Rocky Ding

WeThinkIn

寫在前面

【AI行研&商業(yè)價值分析】欄目專注于分享AI行業(yè)中最新熱點/風(fēng)口的思考與判斷。也歡迎大家提出寶貴的優(yōu)化建議，一起交流學(xué)習(xí)??

大家好，我是Rocky。

2023年3月21日，微軟創(chuàng)始人比爾·蓋茨在其博客文章《The Age of AI has begun》中表示，自從1980年首次看到圖形用戶界面（graphical user interface）以來，以O(shè)penAI為代表的科技公司發(fā)布的AIGC模型是他所見過的最具革命性的技術(shù)進(jìn)步。

Rocky也認(rèn)為，AIGC及其生態(tài)鏈，會成為AI行業(yè)重大變革的主導(dǎo)力量。AIGC會帶來一個全新的紅利期，未來隨著AIGC的全面落地和深度商用，會深刻改變我們的工作，生活，學(xué)習(xí)以及交流方式，許多行業(yè)都將被重新定義，過程會非常有趣。

二十世紀(jì)末PC革命的時候，Rocky還在玩小霸王學(xué)習(xí)機(jī)；二十一世紀(jì)初互聯(lián)網(wǎng)革命的時候，Rocky還在教室里獲取新知，但Rocky依舊從革新中感受到了震撼。當(dāng)前由AIGC引發(fā)的科技浪潮，同樣讓Rocky興奮，正是其ToC的迭代可能性，讓Rokcy在早期就做出了all in AIGC的決定。

而在剛剛過去的“瘋狂三月”，世界上主要科技公司與研究機(jī)構(gòu)們爭先恐后發(fā)布關(guān)于AIGC的最新進(jìn)展，讓人目不暇接，吃瓜群眾們紛紛驚呼不已。那么，在狂歡過后，我們該如何更好的審視AIGC的未來？我們該如何更好地?fù)肀IGC引領(lǐng)的革新？接下來Rocky準(zhǔn)備從技術(shù)，產(chǎn)品，長期主義等維度分享一些個人的核心思考與觀點，希望能幫助各位讀者對AIGC有一個全面的了解。

So，enjoy（與本文的BGM一起食用更佳哦）：

正文開始

----【目錄先行】----

1. 何為AIGC

2. “瘋狂的三月”，AI新時代的開啟

3. AIGC引發(fā)的科技浪潮，給了我們什么啟示（后續(xù)文章中將發(fā)布，敬請期待）

4. AIGC時代下，還會涌現(xiàn)哪些現(xiàn)象級產(chǎn)品（后續(xù)文章中將發(fā)布，敬請期待）

5. AI從業(yè)者在AIGC時代下如何“轉(zhuǎn)型”（后續(xù)文章中將發(fā)布，敬請期待）

【一】何為AIGC

如果你還不知道AIGC，don’t worry，Rocky接下來將會詳細(xì)闡述AIGC是什么，幫助大家對AIGC建立全面的理解。

AIGC全稱Artificial Intelligence Generated Content，也就是人工智能生成內(nèi)容，而這個內(nèi)容就包含了圖像，視頻，文本對話，語音等信息交互的基本單元。

目前，在圖像和文本對話領(lǐng)域，Stable Diffusion和ChatGPT兩個人工智能模型橫空出世，在圖像和文本對話領(lǐng)域奠定了商用的基礎(chǔ)。

Stable Diffusion讓包含AI繪畫在內(nèi)的圖像生成應(yīng)用井噴式爆發(fā)，其逼真的畫面內(nèi)容，讓很多專業(yè)人士都驚呼AI已經(jīng)具備“創(chuàng)造力”。通常來說，人類用視覺從外界獲取的信息占到總信息的80%，而這龐大的信息中，AI生產(chǎn)的內(nèi)容似乎開始潛移默化的加入。據(jù)估計，到2025年，世界上10%的內(nèi)容數(shù)據(jù)都將由AI去創(chuàng)造。

ChatGPT更不用說，其本身就成為了一個現(xiàn)象級的應(yīng)用，讓沉寂已久的自然語言處理領(lǐng)域著實風(fēng)光了一把。

其展現(xiàn)出的強大的上下文理解能力與對話能力，無疑預(yù)示著未來的生產(chǎn)力將迎來大爆發(fā)，AI第一次讓人類有了可以全方位依靠的“感覺”，但同時也引起了悲觀人士對人工智能將會“掌管世界”的恐慌。

關(guān)于ChatGPT的解析，Rocky之前已經(jīng)在深入淺出解析ChatGPT引領(lǐng)的科技浪潮 |【AI行研&商業(yè)價值分析】中深入講解，感興趣的讀者可以補充閱讀。

在圖像和文本對話領(lǐng)域?qū)崿F(xiàn)爆發(fā)后，未來AIGC在視頻和音頻領(lǐng)域的突破也只是時間問題。除了圖像，文本對話等單模態(tài)領(lǐng)域，AIGC的多模態(tài)應(yīng)用也已經(jīng)迅猛發(fā)展，比如文本生成圖像，圖像生成文本，文本生成視頻，圖像/視頻生成文本對話等，更加精準(zhǔn)地模擬了現(xiàn)實世界的信息交互，多模態(tài)AIGC是真正實現(xiàn)認(rèn)知和決策智能的關(guān)鍵一招。

多模態(tài)發(fā)展的最終形態(tài)，很可能會創(chuàng)造出一個“智能體”，它能夠從外界接收圖像視頻，語音以及本文，并通過“思考”之后，同樣通過圖像視頻，語音和本文作出應(yīng)對，比如像賈維斯一樣給鋼鐵俠提供建議，亦或者是像天網(wǎng)那樣有自己“倔強”的想法。

【二】“瘋狂的三月”，AI新時代的開啟

2023年的三月，瘋狂程度可以載入AI史冊。

GPT-4、Microsoft 365 Copilot、Midjourney V5、Google PaLM API、文心一言等等重磅的AI創(chuàng)新產(chǎn)品扎堆推出，讓吃瓜群眾目不暇接，讓蹭熱度媒體人日日“震驚并刷新認(rèn)知”。

除此之外，我們還能做什么呢？

我們首先要做的，是記住這帶來革新的一個月，并梳理總結(jié)這些新產(chǎn)品的核心本質(zhì)。

那么，讓我們開始吧。

微軟發(fā)布Visual ChatGPT

原生的ChatGPT展現(xiàn)出了強勁的文本推理能力和對話問答能力，但是它無法處理視覺信息。

Visual ChatGPT通過借助如Visual Transformer和Stable Diffusion等視覺模型的強大的視覺理解和生成能力，來開啟ChatGPT處理視覺任務(wù)的研究方向。

目前Visual ChatGPT可以達(dá)到如下效果：

1. 接收和發(fā)送文本和圖像。
2. 提供復(fù)雜的視覺問答和視覺編輯等應(yīng)用，并通過多步迭代優(yōu)化的方式來解決復(fù)雜視覺任務(wù)。
3. 可以提供反饋，總結(jié)答案，主動詢問模糊的prompt等附加功能。

Visual ChatGPT論文鏈接：https://arxiv.org/abs/2303.04671

Visual ChatGPT開源代碼：https://github.com/microsoft/visual-chatgpt

斯坦福大學(xué)發(fā)布Alpaca

斯坦福大學(xué)發(fā)布了由Meta的LLaMA 7B模型微調(diào)而來的Alpaca模型。

Alpaca模型宣稱訓(xùn)練成本不到600美元，但是評估效果與ChatGPT相當(dāng)。

那么斯坦福研究團(tuán)隊是怎么用這區(qū)區(qū)600美元來完成“如此大”的工程呢？

首先，斯坦福團(tuán)隊花了不到500美元用ChatGPT的API來生成研究所需的訓(xùn)練數(shù)據(jù)（這騷操作，Rocky愿稱之為蒂花之秀）

接著，用云計算平臺去微調(diào)訓(xùn)練Alpaca模型，其訓(xùn)練成本只有100美元。

就這樣，ChatPGT的能力就被很好的“拷貝”了，并且Alpaca模型的參數(shù)只有70億，比ChatGPT少了約25倍，讓其在單卡上運行成為了可能。

這說明我們能夠獲得的類ChatGPT功能的綜合成本將會逐步降低。

Alpaca開源代碼：https://github.com/tatsu-lab/stanford_alpaca

清華發(fā)布ChatGLM-6B

ChatGLM-6B是由清華技術(shù)成果轉(zhuǎn)化公司智譜AI開源的中英雙語對話模型，并針對中文進(jìn)行了優(yōu)化。雖然存在和ChatGPT一樣的事實錯誤、胡說八道的問題，但是作為開源模型其支持在單張消費級顯卡上部署應(yīng)用。

ChatGLM-6B開源代碼：https://github.com/THUDM/ChatGLM-6B

OpenAI發(fā)布GPT-4

北京時間2022年3月15日凌晨1時，OpenAI發(fā)布GPT-4。

「這是二十一世紀(jì)以來，人類最慌的一天」，「一切都將會變得不一樣」，一些從業(yè)者興奮萬分，一些從業(yè)者憂心忡忡，如此極端的行業(yè)氛圍在上一次是什么時候？10年前？20年前？

可以肯定的是，這次的AI引領(lǐng)的科技浪潮，踏踏實實充滿了落地可能性。

GPT-4相比ChatGPT擁有了多模態(tài)能力，同時推理能力進(jìn)一步增強，不僅能夠與人類正常對話，也能夠識別圖像，生成歌詞，制作網(wǎng)站，并且在哈佛和斯坦福等名校中取得了優(yōu)異的考試成績，確實出現(xiàn)了一點AGI（artificial general intelligence，通用人工智能）的意思。

插入視頻

是的，AI行業(yè)的iPhone時刻到來了。

這是很多人都在說的，那到底什么是iphone時刻呢？

iPhone用強大的產(chǎn)品邏輯整合已有技術(shù)開創(chuàng)了一個革命性的智能手機(jī)界面交互模式，由此推動了移動互聯(lián)網(wǎng)的全面爆發(fā)。

麻省理工認(rèn)為，GPT-4可能是OpenAI有史以來最神秘的版本，也標(biāo)志著它從非營利性研究機(jī)構(gòu)向盈利性技術(shù)公司的全面轉(zhuǎn)型。

微軟發(fā)布New Bing和Microsoft 365 Copilot

早些時候，微軟發(fā)布了New Bing，其在搜索引擎中集成了ChatGPT。

New Bing可以引用最近1小時發(fā)布的信息回答用戶的問題。如果用戶提出的問題比較模糊，新版Bing則會嘗試“反問”用戶，并為用戶給出相應(yīng)的答復(fù)建議。簡而言之，New Bing是搜索引擎+實時信息+ChatGPT的一次嘗試，打造一種“聊天式的搜索引擎工具”。

等待GPT-4一發(fā)布，微軟馬上“坦白”，確認(rèn)了New Bing使用的普羅米修斯模型（Prometheus）就是OpenAI發(fā)布的GPT-4，并且表示使用New Bing的用戶應(yīng)該已經(jīng)體驗到GPT-4的強大功能。

微軟：“不愧是我”。

但是微軟的AIGC嘗試并未就此告一段落。

緊接著微軟發(fā)布另一個重磅應(yīng)用：Microsoft 365 Copilot，一夜之間在中外互聯(lián)網(wǎng)上刷屏。

Copilot也應(yīng)用了GPT-4技術(shù)，能夠幫助用戶在 Word、Excel、PowerPoint、Outlook 和Teams等軟件中進(jìn)行寫作、編輯、總結(jié)、創(chuàng)作、演示文稿等工作。

用戶可以根據(jù)需求生成文檔，也可以讓Copilot自動做PPT，并一鍵做出精美排版，還可以讓Excel自動分析數(shù)據(jù)的特點，自動生成分析圖表等。

微軟認(rèn)為此次Copilot最重大的意義是在于大幅提高了生產(chǎn)效率，減少了日常不必要的工作時間浪費，我們與電腦的交互方式邁入了新的階段，從此我們的工作方式將永遠(yuǎn)改變，開啟新一輪的生產(chǎn)力大爆發(fā)。

Anthropic發(fā)布Claude

在ChatGPT發(fā)布，并且微軟加注OpenAI之后，Google火速投資Anthropic，這個由前OpenAI研究副總裁Dario Amodei創(chuàng)立的人工智能公司。

風(fēng)浪大了，好賣魚。

之后，Anthropic便發(fā)布Claude，直接對標(biāo)ChatGPT。其宣稱具有和ChatGPT一樣的對話問答能力，能夠執(zhí)行各種基于文字對話的任務(wù)，如文檔搜索、摘要、寫作、編碼，以及響應(yīng)用戶的提問。

Google發(fā)布PaLM API

Google在3月14日晚間開放了其大語言模型PaLM的API。Google一度是互聯(lián)網(wǎng)公司在AI領(lǐng)域的半壁江山，但必須要承認(rèn)的是，在這次AIGC的浪潮里，Google的工作并沒有得到預(yù)期的關(guān)注。

因為同一天的晚時候，GPT-4閃亮登場了。

與微軟類似，Google也全面更新了旗下的AI辦公工具，主要包含以下幾個方面：

1. AI賦能Gmail，使其智能化。
2. 在Google Docs中集成頭腦風(fēng)暴、自動內(nèi)容生、校對、修正重寫等AI功能。
3. 在Google Slides中通過關(guān)鍵詞來自動幫助用戶生成的圖像、音頻和視頻，并能提供各種不同幻燈片創(chuàng)意選擇。
4. 在Google Sheets中集成自動整理表格、公式生成和上下文分類，以及基于原始數(shù)據(jù)的解讀和分析能力。
5. 在Google Meet中提供新的AI背景生成、筆記記錄、總結(jié)等功能。
6. 在所有功能中啟用AI對話助手（類似于ChatGPT），讓用戶能夠通過提問和描述的方式來快速生成內(nèi)容。

Midjourney V5發(fā)布

2023年3月15號，Midjourney公司發(fā)布付費AI圖像生成服務(wù)的迭代版本：Midjourney V5。

圖像的整體生成效果再上一層樓，細(xì)節(jié)刻畫更加逼真，而一直被詬病的AI不會畫手指的問題，在這一版中也得到了解決。

Nvidia發(fā)布H100 NVL

英偉達(dá)在一年一度的GTC大會上，發(fā)布了新顯卡：帶有雙GPU NVLink的H100 NVL。

H100 NVL是專門針對算力需求巨大的ChatGPT而設(shè)計的顯卡，H100 NVL擁有夸張的188GB HBM3內(nèi)存（每張卡94GB），這也是目前Nvidia發(fā)布的內(nèi)存最大的顯卡。

在如此夸張的配置加持下，H100 NVL就成為了大規(guī)模部署AIGC大模型的理想選擇。

與此同時，為了降低用戶部署大模型的成本，Nvidia還推出了DXG Cloud服務(wù)，在云端將8張H100或A100顯卡組成的超級計算機(jī)提供給用戶，能夠便捷地完成類似ChatGPT等先進(jìn)AI應(yīng)用的計算工作。

或許，在抽絲剝繭之后，我們會發(fā)現(xiàn)把AI帶到各行各業(yè)的最原始的源頭，是Nvidia。

Runway發(fā)布Gen-2

Runway在2022年9月發(fā)布的Gen-1展現(xiàn)的文本轉(zhuǎn)視頻的能力給我們帶來了的極大的視覺震撼。

而現(xiàn)在，Gen-2發(fā)布了。

插入視頻

Gen-2不但可以從無到有直接生成視頻，并且與Gen-1相比，它生成的視頻幀與幀之間銜接得更加流暢了，整體畫質(zhì)也更加清晰。

那么等到Gen-3發(fā)布的時候，我們能不能一鍵生成抖音爆款短片呢？

Gen論文鏈接：https://arxiv.org/abs/2302.03011

百度發(fā)布文心一言

在GPT-4發(fā)布的當(dāng)天，百度發(fā)布文心一言對標(biāo)ChatGPT。

隨即，梗圖在網(wǎng)上爆火。

作為中國互聯(lián)網(wǎng)公司中第一個推出的AIGC商業(yè)化產(chǎn)品，希望未來能有更佳優(yōu)秀的迭代版本！

Adobe發(fā)布Firefly

2023年3月21號，Adobe推出了自己的創(chuàng)意生成式AI模型集：Adobe Firefly。

Firely的功能很多，主要包括：

1. 通過文字生成、修改圖片
2. 生成“源文件”：矢量插畫
3. 以圖生圖
4. 多素材合成圖片
5. AI對話助手

Adobe認(rèn)為，AI正在提供一種打開世界的新方式，人們可以用最方便的方式來實現(xiàn)創(chuàng)意，“賦能設(shè)計師而不是取代設(shè)計師”。

Stability AI發(fā)布Table Diffusion Reimagine

在table Diffusion Reimagine（SDR）被發(fā)布之后，可以說人人都是prompt工程師的時代，還沒開始就結(jié)束了。

SDR允許用戶無限制地生成單個圖像的多種變體，并不需要復(fù)雜的prompt。用戶只需將圖像上傳到算法中，就可以創(chuàng)建他們想要的盡可能多的變體。

Meta發(fā)布Segment Anything Model

2023年4月6號，Meta發(fā)布了CV領(lǐng)域的分割大模型Segment Anything Model（SAM），并且開源了目前為止分割方向最大的數(shù)據(jù)集Segment Anything 1-Billion mask dataset（SA-1B），其包含了超過1100萬的數(shù)據(jù)與超過10億的mask標(biāo)簽。

在自然語言處理領(lǐng)域的大模型浪潮下，CV領(lǐng)域在未來或許會引來“ChatGPT時刻”。

SAM demo地址：https://segment-anything.com/
SAM 論文地址：https://arxiv.org/abs/2304.02643

精致的結(jié)尾

無數(shù)的科幻作品都預(yù)言過AI在未來會成為我們生活的一部份，有樂觀的闡述，有悲觀的闡述，也有理性的闡述。但不管怎么樣，我們離這個未來越來越近了。

在本系列的后續(xù)文章中，Rocky將繼續(xù)帶來關(guān)于《AIGC引發(fā)的科技浪潮，給了我們什么啟示》，《AIGC時代下，還會涌現(xiàn)哪些現(xiàn)象級產(chǎn)品》以及《AI從業(yè)者在AIGC時代下如何“轉(zhuǎn)型”》的核心思考與干貨分享，大家可以先一鍵三連，不要錯過后續(xù)精彩哦～

Rocky將算法高價值面試知識點即“三年面試五年模擬”之獨孤九劍秘籍前十二式進(jìn)行匯總梳理成匯總篇，并制作成pdf版本，大家可在公眾號后臺 【精華干貨】菜單或者回復(fù)關(guān)鍵詞“三年面試五年模擬” 進(jìn)行取用。

除此之外Rocky還將YOLOv1-v7全系列大解析也制作成相應(yīng)的pdf版本，大家可在公眾號后臺 【精華干貨】菜單或者回復(fù)關(guān)鍵詞“YOLO” 進(jìn)行取用。

Rocky一直在運營技術(shù)交流群（WeThinkIn-技術(shù)交流群），這個群的初心主要聚焦于技術(shù)話題的討論與學(xué)習(xí)，包括但不限于CV算法，算法，開發(fā)，IT技術(shù)以及工作經(jīng)驗等。群里有很多人工智能行業(yè)的大牛，歡迎大家入群一起學(xué)習(xí)交流～（請?zhí)砑有≈治⑿臞arvis8866，拉你進(jìn)群～）文章來源地址http://www.zghlxwxcb.cn/news/detail-490310.html

到了這里，關(guān)于在瘋狂三月之后，深入淺出分析AIGC的核心價值 （上篇）|【AI行研&商業(yè)價值分析】的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！