当机器学会写诗、作画、谱曲，人类还剩下什么？
你有没有想过这样一个问题：是什么让我们得以思考？
从如同一张白纸的婴儿，成长为洞悉世事的成人，正是长辈的教诲和十年寒窗塑造了我们如今的思考力。学习，似乎就是智能形成的最大奥秘。
而今天，这个奥秘正被机器悄然破解。
一场正在发生的革命
2022年8月，美国科罗拉多州博览会上，一幅名为《太空歌剧院》的画作斩获数字艺术类冠军。恢宏细腻的画风、古典与现代的完美融合，让所有评委惊叹不已。
但没有人想到，这幅画是由AI自动生成的。
同年11月，一个叫ChatGPT的聊天机器人横空出世，5天内用户破百万。它能写诗、编程、写周报，甚至能模仿特定人物对话，流畅得让人怀疑屏幕那头是不是坐着一个真人。
AIGC（人工智能生成内容）——这个看似遥远的概念，正以惊人的速度闯入我们的生活。
从PGC到AIGC：内容生产的三次跃迁
要理解AIGC的革命性，我们需要回溯内容生产的历史：
Web1.0时代（PGC）：专家创作，用户只能浏览。雅虎、门户网站是典型代表。内容质量高，但产量有限，创作门槛高。
Web2.0时代（UGC）：用户创作，人人都是内容生产者。抖音、微博、B站让每个人都能发声。内容丰富度爆炸，但质量参差不齐。
Web3.0与元宇宙时代（AIGC）：AI创作，机器成为创作者。这是前所未有的变革——非人，也能创造。
AIGC带来的生产力提升体现在三个方面：
- 2. 创意与创作分离，创作者可从AI作品中获得灵感
AI创作的四驾马车
一、文本生成：从新闻稿到诗歌
2014年洛杉矶地震后3分钟，《洛杉矶时报》就发布了相关报道——撰稿者是机器人Quakebot。
在中国，地震信息播报机器人能在6秒内写出560字报道，25秒内完成带5张图片的完整稿件。
但最令人惊叹的或许是微软小冰。2017年，小冰出版了人类史上第一部AI诗集《阳光失了玻璃窗》：
“而人生是萍水相逢
在不提防的时候降临
你和我一同住在我的梦中
偶然的梦
这样的肆意并不常见
用一天经历一世的欢喜”
虽然逻辑上有所欠缺，但那份韵律与情感，让人很难相信它出自机器之手。
而ChatGPT的出现，更是将文本生成推向了新高度。它不仅能回答问题，还能：
技术解读：这些能力背后是OpenAI的GPT系列大模型。GPT-3拥有1750亿参数，而传闻中的GPT-4可能达到100万亿参数——接近人类大脑神经触点的数量。
二、音频生成：单田芳的“复生”
喜马拉雅采集了评书大师单田芳生前的演出声音，运用TTS技术推出“单田芳声音重现版”作品。
在短视频平台上，那句熟悉的“注意看，这个男人叫小帅”，背后也是AI生成的语音。
更前沿的是AI歌曲生成。OpenAI的MuseNet可以用10种乐器演奏，模仿莫扎特、肖邦甚至Lady Gaga的风格。
网易伏羲的“有灵智能创作平台”，只需输入风格、标签、情绪和韵脚，就能生成富有韵律美的歌词。
三、图像生成：人人都是“画家”
这是AIGC最“出圈”的领域。
在Stable Diffusion、Midjourney等工具上，只需输入几个关键词，就能生成精美图像。比如输入“一座复古未来主义的空中浮岛”，AI就能生成堪比概念设计师的作品。
更神奇的是，你可以指定画风。输入“轻舟已过万重山 + 张大千风格”，AI就能仿照张大千的笔触创作山水画。
Midjourney创始人说：“AI是水，而非老虎。水固然危险，但你可以学着游泳，可以造舟，可以造堤坝，还能借此发电。水给予更多的是机会。”
技术解读：AI绘画的背后是Diffusion模型和CLIP模型的结合。简单说，Diffusion模型学会“逆向”添加噪声的过程——从完全随机的噪点中，逐步“净化”出清晰的图像。
四、视频生成：人人都能当导演
2022年10月，AI重置版《幻觉东京》发布。AI将原片逐帧生成3万张插画，连成一部赛博朋克风格的作品。
Meta的Make-A-Video、谷歌的Imagen Video和Phenaki，已经能根据文字描述生成短视频。Phenaki甚至能用200个词生成2分钟以上的长镜头，讲述完整故事。
AI虚拟主播也在崛起。新华社的“新小微”、湖南卫视的“小漾”，能在重大活动期间24小时不间断播报，极大提升了新闻产出效率。
技术背后的思想革命
从图灵测试到ChatGPT
1950年，图灵提出“机器能思考吗？”这个问题，并设计了“图灵测试”——如果机器能在对话中让人类无法分辨它是机器还是人，就说明它具有智能。
70多年后，ChatGPT几乎通过了这个测试。
机器学习的三种方式
- • 监督学习：像学生做题，老师批改。机器从标注数据中学习。
- • 无监督学习：像学生在题海中自己发现规律。机器从未标注数据中学习。
- • 强化学习：像玩游戏，赢了有奖励，输了有惩罚。机器在试错中找到最优策略。
ChatGPT采用的就是
RLHF（从人类反馈中强化学习）——让AI根据人类偏好调整行为，变得更“听话”、更安全。
大模型：大力出奇迹
从GPT-1到GPT-3，参数从1.17亿飙升至1750亿。为什么越大越好？
打个比方：小模型像小学生，只能解决特定题型；大模型像博士生，能举一反三，触类旁通。
这种“预训练+微调”的模式，让一个模型能胜任多种任务，打破了以往“一个任务一个模型”的碎片化困境。
AIGC正在重塑各行各业
资讯行业
AI辅助信息搜集、生成稿件、分发内容。美联社的Wordsmith每秒能产出2000条新闻。
但AI并非要取代记者。前美联社人工智能联合主管说：“人工智能仅仅是记者的另一样工具，能让从业者腾出时间进行深度思考。”
影视行业
AI辅助剧本写作、特效制作、场景生成。海马轻帆的AI训练了50万个剧本，能快速生成多种风格内容。
更神奇的是AI减龄技术。电影《爱尔兰人》中，三位年过77岁的影帝“返老还童”，靠的就是AI面部重构。
电商行业
AI生成商品3D模型、虚拟试衣、虚拟主播。阿里巴巴的“鲁班”能在一天内制作4000万张海报。
虚拟主播可以24小时直播，成本仅为真人的30%-50%。
教育行业
AI能生成个性化学习资源、实时评测、虚拟教学。北京联合大学用AI手语系统帮助听障人士学习。
微软的“小花狮”能实时分析学生作文，给出评分和改进建议。
金融与医疗
AI智能客服、智慧投顾、预问诊、用药提醒……AIGC正在这些专业领域释放人力，让专业人士专注于更有价值的工作。
AIGC的产业地图
上游：数据服务
- • 数据查询与处理：Databricks（估值380亿美元）、Starburst（33.5亿美元）
- • 数据转换与编排：Fivetran（56亿美元）、dbt Labs（42亿美元）
- • 数据标注与管理：Scale（73亿美元）、Labelbox（10亿美元）
-
• 数据治理与合规：OneTrust（53亿美元）、Collibra（52.5亿美元）
中游：算法模型
- • 附属实验室：DeepMind（谷歌）、FAIR（Meta）
- • 开源社区：GitHub、Hugging Face（估值20亿美元）
下游：应用拓展
- • 文本处理：Jasper（估值15亿美元）、Copy.ai、澜舟科技
- • 图像处理：Stability AI、Midjourney
- • 视频处理：Runway（估值5亿美元）、Synthesia
风险与监管：AI的双刃剑
三大风险
1. 版权问题
AI训练使用了大量互联网数据，其中包含受版权保护的作品。艺术家发现自己的画风被AI“学习”后生成类似作品，自己却得不到任何收益。
目前法律尚未明确界定。OpenAI、Stability AI等公司采取的做法是：生成物版权归用户或平台，训练数据来源问题暂且搁置。
2. 欺诈问题
AI换脸、声音克隆技术被用于诈骗。国内已出现多起“好友”视频通话诈骗——骗子用AI合成的脸和声音骗取信任。
3. 违禁内容
在安全措施不完善的情况下，AI可能被诱导生成暴力、色情、仇恨言论等内容。
中国监管进展
2022年11月，三部门联合发布《互联网信息服务深度合成管理规定》，对“深度合成”技术提出明确要求：
- • 建立健全用户注册、算法审核、科技伦理审查等制度
美国的探索
美国虽无全面联邦立法，但白宫科技政策办公室已颁布10条原则，强调建立公众信任、科学完整性、公平非歧视、透明度等。
未来已来，你准备好了吗？
朱嘉明教授在代序中写道：
“如果说，2022年8月的AI绘画作品《太空歌剧院》推动AIGC进入大众视野，那么ChatGPT的底层模型GPT-3.5是一个划时代的产物。它与之前常见的语言模型的区别几乎是导弹与弓箭的区别。”
他预测，在2045年左右，世界将出现“科技奇点”——人工智能将在几乎所有方面超越人类。
悲观者担心AI会取代人类，乐观者相信AI会让人类生活更幸福。
但无论如何，智能创作时代的序幕已经拉开。
正如艾伦·图灵所说：
“人们总喜欢活在舒适区内，用粗暴的断言安慰自己，例如机器永远无法模仿人类的某些特性。但我给不了这样的安慰，因为我认为并不存在无法模仿的人类特性。”
这个时代，选择权在我们自己手中。
参考书目：杜雨、张孜铭《AIGC：智能创作时代》，中译出版社，2023年3月
关注我们，获取更多前沿科技解读
