Titulní obrázek vytvořený AI ilustruje nástroj Stable Diffusion, klíčové slovo: Space Opera House Rembrandt Harmenszoon van Rijn a Hajime Sorayama kombinují malířský styl

Intro

AIGC snížilo vlnu na deprimovaném krypto trhu, co je AIGC? Proč se to najednou objeví? Jaký dopad to bude mít na Web 3?

1. Nový hotspot na primárním trhu – AIGC

Celý název AIGC je Artificial Intelligence Generated Content, což odkazuje na technologii AI pro vytváření nového obsahu prostřednictvím masivních existujících dat (jako je text, audio nebo obrázky). Ve skutečnosti neexistuje jednotná normativní definice konceptu AIGC. Podobným konceptem v mezinárodním měřítku jsou Synthetic Media, která je definována jako technologie pro produkci, manipulaci a úpravu dat nebo médií pomocí algoritmů umělé inteligence, včetně textu, kódu, obrázků, zvuku, videa a 3D obsahu atd.

2. Potřeby uživatelů řídí vývoj technologie AIGC

AIGC se zaměřuje na produkci obsahu a vývoj obsahového ekosystému lze rozdělit do čtyř fází: Profesionálně generovaný obsah (PGC), Uživatelsky generovaný obsah (UGC), AI-asistovaný obsah a AI-Generovaný obsah (AIGC ), v současné době zůstáváme převážně v první a druhé fázi a třetí fáze hraje vedlejší roli.

PGC obecně označuje obsah, který je vytvořen profesionálním týmem, nese vysoké produkční kritérium a dlouhý pracovní cyklus. Nakonec bude použit pro komerční realizaci, jako je televize, filmy a hry. Aby byla zajištěna kvalita generovaného obsahu, musí PGC investovat tuny technických a mzdových nákladů. Podle modelu PGC jsou práva na produkci a realizaci obsahu v rukou několika lidí, s vyšší mírou koncentrace a silnějším monopolním efektem. Pro PGC je však obtížné uspokojit potřeby velkoobjemové produkce obsahu kvůli omezeným lidským zdrojům na straně nabídky.

Na druhou stranu UGC stírá hranice mezi spotřebiteli a producenty. Platforma poskytne nástroje pro tvorbu a výrobci mohou být sami uživateli, což snižuje produkční bariéru a zlepšuje prosperitu obsahové ekologie, jako jsou krátká videa. Model UGC do určité míry snižuje výrobní náklady a stupeň centralizace, vyhovuje personalizovaným nebo diverzifikovaným potřebám uživatelů a zvyšuje strop kapacity. Přestože se rozsah produkce obsahu výrazně zlepšil, kvalita nevyhnutelně utrpěla negativní reakci, protože neexistují žádná omezení pro producenty, nástroje pro generování a témata obsahu.

PGC a UGC jsou omezeny výrobní kapacitou a kvalitou. Je pro ně těžké uspokojit rychle rostoucí poptávku po obsahu, zatímco AIGC může být novým kolem změny paradigmatu v procesu vývoje ekologie obsahu. V pozadí rostoucí poptávky uživatelů se nízká efektivita ruční tvorby stala úzkým hrdlem omezujícím rozsah produkce obsahu. Z pohledu poptávky, jak se mladí lidé stávají hlavním proudem konzumace obsahu, jejich poptávka po produkční kapacitě a kvalitě produkce obsahu explodovala. Kromě toho, ačkoli popularita internetu zrychlila rychlost šíření obsahu, zvětšila také mezeru v poptávce uživatelů. Při vysoké poptávce uživatelů odhalil tradiční způsob výroby obsahu vážné nedostatky z hlediska výrobní kapacity a kvality. Ačkoli UGC řeší problém omezeného rozsahu produkce PGC, kvalita jeho obsahu je nerovnoměrná, což vede k vyšším nákladům uživatelů na získání přístupu k vysoce kvalitnímu obsahu. V konečné analýze UGC stále nemůže uspokojit požadavky uživatelů na vysoce kvalitní obsah.

Neexistuje žádný strop pro růst obsahové ekologie a je velmi nutné zavést AIGC. Postupy vytváření obsahu jsou kroky prověřování informací, filtrování, zpracování a integrace ze strany výrobců. Řada procesů je založena na dlouhodobé nezávislé studii tvůrců, která tráví spoustu času a mozkové síly. Z dlouhodobého hlediska je schopnost umělé tvorby přece jen omezená. Když je produkční potenciál PGC a UGC vyčerpán, AIGC může být schopno vyrovnat mezeru v ekologii obsahu.

Ekologie obsahu vstoupila do fáze výroby za pomoci umělé inteligence a očekává se, že AIGC bude v budoucnu realizováno. V současné době je produkce obsahu stále omezena na rámec pro vytváření založený na PGC a UGC. Platforma pomáhá uživatelům vytvářet prostřednictvím otevřených nástrojů AI. Kdokoli se může stát tvůrcem a vydávat příkazy, aby umělá inteligence automaticky generovala obsah, a instruovala AI, aby dokončila složité úkoly, jako je kódování, kreslení a modelování, což dále snižuje produkční standard a zvyšuje efektivitu výroby.

Vzhledem k vývoji technologií však AI hraje ve výše uvedené práci pouze pomocnou roli. Lidé stále potřebují vytvářet obsah nebo zadávat pokyny v klíčových odkazech. AI nemá schopnost stát se nezávislým tvůrcem. Avšak s neustálým upgradováním a iterací základních prvků, jako jsou data a algoritmy, může být AIGC obecným směrem budoucího vývoje. Může prolomit umělá omezení a povýšit na úroveň nezávislé tvorby a vytvořit bohatší a rozmanitější obsah. Teoreticky bude AIGC realizovat neomezenou nabídku ekologie obsahu a kvalita obsahu předčí PGC, vezmeme-li v úvahu efektivitu výroby a profesionalitu.

3. AIGC zazáří na webu 3

Ve Web 2 zahájila společnost AIGC rozsáhlý průzkum v různých oblastech. V současné době je Web 3 decentralizovanou verzí mapování Web 2. Rozšířením bude mít AIGC přirozeně mnoho aplikovaných směrů na webu 3.

Byl učiněn průlom v nástrojích AI souvisejících s generováním textu. Aplikace AIGC při tvorbě textu zahrnují kódování, překlad a psaní. Tvorba textu je v podstatě použití jazyka. protože programovací jazyky jsou pro AI relativně strukturovanější a snáze se je učí, ale lidské jazyky potřebují kombinovat kontext, sémantiku atd., proto je nejvyspělejším aplikovaným scénářem generování textu kódování, reprezentativní díla, jako je Github Copilot vyrobené společností Microsoft. Uživatelé zadávají logiku kódu v textu, dá se rychle pochopit a podmoduly budou generovány na základě masivního open source kódu, který mohou vývojáři používat. V současné době je téměř 40 % kódu generovaného GitHub Copilot napsáno umělou inteligencí. Ačkoli modulární zásuvné moduly, jako je SDK ve Web 3, zlepšily rychlost programování vývojářů, účinnost vývoje krypto protokolů může být v budoucnu dále podporována popularizací technologie AIGC. V ideálním případě může AIGC automaticky detekovat potřeby trhu nebo volná místa a poté nezávisle programovat a generovat nové protokoly.

Pokud jde o vytváření obsahu v lidské řeči, AIGC také udělalo značný pokrok. V současné době dosáhl vývoj překladu velkého náskoku. Roblox automaticky překládal hry vyvinuté v angličtině do dalších osmi jazyků prostřednictvím strojového učení, včetně čínštiny, němčiny a francouzštiny; systém psaní zpráv Dreamwriter vyvinutý společností Tencent lze použít ve 22 regulovaných scénářích psaní a průměrná rychlost odesílání je až 0,46 sekundy; v článku Sequoia Capital o „Generative AI: A Creative New World“ je část obsahu napsána modelem přirozeného jazyka GPT-3, ale zážitek ze čtení není nejasný a neomalený, ale také bere v úvahu požadavky na plynulost psaní. srozumitelnost a logiku.

AIGC také velkou měrou přispěje k tvorbě textu pro Web 3. Zpravodajská média a výzkumné instituce na Webu 3 čelí bilaterálnímu dilematu obsahové ekologie. Například ačkoli je výstupní kvalita CoinDesk a Messari vysoká, je těžké rozšířit rozsah výroby. Navíc bude dále omezeno šíření obsahu, omezeno jazykem psaní, efektivitou a přesností překladu.

Na druhou stranu, i když je obsah na Twitteru obrovský, nelze zaručit kvalitu perspektiv. Vzhledem k tomu, že informace nejsou kategorizovány podle důležitosti a aktuálnosti atd., je formulář prezentace chaotický, neseskupený, nesetříděný nebo deduplikovaný. Potřeby uživatelů zřejmě nejsou cíleně naplňovány. Současně budou uživatelé čelit problému přetížení informacemi, což způsobí ztrátu času na neplatný obsah. V důsledku toho organizace Web 3 výrazně zaostávají za svými protějšky Web 2, a to jak z hlediska průměrného rozsahu produkce, tak průměrné kvality obsahu.

Rozsah a kvalita organizací Web 2 jsou však často založeny na taktice crowdsourcingu, která vyžaduje velké množství počátečních investic. Aby byla zajištěna kvalita obsahu, musí kvalifikovaní analytici obvykle absolvovat dlouhodobé srážky a intenzivní školení a společnosti musí investovat čas a náklady na školení. Zároveň, aby si udržely rozsah produkce, musí společnosti platit extrémně vysoké mzdové náklady za nábor ve velkém. Tento typ režimu má dva zjevné nedostatky. Jedním jsou přetížené náklady a druhým riziko ztráty talentu v pozdější fázi, což má za následek úplné utopení nákladů. S pokrokem následných technologií mohou analytici ušetřit čas alespoň na shrnutí názvů a abstraktů a AI je schopna přímo generovat TL; DR pochopením celého textu. Z dlouhodobého hlediska budou „kvalifikovaní analytici“ rychle produkováni po hlubokém strojovém učení AI. Instituce Web 3 podstatně sníží náklady a zároveň zlepší rozsah a kvalitu generování obsahu, čímž podpoří rozvoj celého segmentu trhu a celého odvětví. Informační protokoly, zpravodajské protokoly nebo výzkumné protokoly se mohou dokonce objevit na webu 3.

AIGC pravděpodobně spustí nové kolo inovací v hudbě Web 3. AIGC otevírá aplikace v produkci písní, generování textů atd. a interaktivita a výkon v reálném čase jsou dále vylepšeny. Pro ilustraci, adaptivní hudební platforma LifeScore dynamicky uspořádává hudbu v reálném čase. Jakmile uživatel vloží sérii hudebního materiálu, AI jej změní, přemění a remixuje, což povede k okamžitému koncertu. V květnu 2020 LifeScore dodal adaptivní soundtrack pro Twitch interaktivní televizní seriál „Artificial“, který může ovlivnit soundtrack na základě emocionálního stavu diváka, jak se příběh odvíjí.

Z krátkodobého hlediska může AIGC pomoci tvůrcům přizpůsobit se, znovu vytvořit hudbu nebo přímo pomáhat při tvorbě hudby, čímž výrazně sníží jejich pracovní zátěž a zvýší efektivitu práce. Z dlouhodobého hlediska se ve Web 3 objevily některé hudební platformy, spolu se zavedením technologie AIGC mohou být protokoly schopny generovat přizpůsobené skladby podle osobních preferencí posluchačů. Nejenže může platforma enormně snížit náklady na autorská práva, ale uživatelé mohou také snížit platby za skladby. Kromě toho mohou uživatelé také publikovat exkluzivní skladby vytvořené společností AIGC, aby si sami vydělali, a tím posílili ekonomiku tvůrců hudebního trhu Web 3.

Kromě výše uvedených tří hraničních směrů má AIGC také velký potenciál v dalších segmentech trhu Web 3. Například,

1) Hlavní částí NFT jsou obrázky nebo umělecká díla. V současnosti mnoho modelů umělé inteligence shromáždilo data z celé historie umění a populární kultury. Každý uživatel si může libovolně vygenerovat své oblíbené NFT. Různé NFT musí mít různé tváře, oblečení a emocionální charakteristiky. Tradiční způsob výroby vyžaduje vysoké náklady a nízkou účinnost. Tvůrci potřebují provést návrh prototypu, vícenásobné modelování a vykreslování atd., ale AIGC může tvůrcům pomoci efektivněji zkoušet náčrty v rané fázi a ušetřit pracovní sílu na dokončení detailů obrazovky v pozdější fázi. V budoucnu může být AIGC možné dosáhnout nízkonákladové hromadné výroby NFT. Kromě toho lze tvorbu UGC snadno kopírovat a šířit a často dochází k problémům s porušením práv. Přesto jsou NFT jedinečné, nedělitelné a obchodovatelné, což může překonat problémy s bojem proti padělání, potvrzením práv a sledovatelností a posílit ochranu autorských práv;

2) AIGC také zlepšuje generování transmembránových stavů, jako jsou obrázky/animace generující text a naopak;

3) Pokrok AIGC také podpoří rozvoj segmentu sociálního trhu Web 3. Skuteční lidé budou mít nevyhnutelně nějaké nedostatky, ale umělá inteligence může vytvářet oblíbené virtuální postavy uživatelů, protože virtuální postavy generované AIGC budou zcela přizpůsobeny potřebám uživatelů. Uživatelé si mohou přizpůsobit nebo použít šablony k definování vlastností postav, jako je rodina, povolání, věk atd. Umělá inteligence pomůže virtuálním postavám vystupovat s větší pravděpodobností vůči skutečným lidem ve vzhledu a akcích v konkrétních scénách a vybaví je funkcemi jazykového vyjádření a interakce, aby odrážely určitou schopnost empatie. Navíc virtuální postavy doprovázené bohatšími znalostními rezervami a rychlejší frekvencí aktualizací než lidé nepotřebují odpočívat. Očekává se tedy, že zábava a služby poskytované virtuálními postavami v některých oblastech budou srovnatelné se skutečnými lidmi nebo je dokonce předčí. Virtuální postavy se například budou dále učit prostřednictvím komunikace s uživateli a realizovat emocionální společnost. S odkazem na skupiny ACGN a velké uživatele sociálního softwaru na Webu 2 se sociální trh Webu 3 nepochybně rozroste s podporou AIGC;

4）Použití AIGC ve vzdělávání Web 3 může přinést neočekávané výsledky. Vzhledem k tomu, že učební režim umělé inteligence je relativně strukturovaný a organizovaný, učebnice a přednášky vytvořené AIGC mohou snížit bariéru porozumění a pomoci publiku snadněji absorbovat znalosti. Stručně řečeno, budoucí cesta AIGC je ve Web 3 poměrně široká.