Imagem de capa criada por IA ilustra a ferramenta Stable Diffusion, palavra-chave: Space Opera House Rembrandt Harmenszoon van Rijn e Hajime Sorayama misturam estilo de pintura

Introdução

AIGC causou ondulações no mercado de criptomoedas deprimido, o que é AIGC? Por que ele surge de repente? Que impacto ele causará na Web 3?

1. O novo ponto de acesso no mercado primário — AIGC

O nome completo do AIGC é Artificial Intelligence Generated Content, que se refere à tecnologia da IA ​​para criar novos conteúdos por meio de dados massivos existentes (como texto, áudios ou imagens). Na verdade, não há uma definição normativa unificada do conceito AIGC. Um conceito semelhante internacionalmente é Synthetic Media, que é definido como uma tecnologia para produzir, manipular e modificar dados ou mídia por meio de algoritmos de inteligência artificial, incluindo texto, código, imagens, áudio, vídeo e conteúdo 3D, etc.

2. As necessidades do usuário impulsionam o desenvolvimento da tecnologia AIGC

O AIGC se concentra na produção de conteúdo, e o desenvolvimento do ecossistema de conteúdo pode ser dividido em quatro estágios: Conteúdo gerado profissionalmente (PGC), Conteúdo gerado pelo usuário (UGC), Conteúdo gerado assistido por IA e Conteúdo gerado por IA (AIGC). Atualmente, ficamos principalmente no primeiro e segundo estágios, e o terceiro estágio desempenha um papel de suporte.

PGC geralmente se refere ao conteúdo que é criado por uma equipe profissional, carrega um alto critério de produção e um longo ciclo de trabalho. Ele acabará sendo usado para realização comercial, como TV, filmes e jogos. Para garantir a qualidade do conteúdo gerado, a PGC precisa investir toneladas de custos técnicos e de mão de obra. Sob o modelo PGC, os direitos de produção e realização de conteúdo estão nas mãos de poucas pessoas, com um maior grau de concentração e um efeito de monopólio mais forte. No entanto, é difícil para a PGC atender às necessidades de produção de conteúdo em larga escala, devido aos recursos humanos limitados no lado da oferta.

Por outro lado, o UGC confunde os limites entre consumidores e produtores. A plataforma fornecerá ferramentas de criação, e os produtores podem ser eles próprios usuários, o que reduz a barreira de produção e melhora a prosperidade da ecologia de conteúdo, como vídeos curtos. O modelo UGC reduz o custo de produção e o grau de centralização até certo ponto, atende às necessidades personalizadas ou diversificadas do usuário e aumenta o teto de capacidade. Embora a escala de produção de conteúdo tenha sido bastante aprimorada, a qualidade inevitavelmente sofreu uma reação negativa porque não há restrições sobre produtores, ferramentas de geração e tópicos de conteúdo.

PGC e UGC são limitados pela capacidade de produção e qualidade, respectivamente. É difícil para eles atender à demanda de conteúdo em rápido crescimento, enquanto AIGC pode ser uma nova rodada de mudança de paradigma no processo de desenvolvimento da ecologia de conteúdo. No contexto da crescente demanda do usuário, a baixa eficiência da criação manual se tornou um gargalo que restringe a escala de produção de conteúdo. Da perspectiva da demanda, à medida que os jovens se tornam o mainstream do consumo de conteúdo, sua demanda pela capacidade de produção e qualidade da produção de conteúdo explodiu. Além disso, embora a popularidade da Internet tenha acelerado a velocidade de disseminação de conteúdo, ela também ampliou a lacuna na demanda do usuário. Sob a alta demanda dos usuários, o modo tradicional de produção de conteúdo expôs sérias deficiências em termos de capacidade de produção e qualidade. Embora UGC melhore o problema da escala de produção limitada de PGC, sua qualidade de conteúdo é irregular, o que leva a custos de recuperação mais altos para os usuários acessarem conteúdo de alta qualidade. Na análise final, UGC ainda não consegue atender à demanda do usuário por conteúdo de alta qualidade.

Não há teto para o crescimento da ecologia de conteúdo, e é altamente necessário introduzir o AIGC. Os procedimentos de criação de conteúdo são as etapas de triagem, filtragem, processamento e integração de informações pelos produtores. Uma série de processos é baseada no estudo independente de longo prazo dos criadores, que gasta bastante tempo e capacidade intelectual. No longo prazo, a capacidade de criação artificial é limitada, afinal. Quando o potencial de produção de PGC e UGC estiver esgotado, o AIGC pode ser capaz de compensar a lacuna na ecologia de conteúdo.

A ecologia de conteúdo entrou no estágio de produção assistida por IA, e espera-se que o AIGC seja realizado no futuro. Atualmente, a produção de conteúdo ainda está limitada à estrutura de criação baseada em PGC e UGC. A plataforma auxilia os usuários na criação por meio de ferramentas de IA abertas. Qualquer um pode se tornar um criador e emitir comandos para fazer a IA gerar conteúdo automaticamente, instruindo a IA a concluir tarefas complexas, como codificação, desenho e modelagem, o que reduz ainda mais o padrão de produção e melhora a eficiência da produção.

No entanto, devido ao desenvolvimento da tecnologia, a IA desempenha apenas um papel auxiliar no trabalho acima. Os humanos ainda precisam criar conteúdo ou inserir instruções em links-chave. A IA não tem a capacidade de se tornar um criador independente. No entanto, com a atualização e iteração contínuas de elementos essenciais, como dados e algoritmos, o AIGC pode ser a direção geral do desenvolvimento futuro. Ele pode romper as limitações artificiais e atualizar para o nível de criação independente, criando conteúdo mais rico e diverso. Em teoria, o AIGC realizará o fornecimento ilimitado de ecologia de conteúdo, e a qualidade do conteúdo ultrapassará o PGC, considerando a eficiência da produção e o profissionalismo.

3. AIGC brilhará na Web 3

Na Web 2, a AIGC iniciou uma exploração extensiva em vários campos. Atualmente, a Web 3 é uma versão descentralizada do mapeamento da Web 2. Por extensão, a AIGC naturalmente terá muitas direções aplicadas na Web 3.

Um avanço foi feito em ferramentas de IA relacionadas à geração de texto. As aplicações do AIGC na criação de texto incluem codificação, tradução e escrita. A criação de texto é essencialmente o uso da linguagem. já que as linguagens de programação são relativamente mais estruturadas e fáceis de aprender para IA, mas as linguagens humanas precisam combinar contexto, semântica, etc., portanto, o cenário aplicado mais maduro de geração de texto é a codificação, trabalhos representativos como o Github Copilot produzido pela Microsoft. Os usuários inserem lógica de código no texto, ele pode ser rapidamente compreendido, e submódulos serão gerados com base em código aberto massivo para uso dos desenvolvedores. Atualmente, quase 40% do código gerado pelo GitHub Copilot é escrito por IA. Embora plug-ins modulares como o SDK na Web 3 tenham melhorado a velocidade de programação dos desenvolvedores, a eficiência de desenvolvimento de protocolos criptográficos pode ser ainda mais promovida com a popularização da tecnologia AIGC no futuro. Idealmente, o AIGC pode detectar automaticamente as necessidades ou vagas do mercado e, então, programar e gerar novos protocolos de forma independente.

Em termos de criação de conteúdo em linguagem humana, a AIGC também fez um progresso considerável. Atualmente, o desenvolvimento da tradução alcançou uma grande liderança. O Roblox traduziu automaticamente jogos desenvolvidos em inglês para outros oito idiomas por meio de aprendizado de máquina, incluindo chinês, alemão e francês; o sistema de redação de notícias Dreamwriter desenvolvido pela Tencent pode ser usado nos 22 cenários de escrita regulamentados, e a velocidade média de postagem é de apenas 0,46 segundos; no artigo da Sequoia Capital "Generative AI: A Creative New World", parte do conteúdo é escrita pelo modelo de linguagem natural GPT-3, mas a experiência de leitura não é obscura e contundente, mas também leva em consideração os requisitos de escrita de fluência, clareza e lógica.

O AIGC também contribuirá muito para a criação de texto para a Web 3. A mídia de notícias e as instituições de pesquisa na Web 3 estão enfrentando o dilema bilateral da ecologia de conteúdo. Por exemplo, embora a qualidade de saída do CoinDesk e do Messari seja alta, é difícil expandir a escala de produção. Além disso, a disseminação de conteúdo será ainda mais reduzida, limitada pela linguagem de escrita, pela eficiência e precisão da tradução.

Por outro lado, embora o conteúdo no Twitter seja enorme, a qualidade das perspectivas não pode ser garantida. Como as informações não são categorizadas por importância e atualidade, etc., a forma de apresentação é confusa, desagrupada, não classificada ou desduplicada. Aparentemente, as necessidades do usuário não são atendidas de forma direcionada. Simultaneamente, os usuários enfrentarão o problema da sobrecarga de informações, causando desperdício de muito tempo em conteúdo inválido. Como resultado, as organizações da Web 3 ficam significativamente atrás de suas contrapartes da Web 2, tanto em termos de escala média de produção quanto de qualidade média de conteúdo.

No entanto, a escala e a qualidade das organizações da Web 2 são frequentemente baseadas em táticas de crowdsourcing, que exigem uma grande quantidade de investimento inicial. Para garantir a qualidade do conteúdo, analistas qualificados geralmente precisam passar por precipitação de longo prazo e treinamento intensivo, e as empresas devem investir tempo e custos de treinamento. Ao mesmo tempo, para manter a escala de produção, as empresas devem pagar custos de mão de obra extremamente altos para recrutamento em larga escala. Existem duas deficiências óbvias neste tipo de modo. Uma é o custo sobrecarregado, e a outra é o risco de perda de talentos na fase posterior, resultando em custos totalmente afundados. Com o avanço das tecnologias subsequentes, os analistas podem economizar o tempo de resumir títulos e resumos, pelo menos, e a IA é capaz de gerar diretamente TL; DR ao entender o texto completo. A longo prazo, "analistas qualificados" serão produzidos rapidamente, após aprendizado profundo de máquina da IA. As instituições da Web 3 reduzirão substancialmente os custos ao mesmo tempo em que melhoram a escala e a qualidade da geração de conteúdo, promovendo assim o desenvolvimento de todo o segmento de mercado e de toda a indústria. Os protocolos de informação, protocolos de notícias ou protocolos de pesquisa podem até aparecer na Web 3.

O AIGC provavelmente desencadeará uma nova rodada de inovação na música Web 3. O AIGC abre aplicativos na produção de músicas, geração de letras, etc., e a interatividade e o desempenho em tempo real são ainda mais aprimorados. Como ilustração, a plataforma de música adaptável LifeScore organiza dinamicamente a música em tempo real. Uma vez que o usuário alimenta uma série de material musical, a IA irá alterá-lo, transformá-lo e remixá-lo, levando a um concerto instantâneo. Em maio de 2020, a LifeScore entregou uma trilha sonora adaptável para a série de TV interativa do Twitch "Artificial", que pode afetar a trilha sonora com base no estado emocional do espectador conforme a história se desenrola.

No curto prazo, o AIGC pode ajudar os criadores a adaptar, recriar ou auxiliar diretamente na criação de música, reduzindo enormemente sua carga de trabalho e aumentando a eficiência do trabalho. No longo prazo, algumas plataformas de música surgiram na Web 3, junto com a introdução da tecnologia AIGC, os protocolos podem ser capazes de gerar músicas personalizadas de acordo com as preferências pessoais dos ouvintes. A plataforma não só pode cortar enormemente as despesas com direitos autorais, mas os usuários também podem diminuir os pagamentos por músicas. Além disso, os usuários também podem publicar músicas exclusivas criadas pelo AIGC para ganhar renda para si mesmos, aumentando assim a economia do criador do mercado musical da Web 3.

Além das três direções de fronteira acima, a AIGC também tem grande potencial em outros segmentos de mercado da Web 3. Por exemplo,

1) O corpo principal do NFT são imagens ou obras de arte. Atualmente, muitos modelos de IA coletaram dados de toda a história da arte e cultura popular. Qualquer usuário pode gerar seu próprio NFT favorito à vontade. Diferentes NFTs precisam ter diferentes rostos, roupas e características emocionais. O método de geração tradicional assume altos custos e baixa eficiência. Os criadores precisam realizar o design do protótipo, modelagem múltipla e renderização, etc., mas o AIGC pode ajudar os criadores a testar esboços de forma mais eficiente no estágio inicial e economizar mão de obra para concluir os detalhes da tela no estágio posterior. No futuro, o AIGC pode ser possível para atingir a produção em massa de NFTs de baixo custo. Além disso, a criação de UGC é fácil de copiar e espalhar, e problemas de violação ocorrem com frequência. No entanto, os NFTs são únicos, indivisíveis e negociáveis, o que pode superar os problemas de antifalsificação de ativos, confirmação de direitos e rastreabilidade para fortalecer a proteção de direitos autorais;

2) O AIGC também está melhorando a geração de estados transmembrana, como imagens/animações geradoras de texto, e vice-versa;

3) O progresso do AIGC também promoverá o desenvolvimento do segmento de mercado social da Web 3. Pessoas reais inevitavelmente terão algumas deficiências, mas a IA pode criar personagens virtuais favoritos dos usuários, já que os personagens virtuais gerados pelo AIGC serão completamente personalizados de acordo com as necessidades do usuário. Os usuários podem personalizar ou utilizar modelos para definir as propriedades, como família, ocupação, idade, etc., dos personagens. A IA ajudará os personagens virtuais a ter um desempenho mais provável do que pessoas reais em aparência e ações em cenas específicas, e dotá-los com as funções de expressão da linguagem e interação para refletir uma certa capacidade de empatia. Além disso, os personagens virtuais, acompanhados por reservas de conhecimento mais abundantes e frequência de atualização mais rápida do que os humanos, não precisam descansar. Portanto, espera-se que o entretenimento e os serviços fornecidos por personagens virtuais em alguns campos específicos sejam comparáveis ​​ou até mesmo superem as pessoas reais. Por exemplo, os personagens virtuais continuarão aprendendo por meio da comunicação com os usuários e realizarão companheirismo emocional. Referindo-se aos grupos ACGN e aos usuários pesados ​​de software social na Web 2, o mercado social da Web 3 sem dúvida se tornará maior sob o suporte do AIGC;

4）O uso do AIGC na educação Web 3 pode produzir resultados inesperados. Como o modo de aprendizagem da IA ​​é relativamente estruturado e organizado, os livros didáticos e palestras produzidos pelo AIGC podem ser capazes de diminuir a barreira de compreensão e auxiliar o público a absorver o conhecimento mais facilmente. Em resumo, a jornada futura do AIGC é bem ampla na Web 3.