01

ControlNet颠覆AI绘画新玩法(fǎ)

AIGC向可控靠近

以AI绘画为代表的(de)AIGC上一次爆火的(de)时候，还是2022年8月(yuè)，在美国科(kē)罗拉(lā)多州(zhōu)举办(bàn)的新(xīn)兴数字(zì)艺术家竞赛中，一幅名为(wèi)《太空歌剧院》的作品获奖(jiǎng)。

随后各大厂(chǎng)商的AI绘画软(ruǎn)件被(bèi)广大(dà)网友熟知并体验，Stable Diffusion便是其中代表。

用户们可(kě)以在应用中输入一组(zǔ)关键词(cí)或者一张照片，就能获得(dé)一幅AI创作的画作(zuò)。

作画的关键就是所输入的(de)文本。同(tóng)一组关(guān)键词(cí)也可以创作出(chū)很多(duō)张风格(gé)不一样的画作，这让创作的过程就像(xiàng)开盲(máng)盒。

很(hěn)多用(yòng)户很喜欢(huān)这种不确定的惊喜(xǐ)，他(tā)们会将生成的(de)美图当做头(tóu)像。而(ér)另(lìng)一部分喜欢翻看AI绘画的“翻车”作品(pǐn)。在社交媒(méi)体上(shàng)，许多用户分享AI“翻车(chē)现场”，例(lì)如，一位网友(yǒu)的(de)小狗照(zhào)片被AI画成(chéng)了“肌肉男”，还有网友的(de)个人(rén)照(zhào)片被AI识别成了(le)建筑。

而如今随(suí)着ControlNet的出(chū)现与加持(chí)，以往AI绘画(huà)的填(tián)写(xiě)关(guān)键词游戏(xì)可能(néng)要被(bèi)颠覆了。

ControlNet是一位正在斯(sī)坦福读博的中国人张(zhāng)吕(lǚ)敏创作的(de)一(yī)种(zhǒng)基于(yú)控制点(diǎn)的图像变形算法(fǎ)，主要用于数字图像处理、计(jì)算(suàn)机视觉和计(jì)算机(jī)图形学等领域。

其SD插件(jiàn)一经发布，在短短的两天内便(biàn)成(chéng)为了AI绘(huì)画领域最新的热点。

在此之前，大家用了(le)很多(duō)方法想让AI生成的结果尽可能的符(fú)合要(yào)求(qiú)，但是(shì)都不尽如(rú)人意，它的出现代表着AI生成开始进(jìn)入真正的可控(kòng)时期。

因为(wèi)ControlNet可(kě)以直接提取画面的构图，人物的姿势和画面的深(shēn)度信息等。有了它的(de)帮助，就不(bù)用频(pín)繁(fán)的(de)用提示词来碰运气，抽盲盒式的创作(zuò)了。

通俗的说ControlNet相当于给AI绘画加(jiā)了“魔法”，不少博主(zhǔ)的作品已经获(huò)得了大量(liàng)的浏(liú)览量，“viggo”就是其中之一，他用(yòng)朋友(yǒu)的(de)照片(piàn)直接带(dài)她们走进动漫世界。

viggo先用(yòng)StableDiffusion图片转(zhuǎn)文字。

再用Text2Prompt插件(jiàn)拓展(zhǎn)找(zhǎo)到(dào)对(duì)应的关键词；最后(hòu)用(yòng)ControlNet插件绑定(dìng)骨(gǔ)骼开始(shǐ)换(huàn)关(guān)键词试效果。

通过图(tú)片就可(kě)以看出来，效果十分惊艳。

更厉害的是，除了真实的(de)照片(piàn)，草图也可以加上(shàng)“魔法”，知乎大牛(niú)“DevPoint”和“逗砂”介绍到(dào)ControlNet还(hái)能实现线稿转(zhuǎn)全彩图。大神张吕敏其本(běn)尊也亲自回(huí)应。

不得(dé)不说当下(xià)AIGC已经变得越来(lái)越强(qiáng)大，甚至(zhì)输出的作品(pǐn)都已经能以假乱真了。

02

难辨虚实，AIGC技(jì)术力爆发

警惕(tì)安全问题

近日，“苏州金鸡湖(hú)有游艇party”的消息火遍网络，而经过警方辟(pì)谣这所谓的“party”可(kě)能是(shì)全国第一(yī)起AI绘图诈骗。

由于这个(gè)活动里面给出的(de)美女照片都是(shì)AI制作的真(zhēn)人照片绘图(tú)，因(yīn)为太逼(bī)真，被大家当(dāng)成真事传播了。

不过(guò)仔细(xì)观察可以发现，活动发起者提供的照(zhào)片中(zhōng)有个很(hěn)大的漏洞(dòng)可以发现并(bìng)非真人，而是AI绘图，那便是(shì)图片中(zhōng)女性(xìng)的手指(zhǐ)部分有的存在(zài)异常。

有行(xíng)业人事(shì)表示：“现(xiàn)在因为手指部分(fēn)的绘(huì)画算(suàn)法(fǎ)比较(jiào)复杂，AI还(hái)不太会(huì)画人的(de)手(shǒu)，但最新(xīn)看(kàn)到的图(tú)片已经有越来(lái)越完美的AI模型(xíng)出现，以后可(kě)能(néng)就完全没有(yǒu)漏(lòu)洞(dòng)了。”

类似的(de)AI作图诈骗在国(guó)外也已(yǐ)有发生(shēng)。据英国广播公司报道(dào)，土耳其地(dì)震期间(jiān)，有Tiktok用户(hù)使用AI合成了儿童受灾的假照片(piàn)发布到网(wǎng)络，以(yǐ)此诱骗善良的人打赏“捐助”从(cóng)而实施诈(zhà)骗。

目前(qián)随着技术(shù)发展，AIGC已经能做出真(zhēn)人(rén)照片般(bān)的绘图效(xiào)果(guǒ)，如(rú)果这样的图片被用来诈骗，将(jiāng)非常可怕。

此(cǐ)外AIGC还(hái)引发了很多担忧，一方面，批(pī)判(pàn)者认(rèn)为AI在“学(xué)习”了大量前人的作品之后，其创作没有任何(hé)情绪和灵魂，难(nán)以和(hé)人类的艺术创作(zuò)相提并论。

另一方(fāng)面，AIGC背后的(de)版(bǎn)权(quán)、目前都并没有得到(dào)有(yǒu)效的解决，还(hái)有AIGC会不会(huì)代替人类(lèi)“至高无(wú)上”的创意。

马斯克也强调(diào)，人工智能(néng)的(de)安全问题需要得(dé)到重视(shì)，太晚就(jiù)来不(bù)及了。

03

AIGC下(xià)一站除了视频，还有远方

技(jì)术都是有两面(miàn)性的，潜在的危害并不(bù)能掩盖(gài)其(qí)光辉的贡献。现(xiàn)在(zài)看来，人(rén)工智能(néng)技(jì)术将(jiāng)是(shì)第(dì)四次工业革(gé)命的核心驱动力量，将(jiāng)创造新(xīn)的增(zēng)长奇迹。

过去一年，人工(gōng)智(zhì)能在技术和商业层面都(dōu)有了(le)巨大进展，AI绘画就是人工(gōng)智能技术发生(shēng)方向性(xìng)改(gǎi)变的一(yī)个代表。其下一站或许(xǔ)就是视频。

此前(qián)，Meta和(hé)谷歌先(xiān)后发布了几条引(yǐn)爆科技圈的短视频。这些视频引发关注并非内容做得多(duō)优秀，反(fǎn)而都非常(cháng)简单(dān)，比(bǐ)如一匹正(zhèng)在(zài)喝(hē)水(shuǐ)的(de)马(mǎ)，一(yī)只画画的玩具熊，或(huò)者一段骑(qí)摩托车的第一视角录像，随便一个有手机(jī)的人都可以随手录下(xià)一段。

但这些短视频的(de)创作方(fāng)式非常简(jiǎn)单，创作者仅仅需(xū)要(yào)向(xiàng)AI输入一段话，甚至(zhì)只(zhǐ)是(shì)说一下要(yào)求，AI就可以(yǐ)根据需(xū)要生成一段(duàn)视频。

谷歌发布的两个AI生成视频分别来自(zì)于Imagen Video和Phenaki，前者主要突(tū)出(chū)的(de)是高清，与Meta的Make-A-Video没(méi)有太多的差(chà)别。

在(zài)Make-A-Video公布了AI生成的视频后(hòu)，AI圈就已(yǐ)经玩了一(yī)波梗，一个能(néng)够做出更(gèng)高(gāo)清视频的AI还不足(zú)以(yǐ)在(zài)短时间(jiān)内戳中(zhōng)兴(xīng)奋点。

Phenaki更加(jiā)令(lìng)人震惊(jīng)的地方在于，它可以制作(zuò)出(chū)超过2分钟(zhōng)的(de)连(lián)贯的(de)也有确(què)切内(nèi)容的(de)视(shì)频，这(zhè)才是真(zhēn)正让(ràng)人们感(gǎn)到(dào)惊(jīng)喜(xǐ)的地方。因为无(wú)论(lùn)AI生成的视(shì)频多么高(gāo)清(qīng)，也只能是(shì)为内容生(shēng)产者提供一个灵感(gǎn)，一个素材，一个(gè)过场(chǎng)动(dòng)画。

不过能够(gòu)制作出有具体剧情内容的视频(pín)就意(yì)味着，一些(xiē)视频创(chuà1页是一面还是两面啊，1页是一张还是一面ng)作由AI代替人工完成已经初步有了可能。

当(dāng)下AI的发展速度已经(jīng)超过大(dà)部分人(rén)的(de)想(xiǎng)象。内(nèi)容产(chǎn)业的(de)本质是供(gōng)给创造需求，AIGC作为全新的内(nèi)容生产方式，可(kě)以为内容产业带来(lái)更新(xīn)的内容(róng)风(fēng)格、更快的生产速度，更低(dī)的生(shēng)产成本，这无疑会驱动内容产业的大爆(bào)发。

除了AI绘图、视频，AIGC技术(shù)还能应(yīng)用于音乐、代码、机器人动作等多种内(nèi)容形式(shì)的生成。不难发(fā)现该项技术不仅在(zài)游戏等(děng)行(xíng)业能得到有效(xiào)应用，对于(yú)下一代(dài)互联网各(gè)种元素的构(gòu)建亦(yì)有关键意义。

从商业化的角度来看，文(wén)化娱乐、教育、传媒等(děng)诸多领域(yù)，本身就对基于(yú)AI的可视化内容有强烈需求。

因(yīn)此，AI绘画及视频或不(bù)是结果，而只是AI进程中的一块重要拼图，有望(wàng)在技术更(gèng)新的加持下实现更(gèng)大的应用价值。

AI从理解内容，走向了可以生成内(nèi)容(róng)，甚至能够创造出独立价(jià)值和独立视角的内容。AIGC的(de)再(zài)次出圈，更代表着(zhe)未(wèi)来(lái)的先进生产力即将到来(lái)。

04

紧(jǐn)抓大模(mó)型与(yǔ)算力，牢(láo)固AIGC底座(zuò)

从(cóng)技术的发展也可以(yǐ)看出，在语(yǔ)言大(dà)模型(xíng)、图像(xiàng)大模(mó)型之后(hòu)，多模态大(dà)模型已(yǐ)经成为了新的(de)趋势。

大模型被(bèi)誉为当前人(rén)工(gōng)智能发展的智(zhì)能(néng)底座，是全球竞争最激(jī)烈的研究方向之一，包括谷歌(gē)、亚马逊、百度、阿里、腾讯等众多(duō)头部企(qǐ)业都(dōu)在竞相发(fā)力。

不过训练大模型的确(què)价格不菲，以国盛证券发(fā)布的《ChatGPT需要多少(shǎo)算力》报告估算(suàn)，GPT-3训练一次的成本(běn)约为140万美元(yuán)。而对于一些更(gèng)大的(de)LLM(大(dà)型语言模型)，训练成本(běn)则介于200万美元至1200万(wàn)美(měi)元高价之(zhī)间(jiān)。

以ChatGPT在(zài)2023年1月的独立访客平均数(shù)1300万计(jì)算，其对应(yīng)芯(xīn)片需(xū)求为(wèi)3万多片英伟达A100 GPU，初(chū)始投(tóu)入成本约(yuē)为8亿(yì)美元，每日仅电费(fèi)就在5万美元(yuán)左(zuǒ)右。

此外不论是ChatGPT还是AIGC，都离不开庞大算力支持(chí)。在(zài)关注各类大模型的发展(zhǎn)同时，更应该关注(zhù)算力网络的建设。

算(suàn)力网络正驱(qū)动(dòng)AI产业发展进(jìn)入(rù)史诗级加(jiā)速进程，让AIGC及(jí)通用AI这一人工智(zhì)能(néng)发展的终极目(mù)标离得更近。

因为算力可以对突(tū)破性技术(shù)创新(xīn)提供大(dà)力的支持。这(zhè)方面(miàn)，多模态大模型(xíng)是典型(xíng)。作为面向未来强(qiáng)人(rén)工智能、通用人(rén)工智(zhì)能的(de)重要技术(shù)创新，多模态大模型已(yǐ)经在人(rén)工(gōng)智能领域提出了很多年，业界也有不少技术(shù)突破，但是，多模态大(dà)模型进(jìn)一步往下走，算(suàn)力需求呈几何式上升(shēng)，一般的算力基础设(shè)施很快将难以胜任(rèn)。

从图像(xiàng)、文字、语音单独一(yī)项的训练，到双(shuāng)模(mó)态、三模态的跃迁，让人工智能可以灵活应(yīng)对不(bù)同模态的转(zhuǎn)化、像人与世界交(jiāo)互一样自然，这方面，由算力网络来驱动(dòng)将(jiāng)有明显优(yōu)势(shì)。

此外，还(hái)有很多需要(yào)爆发式增长的算(suàn)力来支(zhī)撑的技术(shù)创新，将在人工智能(néng)算力(lì)网(wǎng)络支(zhī)撑(chēng)下快速推进。

AIGC已经露出曙光，期待在大模型和大算力的(de)支(zhī)持下AIGC能持续颠覆内容生产的方式，将创造的边(biān)际成本降低(dī)，让(ràng)万(wàn)众受益。

未经允许不得转载：珠海业勤税务师事务所有限公司 1页是一面还是两面啊，1页是一张还是一面