Зображення обкладинки, створене штучним інтелектом, ілюструє інструмент Stable Diffusion, ключове слово: Space Opera House Rembrandt Harmenszoon van Rijn і Hajime Sorayama поєднують стиль малювання

вступ

AIGC знизив хвилі через депресивний крипторинок, що таке AIGC? Чому це раптом виникає? Як це вплине на Web 3?

1. Нова точка доступу на первинному ринку — AIGC

Повна назва AIGC — «контент, створений штучним інтелектом», що означає технологію штучного інтелекту для створення нового вмісту за допомогою масивних наявних даних (таких як текст, аудіо чи зображення). Насправді єдиного нормативного визначення поняття АМГК не існує. Подібним міжнародним поняттям є синтетичний медіа, який визначається як технологія створення, обробки та модифікації даних або медіа за допомогою алгоритмів штучного інтелекту, включаючи текст, код, зображення, аудіо, відео та 3D-контент тощо.

2. Розробкою технології AIGC керують потреби користувачів

AIGC зосереджується на створенні контенту, і розвиток екосистеми контенту можна розділити на чотири етапи: професійно створений контент (PGC), контент, створений користувачами (UGC), контент, створений за допомогою штучного інтелекту, і контент, створений штучним інтелектом (AIGC). ), зараз ми в основному залишаємося на першому та другому етапах, а третій етап відіграє допоміжну роль.

PGC зазвичай відноситься до контенту, який створюється професійною командою, має високі критерії виробництва та тривалий робочий цикл. Зрештою його використовуватимуть для комерційної реалізації, як-от телебачення, фільми та ігри. Щоб забезпечити якість створюваного контенту, PGC має інвестувати багато технічних і трудових витрат. Відповідно до моделі PGC, права на виробництво та реалізацію контенту знаходяться в руках кількох людей, з вищим ступенем концентрації та сильнішим ефектом монополії. Однак PGC важко задовольнити потреби у великомасштабному виробництві контенту через обмежені людські ресурси на стороні пропозиції.

З іншого боку, UGC стирає межі між споживачами та виробниками. Платформа надаватиме інструменти для створення, а виробниками можуть бути самі користувачі, що знижує бар’єр виробництва та покращує процвітання екології контенту, наприклад, коротких відео. Модель UGC певною мірою знижує витрати на виробництво та ступінь централізації, задовольняє персоналізовані чи диверсифіковані потреби користувачів і збільшує максимальну потужність. Незважаючи на те, що масштаби виробництва вмісту були значно покращені, якість неминуче зазнала негативної реакції, оскільки немає обмежень щодо виробників, інструментів створення та тем вмісту.

PGC і UGC обмежені виробничою потужністю та якістю відповідно. Їм важко задовольнити стрімко зростаючий попит на контент, тоді як AIGC може стати новим раундом зміни парадигми в процесі розробки екології контенту. На тлі зростання попиту користувачів низька ефективність ручного створення стала вузьким місцем, що обмежує масштаб виробництва контенту. З точки зору попиту, оскільки молоді люди стають основним потоком споживання контенту, їхній попит на виробничі потужності та якість виробництва контенту вибухнув. Крім того, хоча популярність Інтернету прискорила швидкість розповсюдження контенту, вона також збільшила розрив у попиті користувачів. Під високим попитом користувачів традиційний спосіб виробництва вмісту виявив серйозні недоліки щодо продуктивності та якості. Незважаючи на те, що UGC вирішує проблему обмеженого масштабу виробництва PGC, якість його вмісту неоднакова, що призводить до вищих витрат на пошук для користувачів, щоб отримати доступ до високоякісного вмісту. Зрештою, UGC все ще не може задовольнити потреби користувачів у високоякісному контенті.

Немає стелі для зростання екології контенту, і вкрай необхідно запровадити AIGC. Процедури створення контенту – це етапи перевірки, фільтрації, обробки та інтеграції інформації виробниками. Серія процесів базується на тривалому незалежному дослідженні творців, на яке витрачається багато часу та інтелекту. Зрештою, здатність штучного створення обмежена. Коли виробничий потенціал PGC і UGC буде вичерпано, AIGC зможе компенсувати прогалину в екології вмісту.

Екологія контенту вийшла на стадію виробництва за допомогою ШІ, і очікується, що AIGC буде реалізований у майбутньому. Наразі виробництво контенту все ще обмежується структурою створення на основі PGC та UGC. Платформа допомагає користувачам створювати за допомогою відкритих інструментів ШІ. Будь-хто може стати творцем і видавати команди, щоб штучний інтелект автоматично генерував вміст, доручаючи штучному інтелекту виконувати складні завдання, такі як кодування, малювання та моделювання, що ще більше знижує стандарт виробництва та підвищує ефективність виробництва.

Однак через розвиток технологій ШІ відіграє лише допоміжну роль у вищезазначеній роботі. Люди все ще повинні створювати вміст або вводити інструкції в ключових посиланнях. ШІ не має можливості стати незалежним творцем. Однак із постійним оновленням і повторенням основних елементів, таких як дані та алгоритми, AIGC може стати загальним напрямком майбутнього розвитку. Він може подолати штучні обмеження та перейти на рівень незалежного творіння, створюючи багатший і різноманітніший контент. Теоретично AIGC реалізує необмежену пропозицію екологічності контенту, а якість контенту перевершить PGC, враховуючи ефективність виробництва та професіоналізм.

3. AIGC сяятиме у Web 3

У Web 2 AIGC розпочала широке дослідження в різних сферах. Наразі Web 3 є децентралізованою версією відображення Web 2. Відповідно до розширення, AIGC, природно, матиме багато прикладних напрямків у Web 3.

Прорив був зроблений в інструментах AI, пов’язаних з генерацією тексту. Застосування AIGC у створенні тексту включає кодування, переклад і написання. Створення тексту — це, по суті, використання мови. оскільки мови програмування є відносно більш структурованими та легшими для вивчення для AI, але людські мови мають поєднувати контекст, семантику тощо, тому найбільш зрілим прикладним сценарієм генерації тексту є кодування, репрезентативні роботи, такі як Github Copilot виробництва Microsoft. Користувачі вводять логіку коду в текст, його можна швидко зрозуміти, а підмодулі будуть генеровані на основі масивного відкритого коду для використання розробниками. Сьогодні майже 40% коду, створеного GitHub Copilot, написано ШІ. Хоча модульні плагіни, такі як SDK у Web 3, покращили швидкість програмування розробників, ефективність розробки криптопротоколів може ще більше підвищитися завдяки популяризації технології AIGC у майбутньому. В ідеалі AIGC може автоматично виявляти потреби ринку або вакансії, а потім самостійно програмувати та генерувати нові протоколи.

Що стосується створення контенту людською мовою, AIGC також досяг значного прогресу. В даний час розвиток перекладу досяг великого випередження. Roblox автоматично перекладав ігри, розроблені англійською мовою, на інші вісім мов за допомогою машинного навчання, включаючи китайську, німецьку та французьку; систему написання новин Dreamwriter, розроблену Tencent, можна використовувати в 22 регламентованих сценаріях написання, а середня швидкість публікації становить 0,46 секунди; у статті Sequoia Capital «Generative AI: A Creative New World» частина вмісту написана за моделлю природної мови GPT-3, але досвід читання не є незрозумілим і грубим, але також враховує вимоги до вільного володіння письмом. ясність і логічність.

AIGC також зробить значний внесок у створення тексту для Web 3. ЗМІ та дослідницькі установи в Web 3 стикаються з двосторонньою дилемою екології контенту. Наприклад, незважаючи на високу якість виведення CoinDesk і Messari, розширити масштаби виробництва важко. Більше того, розповсюдження контенту буде ще більше зменшено через мову написання, ефективність і точність перекладу.

З іншого боку, незважаючи на величезний вміст у Twitter, якість перспектив не може бути гарантована. Оскільки інформацію не класифіковано за важливістю та своєчасністю тощо, форма представлення є безладною, не згрупованою, не відсортованою або дедублікованою. Мабуть, потреби користувачів не задовольняються цілеспрямовано. Одночасно користувачі зіткнуться з проблемою перевантаження інформацією, що призведе до втрати багато часу на недійсний контент. У результаті організації Web 3 значно відстають від своїх колег Web 2 як за середнім масштабом виробництва, так і за середньою якістю контенту.

Однак масштаб і якість організацій Web 2 часто базуються на тактиці краудсорсингу, що вимагає великих початкових інвестицій. Щоб забезпечити якість контенту, кваліфікованим аналітикам зазвичай потрібно пройти тривалу підготовку та інтенсивне навчання, а компанії повинні інвестувати час і кошти на навчання. У той же час, щоб зберегти масштаб виробництва, компанії повинні платити надзвичайно високі витрати на оплату праці для масштабного найму. У цього типу режиму є два очевидних недоліки. Одне — це перевантажені витрати, а інше — ризик втрати талантів на наступному етапі, що призведе до повного падіння витрат. З розвитком наступних технологій аналітики можуть заощадити час принаймні на підсумовування заголовків і анотацій, а штучний інтелект може безпосередньо генерувати TL; ДР шляхом розуміння повного тексту. У довгостроковій перспективі «кваліфіковані аналітики» будуть швидко створені після глибокого машинного навчання ШІ. Інституції Web 3 суттєво скоротять витрати, підвищуючи масштаби та якість генерації контенту, тим самим сприяючи розвитку всього сегмента ринку та всієї галузі. Інформаційні протоколи, протоколи новин або протоколи дослідження можуть навіть з’являтися в Web 3.

Ймовірно, AIGC запустить новий виток інновацій у музиці Web 3. AIGC відкриває програми для створення пісень, текстів пісень тощо, а інтерактивність і продуктивність у реальному часі ще більше покращуються. Як приклад, адаптивна музична платформа LifeScore динамічно компонує музику в режимі реального часу. Щойно користувач завантажує серію музичних матеріалів, штучний інтелект змінює, трансформує та реміксує їх, що призведе до миттєвого концерту. У травні 2020 року LifeScore представила адаптивний саундтрек для інтерактивного серіалу Twitch «Artificial», який може впливати на саундтрек залежно від емоційного стану глядача під час розгортання сюжету.

У короткостроковій перспективі AIGC може допомогти творцям адаптувати, відтворити або безпосередньо допомогти у створенні музики, значно скоротивши їх робоче навантаження та підвищивши ефективність роботи. У довгостроковій перспективі деякі музичні платформи з’явилися в Web 3 разом із запровадженням технології AIGC, протоколи можуть генерувати налаштовані пісні відповідно до особистих уподобань слухачів. Платформа може не тільки значно скоротити витрати на авторські права, але й користувачі можуть зменшити виплати за пісні. Крім того, користувачі також можуть публікувати ексклюзивні пісні, створені AIGC, щоб отримувати прибуток для себе, тим самим покращуючи економіку творців музичного ринку Web 3.

На додаток до вищевказаних трьох передових напрямків, AIGC також має великий потенціал в інших сегментах ринку Web 3. Наприклад,

1) Основна частина NFT – це зображення або ілюстрації. В даний час багато моделей AI зібрали дані всієї історії мистецтва та популярної культури. Будь-який користувач може створити свій власний улюблений NFT за бажанням. Різні NFT повинні мати різні обличчя, одяг і емоційні характеристики. Традиційний метод виробництва вимагає високих витрат і низької ефективності. Творцям потрібно розробити прототип, багаторазове моделювання та візуалізацію тощо, але AIGC може допомогти творцям ефективніше випробувати ескізи на ранній стадії та заощадити робочу силу для завершення деталей екрана на пізнішій стадії. У майбутньому AIGC зможе досягти недорогого масового виробництва NFT. Крім того, створення UGC легко копіювати та поширювати, і часто виникають проблеми з порушенням. Незважаючи на це, NFT є унікальними, неподільними та доступними для продажу, що може подолати проблеми боротьби з підробкою активів, підтвердження прав і відстеження для посилення захисту авторських прав;

2) AIGC також покращує генерацію трансмембранних станів, таких як зображення/анімація, що генерує текст, і навпаки;

3) Прогрес AIGC також сприятиме розвитку сегменту соціального ринку Web 3. Реальні люди неминуче матимуть певні недоліки, але штучний інтелект може створювати улюблених віртуальних персонажів користувачів, оскільки віртуальні персонажі, створені AIGC, будуть повністю налаштовані відповідно до потреб користувача. Користувачам дозволено налаштовувати або використовувати шаблони для визначення властивостей персонажів, таких як родина, професія, вік тощо. Штучний інтелект допоможе віртуальним персонажам діяти схоже на реальних людей за зовнішнім виглядом і діями в конкретних сценах, і наділить їх функціями мовного вираження та взаємодії, щоб відобразити певну здатність співпереживати. Крім того, віртуальні персонажі, що супроводжуються багатшими запасами знань і швидшою частотою оновлення, ніж люди, не потребують відпочинку. Отже, очікується, що розваги та послуги, які надають віртуальні персонажі в деяких певних сферах, будуть порівняти з реальними людьми або навіть перевершити їх. Наприклад, віртуальні персонажі продовжуватимуть навчання через спілкування з користувачами та реалізуватимуть емоційне товариство. Звертаючись до груп ACGN і активних користувачів соціального програмного забезпечення в Web 2, соціальний ринок Web 3, безсумнівно, стане більшим за підтримки AIGC;

4）Використання AIGC в освіті Web 3 може дати несподівані результати. Оскільки режим навчання ШІ є відносно структурованим і організованим, підручники та лекції, створені AIGC, можуть знизити бар’єр розуміння та допомогти аудиторії легше засвоювати знання. Таким чином, майбутній шлях AIGC у Web 3 досить широкий.