Gambar sampul yang dibuat oleh AI mengilustrasikan alat Difusi Stabil, kata kunci: Gedung Opera Luar Angkasa Rembrandt Harmenszoon van Rijn dan gaya lukisan campuran Hajime Sorayama

Pendahuluan

AIGC menjatuhkan riak ke pasar kripto yang tertekan, apa itu AIGC? Kenapa tiba-tiba muncul? Apa dampaknya terhadap Web 3?

1. Hotspot baru di pasar utama—AIGC

Nama lengkap AIGC adalah Artificial Intelligence Generated Content, yang mengacu pada teknologi AI untuk membuat konten baru melalui data besar yang sudah ada (seperti teks, audio, atau gambar). Faktanya, tidak ada definisi normatif yang seragam mengenai konsep AIGC. Konsep serupa secara internasional adalah Media Sintetis, yang didefinisikan sebagai teknologi untuk memproduksi, memanipulasi, dan memodifikasi data atau media melalui algoritma kecerdasan buatan, termasuk teks, kode, gambar, audio, video, dan konten 3D, dll.

2. Kebutuhan pengguna mendorong pengembangan teknologi AIGC

AIGC berfokus pada produksi konten, dan pengembangan ekosistem konten dapat dibagi menjadi empat tahap: Konten Buatan Profesional (PGC), Konten Buatan Pengguna (UGC), Konten Buatan yang dibantu AI, dan Konten Buatan AI (AIGC). ), saat ini kami masih berada di tahap pertama dan kedua, dan tahap ketiga berperan sebagai peran pendukung.

PGC umumnya mengacu pada konten yang dibuat oleh tim profesional, memiliki kriteria produksi tinggi, dan siklus kerja yang panjang. Dana tersebut pada akhirnya akan digunakan untuk realisasi komersial, seperti TV, film, dan game. Untuk memastikan kualitas konten yang dihasilkan, PGC perlu menginvestasikan banyak biaya teknis dan tenaga kerja. Dalam model PGC, hak produksi dan realisasi konten berada di tangan segelintir orang, dengan tingkat konsentrasi yang lebih tinggi dan efek monopoli yang lebih kuat. Namun, sulit bagi PGC untuk memenuhi kebutuhan produksi konten dalam skala besar, karena terbatasnya sumber daya manusia di sisi supply.

Di sisi lain, UGC mengaburkan batasan antara konsumen dan produsen. Platform ini akan menyediakan alat kreasi, dan produsen dapat menjadi penggunanya sendiri, sehingga menurunkan hambatan produksi dan meningkatkan kesejahteraan ekologi konten, seperti video pendek. Model UGC mengurangi biaya produksi dan tingkat sentralisasi hingga batas tertentu, memenuhi kebutuhan pengguna yang dipersonalisasi atau terdiversifikasi, dan meningkatkan batas kapasitas. Meskipun skala produksi konten telah ditingkatkan secara signifikan, kualitasnya pasti mengalami kemunduran karena tidak ada batasan pada produser, alat pembuatan, dan topik konten.

PGC dan UGC masing-masing dibatasi oleh kapasitas dan kualitas produksi. Sulit bagi mereka untuk memenuhi permintaan konten yang berkembang pesat, sementara AIGC mungkin merupakan babak baru perubahan paradigma dalam proses pengembangan ekologi konten. Di tengah meningkatnya permintaan pengguna, rendahnya efisiensi pembuatan konten secara manual telah menjadi hambatan yang membatasi skala produksi konten. Dari sudut pandang permintaan, seiring dengan semakin banyaknya generasi muda yang mengonsumsi konten, permintaan mereka terhadap kapasitas produksi dan kualitas produksi konten pun melonjak. Selain itu, meskipun popularitas Internet telah mempercepat kecepatan penyebaran konten, hal ini juga memperbesar kesenjangan dalam permintaan pengguna. Di tengah tingginya permintaan pengguna, cara produksi konten tradisional telah memperlihatkan kekurangan serius dalam hal kapasitas dan kualitas produksi. Meskipun UGC mengatasi masalah terbatasnya skala produksi PGC, kualitas kontennya tidak merata, sehingga menyebabkan biaya pengambilan lebih tinggi bagi pengguna untuk mengakses konten berkualitas tinggi. Dalam analisis akhir, UGC masih belum dapat memenuhi permintaan pengguna akan konten berkualitas tinggi.

Pertumbuhan ekologi konten belum mencapai batas maksimal, dan pengenalan AIGC sangat diperlukan. Tata cara pembuatan konten merupakan langkah-langkah penyaringan, penyaringan, pengolahan, dan integrasi informasi yang dilakukan oleh produsen. Serangkaian proses didasarkan pada studi independen jangka panjang para pencipta, yang menghabiskan banyak waktu dan tenaga otak. Dalam jangka panjang, kemampuan penciptaan buatan itu terbatas. Ketika potensi produksi PGC dan UGC habis, AIGC mungkin dapat mengisi kesenjangan dalam ekologi konten.

Ekologi konten telah memasuki tahap produksi yang dibantu AI, dan AIGC diharapkan dapat direalisasikan di masa depan. Saat ini produksi konten masih sebatas kerangka pembuatan berbasis PGC dan UGC. Platform ini membantu pengguna dalam berkreasi melalui alat AI terbuka. Siapa pun dapat menjadi pencipta dan mengeluarkan perintah untuk membuat AI secara otomatis menghasilkan konten, menginstruksikan AI untuk menyelesaikan tugas-tugas kompleks, seperti pengkodean, menggambar, dan pemodelan, yang selanjutnya menurunkan standar produksi dan meningkatkan efisiensi produksi.

Namun seiring dengan perkembangan teknologi, AI hanya berperan sebagai pelengkap dalam pekerjaan di atas. Manusia tetap perlu membuat konten atau memasukkan instruksi pada tautan utama. AI tidak memiliki kemampuan untuk menjadi pencipta yang mandiri. Namun, dengan peningkatan berkelanjutan dan iterasi elemen inti seperti data dan algoritme, AIGC mungkin menjadi arah umum pengembangan di masa depan. Ini mungkin menerobos batasan buatan dan meningkatkan ke tingkat kreasi independen, menciptakan konten yang lebih kaya dan beragam. Secara teori, AIGC akan mewujudkan pasokan ekologi konten yang tidak terbatas, dan kualitas konten akan melampaui PGC, dengan mempertimbangkan efisiensi produksi dan profesionalisme.

3. AIGC akan bersinar di Web 3

Di Web 2, AIGC telah memulai eksplorasi ekstensif di berbagai bidang. Saat ini, Web 3 adalah versi pemetaan Web 2 yang terdesentralisasi. Selain itu, AIGC secara alami akan memiliki banyak arahan yang diterapkan di Web 3.

Sebuah terobosan telah dibuat dalam alat AI yang terkait dengan pembuatan teks. Penerapan AIGC dalam pembuatan teks meliputi pengkodean, penerjemahan, dan penulisan. Pembuatan teks pada dasarnya adalah penggunaan bahasa. karena bahasa pemrograman relatif lebih terstruktur dan lebih mudah dipelajari untuk AI, namun bahasa manusia perlu menggabungkan konteks, semantik, dll., oleh karena itu, skenario terapan yang paling matang dalam pembuatan teks adalah coding, karya representatif seperti Github Copilot diproduksi oleh Microsoft. Pengguna memasukkan logika kode dalam teks, sehingga dapat dipahami dengan cepat, dan sub-modul akan dihasilkan berdasarkan kode sumber terbuka yang sangat besar untuk digunakan oleh developer. Saat ini, hampir 40% kode yang dihasilkan oleh GitHub Copilot ditulis oleh AI. Meskipun plug-in modular seperti SDK di Web 3 telah meningkatkan kecepatan pemrograman pengembang, efisiensi pengembangan protokol kripto dapat ditingkatkan lebih lanjut dengan mempopulerkan teknologi AIGC di masa depan. Idealnya, AIGC dapat secara otomatis mendeteksi kebutuhan atau lowongan pasar, dan kemudian secara mandiri memprogram dan menghasilkan protokol baru.

Dalam hal pembuatan konten dalam bahasa manusia, AIGC juga telah mencapai kemajuan besar. Saat ini, perkembangan penerjemahan telah mencapai kemajuan besar. Roblox secara otomatis menerjemahkan game yang dikembangkan dalam bahasa Inggris ke delapan bahasa lainnya melalui pembelajaran mesin, termasuk China, Jerman, dan Prancis; sistem penulisan berita Dreamwriter yang dikembangkan oleh Tencent dapat digunakan dalam 22 skenario penulisan yang diatur, dan kecepatan posting rata-rata mencapai 0,46 detik; dalam artikel Sequoia Capital tentang "Generative AI: A Creative New World", sebagian konten ditulis dengan model bahasa alami GPT-3, tetapi pengalaman membaca tidak kabur dan tumpul, tetapi juga mempertimbangkan persyaratan kefasihan menulis , kejelasan, dan logika.

AIGC juga akan berkontribusi besar dalam pembuatan teks untuk Web 3. Media berita dan lembaga penelitian di Web 3 menghadapi dilema bilateral dalam hal ekologi konten. Misalnya, meskipun kualitas keluaran CoinDesk dan Messari tinggi, sulit untuk memperluas skala produksinya. Selain itu, penyebaran konten akan semakin berkurang, dibatasi oleh bahasa tulisan, efisiensi dan keakuratan terjemahan.

Di sisi lain, meski konten di Twitter sangat banyak, namun kualitas perspektifnya tidak bisa dijamin. Karena informasi tidak dikategorikan berdasarkan kepentingan dan ketepatan waktu, dll., maka bentuk presentasi menjadi berantakan, tidak dikelompokkan, tidak disortir, atau tidak terduplikasi. Rupanya, kebutuhan pengguna tidak terpenuhi secara tepat sasaran. Pada saat yang sama, pengguna akan menghadapi masalah kelebihan informasi, sehingga membuang banyak waktu untuk konten yang tidak valid. Akibatnya, organisasi Web 3 tertinggal jauh dibandingkan organisasi Web 2, baik dalam hal skala produksi rata-rata dan kualitas konten rata-rata.

Namun, skala dan kualitas organisasi Web 2 sering kali didasarkan pada taktik crowdsourcing, yang memerlukan investasi awal dalam jumlah besar. Untuk memastikan kualitas konten, analis yang berkualifikasi biasanya perlu melalui pelatihan intensif dan jangka panjang, dan perusahaan harus menginvestasikan waktu dan biaya pelatihan. Pada saat yang sama, untuk mempertahankan skala output, perusahaan harus membayar biaya tenaga kerja yang sangat tinggi untuk perekrutan skala besar. Ada dua kekurangan yang jelas dalam mode jenis ini. Salah satunya adalah biaya yang berlebihan, dan yang lainnya adalah risiko hilangnya talenta di tahap selanjutnya, yang mengakibatkan biaya tersebut hangus sepenuhnya. Dengan kemajuan teknologi berikutnya, analis setidaknya dapat menghemat waktu dalam merangkum judul dan abstrak, dan AI dapat secara langsung menghasilkan TL; DR dengan memahami teks selengkapnya. Dalam jangka panjang, "analis yang berkualifikasi" akan segera dihasilkan, setelah pembelajaran mesin AI yang mendalam. Institusi Web 3 akan mengurangi biaya secara signifikan sekaligus meningkatkan skala dan kualitas pembuatan konten, sehingga mendorong pengembangan seluruh segmen pasar dan seluruh industri. Protokol informasi, protokol berita, atau protokol penelitian bahkan mungkin muncul di Web 3.

AIGC kemungkinan akan memicu babak baru inovasi dalam musik Web 3. AIGC membuka aplikasi dalam produksi lagu, pembuatan lirik, dll., dan interaktivitas serta kinerja real-time semakin ditingkatkan. Sebagai gambaran, platform musik adaptif LifeScore mengaransemen musik secara dinamis secara real-time. Setelah pengguna memasukkan serangkaian materi musik, AI akan mengubah, mengubah, dan me-remixnya, yang mengarah ke konser instan. Pada bulan Mei 2020, LifeScore menghadirkan soundtrack adaptif untuk serial TV interaktif Twitch "Artificial", yang dapat memengaruhi soundtrack berdasarkan keadaan emosional penonton saat cerita terungkap.

Dalam jangka pendek, AIGC dapat membantu para kreator untuk beradaptasi, menciptakan kembali, atau secara langsung membantu kreasi musik, sehingga mengurangi beban kerja mereka dan meningkatkan efisiensi kerja. Dalam jangka panjang, beberapa platform musik telah muncul di Web 3, seiring dengan diperkenalkannya teknologi AIGC, protokolnya mungkin dapat menghasilkan lagu yang disesuaikan sesuai dengan preferensi pribadi pendengar. Platform ini tidak hanya dapat memangkas biaya hak cipta secara signifikan, namun pengguna juga dapat mengurangi pembayaran untuk lagu. Selain itu, pengguna juga dapat mempublikasikan lagu-lagu eksklusif yang dibuat oleh AIGC untuk memperoleh penghasilan bagi diri mereka sendiri, sehingga meningkatkan ekonomi pencipta pasar musik Web 3.

Selain tiga arah terdepan di atas, AIGC juga memiliki potensi besar di segmen pasar Web 3 lainnya. Misalnya,

1) Bagian utama NFT adalah gambar atau karya seni. Saat ini, banyak model AI yang mengumpulkan data dari keseluruhan sejarah seni dan budaya populer. Setiap pengguna dapat membuat NFT favoritnya sendiri sesuka hati. NFT yang berbeda harus memiliki wajah, pakaian, dan karakteristik emosional yang berbeda. Metode pembangkitan tradisional memerlukan biaya tinggi dan efisiensi rendah. Pembuat konten perlu melakukan desain prototipe, beberapa pemodelan, dan rendering, dll., namun AIGC dapat membantu pembuat sketsa untuk mencoba sketsa dengan lebih efisien di tahap awal, dan menghemat tenaga untuk menyelesaikan detail layar di tahap selanjutnya. Di masa depan, AIGC dimungkinkan untuk mencapai produksi massal NFT berbiaya rendah. Selain itu, pembuatan UGC mudah untuk disalin dan disebarkan, serta masalah pelanggaran sering terjadi. Namun demikian, NFT bersifat unik, tidak dapat dibagi, dan dapat diperdagangkan, sehingga dapat mengatasi masalah anti-pemalsuan aset, konfirmasi hak, dan kemampuan penelusuran untuk memperkuat perlindungan hak cipta; 

2) AIGC juga meningkatkan pembuatan status transmembran, seperti gambar/animasi yang menghasilkan teks, dan sebaliknya;

3) Kemajuan AIGC juga akan mendorong pengembangan segmen pasar sosial Web 3. Orang sungguhan pasti akan memiliki beberapa kekurangan, namun AI dapat membuat karakter virtual favorit pengguna karena karakter virtual yang dihasilkan oleh AIGC akan sepenuhnya disesuaikan dengan kebutuhan pengguna. Pengguna diizinkan untuk menyesuaikan atau menggunakan templat untuk menentukan properti, seperti keluarga, pekerjaan, usia, dll., dari karakter. AI akan membantu karakter virtual tampil lebih mirip orang nyata dalam penampilan dan tindakan dalam adegan tertentu, dan memberi mereka fungsi ekspresi bahasa dan interaksi untuk mencerminkan kemampuan empati tertentu. Selain itu, karakter virtual yang disertai cadangan ilmu yang lebih melimpah dan frekuensi update yang lebih cepat dibandingkan manusia tidak perlu istirahat. Oleh karena itu, hiburan dan layanan yang diberikan oleh karakter virtual di beberapa bidang tertentu diharapkan dapat sebanding atau bahkan melampaui orang sungguhan. Misalnya, karakter virtual akan terus belajar melalui komunikasi dengan pengguna dan mewujudkan persahabatan emosional. Mengacu pada grup ACGN dan pengguna berat perangkat lunak sosial di Web 2, pasar sosial Web 3 pasti akan menjadi lebih besar di bawah dukungan AIGC; 

4）Penggunaan AIGC dalam pendidikan Web 3 dapat memberikan hasil yang tidak diharapkan. Karena mode pembelajaran AI relatif terstruktur dan terorganisir, buku teks dan ceramah yang dihasilkan oleh AIGC mungkin dapat menurunkan hambatan pemahaman dan membantu audiens untuk menyerap pengetahuan dengan lebih mudah. Singkatnya, perjalanan AIGC ke depan cukup luas di Web 3.