丨划重点
人类现在能创作的内容，AI都可以有所助力。这一波AI的最新进展在于，过去AI偏科，分得很细，现在通用能力更强AIGC界面表面上彷佛有点像搜索，但底层事理完备不同，有很大的创造身分存在，基于数据网络、算法打算可创作出独一无二作品，乃至能模拟大师风格，画出“机器虾”传统创作者须要拥抱新技能变革，AIGC本身的意义是“解放人类”而非“替代人类”，会授予更多普通人强大的创作能力，不是大略的“抢饭碗”AIGC作品著作权归属现阶段尚无明确定论，平台一样平常不会声明版权，但也不建议创作者利用AIGC内容进行商业化丨概述
2022，AIGC（人工智能产生内容）爆火并迅速出圈，在PGC（专业职员产生内容）、UGC（用户产生内容）之后成为生产内容的新办法。
这一趋势是由OpenAI、DeepMind和智源等精良的科研机构引领的，巨子也积极了局抢占风口，包括谷歌、Meta、微软等有名科技公司先后布局，当然业内也不乏AIGC的新晋独角兽Stability AI、Jasper、MidJourney 加速抢占制高点。
但AIGC“光鲜亮丽”的背后也隐蔽着许多问题，诸如版权、创意等等目前都并没有得到有效的办理，AIGC是否真的会从人类手中“抢饭碗”，商业化的持续探索又该何去何从？
AIGC在今年快速走红这个征象，智源研究院运营副院长刘江认为这离不开AI“大模型”（是指基于大规模算力，利用大规模数据演习而得到的新一代规模巨大的人工智能模型，可以用于广泛的运用处景）的快速发展。
关于AI内容生产对PGC和UGC等传统内容天生形式的冲击，智源研究院NLP/多模态模型研究卖力人伍昱认为AIGC的目的是帮助创作者从重复性、比较呆板的劳动中解放出来，与现存的创作形式并不存在冲突，创作者该当更多的学习、利用AIGC的技能。
智源创新运用实验室卖力人黄文灏则认为未来AIGC的发展始终须要保持开放开源的态度，要重视产品形态的设计以及对UX（用户体验）的把握，让AI绘画不但是一个茶余饭后的消遣，而是成为一种刚需。
01基于通用大模型，AIGC可以打90分
刘兴亮：AIGC到底是什么，它有什么浸染？
刘江：AIGC英文是AI-Generated Content（AI天生内容），Content不仅仅包含绘画，还有笔墨、音乐等等。
笔墨方面代表的平台是美国研究机构OpenAI的GPT-3，智源研究院在这方面的悟道模型也是比较领先的。只需一段笔墨提示（类似高考作文题或者一个开头），AI系统就可以写一篇作文，乃至长篇大论。
往下连续延伸，AIGC还可以天生代码（也是一种笔墨），如今已经涌现比较成熟的商业化平台可以帮助广大程序员写代码。智源也在从事音乐和视频天生模型的研究。
在我看来，人类所能想象到的东西，AI都有可能实现，至少能帮助人更好更快地实现。未来会授予更多普通人强大的创作能力。
最近AIGC为什么火了呢，由于确实效果太好了。利用AI或编程进行内容天生，之前实在有很长的历史，但效果不能知足大多数人的需求。这次为什么天生的效果这么惊人？这离不开这几年AI领域的最新进展——我们称之为“大模型”。
大家可能不知道，之前AI都是非常偏科的，每个别系只会干很专门的事情，分得非常细。多细呢？搞笔墨和搞语音、音乐、图片视频的是好几波人，都有自己的技能和工具，搞的是不同的系统。乃至搞图片的也要分身分类、目标检测、分割、天生等很多小任务，都是不同的。有点像高考，有系统会做数学卷子，但不会语文、英语、物理、化学，反过来也一样。乃至语文卷子里，会做填空题的不会做选择题，会做阅读题的不会造作文题。以是AI总体发展还是挺难的。
而近几年“大模型”涌现之后，原来分得很细的AI科研职员和AI系统，有了共同的根本技能，开始往通用的方向发展了。现在智源研究院的科研团队，原来搞笔墨的和搞图片的已经开始打通，可以有广泛互助了。
智源研究院旗下免费AIGC创作平台FlagStudio：flagstudio.baai.ac.cn
伍昱：过去对不同任务需求，都是须要不同的方法去求解，大模型或者说预演习模型，则是考试测验用同一套技能去办理，然后针对不用的任务/运用处景，进行一定程度的微调，在自然措辞领域已经形成了用预演习模型这样一种相对统一的方法去办理不同的问题的范式。
近两年可能是更大的一个领悟，包括像打算机方向。智源也有团队在研究视觉的大模型，其实在办理问题的技能和方法上是很靠近的，从技能的发展上确实看到了不同模态、不同任务的统一这样一种范式的转变。
多模态的发展非常迅速，而笔墨天生视频近年来爆火，正是多模态方向的发展。近一两年来，从Open AI提出DALLE模型开始，在实现方法上会有一定的差异——它引入了笔墨掌握，而笔墨的掌握又是从措辞大模型发展过来的。
GPT-3（自然措辞处理打算模型）它能够去做文本的天生，而对付措辞的能力转化，我可以通过措辞来交互，让打算机天生一张图片，使得它能够符合我的预期。同时我的措辞实在又可以与打算机互换，让它生产代码，所我的措辞变成了一种工具，可以完成更多的事情。
黄文灏：AIGC技能已有一段韶光的发展历史，之前就有通过AI完成内容天生的案例，但一贯没有引爆话题。
我以为从产品上来看，最大的问题——之前的质量天生内容质量不符合利用者预期，可能在60分的水平，但这次AIGC火爆和出圈的缘故原由爆火出圈的缘故原由在于我们拥有了大模型的能力，使得它的模型水平可以从60提高到80-90分。
它肯定不是完美的，和预期会存在差距，但基本上可以做到以假乱真的地步，而且频年夜多数人实际绘画要好很多，知足利用者的预期，得到他们想要的图片。
以是，我以为大模型带来了技能或者模型层面上的一个质变，使得更多的产品呈现出来，让利用者更随意马虎体验到技能带来的上风。
02齐白石也能画“钢铁虾”
刘兴亮：体验AIGC后，有时觉得自己是个画家，有时候觉得这只是另一种形式的搜索，有什么差异吗？
刘江：它的界面看上去与搜索很像，也是在一个框里输入一些笔墨，就出结果了。但底层事理实在完备不同，AIGC并不是将预师长西席成的很多图片，根据搜索词进行匹配调出。AI是收到笔墨（实在是一种命令提示）后，再调用底层模型，把画打算出来的。
AIGC背后涉及比较繁芜的数学、打算算法，基于海量的数据。同样的一条指令，可能不同韶光，天生的内容却是不一样的，它有比较强的随机性，看上去是有一定创造能力的（背后的机理还不完备清楚）。
搜索则是基于已经存在库中的已有图片，末了呈现的图片也是数据库中的，只是去找对应的图像，而AI绘画的条件是，这幅画本身并不存在。
比如齐白石，算法为什么知道齐白石？由于齐白石的风格统一，而且有很多作品，打算机算法会对现有的作品和风格进行规律总结。你可以命令系统画出齐白石风格的变形金刚、星球大战等场景，这是大师生前都不知道的事情。当然你也可以让AI画梵高、毕加索风格的中国画……
AIGC天生的领悟齐白石风格、金属元素的“虾”
伍昱：首先它肯定不完备是搜索，由于它有创造的身分。
搜索的空间是有限的，比如给定的图片的数据，只能从固定的数据中探求，如果没有，就不会涌现相应的图片。而AIGC的模型是从大量的数据中去学习的，首先肯定具有很大的数据库，并且有笔墨和图片对应，AI模型会学习笔墨跟图片对应的观点。
其次AI模型可以从数据中节制规律，比如苹果可能是什么样的，其他的观点是什么样的，再通过措辞的创作来组合不同的元素，结果则是，图片原来可能数据库中不存在，但是可以基于给定的条件和规律天生。
乃至可以去混搭一些观点，比如考试测验不同的风格，像齐白石他有自己的绘画风格，但在新观点下，蒸汽朋克风、机器风都可以成为可能，我们也能创作一个齐白石画风的机器虾。
黄文灏：可以举两个例子来回答，第一个便是牛油果椅子。
上图是模型天生出来的牛油果椅子，相称于模型知道牛油果是什么，也知道椅子是什么，只管天下上之前是没有人画过牛油果椅子或者造出过。AI模型仍旧可以进行组合，天生既像牛油果又是个椅子的绘画作品。
这就可以很直接证明，AIGC的内容是模型创造出来的，而不是搜索出来的，由于天下上还没有涌现类似的实物。
这样的例子还有很多，像镂空的咖啡杯也很火。
第二个很大略的方法也可以用来验证AIGC的唯一性，用户可以拿天生的图片去百度或者Google，通过以图搜图会创造很多搜索结果当中，与生产的图片很相似，但却找不到完备一样的结果，这就证明AI具备理解大多数类似的图片相同规律的能力，但它供应的结果则不完备一样，足以证明天生的内容是它创造出来的。
刘兴亮：如果用户输入条件完备千篇一律，涌现“撞画”的概率有多少？
伍昱：AI创作模型有很大的随机性，普通用户不用担心“撞画”的情形，这种概率非常小，但如果从专业的模型研究或者开拓的角度来讲，实在是能够去掌握随机性的。
开拓者可以通过掌握让算法基于同样的输入，得到同样的结果输出，由于全体模型算法的设计中虽然引入了随机性，但可以对随机性可以进行掌握。在用户打仗到的产品端，每每不会让用户来掌握这个随机性，以是纵然相同的文本输入，用户的图片天生结果也会不一样。
刘兴亮：从数学的角度，重复概率用一个直不雅观的数据来表达会是多小？
黄文灏：AIGC干系的绘画工具涉及到很多参数，但如果所有参数都一样，也会由于“随机种子”这个参数，使得输出结果是随机的，但考虑到用户友好的问题，我们会把随机种子“藏”起来，用户在天生时都是默认随机的状态。
这种情形下概率该当是二的32次方分之一。
随机种子在AIGC运用中挺有用处，我们创造随机种子会掌握图片的风格，比如通过掌握随机种子，来掌握不同韶光天生的图片的相似度。目前，很多的产品设计里面都会把随机种子固定住，如果随机种子固定，其他参数同等，那两次生造诣会涌现同样的图片。
03AIGC是高等版PS，不会抢人类“饭碗”
刘兴亮：AIGC天生图片，哪些行业可能会受到影响，会打劫人类“饭碗”吗，PGC跟UGC创作者该当如何应对？
刘江：对付所有技能包括AI的影响，人随意马虎在短期高估，长期低估。这个问题也不是AI独占的。人类科技不断进步的进程中，从最早的机器化到后来的电气化、打算机，包括软件等各种各样的技能趋势，都是在不断的对我们事情产生巨大的影响。
须要认识到的是，科技能把饼做得更大，是人类社会发展的底层动力，但每个人能否在科技带来的变革中能分到更多份额，取决于你是否能拥抱科技、拥抱变革。
我给大家的建议是，每个人无论你做什么事情，都要思考一下，自己从事的事情中比较重复、呆板类型的身分是不是很多，这类事情本来就不应该人来做，而更适宜机器，我认为是会逐步被AI的发展所取代的，但它的进程不会那么快。
而事情中须要思考和进行繁芜判断的身分，具有真正创造力的，AI想取代人就很难。比如司机这个事情，实在大部分人稍加培训都能胜任，看似不难，但由于路况繁芜多变，只管自动驾驶发展多年，投入巨大，还远没有对司机就业方面产生重大的影响。
另一方面，AIGC等技能手段首先的目的是帮助提升人类的效率，而不是为了取代人。以是从业者要减少重复性事情，积极学习新知识、新技能和新工具，拥抱变革，以开放的心态，享受AI技能发展所带来的好处。
伍昱：AIGC技能的发展，更多的是能够肃清重复的劳动，帮助创作者更好的去创作，将创作者从重复的劳动中解放出来，更专注于创作的本身，更好的去表达内容。
有人认为，AIGC可能是下一代更加高等的PS，能更方便的进行图片编辑与创造。
AI工具降落了创作的门槛，比如以前绘画这项事情，必须接管长期的演习，那通过技能的形式，能够将长期演习的门槛降落，使创作者缩短演习韶光，就能够更轻易的进行创作。
PGC与UGC须要去利用好AI这个工具，开拓者则须要将其扩展到更多的领域，让更多的人加入到AI创作中来。
黄文灏：我以为“绘画”这个行业可能会一贯存在。
AIGC爆火之后，我们可能仍旧会在某些招聘平台上看到插画师的岗位，只是的职位哀求改变了——过去可能会哀求有过硬的绘画技能，但在未来可能会哀求具备利用AI创尴尬刁难象的能力，插画师则变成了创意专家。
面对AIGC，我认为我们该当去拥抱它们，PGC和UGC的创作者们要将AI工具作为他们创作的一部分，帮助他们更高效或者更便捷的去产生相应的内容。
以是我以为未来会是互助创造作品的状态，而且专业内容的创造者或者说插画师，他对图画的审美是有能力，AI绘画生手可能以为已经很不错，但是专业领域的人会创造瑕疵，会接着去做细微的修正，末了的作品一定会更加优质。
如果说，AI可能现在可以做到80-90分的绘画水平，人类是可以把后面的10分填补上的。对付专业人士来说，实在他们更善于后面的部分，在前面90分内容的根本上，接着去完善作品。
基于这个角度，AIGC该当是一种帮助，以是未来该当是专业内容生产者和AI工具，共同协作的一种模式。
04版权归属尚无定论，须要多领域协同共建
刘兴亮：AIGC干系作品，版权是属于谁？
黄文灏：FlagStudio有明确规定，作品的版权是归创作者所有，模型开拓者没有版权。
即便如此，也不建议用户利用天生的作品去盈利，去做商用。这方面，法律上对此并没有逼迫的约束，由于天下上对付AIGC著作权在法律上并没有统一的认知，著作权究竟是属于谁如今还处在争议的区域，现阶段并无逼迫规定。
刘兴亮：如果侵权，谁来赔？通过AIGC生产的作品，如果获奖属于自己还是平台？
伍昱：我以为由于AIGC发展非常迅速，引起的争议与版权干系的法律法规可能目前还在逐步完善。一些创作者在进行艺术创作过程中，也没故意识作品会被AI模型去学习，被其他的用户进行再创作获利，导致自身利益因而在某种程度上被危害。
未来技能发展过程中，我以为有一种可能，创作者一开始就能够知情——我的作品会被AI模型去学习——同时模型产生的后续基于自身作品的新创造，原初创作者同样能够从中获利。
从这个角度上来讲，办理模型创作时危害原初创作者利益的问题，须要形成一套更新的规范和流程。
刘江：各种争议的源头，即法律到底在著作权抵牾中起到什么浸染？实在实质上都是在做利益共享机制的分配。
由于法律和规范也在不断变革，且会有一定滞后性，折衷和规范的条件都是基于“涌现什么问题，办理什么问题”，但是技能发展的速率快，以是常常会涌现法律不适用的情形。
AI版权问题的繁芜性表现在两个方面，一是AI要基于数据进行创作，在数据根本上进行演习，但是数据的网络、利用、确权、商用等目前在法律上还很不清晰。
二是从贡献来讲，须要有一个得当的利益分配机制，现在还是缺少的。我最近在研究Web3，也是出于这个缘故原由。
接下来AI发展它要基于数据，但数据单独放置也并没有多大代价，只有当全部数据都汇聚在一起，用人类的集体聪慧，再加上AI技能，这样才能够发挥更大的代价。
因此，干系法律法规在未来也须要不断的进行完善，才能更好的推动AI行业进一步的发展。
黄文灏：数据对付创作者非常主要，智源的下一个方向可能会是让大家去做自己的定制化模型。这个数据可能是用户自己的，比如梵高，它有自己的数据，用户也可以利用。
在一个开放的根本模型情形下，创作者自身可以利用梵高的数据演习出一个梵高着风的模型。由于根本模型是开放的，定制模型也属于用户，用来定制的数据也是如此，那么用户就可以通过定制模型去进行商业化的利用，但无论是共享，还是商业化，我认为未来版权干系的法律规范都会有更准确严谨的定义。
刘兴亮：如今的AIGC已经大火，那在未来我们要用什么样的眼力去看待这项技能的连续发展？
伍昱：我们希望能够多方共建，既包括从AI技能的方向，也希望有更多的专家从法律层面来考虑个中存在的很多问题，包括著作权、图片天生的安全性，是否会对社会造成影响，若何进行AI的交互等等。
一个新的技能发展，肯定须要得到多方利用专业知识来共建，而不仅仅是AI的专家。
此外，技能本身它是有多面性的，也须要更多的专家来担保技能是被用在合理的地方，能够更好的促进社会发展，我们也希望更多的人关注到AI的发展，加入AI干系行业，一起去推动这项新兴技能的发展。
黄文灏：AIGC技能如今基本上是开源开放的状态。智源也一贯是秉承着这种开源开放的态度来运行，我们做的所有模型也都是开放的，免费进行利用。
在这种情形下，我以为未来在产品方面，更多是对产品形态的设计以及对U X（用户体验）把握的磨练。如果根本模型或者技能能力都很靠近的情形下，谁能更好的帮助到用户办理真正的痛点，将会更加主要。
以及，如何能让技能能在商业模式上或者在落地层面找到它的刚需场景，也是比较主要的，只有这样才能更好的发挥技能的浸染，而不是像现在很多用户仅仅考试测验一次，之后便不再见去利用。