Изображение на обложке, созданное искусственным интеллектом, иллюстрирует инструмент Stable Diffusion, ключевое слово: Театр космической оперы. Рембрандт Харменс ван Рейн и Хадзиме Сораяма смешивают стили живописи.
вступление
AIGC бросил волю на депрессивный криптовалютный рынок. Что такое AIGC? Почему оно вдруг возникает? Какое влияние это окажет на Web 3?
1. Новая горячая точка на первичном рынке — AIGC.
Полное название AIGC — «Контент, генерируемый искусственным интеллектом», что относится к технологии искусственного интеллекта для создания нового контента на основе огромных существующих данных (таких как текст, аудио или изображения). Фактически не существует единого нормативного определения понятия AIGC. Аналогичной концепцией на международном уровне является Synthetic Media, которая определяется как технология создания, манипулирования и изменения данных или мультимедиа с помощью алгоритмов искусственного интеллекта, включая текст, код, изображения, аудио, видео, 3D-контент и т. д.
2. Потребности пользователей стимулируют развитие технологии AIGC
AIGC фокусируется на производстве контента, а развитие экосистемы контента можно разделить на четыре этапа: профессионально созданный контент (PGC), контент, созданный пользователями (UGC), контент, созданный с помощью искусственного интеллекта и контент, созданный искусственным интеллектом (AIGC). ), в настоящее время мы в основном остаёмся на первом и втором этапах, а третий этап играет вспомогательную роль.
PGC обычно относится к контенту, который создается профессиональной командой, имеет высокий производственный критерий и длительный рабочий цикл. В конечном итоге он будет использоваться для коммерческой реализации, например, для телевидения, фильмов и игр. Чтобы обеспечить качество создаваемого контента, PGC необходимо инвестировать массу технических и трудовых затрат. Согласно модели PGC, права на производство и реализацию контента находятся в руках небольшого числа людей, с более высокой степенью концентрации и более сильным монопольным эффектом. Однако PGC сложно удовлетворить потребности крупномасштабного производства контента из-за ограниченности человеческих ресурсов со стороны предложения.
С другой стороны, пользовательский контент стирает границы между потребителями и производителями. Платформа предоставит инструменты для создания, а производители сами смогут быть пользователями, что снижает производственный барьер и улучшает экологию контента, например, коротких видеороликов. Модель пользовательского контента в определенной степени снижает производственные затраты и степень централизации, удовлетворяет персонализированные или диверсифицированные потребности пользователей и увеличивает потолок мощности. Хотя масштабы производства контента значительно расширились, качество неизбежно пострадало, поскольку нет ограничений на производителей, инструменты создания и темы контента.
PGC и UGC ограничены производственными мощностями и качеством соответственно. Им сложно удовлетворить быстро растущий спрос на контент, в то время как AIGC может стать новым витком смены парадигмы в процессе развития экологии контента. На фоне растущего спроса пользователей низкая эффективность ручного создания стала узким местом, ограничивающим масштабы производства контента. С точки зрения спроса, поскольку молодые люди становятся основным потоком потребления контента, их спрос на производственные мощности и качество производства контента резко возрос. Кроме того, хотя популярность Интернета ускорила скорость распространения контента, она также увеличила разрыв в спросе пользователей. Из-за высокого спроса пользователей традиционный способ производства контента выявил серьезные недостатки с точки зрения производственных мощностей и качества. Хотя пользовательский контент решает проблему ограниченного масштаба производства PGC, качество его контента неравномерно, что приводит к более высоким затратам пользователей на поиск высококачественного контента. В конечном итоге UGC по-прежнему не может удовлетворить спрос пользователей на высококачественный контент.
Потолка для роста экологии контента нет, и внедрение AIGC крайне необходимо. Процедуры создания контента — это этапы проверки, фильтрации, обработки и интеграции информации производителями. Ряд процессов основан на долгосрочном независимом исследовании создателей, на которое уходит много времени и умственных способностей. В конце концов, возможности искусственного творчества ограничены. Когда производственный потенциал PGC и UGC будет исчерпан, AIGC сможет восполнить пробел в экологии контента.
Экология контента вступила в стадию производства с помощью искусственного интеллекта, и ожидается, что AIGC будет реализована в будущем. В настоящее время производство контента по-прежнему ограничивается рамками создания на основе PGC и UGC. Платформа помогает пользователям творить с помощью открытых инструментов искусственного интеллекта. Любой может стать создателем и давать команды, чтобы ИИ автоматически генерировал контент, поручая ИИ выполнять сложные задачи, такие как кодирование, рисование и моделирование, что еще больше снижает стандарты производства и повышает эффективность производства.
Однако в связи с развитием технологий ИИ играет лишь вспомогательную роль в вышеуказанной работе. Людям по-прежнему необходимо создавать контент или вводить инструкции по ключевым ссылкам. ИИ не имеет возможности стать независимым творцом. Однако благодаря постоянному обновлению и итерации основных элементов, таких как данные и алгоритмы, AIGC может стать общим направлением будущего развития. Он может преодолеть искусственные ограничения и перейти на уровень независимого творчества, создавая более богатый и разнообразный контент. Теоретически AIGC реализует неограниченную поставку экологического контента, а качество контента превзойдет PGC с учетом эффективности производства и профессионализма.
3. AIGC будет блистать в Web 3
В Web 2 AIGC начала обширные исследования в различных областях. В настоящее время Web 3 представляет собой децентрализованную версию картографирования Web 2. В более широком смысле, AIGC, естественно, будет иметь множество прикладных направлений в Web 3.
Прорыв произошел в инструментах искусственного интеллекта, связанных с генерацией текста. Приложения AIGC при создании текста включают кодирование, перевод и написание. Создание текста — это, по сути, использование языка. поскольку языки программирования относительно более структурированы и их легче изучать для ИИ, но человеческим языкам необходимо сочетать контекст, семантику и т. д., поэтому наиболее зрелым прикладным сценарием генерации текста является кодирование, репрезентативные работы, такие как Github Copilot производства Microsoft. Пользователи вводят логику кода в текстовом виде, ее можно быстро понять, а подмодули будут генерироваться на основе массивного кода с открытым исходным кодом, который смогут использовать разработчики. Сегодня почти 40% кода, генерируемого GitHub Copilot, написано искусственным интеллектом. Хотя модульные плагины, такие как SDK в Web 3, повысили скорость программирования разработчиков, эффективность разработки криптопротоколов может быть повышена за счет популяризации технологии AIGC в будущем. В идеале AIGC может автоматически определять потребности рынка или вакансии, а затем самостоятельно программировать и генерировать новые протоколы.
Что касается создания контента на человеческом языке, AIGC также добилась значительного прогресса. В настоящее время развитие перевода достигло большого опережения. Roblox автоматически переводил игры, разработанные на английском языке, на другие восемь языков с помощью машинного обучения, включая китайский, немецкий и французский; система написания новостей Dreamwriter, разработанная Tencent, может использоваться в 22 регулируемых сценариях написания, а средняя скорость публикации составляет 0,46 секунды; в статье Sequoia Capital «Генераторный искусственный интеллект: творческий новый мир» часть контента написана с использованием модели естественного языка GPT-3, но опыт чтения не является неясным и тупым, но также учитывает требования к беглости письма. ясность и логика.
AIGC также внесет большой вклад в создание текстов для Web 3. Средства массовой информации и исследовательские учреждения в Web 3 сталкиваются с двусторонней дилеммой экологии контента. Например, хотя качество продукции CoinDesk и Messari высокое, масштабы производства сложно расширить. Более того, распространение контента будет еще больше сокращаться, ограничиваясь языком письма, эффективностью и точностью перевода.
С другой стороны, хотя контент в Твиттере огромен, качество просмотров не может быть гарантировано. Поскольку информация не классифицируется по важности, своевременности и т. д., форма представления становится беспорядочной, разгруппированной, несортированной или дедуплицированной. Судя по всему, потребности пользователей не удовлетворяются целенаправленно. Одновременно пользователи столкнутся с проблемой информационной перегрузки, что приводит к потере большого количества времени на недействительный контент. В результате организации Web 3 значительно отстают от своих коллег из Web 2 как по средним масштабам производства, так и по среднему качеству контента.
Однако масштаб и качество организаций Web 2 часто основаны на тактике краудсорсинга, которая требует больших первоначальных инвестиций. Чтобы гарантировать качество контента, квалифицированным аналитикам обычно приходится проходить длительное обучение и интенсивное обучение, а компании должны инвестировать время и затраты на обучение. В то же время, чтобы сохранить масштабы производства, компаниям приходится платить чрезвычайно высокие затраты на рабочую силу при крупномасштабном наборе персонала. У этого типа режима есть два очевидных недостатка. Одним из них является чрезмерная стоимость, а другим — риск потери талантов на более позднем этапе, что приведет к полному окупаемости затрат. С развитием последующих технологий аналитики смогут сэкономить время, по крайней мере, на обобщении названий и рефератов, а ИИ сможет напрямую генерировать TL; ДР, поняв полный текст. В долгосрочной перспективе «квалифицированные аналитики» будут быстро подготовлены после глубокого машинного обучения ИИ. Институты Web 3 позволят существенно сократить затраты, одновременно улучшая масштабы и качество генерации контента, тем самым способствуя развитию всего сегмента рынка и всей отрасли. Информационные протоколы, протоколы новостей или протоколы исследований могут даже появиться в Web 3.
AIGC, вероятно, положит начало новому витку инноваций в музыке Web 3. AIGC открывает возможности для создания песен, создания текстов и т. д., а интерактивность и производительность в реальном времени еще больше улучшаются. В качестве иллюстрации можно привести адаптивную музыкальную платформу LifeScore, которая динамически аранжирует музыку в режиме реального времени. Как только пользователь подаст серию музыкальных материалов, ИИ изменит, трансформирует и сделает ремиксы, что приведет к мгновенному концерту. В мае 2020 года LifeScore представила адаптивный саундтрек к интерактивному сериалу Twitch «Искусственный», который может влиять на саундтрек в зависимости от эмоционального состояния зрителя по мере развития сюжета.
В краткосрочной перспективе AIGC может помочь создателям адаптировать, воссоздать или напрямую способствовать созданию музыки, значительно сокращая их рабочую нагрузку и повышая эффективность работы. В долгосрочной перспективе в Web 3 появились некоторые музыкальные платформы, а с появлением технологии AIGC протоколы смогут генерировать настроенные песни в соответствии с личными предпочтениями слушателей. Платформа может не только значительно сократить расходы на авторские права, но и пользователи могут снизить плату за песни. Кроме того, пользователи могут также иметь возможность публиковать эксклюзивные песни, созданные AIGC, чтобы получать доход для себя, тем самым увеличивая экономику создателей музыкального рынка Web 3.
Помимо трех вышеупомянутых передовых направлений, AIGC также имеет большой потенциал в других сегментах рынка Web 3. Например,
1) Основная часть NFT — это изображения или произведения искусства. В настоящее время многие модели искусственного интеллекта собрали данные всей истории искусства и массовой культуры. Любой пользователь может по своему желанию создать свой любимый NFT. Разные NFT должны иметь разные лица, одежду и эмоциональные характеристики. Традиционный метод генерации требует высоких затрат и низкой эффективности. Создателям необходимо выполнить дизайн прототипа, многократное моделирование, рендеринг и т. д., но AIGC может помочь создателям более эффективно опробовать эскизы на ранней стадии и сэкономить рабочую силу для завершения деталей экрана на более позднем этапе. В будущем AIGC может добиться недорогого массового производства NFT. Кроме того, созданный пользовательский контент легко копировать и распространять, и часто возникают проблемы с нарушением прав. Тем не менее NFT уникальны, неделимы и доступны для продажи, что позволяет решить проблемы борьбы с подделкой активов, подтверждения прав и отслеживания для усиления защиты авторских прав;
2) AIGC также совершенствует генерацию трансмембранных состояний, таких как текстовые изображения/анимация, и наоборот;
3) Развитие AIGC также будет способствовать развитию сегмента социального рынка Web 3. Реальные люди неизбежно будут иметь некоторые недостатки, но ИИ может создавать любимых виртуальных персонажей пользователей, поскольку виртуальные персонажи, созданные AIGC, будут полностью настроены в соответствии с потребностями пользователя. Пользователям разрешено настраивать или использовать шаблоны для определения таких свойств персонажей, как семья, род занятий, возраст и т. д. ИИ поможет виртуальным персонажам более похожими на реальных людей по внешнему виду и действиям в конкретных сценах, а также наделит их функциями языкового выражения и взаимодействия, чтобы отразить определенную способность к эмпатии. Кроме того, виртуальные персонажи, обладающие более богатыми запасами знаний и более высокой частотой обновления, чем люди, не нуждаются в отдыхе. Следовательно, ожидается, что развлечения и услуги, предоставляемые виртуальными персонажами в некоторых определенных областях, будут сопоставимы с реальными людьми или даже превосходят их. Например, виртуальные персонажи продолжат обучение посредством общения с пользователями и реализуют эмоциональное общение. Что касается групп ACGN и активных пользователей социального программного обеспечения в Web 2, социальный рынок Web 3, несомненно, станет больше при поддержке AIGC;
4) Использование AIGC в образовании Web 3 может привести к неожиданным результатам. Поскольку режим обучения ИИ относительно структурирован и организован, учебники и лекции, выпускаемые AIGC, могут снизить барьер понимания и помочь аудитории легче усваивать знания. Подводя итог, можно сказать, что будущее AIGC в Web 3 довольно широкое.
