自主學(xué)習(xí)和決策能力。（這個例子可以替換為更新更廣泛的AIGC相關(guān)產(chǎn)品或應(yīng)用，例如ChatGPT、Stable Diffusion、Synthesia等。）

除了Unity Machine Learning Agents，還有許多其他的AIGC相關(guān)產(chǎn)品或應(yīng)用，它們都展示了生成式技術(shù)在不同領(lǐng)域的創(chuàng)造力和潛力。

ChatGPT：由OpenAI公司開發(fā)的基于自然語言生成技術(shù)NLG的人工智能聊天平臺，它可以根據(jù)用戶的輸入和上下文生成流暢、有趣和合理的對話。ChatGPT不僅可以用于娛樂、教育和社交目的，還可以用于協(xié)作創(chuàng)作，例如生成Stable Diffusion等圖像生成平臺所需的描述詞12。

Stable Diffusion：由Midjourney公司開發(fā)的基于深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等AIGC技術(shù)的圖像生成平臺，它可以根據(jù)用戶提供的文字提示和風(fēng)格類型，以及用戶對中間結(jié)果的反饋，生成獨特、高質(zhì)量和逼真的圖像。Stable Diffusion不僅可以用于藝術(shù)創(chuàng)作34，還可以用于游戲開發(fā)、廣告設(shè)計等領(lǐng)域。

Synthesia：由Synthesia公司開發(fā)的基于深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等AIGC技術(shù)的視頻合成平臺，它可以根據(jù)用戶提供的文字或音頻輸入，以及用戶選擇或上傳的人物形象，生成逼真、同步和定制化的視頻。Synthesia不僅可以用于娛樂、教育和社交目的5，還可以用于商業(yè)演示、培訓(xùn)視頻等領(lǐng)域。 這些AIGC產(chǎn)品或應(yīng)用都是利用了生成式技術(shù)來實現(xiàn)內(nèi)容創(chuàng)造，并且都具有高度互動性和可定制性。它們?yōu)橛脩籼峁┝烁噙x擇、更多靈感和更多可能性。

這些AIGC模型、產(chǎn)品或者應(yīng)用不僅引領(lǐng)了AIGC技術(shù)的發(fā)展方向，也展示了AIGC技術(shù)在游戲、計算和內(nèi)容生成領(lǐng)域的廣泛應(yīng)用前景。

二、AIGC的技術(shù)實現(xiàn)

AIGC技術(shù)的實現(xiàn)涉及多個方面，包括機(jī)器學(xué)習(xí)、計算機(jī)視覺、自然語言處理、優(yōu)化算法等。下面將對其中幾個主要技術(shù)進(jìn)行簡要介紹。

機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是AIGC技術(shù)的核心之一。它是一種通過數(shù)據(jù)訓(xùn)練模型來實現(xiàn)自主學(xué)習(xí)和智能決策的方法。在AIGC中，機(jī)器學(xué)習(xí)可以被用于創(chuàng)建智能代理，例如游戲角色、機(jī)器人等，使它們能夠根據(jù)不同的游戲狀態(tài)和用戶輸入自動地進(jìn)行決策和行動。機(jī)器學(xué)習(xí)的主要方法包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

計算機(jī)視覺
計算機(jī)視覺是另一個重要的AIGC技術(shù)。它可以使計算機(jī)理解和解釋視覺信息，例如圖像和視頻。在AIGC中，計算機(jī)視覺可以被用于游戲中的自適應(yīng)圖形、虛擬現(xiàn)實和增強(qiáng)現(xiàn)實等方面，以及對玩家的行為進(jìn)行跟蹤和分析。計算機(jī)視覺的主要方法包括特征提取、圖像分類、目標(biāo)檢測和語義分割。

自然語言處理
自然語言處理是另一個重要的AIGC技術(shù)。它使計算機(jī)能夠理解和生成自然語言。在AIGC中，自然語言處理可以被用于游戲中的對話系統(tǒng)、自動生成任務(wù)和劇情等方面，以及對玩家輸入的語言進(jìn)行分析和處理。自然語言處理的主要方法包括語音識別、文本分類、情感分析和文本生成。

優(yōu)化算法
優(yōu)化算法是AIGC技術(shù)中的重要組成部分。它可以使計算機(jī)自動優(yōu)化策略和行動，從而提高游戲和計算系統(tǒng)的效率和性能。在AIGC中，優(yōu)化算法可以被用于解決強(qiáng)化學(xué)習(xí)中的探索與利用、高維狀態(tài)空間等問題，以及在數(shù)據(jù)分析和決策中進(jìn)行優(yōu)化和搜索。優(yōu)化算法的主要方法包括遺傳算法、粒子群算法、蟻群算法和模擬退火算法。

除了上述主要技術(shù)之外，AIGC技術(shù)還涉及多個其他技術(shù)和工具，例如神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等。這些技術(shù)和工具相互配合，構(gòu)成了AIGC技術(shù)的核心框，使得游。

三、AIGC的優(yōu)勢與不足

AIGC技術(shù)的優(yōu)勢不僅在于提高游戲和計算系統(tǒng)的效率和智能性，而且還能夠為用戶提供更好的游戲體驗和服務(wù)。AIGC技術(shù)能夠為游戲和計算系統(tǒng)帶來更好的互動性和可用性，讓用戶可以享受到更加個性化和智能化的游戲和計算服務(wù)。此外，AIGC技術(shù)還具有自主學(xué)習(xí)和自我優(yōu)化的能力，使得游戲和計算系統(tǒng)能夠不斷提高其智能性和效率，提供更好的用戶體驗。

當(dāng)然，AIGC技術(shù)也存在一些不足之處。一方面，技術(shù)問題是一個比較突出的問題，如精度不高、效率不高等。雖然AIGC技術(shù)在算法和模型的研發(fā)方面取得了很大進(jìn)展，但是在實際應(yīng)用過程中，還存在一些技術(shù)問題和難題需要解決。另一方面，AIGC技術(shù)的實現(xiàn)難度也比較高，需要具備相關(guān)的技術(shù)知識和專業(yè)能力。同時，AIGC技術(shù)在應(yīng)用過程中也存在一些安全問題，如數(shù)據(jù)泄露、惡意攻擊等，需要得到重視和解決。

因此，為了發(fā)揮AIGC技術(shù)的優(yōu)勢和避免其不足之處，我們需要不斷加強(qiáng)技術(shù)創(chuàng)新和應(yīng)用實踐，提高AIGC技術(shù)的精度和效率，降低AIGC技術(shù)的實現(xiàn)難度，同時也加強(qiáng)AIGC技術(shù)的安全性和可靠性。這需要技術(shù)人員、學(xué)者、政策制定者和產(chǎn)業(yè)界共同合作，制定出相應(yīng)的技術(shù)政策和法規(guī)，推進(jìn)AIGC技術(shù)的健康發(fā)展，為我們提供更加智能、高效、安全的游戲和計算系統(tǒng)。

四、AIGC的潛在問題

除了技術(shù)問題和安全問題外，AIGC技術(shù)的普及也可能對社會產(chǎn)生一些潛在影響，如勞動力市場的變化、社會秩序的變化等。

首先，AIGC技術(shù)的普及可能導(dǎo)致一些崗位的消失，特別是那些需要重復(fù)性工作的崗位。例如，自動化的制造流程可能導(dǎo)致工廠工人的數(shù)量減少。雖然AIGC技術(shù)的發(fā)展也將創(chuàng)造新的就業(yè)機(jī)會，如AIGC軟件開發(fā)人員等，但是需要關(guān)注的是是否會出現(xiàn)技能不匹配的問題。

其次，AIGC技術(shù)的廣泛應(yīng)用也可能導(dǎo)致社會秩序的變化。例如，使用AIGC技術(shù)的自動化決策系統(tǒng)可能會對人類的生活方式產(chǎn)生影響，使人們更加依賴機(jī)器決策而非個人判斷。此外，AIGC技術(shù)可能還會影響人類的社交互動模式，例如自動回復(fù)系統(tǒng)可能會取代人類的互動。

最后，AIGC技術(shù)如果濫用，也可能對人類造成潛在威脅，如信息操縱、數(shù)據(jù)泄露等。例如，虛假信息可能會被AIGC技術(shù)擴(kuò)散得更快，從而引起社會恐慌。此外，AIGC技術(shù)也可能被黑客利用來攻擊其他系統(tǒng)，從而造成安全風(fēng)險。

這些問題需要得到重視，我們需要制定相應(yīng)的技術(shù)政策和法規(guī)，以確保AIGC技術(shù)的健康發(fā)展，同時避免對人類造成不必要的負(fù)面影響。

什么是AIGC？AIGC是指通過人工智能來生成內(nèi)容的方式。

從互聯(lián)網(wǎng)過往發(fā)展的歷史來看，創(chuàng)作門檻的降低，釋放了內(nèi)容創(chuàng)造力。我們此前經(jīng)歷的互聯(lián)網(wǎng)時代被稱作Web1.0和Web2.0。在Web1.時代內(nèi)容的生產(chǎn)方式主要是由專家、專業(yè)人士生成（PGC），信息單向傳遞，內(nèi)容生成數(shù)量少；隨著人們對內(nèi)容需求的不斷增加，我們逐漸來到了Web2.0時代，內(nèi)容主要由用戶生成（UGC），比如我們在使用的抖音、快手、B、微博、小紅書、等興起等都有大量的內(nèi)容是用戶自己創(chuàng)作的。

隨著時代繼續(xù)發(fā)展，用戶對內(nèi)容消費的需求繼續(xù)增長，UGC、PGC這樣的內(nèi)容生成方式也將難以滿足需求增速，我們將邁入Web3.0時代，由人工智能生成內(nèi)容（AIGC）。AIGC（人工智能生成內(nèi)容）將是新的元宇內(nèi)容生成解決方案，是元宇宙的新方向。

1）AIGC+傳媒：寫稿機(jī)器人、采訪助手、視頻字幕生成、語音播報、視頻錦集、人工智能合成主播

2）AIGC+電商：商品3D模型、虛擬主播、虛擬貨場

3）AIGC+影視：AI劇本創(chuàng)作、AI合成人臉和聲音、AI創(chuàng)作角色和場景、AI自動生成影視預(yù)告片

4）AIGC+娛樂：AI換臉應(yīng)用（如FaceAPP、ZAO）、AI作曲（如初音未來虛擬歌姬）、AI合成音視頻動畫

5）AIGC+教育：AI合成虛擬教師、AI根據(jù)課本制作歷史人物形象、AI將2D課本轉(zhuǎn)換為3D

6）AIGC+金融：通過AIGC實現(xiàn)金融資訊、產(chǎn)品介紹視頻內(nèi)容的自動化生產(chǎn)，通過AIGC塑造虛擬數(shù)字人客服

7）AIGC+醫(yī)療；AIGC為失聲者合成語言音頻、為殘疾人合成肢體投影、為心理疾病患者合成醫(yī)護(hù)陪伴

8）AIGC+工業(yè)：通過AIGC完成工程設(shè)計中重復(fù)的低層次任務(wù)，通過AIGC生成衍生設(shè)計，為工程師提供靈感

AIGC構(gòu)建發(fā)展“加速度”

AIGC是利用人工智能技術(shù)來生成內(nèi)容。2021年之前，AIGC生成的主要還是文字，而新一代模型可以處理的格式內(nèi)容包括：文字、語音、代碼、圖像、視頻、機(jī)器人動作等等。AIGC被認(rèn)為是繼專業(yè)生產(chǎn)內(nèi)容（PGC，professional-generated content）、用戶生產(chǎn)內(nèi)容（UGC，User-generated content）之后的新型內(nèi)容創(chuàng)作方式，可以在創(chuàng)意、表現(xiàn)力、迭代、傳播、個性化等方面，充分發(fā)揮技術(shù)優(yōu)勢。2022年AIGC發(fā)展速度驚人，年初還處于技藝生疏階段，幾個月之后就達(dá)到專業(yè)級別，足以以假亂真。這讓花費畢生所學(xué)進(jìn)行創(chuàng)作的從業(yè)人員倍感焦慮和緊張。同時，AIGC的迭代速度呈現(xiàn)指數(shù)級爆發(fā)，這其中深度學(xué)習(xí)模型不斷完善、開源模式的推動、大模型探索商業(yè)化的可能，成為AIGC發(fā)展的“加速度”。

（一）深度學(xué)習(xí)模型是AIGC加速普及的基礎(chǔ)

視覺信息一直在網(wǎng)絡(luò)中有較強(qiáng)的傳播力且容易被大眾感知，具有跨平臺、跨領(lǐng)域、跨人群的優(yōu)勢，天然容易被人記憶和理解。同時視覺信息應(yīng)用場景廣泛，因此生成高質(zhì)量的圖像成為當(dāng)前AI領(lǐng)域的一個現(xiàn)象級功能。

2021年，OpenAI團(tuán)隊將跨模態(tài)深度學(xué)習(xí)模型CLIP（Contrastive Language-Image Pre-Training，以下簡稱“CLIP”）進(jìn)行開源。CLIP模型能夠?qū)⑽淖趾蛨D像進(jìn)行關(guān)聯(lián)，比如將文字“狗”和狗的圖像進(jìn)行關(guān)聯(lián)，并且關(guān)聯(lián)的特征非常豐富。因此，CLIP模型具備兩個優(yōu)勢：一方面同時進(jìn)行自然語言理解和計算機(jī)視覺分析，實現(xiàn)圖像和文本匹配。另一方面為了有足夠多標(biāo)記好的“文本-圖像”進(jìn)行訓(xùn)練，CLIP模型廣泛利用互聯(lián)網(wǎng)上的圖片，這些圖片一般都帶有各種文本描述，成為CLIP天然的訓(xùn)練樣本。據(jù)統(tǒng)計，CLIP模型搜集了網(wǎng)絡(luò)上超過40億個“文本-圖像”訓(xùn)練數(shù)據(jù)，這為后續(xù)AIGC尤其是輸入文本生成圖像/視頻應(yīng)用的落地奠定了基礎(chǔ)。

“對抗生成網(wǎng)絡(luò)”GAN（Generative Adverserial Network, 以下簡稱“GAN”)雖然也是很多AIGC的基礎(chǔ)框架，但是GAN有三個不足：一是對輸出結(jié)果的控制力較弱，容易產(chǎn)生隨機(jī)圖像；二是生成的圖像分別率較低；三是由于GAN需要用判別器來判斷生產(chǎn)的圖像是否與其他圖像屬于同一類別，這就導(dǎo)致生成的圖像是對現(xiàn)有作品的模仿，而非創(chuàng)新。因此依托GAN模型難以創(chuàng)作出新圖像，也不能通過文字提示生成新圖像。

隨后出現(xiàn)的Diffusion擴(kuò)散化模型，則真正讓文本生成圖像的AIGC應(yīng)用為大眾所熟知，也是2022年下半年Stable Diffusion應(yīng)用的重要推手。Diffusion模型有兩個特點：一方面，給圖像增加高斯噪聲，通過破壞訓(xùn)練數(shù)據(jù)來學(xué)習(xí)，然后找出如何逆轉(zhuǎn)這種噪聲過程以恢復(fù)原始圖像。經(jīng)過訓(xùn)練，該模型可以從隨機(jī)輸入中合成新的數(shù)據(jù)。另一方面，Stable Diffusion把模型的計算空間從像素空間經(jīng)過數(shù)學(xué)變換,降維到一個可能性空間(Latent Space)的低維空間里，這一轉(zhuǎn)化大幅降低了計算量和計算時間，使得模型訓(xùn)練效率大大提高。這算法模式的創(chuàng)新直接推動了AIGC技術(shù)的突破性進(jìn)展。

總的來看，AIGC在2022年實現(xiàn)破圈，主要是在深度學(xué)習(xí)模型方面有了長足進(jìn)步：首先CLIP模型基于海量互聯(lián)網(wǎng)圖片進(jìn)行訓(xùn)練，推動AI繪畫模型進(jìn)行組合創(chuàng)新；其次Diffusion擴(kuò)散化模型實現(xiàn)算法創(chuàng)新；最后使用潛空間降維的方法來降低Diffusion模型在內(nèi)存和時間消耗較大的問題。因此，AIGC繪畫之所以能夠幫助大眾畫出各種天馬行空的畫作，背后離不開大量深度學(xué)習(xí)模型的不斷完善。

（二） “開源模式”成為AIGC發(fā)展催化劑

在算法模型方面，AIGC的發(fā)展離不開開源模式的推動。以深度學(xué)習(xí)模型CLIP為例，開源模式加速CLIP模型的廣泛應(yīng)用，使之成為當(dāng)前最為先進(jìn)的圖像分類人工智能，并讓更多機(jī)器學(xué)習(xí)從業(yè)人員將CLIP模型嫁接到其他AI應(yīng)用。同時，當(dāng)前AIGC繪畫最熱門的應(yīng)用Stable Diffusion已經(jīng)正式開源（包括模型權(quán)重和代碼），這意味著任何用戶都可以以此建立針對特定文本到圖像的創(chuàng)作任務(wù)應(yīng)。Stable Diffusion的開源直接引發(fā)2022年下半年AIGC引發(fā)廣泛關(guān)注，短短幾個月時間內(nèi)出現(xiàn)大量二次開發(fā)，從模型優(yōu)化到應(yīng)用拓展，大幅降低用戶使用AIGC進(jìn)行創(chuàng)作的門檻，提升創(chuàng)作效率，并長期長期霸占GitHub熱榜第一名。

在訓(xùn)練數(shù)據(jù)集方面，機(jī)器學(xué)習(xí)離不開大量數(shù)據(jù)學(xué)習(xí)，LAION作為全球非盈利機(jī)器學(xué)習(xí)研究機(jī)構(gòu)，在2022年3月開放了當(dāng)前規(guī)模最大的開源跨模態(tài)數(shù)據(jù)庫LAION-5B，使得近60億個“文本-圖像”對可以用來訓(xùn)練，從而進(jìn)一步加快AI圖像生成模型的成熟，幫助研究人員加快推動從文字到圖像的生成模型。正是CLIP和LAION的開源模式構(gòu)建起當(dāng)前AI圖像生成應(yīng)用的核心。未來，隨著模型穩(wěn)定，開源將成為AIGC成熟的催化劑，源模式有望讓相關(guān)模型成為海量應(yīng)用、網(wǎng)絡(luò)和服務(wù)的基礎(chǔ)，應(yīng)用層面的創(chuàng)造力有望迎來拐點。

AIGC為創(chuàng)作領(lǐng)域帶來的效率與模式的創(chuàng)新

（一） AIGC工具屬性有助于效率提升

在捕捉靈感方面，AIGC可以幫助有經(jīng)驗的創(chuàng)作者捕捉靈感，創(chuàng)新互動形式。例如在游戲行業(yè)，制作人靈感往往難以準(zhǔn)確表達(dá)，與美術(shù)工作人員經(jīng)常由于溝通產(chǎn)生理解誤差。通過AIGC系統(tǒng)可以在設(shè)計初期，生成大量草圖，在此基礎(chǔ)上制作人與美術(shù)人員可以更好的理解并確認(rèn)彼此的需求。同時，創(chuàng)作靈感難以琢磨，可以提前通過AIGC來尋找“感覺”，進(jìn)一步降低美術(shù)創(chuàng)作者大量前期工作和項目成本。例如，制作人先構(gòu)建完整的背景故事后，由AIGC生成系列畫作，之后再由專業(yè)的美術(shù)人員進(jìn)行篩選、處理、整合，并將整個故事和畫面進(jìn)一步完善提升。

在提升效率方面，AIGC的出現(xiàn)將會讓創(chuàng)作者擁有一個更加高效的智能創(chuàng)作工具，在內(nèi)容創(chuàng)作環(huán)節(jié)進(jìn)行優(yōu)化，而非成為競爭對手。例如在極短的項目籌備時間內(nèi)，AIGC可以大幅提升效率，驗證了AI投入到工業(yè)化使用的可行性。尤其是對于藝術(shù)、影視、廣告、游戲、編程等創(chuàng)意行業(yè)的從業(yè)者來說，可以輔助從業(yè)者進(jìn)行日常工作，并有望創(chuàng)造出更多驚艷的作品。同時，還可以進(jìn)一步降低成本和效率，為規(guī)?；a(chǎn)構(gòu)建市場增量。

（二） AIGC構(gòu)建創(chuàng)意與實現(xiàn)的分離

在創(chuàng)意構(gòu)思方面，AIGC構(gòu)建了新的創(chuàng)意完善通路，傳統(tǒng)的創(chuàng)作過程中消化、理解以及重復(fù)性工作將有望交由AIGC來完成，最終創(chuàng)意過程將變?yōu)椤皠?chuàng)意-AI-創(chuàng)意”的模式。

在創(chuàng)意實現(xiàn)方面，創(chuàng)作者和AIGC的關(guān)系類似于攝影師和照相機(jī)。攝影師構(gòu)建拍攝思路并進(jìn)行規(guī)劃，對相機(jī)進(jìn)行參數(shù)配置，但是不用了解相機(jī)的工作機(jī)制，一鍵生成高質(zhì)量的內(nèi)容。同樣的，創(chuàng)作者構(gòu)思并進(jìn)行規(guī)劃，對AI模型進(jìn)行參數(shù)配置，不需要了解模型的原理，直接點擊輸出內(nèi)容即可。創(chuàng)意和實現(xiàn)呈現(xiàn)出分離狀態(tài)，實現(xiàn)過程變?yōu)橐环N可重復(fù)勞動，可以由AIGC來完成，并逐步將成本推向趨近于0。

（三） AIGC給創(chuàng)作者獲得更多收益帶來思路創(chuàng)新

創(chuàng)作者的成果是AIGC學(xué)習(xí)的對象，但創(chuàng)作者的創(chuàng)意才是關(guān)鍵，創(chuàng)意本身比AIGC生成的繪畫更有價值，因此如何將創(chuàng)作者的“創(chuàng)意”進(jìn)行量化，甚至定價，將有助于打造AIGC的商業(yè)模式。這其中“注意力機(jī)制”將成為AIGC潛在的量化載體。例如國內(nèi)有機(jī)構(gòu)專家提出，可以通過計算輸入文本中關(guān)鍵詞影響的繪畫面積和強(qiáng)度，我們就可以量化各個關(guān)鍵詞的貢獻(xiàn)度。之后根據(jù)一次生成費用與藝術(shù)家貢獻(xiàn)比例，就可以得到創(chuàng)作者生成的價值。最后在與平臺按比例分成，就是創(chuàng)作者理論上因貢獻(xiàn)創(chuàng)意產(chǎn)生的收益。

例如某AIGC平臺一周內(nèi)生成數(shù)十萬張作品，涉及這位創(chuàng)作者關(guān)鍵詞的作品有30000張，平均每張貢獻(xiàn)度為0.3，每張AIGC繪畫成本為0.5元，平臺分成30%，那么這位創(chuàng)作者本周在該平臺的收益為：30000*0.3*0.5*（1-30%）=3150元的收益，未來參與建立AI數(shù)據(jù)集將有望成為藝術(shù)家的新增收益。

（四） 從“大模型”到“大應(yīng)用”，探索可行商業(yè)模式

基于深度學(xué)習(xí)算法數(shù)據(jù)越多，模型魯棒性越強(qiáng)的特點，當(dāng)前的大模型規(guī)模只增不減，比拼規(guī)模已經(jīng)成為標(biāo)配。例如，Open AI推出的GPT-3參數(shù)已經(jīng)超過1750億個。但“數(shù)據(jù)投喂”并非一種技術(shù)路徑上的創(chuàng)新，更多的是在工程領(lǐng)域的微調(diào)。需要指出的是，模型規(guī)模越大，其實越難以在現(xiàn)實場景中落地部署。同時“海量數(shù)據(jù)”并不等同于“海量高質(zhì)量數(shù)據(jù)”，有可能會導(dǎo)致反向效果產(chǎn)生。

AIGC的發(fā)展離不開預(yù)訓(xùn)練大模型的不斷精進(jìn)。大模型雖然在很多領(lǐng)域都表現(xiàn)出良好的使用效果，但是這些效果作為展示甚至噱頭之后，很難形成良性的商業(yè)價值，與大模型的訓(xùn)練成本、基礎(chǔ)設(shè)施投入更是相差甚遠(yuǎn)。如何推動“大模型”向“大應(yīng)用”來轉(zhuǎn)變，正在成為關(guān)鍵的考驗。AIGC的破圈以及引發(fā)的關(guān)注，可以看到大模型商業(yè)化的潛力正在清晰化：一方面大模型企業(yè)可以根據(jù)C端用戶實際“按需提供服務(wù)”和商業(yè)轉(zhuǎn)化；另一方面帶動對云計算、云存儲的使用量上升。將AIGC從“嘗鮮試試看”變成大眾頻繁使用的需求，再到與具體行業(yè)和領(lǐng)域深度結(jié)合，依托我國豐富的產(chǎn)業(yè)需求和應(yīng)用場景，有望為大模型商業(yè)化和長期價值探索一條新路徑。

AIGC發(fā)展面臨的挑戰(zhàn)

Gartner預(yù)計，到2025年，生成式人工智能將占所有生成數(shù)據(jù)的10%。根據(jù)《Generative AI ：A Creative New World》的分析，AIGC有潛力產(chǎn)生數(shù)萬億美元的經(jīng)濟(jì)價值。AIGC在引發(fā)全球關(guān)注的同時，知識產(chǎn)權(quán)、技術(shù)倫理將面臨諸多挑戰(zhàn)和風(fēng)險。同時AIGC距離通用人工智能還有較大的差距。

（一） AIGC引發(fā)“創(chuàng)造力”歸屬爭論

傳統(tǒng)印象中，人工智能在創(chuàng)造性工作領(lǐng)域與人類還無法進(jìn)行競爭，主要擅長的是計算、挖掘，聚焦在海量數(shù)據(jù)分析領(lǐng)域。人類更擅長的是創(chuàng)新，例如詩詞、設(shè)計、編程等需要創(chuàng)造性的事物上。與AI下棋相比，AI進(jìn)行繪畫創(chuàng)作給大眾帶來的沖擊更為明顯：棋類游戲具有明確的規(guī)則和定義，不需要AI具備創(chuàng)造性，但AIGC尤其是輸入文字就能進(jìn)行繪畫、視頻，讓沒有相關(guān)專業(yè)能力的人也可以制作出以假亂真的專業(yè)級別作品，則引發(fā)人們對自身引以為傲的“創(chuàng)造力”擔(dān)憂。AI不會替代創(chuàng)作者，但是可能會替代不會AI工具的創(chuàng)作者。

（二） 知識產(chǎn)權(quán)引發(fā)創(chuàng)作者擔(dān)憂

由于算法模型的進(jìn)一步完善和成本快速下降，AIGC大規(guī)模商業(yè)化成為現(xiàn)實，過去遙不可及的專業(yè)能力已經(jīng)具備從實驗室飛入尋常百姓家的可能。與此同時，AIGC的飛速發(fā)展和商業(yè)化應(yīng)用，除了對創(chuàng)作者造成沖擊外，也對大量依靠版權(quán)為主要營收的企業(yè)帶來沖擊。具體來看：

一方面，AIGC難以被稱為“作者”。根據(jù)我國《著作權(quán)法》的規(guī)定，作者只能是自然人、法人或非法人組織，很顯然AIGC不是被法律所認(rèn)可的權(quán)利主體，因此不能成為著作權(quán)的主體。但AIGC應(yīng)用對生成的圖片版權(quán)問題持有不同觀點，圖片屬于平臺、完全開源還是生成者，目前尚未形成統(tǒng)一意見。

另一方面，AIGC產(chǎn)生的“作品”尚存爭議。根據(jù)我國《著作權(quán)法》和《著作權(quán)法實施條例》的規(guī)定，作品是指文學(xué)、藝術(shù)和科學(xué)領(lǐng)域內(nèi)具有獨創(chuàng)性并能以某種有形形式復(fù)制的智力成果。AIGC的作品具有較強(qiáng)的隨機(jī)性和算法主導(dǎo)性，能夠準(zhǔn)確證明AIGC作品侵權(quán)的可能性較低。同時，AIGC是否具有獨創(chuàng)性目前難以一概而論，個案差異較大。

由于創(chuàng)作者每次新的創(chuàng)作都在無形中對AIGC進(jìn)行免費培訓(xùn)，這讓眾多版權(quán)機(jī)構(gòu)產(chǎn)生巨大擔(dān)憂。目前已經(jīng)有大量藝術(shù)家和創(chuàng)作者宣布禁止AI學(xué)習(xí)自己的作品，從而保護(hù)自身知識產(chǎn)權(quán)。Getty Images、Newgrounds等網(wǎng)站也紛紛宣布禁止上傳和銷售AIGC作品。

（三） 距離通用人工智能還有較大差距

當(dāng)前熱門的AIGC系統(tǒng)雖然能夠快速生成圖像，但是這些系統(tǒng)是否能夠真正理解繪畫的含義，從而能夠根據(jù)這些含義進(jìn)行推力并決策，仍是未知數(shù)。

一方面，AIGC系統(tǒng)對輸入的文本和產(chǎn)生的圖像不能完全關(guān)聯(lián)起來。例如，用戶對AIGC系統(tǒng)進(jìn)行測試，輸入“騎著馬的宇航員”和“騎著宇航員的馬”內(nèi)容時，相關(guān)AIGC系統(tǒng)難以準(zhǔn)確生成對應(yīng)的圖像。因此，當(dāng)前的AIGC系統(tǒng)還并沒有深刻理解輸入文本和輸出圖像之間的關(guān)系。另一方面，AIGC系統(tǒng)難以了解生成圖像背后的世界。了解圖像背后的世界，是判斷AIGC是否具備通用人工智能的關(guān)鍵。目前來看，AIGC系統(tǒng)還難以達(dá)到相關(guān)的要求。比如，在Stable Diffusion 輸入“畫一個人，并把拿東西的部分變成紫色”，在接下來的九次測試過程中，只有一次成功完成，但準(zhǔn)確性還不高。顯然，Stable Diffusion 并不理解人的雙手是什么。

知名AI專家發(fā)出的調(diào)查也印證了同樣的觀點，有86.1%的人認(rèn)為當(dāng)前的AIGC系統(tǒng)對世界理解的并不多。持相同觀點的人還包括Stable Diffusion的首席執(zhí)行官。

（四） 創(chuàng)作倫理問題尚未有效解決

部分開源的AIGC項目，對生成的圖像監(jiān)管程度較低。一方面，部分?jǐn)?shù)據(jù)集系統(tǒng)利用私人用戶照片進(jìn)行AI訓(xùn)練，侵權(quán)人像圖片進(jìn)行訓(xùn)練的現(xiàn)象屢禁不止。這些數(shù)據(jù)集正式AIGC等圖片生成模型的訓(xùn)練集之一。例如，部分?jǐn)?shù)據(jù)集在網(wǎng)絡(luò)上抓取了大量病人就醫(yī)照片進(jìn)行訓(xùn)練，且沒有做任何打碼模糊處理，對用戶隱私保護(hù)堪憂。另一方面，一些用戶利用AIGC生成虛假名人照片等違禁圖片，甚至?xí)谱鞒霰┝托杂嘘P(guān)的畫作，LAION-5B數(shù)據(jù)庫包含色情、種族、惡意等內(nèi)容，目前海外已經(jīng)出現(xiàn)基于Stable Diffusion模型的色情圖片生成網(wǎng)站。

由于AI本身還不具備價值判斷能力，為此一些平臺已經(jīng)開始進(jìn)行倫理方面的限制和干預(yù)。例如DALL·E2已經(jīng)開始加強(qiáng)干預(yù)，減少性別偏見的產(chǎn)生、防止訓(xùn)練模型生成逼真的個人面孔等。但相關(guān)法律法規(guī)的空白和AIGC應(yīng)用研發(fā)者本身的不重視將引發(fā)對AI創(chuàng)作倫理的擔(dān)憂。

AIGC的未來發(fā)展

AIGC技術(shù)的未來發(fā)展前景廣闊，隨著人工智能技術(shù)的不斷發(fā)展，AIGC技術(shù)也將不斷提高。未來，AIGC技術(shù)將在游戲和計算領(lǐng)域得到更廣泛的應(yīng)用，使游戲和計算系統(tǒng)具有更高效、更智能、更靈活的特性。同時，AIGC技術(shù)也將與人工智能技術(shù)緊密結(jié)合，在更多的領(lǐng)域得到廣泛應(yīng)用。

AIGC技術(shù)是一個非常重要的人工智能技術(shù)，其核心技術(shù)包括機(jī)器學(xué)習(xí)、計算機(jī)視覺、自然語言處理等多個方面。AIGC技術(shù)的應(yīng)用領(lǐng)域非常廣泛，包括游戲開發(fā)、數(shù)據(jù)分析、計算機(jī)圖形學(xué)、自動控制等多個領(lǐng)域。雖然AIGC技術(shù)具有很多優(yōu)勢，但也存在一些技術(shù)問題和潛在問題，需要得到重視和解決。

AIGC技術(shù)將繼續(xù)得到提高，同時也將與人工智能技術(shù)緊密結(jié)合，在更多的領(lǐng)域得到廣泛應(yīng)用。我們需要制定相應(yīng)的技術(shù)政策和法規(guī)，以確保AIGC技術(shù)的健康發(fā)展，為我們提供更加智能、高效、靈活的游戲和計算系統(tǒng)，同時也為人類社會的發(fā)展提供重要的技術(shù)支持。

未來AI領(lǐng)域?qū)⑹恰熬呱碇悄堋钡奶煜?/p>

具身智能翻譯于英文embodied AI，字面意思就是具有身體的人工智能。簡單點說，就是能理解、推理、并與物理世界互動的智能系統(tǒng)。而搭載具身智能技術(shù)的“智能體”則具備自主決策和行動能力的機(jī)器智能，它可以像人類一樣感知和理解環(huán)境，通過自主學(xué)習(xí)和適應(yīng)性行為來完成任務(wù)。

谷歌“史上最大‘通才’AI模型”能引起業(yè)內(nèi)轟動——它無需預(yù)先處理的場景，因此也不用人類對相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理或注釋。只需要一句簡單的指令，便可實現(xiàn)更為自主的機(jī)器人控制。更重要的是，PaLM-E生成的行動計劃還具有“彈性”，即可對周圍環(huán)境變化作出相應(yīng)反應(yīng)。

實現(xiàn)通用人工智能是行業(yè)的一大愿景。但人工智能中集成了太多概念，其中一些概念難以被測量或驗證。而正如上海交通大學(xué)教授盧策吾所說的那樣，雖然人工智能能給你輸出一個表征，但很難檢驗它們是否真的理解了這些概念。“所以我們可以先在一些可驗證、可測量的概念上面做出個閉環(huán)。而具身智能剛好是這樣一個閉環(huán)，這樣的具身智能可能是邁向通用智能的一個很好的起點，因為它可測量、可解釋、可檢驗?！?/p>

具身智能指的是智能體通過與環(huán)境產(chǎn)生交互后，通過自身的學(xué)習(xí)，產(chǎn)生對于客觀世界的理解和改造能力。

換言之，一個具身智能機(jī)器人需要：首先聽懂人類語言，之后分解任務(wù)、規(guī)劃子任務(wù)，移動中識別物體，與環(huán)境交互，最終完成相應(yīng)任務(wù)。

若想要實現(xiàn)具身智能，離不開多個學(xué)科的交叉互助：

1）機(jī)器人學(xué)為具身智能提供機(jī)械身體和基本運動控制；

2）深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)是具身智能中主要工具；

3）強(qiáng)化學(xué)習(xí)是具身智能機(jī)器人的主要學(xué)習(xí)手段之一；

4）機(jī)器視覺給具身智能提供了處理視覺信號的能力；

5）計算機(jī)圖形學(xué)開發(fā)的物理仿真環(huán)境為具身智能提供了真實物理世界的替代；

6）自然語言給具身智能帶來了與人類交流、從自然文本中學(xué)習(xí)的可能；

7）認(rèn)知科學(xué)進(jìn)一步幫助具身智能體理解人類、構(gòu)建認(rèn)知和價值。

就目前的發(fā)展趨勢來看，可以說，未來，人工智能領(lǐng)域?qū)⑹恰熬呱碇悄堋钡奶煜拢褪且獎?chuàng)建軟硬件結(jié)合的智能體。它能夠像“生命體”一樣，既可通過與環(huán)境的互動學(xué)習(xí)不斷進(jìn)化，也可通過“遺傳”把進(jìn)化成果遺傳給下一代，從而進(jìn)化成越來越高級的智能體。

如今，隨著一套新的虛擬世界的建立和運行，具身智能體已經(jīng)開始發(fā)揮這種潛力，在他們的新環(huán)境中取得了重大進(jìn)展。不過，從人工智能到具身智能，未來還要有很長的路要走。但是毫無疑問，這也是人類科技的必由之路，期待具身智能為人類帶來新一輪的科技變革。

審核編輯 ：李倩