ChatGPT之后，AIGC会如何革新内容创作？

作者：胡璇 腾讯研究院高级研究员；胡晓萌 腾讯研究院研究员、博士后

图片来源：由无界版图AI工具生成

内容生产，特别是创意工作，一向被认为是人类的专属和智能的体现。牛津大学计算机学院院长迈克尔·伍尔德里奇2019年写作的《人工智能全传》一书中，“撰写有趣的故事”被列为人工智能“远未实现”的任务之一。

如今，AI正大步迈入数字内容生产领域。AIGC（AI Generated Content）不仅在写作、绘画、作曲多项领域达到“类人”表现，更展示出在大数据学习基础上的非凡创意潜能。2023年3月15日，多模态信息处理标杆GPT-4模型正式发布，使生成内容的准确度及合规性进一步提升。数字内容生产的人机协作新范式正在形成，创作者和更多普通人得以跨越“技法”和“效能”限制，尽情挥洒内容创意。

也有人担忧，AI是否会让创作者们集体“失业”，甚至让“创作”本身走向衰颓，就像机械复制时代的艺术品可能失去“灵韵”那样。换言之，AIGC的流行给了我们一个重新审视“创作”是什么、是否为人所独有这些问题的机会。

本文将分析AIGC改变数字内容创作的现状、关键突破和挑战，并尝试探讨以上问题。

AIGC正在成为互联网内容生产基础设施

数字内容正迈入强需求、视频化、拼创意的升级周期，AIGC恰逢其会。线上生活成为常态，一方面，用户创作内容大幅解放生产力，例如短视频就是将原本需要长制作周期、高注意投入的视频，变成了可以源源不断产出的“工业品”和“快消品”；另一方面，作为核心的创意仍旧稀缺，需要新的模式辅助创作者持续产生、迭代和验证创意。种种因素，都需要更加低成本、高效能的新工具与方式。

AIGC正在越来越多地参与数字内容的创意性生成工作，以人机协同的方式释放价值，成为未来互联网的内容生产基础设施。

从范围上看，AIGC逐步深度融入到文字、代码、音乐、图片、视频、3D多种媒介形态的生产中，可以担任新闻、论文、小说写手，音乐作曲和编曲者，多样化风格的画手，长短视频的剪辑者和后期处理工程师，3D建模师等多样化的助手角色，在人类的指导下完成指定主题内容的创作、编辑和风格迁移工作。

从效果上看，AIGC在基于自然语言的文本、语音和图片生成领域初步令人满意，特别是知识类中短文，插画等高度风格化的图片创作，创作效果可以与有中级经验的创作者相匹敌；在视频和3D等媒介复杂度高的领域处于探索阶段。尽管AIGC对极端案例的处理、细节把控、成品准确率等方面仍有许多进步空间，但蕴含的潜力令人期待。

从方式上看，AIGC的跨文字、图像、视频和3D的多模态加工是热点。吴恩达（Andrew Ng）认为多模态是2021年AI的最重要趋势，AI 模型在发现文本与图像间关系中取得了显著进步，如OPEN AI的CLIP能匹配图像和文本，Dall·E生成与输入文本对应的图像；DeepMind的Perceiver IO可以对文本、图像、视频和点云进行分类。典型应用包括如文本转换语音TTS（Text To Speech）、文本生成图片（Text-to-Image），广义来看AI翻译、图片风格化也可以看作是两个不同“模态“间的映射。

上图：原图，AIGC的典型场景及发展趋势，来自红杉资本

下图：使用有道智云AI翻译后的结果

关键突破：自然语言技术解放创作力

AIGC对创作者的解放体现在：“只要会说话，你就能创作”，无需懂得原理，不用学习代码，或者Photoshop等专业工具。创作者以自然语言向AI描述脑海中的要素甚至想法（术语是给出“prompt”）后，AI就能生成对应的结果。这也是人机互动从打孔纸带，到编程语言，图形界面后的又一次飞跃。

自然语言是不同数字内容类型间转化的根信息和纽带，比如“猫”这个词语就是加菲猫的图片，音乐剧《猫》和无数内容的索引，这些不同的内容类型可以称为“多模态”。

AIGC此轮浪潮，最大底层进化就在AI对自然语言“理解”和“运用”能力的飞跃，这离不开2017年Google发布的Transformer，它开启了大型语言模型（Large Language Model，简称LLM）时代。有了这一强大的特征提取器，后续的GPT、BERT等语言模型突飞猛进，不仅质量高、效率高，还能以大数据预训练+小数据微调的方式，摆脱了对大量人工调参的依赖，在手写、语音和图像识别、语言理解方面的表现大幅突破，所生成的内容也越来越准确和自然。