深度解密人工智能內容生成的發展與現狀_AIG

摘要

AIGC?是Web3.0?時代的生產力工具，AIGC?提供大量的生產力，而Web3.0?與區塊鏈的應用則決定生產關系與用戶主權。

但我們必須認識到?AIGC?和Web3是兩個不同的方向。AIGC?作為使用?AI?技術的生產工具，既可以應用于Web2世界，也可以應用于Web3世界。到目前為止，大多數已經開發的項目仍然在Web2領域。把兩者放在一起談話是不合適的。而Web3希望借助區塊鏈和智能合約技術，讓用戶擁有虛擬資產的主權。它與創建模式之間本沒有直接聯系。

本文將從以下四個方面解密?AIGC?的發展與現狀進行：

內容創造形式的演變

技術測概況

AIGC?的行業應用

AIGC?與Web3

第一部分：內容創造形式的演變

可以分成三個階段：

第一個階段是?PGC(Professionally-GeneratedContent)，專家生成內容，由擁有內容相關領域資質的專業團隊進行創作，門檻與成本較高，質量有一定保障，追求電視劇電影等商業化渠道的收益，代表項目就是以愛優騰為首的視頻平臺。在這些平臺上，用戶更多地是去接收和搜索視頻資源來收看，類似于Web1.0?的概念。

但這一階段創作權掌握在少數專業人士手中，普通創作者的成果很難被大眾看見。在第二階段衍生出了一系列的?UGC?平臺(User-generatedContent，用戶生產內容)，如?Twitter，YouTube，國內愛優騰等視頻平臺。在這些平臺上用戶不僅是接收者，也可以是內容的提供方，內容生產的規模極大地擴張了，但用戶生產的內容質量則參差不齊，可以將它看作是Web2.0?時代的內容創作。

吉林高院：探索區塊鏈技術與執行工作深度融合 破解執行難題:11月22日消息，為有效推進“切實解決執行難”工作，吉林省高級人民法院積極探索區塊鏈技術在法院執行環節的應用場景，將區塊鏈技術作為智慧法院建設新的著力點。繼“智能審執銜接”“生道執行”“電子封條”等區塊鏈場景先后應用，2021年吉林高院在“區塊鏈+執行”創新業務應用場景方面持續發力，易執行-線索智能分析平臺于3月份應運而生，并完成集中試點和上線應用，助力“切實解決執行難”提效增速。（北方法制報）[2021/11/22 7:04:45]

那么Web3.0?時代的內容創作生態是？AIGC?和web3的關聯在哪里？

AIGC(AIgeneratedContent，人工智能生成內容)，指由人工智能幫助甚至取代人類進行內容創作，可以作為強大的生產力工具，幫助解決Web3.0?和元宇宙中的一些實際問題。它生產頻率更快，并且可以定制風格，滿足每個人的需求。它擁有無限規模的內容創作靈感，效果也不會太差。

第二部分：技術測概況

AIGC?技術的快速發展始于?GAN(生成對抗網絡，?2014)模型的發表。它由兩個模型組成:生成模型和判別模型。生成器生成“假”數據并試圖欺騙鑒別器;鑒別器驗證生成的數據，并嘗試正確識別所有“假”數據。在訓練迭代的過程中，兩個網絡對抗中提升，直到達到平衡狀態。

AIGC?技術的快速發展始于?GAN(生成對抗網絡，?2014)模型的發表。它由兩個模型組成:生成模型和判別模型。生成器生成“假”數據并試圖欺騙鑒別器;鑒別器驗證生成的數據，并嘗試正確識別所有“假”數據。在訓練迭代的過程中，兩個網絡對抗中提升，直到達到平衡狀態。

北京市廣播電視局：充分利用區塊鏈等技術推動媒體深度融合發展和智慧廣電建設:金色財經報道，北京市廣播電視局近日制定《北京市“十四五”時期廣播電視和網絡視聽發展規劃》，指出充分利用區塊鏈等新一代信息技術，推動媒體深度融合發展和智慧廣電建設，全面推進內容創新、技術創新、產業創新、業態創新和體制機制創新，為北京廣播電視和網絡視聽行業發展提供創新動力。充分利用工智能、大數據、區塊鏈等技術，建立完善面向有線網絡、地面無線、衛星、互聯網和移動通信網等不同媒介傳播方式的監測監管。[2021/11/15 6:52:11]

在?GAN?發表后的兩三年時間里，業內對?GAN?模型進行了各種改造和應用。2016?年和?2017?年，在語音合成、情緒檢測、換臉等領域產生了一大批實際應用。

谷歌在?2017?年開發的?Transformer?模型逐漸取代了?LongandShortTermmemory(LSTM)等傳統?RNN?模型，成為?NLP?問題的首選模型。

作為?Se?q2?seq?模型，它提出了注意力機制，計算每個單詞與其上下文的相關性，以確定哪些信息對手頭的任務最重要。與其他模型相比，Transformer?速度更快，并且可以更長時間地保留有效信息。

BERT(來自?Transformer?的雙向編碼器表示，?2018)使用?Transformer?構建了一個用于自然語言處理的完整模型框架。它在處理一系列自然語言處理任務上超越了現有的模型。

BERT(來自?Transformer?的雙向編碼器表示，?2018)使用?Transformer?構建了一個用于自然語言處理的完整模型框架。它在處理一系列自然語言處理任務上超越了現有的模型。

Bitget與高盛學院達成深度合作關系:據消息，數字資產交易平臺Bitget與高盛學院達成深度合作關系，雙方將圍繞數字資產的合約板塊進行合作，共同推動國內市場和社區共識的發展。

Bitget總部位于新加坡，是一家專注于衍生品的全球數字資產交易平臺。截至目前，Bitget在全球擁有數百萬注冊用戶，合約交易量位居全球前五。

高盛學院專注于數字資產行業投資顧問培訓及二級市場技術的培訓，旨在打造區塊鏈行業投資顧問的黃埔軍校，高盛學院的團隊精英來自華為、網易、國內頭部券商等企業，旨在以專業化、機構化的方式解決數字貨幣散戶遇到的投資問題。[2021/3/2 18:07:20]

從那時起，模型的大小不斷增加，在最近兩年出現了?GPT-3、InstructGPT?和?ChatGPT?等一批大模型，其成本也呈幾何級數上升。

現今的語言模型有三個特點:大模型、大數據、大計算能力。在上方的圖中可以看到模型參數的數量增加得有多快。有人甚至提出了語言模型的摩爾定律，——一年增長十倍。最新發布的?ChatGPT?模型有?1750?億個參數，很難想象在這之后?GPT-4?中還有多少參數。

ChatGPT?的優勢：

引入了?HFRL(HumanFeedbackRL,2022.03)技術，在訓練數據集中增加了人的反饋，基于人的反饋進行優化，但由于需要大量的人的注釋，成本進一步擴大。

第二點是模型在回答問題時會有自己的原則。之前的聊天機器人在與用戶聊天時會將一些負面和敏感的內容一并學習，最后學會謾罵，發表歧視言論。與之前的模型不同，ChatGPT?可以識別惡意消息，然后拒絕給出答案。

IntelliShare與BlocKKnew達成深度戰略合作:近日，基于區塊鏈技術的底層網絡協議“IntelliShare（INE）”與區塊鏈運營機構BlocKKnew達成深度戰略合作關系，雙方將在策略宣傳以及邏輯運營方面開展深度合作。

據悉IntelliShare計劃在五月中旬正式啟動INE TestNet測試網全球測試，屆時將向全球社區開放測試。IntelliShare成立于2017年底，由極豆資本、想象力基金、科銀資本、共識實驗室、Lambda生態基金、JLab實驗室、INA Capital等十余家區塊鏈機構與傳統機構聯合戰略投資。[2020/4/20]

有記憶：ChatGPT?支持連續對話，并能記住與用戶之前對話的內容，因此經過多輪對話用戶會發現它的答案在不斷提升。

第三部分：AIGC?的行業應用

在參加?2022?年奇績創壇秋季營的?55?家公司中，有?19?家?AI?主題公司、?15?家元宇宙主題公司和?16?家大型模型主題公司。與?AIGC?相關的項目有十余個，其中一半以上是與圖像相關的。每個項目的詳細信息附在下面的鏈接中：

Link：https://new.qq.com/rain/a/20221121?A?04?ZNE?00?

當下?AIGC?最火的細分賽道當屬圖像領域，歸功于?StableDiffusion?的行業應用，圖像?AIGC?在?2022?年迎來了爆發式的增長。具體地,圖像?AIGC?賽道具有以下優勢：

與自然語言處理中的大模型相比，CV?領域的模型尺寸相對較小，與Web3的契合度也更高，可以與NFT、元宇宙緊密聯系在一起。

聲音 | 創世資本李榮彬：區塊鏈與物聯網深度結合才能落地:1月9日消息，創世資本管理合伙人李榮彬近日提出一個觀點：區塊鏈與物聯網深度結合才能落地，才能相互促進。區塊鏈不應該應用于實體經濟，因為共識下的區塊鏈是去中心化的，并沒有第三方來背書，但是如果將一個實體進行上鏈就必須有一個第三方進行評估，將其映射到鏈上，所以從這個意義上講，上鏈也只是將被信任的第三方進行了一個轉移。[2019/1/9]

與文字相比，人們對圖片的閱讀成本更低，一直是一種更直觀和更容易被接受的表達形式。

圖片的趣味性和多樣性更高，且該部分技術目前趨于成熟，正在快速迭代。

在參加?2022?年奇績創壇秋季營的?55?家公司中，有?19?家?AI?主題公司、?15?家元宇宙主題公司和?16?家大型模型主題公司。與?AIGC?相關的項目有十余個，其中一半以上是與圖像相關的。每個項目的詳細信息附在下面的鏈接中：

擴散模型

2022?年?CVPR?的論文《High-ResolutionImageSynthesiswithLatentDiffusionModels》

通過向圖像中添加噪聲，可以將一張圖片變成隨機的噪聲圖片，擴散模型與之相反，學習如何去除噪聲。然后，該模型將這種去噪過程應用于隨機的噪聲圖片，最終生成逼真的圖像。

當前圖像?AIGC?領域也存在一些局限性，具體有下面幾點：

模型需要在效果和效率之間做權衡，在秒級別還是難以生成準確的，用戶期待的定制效果。

這些公司的運營和維護成本很高，需要大量的圖形顯卡設備來帶動他們的模型。

賽道中近期涌現大量初創公司，競爭激烈，但缺乏殺手級應用程序。

接下來再來討論下3D-AIGC，這是一個潛力較大的賽道，目前模型尚不成熟，但未來會成為元宇宙中的剛需的基礎設施。

類似于2D圖像的生成，3D-AIGC?項目能夠生成三維物品，進而甚至自動地渲染與構建三維場景。當未來元宇宙得到普及之后，會對虛擬的三位資產有大量的需求。當用戶處于三維場景中時，用戶需要的不再是二維的圖片，而是三維的物體和場景。

相比于生成二維圖像，在三維上生成虛擬資產需要考慮更多的東西。一個三維的虛擬物體由兩部分組成，一個是三維形狀，另一個是物體表面的花紋和圖案，我們稱之為紋理。

因此一個模型需要選取三維虛擬資產可以分兩步生成。在我們獲得了一個3D對象的幾何圖形后，我們就可以通過紋理映射，環境貼圖等多種方法來賦予它表面的紋理。

而在描述三維物體的幾何形狀時也需要考慮多種的表達方式有顯式的表達形式，比如網格和點云；也有代數、NeRF(神經輻射場)等隱式的表達方式。具體需要選取適配模型的方式。

總之我們最終需要將所有的這些過程都集成到一起，組成一個文本到3D圖像的流程管線，管線比較長，在當下也尚未有成熟的應用端模型出現。但擴散模型的流行會促使許多研究者進一步研究三維圖像生成技術。目前這一方向的技術模型也在快速迭代。

相對于?VR、XR?等需要與人互動、對實時性有嚴格要求的技術。3DAIGC?推的實時性要求更低低，應用門檻和速度會更快一些。

第四部分：AIGC?與Web3

都說?AIGC?是web3.0?時代的生產力工具，AIGC?提供大量的生產力，而web3.0?與區塊鏈的應用則決定生產關系與用戶主權。

但我們必須認識到?AIGC?和Web3是兩個不同的方向。AIGC?作為使用?AI?技術的生產工具，既可以應用于web2世界，也可以應用于Web3世界。到目前為止，大多數已經開發的項目仍然在Web2領域。把兩者放在一起談話是不合適的。而Web3希望借助區塊鏈和智能合約技術，讓用戶擁有虛擬資產的主權。它與創建模式之間本沒有直接聯系。

但兩者之間確實又有很多趨同之處：

一方面，它們都依靠程序來優化現有的生產和創作模型。AIGC?用?AI?取代人類進行創造，Web3用智能合約、區塊鏈等去中心化程序取代人工中心化機構。用機器代替人，不會有主觀的誤差和偏差，效率也會顯著提高。

另一方面，Web3和元宇宙將對二維的圖片和音頻，三維的虛擬物體和場景有很大的需求，而?AIGC?是一個很好的滿足方式。

但在web3.0?的概念尚未普及到普羅大眾的當下，我們能看到涌現出的項目幾乎還是Web2的項目，在web3領域的應用目前大量地還是停留在圖像生成的?AIGC?上，用于?NFT?的創作。

其實在應用端，AIGC?和web3.0?的聯系不能僅僅依靠“生產力”和“生產關系”之間的聯系，因為?AIGC?同樣也能給web2項目帶來生產力的提升，而web3項目的優勢是不明顯的。

所以，為了抓住?AIGC?發展的機遇，我認為當前web3項目需要在以下兩個方面進行優化：

一是尋求?AIGC?加持下的Web3.0?原生項目，即只在Web3端能夠應用的項目。或者換句話說，去思考如何用?AIGC?解決Web3項目目前面臨的困境，這樣的解決方案也是Web3原生的。例如?ReadOn?用?AIGC?去生成文章?quiz，開辟了?ProofofRead?的新模式，解決了?ReadFi?一直以來存在的刷幣問題，為真正閱讀的用戶提供代幣獎勵。這很難做到，但web3需要這樣的模式創新。

二是用?AIGC?優化現存Web3應用的效率和用戶體驗。目前?AIGC?的應用主要存在于圖像和?NFT?上，但其實創作是一個很寬泛的概念，除圖片外還有很多種其他的創作方式。上文提到的3D-AIGC?是元宇宙中可供思考的應用渠道，quiz?生成也是一個眼前一亮的?idea。eduDAO?和開發者平臺可以思考用?AIGC?來賦能教育，用于出題或者修改模塊化的代碼、生成單測等等；GameFi可以思考是否能用?AIGC?來充當游戲里的?NPC;甚至能否借助?AIGC?的?coding?能力生成智能合約。

視頻鏈接：?https://www.bilibili.com/video/BV17D4y1p7EY/spm_id_from=333.999.0.0

致謝：

去中心化媒體和研究組織?DAOrayaki?公開資助?THUBADAO?展開獨立課題研究，并進行公開成果分享。研究主題主要聚焦在Web3、DAO?等相關領域內容。本文是資助成果的第六期分享。

DAOrayaki是一個代表社區意志、功能齊全的去中心化媒體平臺和研究組織。旨在鏈接創作者、資助者、讀者，并提供?Bounty、Grant、預測市場等多種治理工具，激勵社區自由的展開研究、策展及報道多類話題。

THUBADAO?是由清華大學區塊鏈協會(THUBA)成員所發起的去中心化組織。THUBADAO?致力于將Web3世界帶給每一個學生，成為連接海內外區塊鏈社區的橋梁，并培養最優秀的下一代?Web?青年與先鋒者。

前期分享可參考：

DAOrayaki&THUBADAO｜Web3.0?時代的媒體：鏈上媒體平臺、鏈上自媒體與媒體?DAO

DAOrayaki&THUBADAO｜多案例分析代幣經濟設計思路

DAOrayaki&THUBADAO｜NFTFi?的核心機制和賽道分析

DAOrayaki&THUBADAO｜Web3域名賽道：龍頭ENS面臨的冰與火

Tags：AIGWEBIGCWEB3AIGO ProtocolEnergy Web TokenTIGC價格METAWEB3PA

MATIC