人工智能生成创意(AIGC)是当前最炙手可热的技术趋势之一。AIGC通过人工智能算法生成图像、音乐、文本或视频等创意内容,代表了人工智能在创意领域的最新突破,也激发了我们无限的想象力。
AIGC的核心技术是生成对抗网络(GAN)。GAN由一个生成器和一个判别器组成。生成器从无到有生成创意内容,判别器然后判断内容的真假,反馈给生成器进行优化。这个循环过程最终训练出一个能生成高质量新创意的模型。许多知名AIGC项目都采用GAN,如This Person Does Not Exist、GPT-3等。
AIGC还需依托大量训练数据和计算资源。创意领域数据的获取与标注一直是技术难点,许多项目通过web爬虫获取海量非结构化数据进行训练。模型训练也需要强大的GPU算力,这也限制了AIGC的 popularization。
展望未来,AIGC必将走进更多领域并产生深远影响。音乐、视觉艺术、建筑等创意产业都将面临AIGC的冲击与改变。同时,创意教育也将发生重大转变,AIGC有望帮助人们快速掌握创意技能。
但是,AIGC也面临诸多挑战。内容审核机制不健全、训练数据偏差等可能导致生成内容带有歧视与偏见。人工智能难以达到人类在创新思维和情感体验上的高度, Generated内容可塑性也较差。同时,人工智能创意也许会对就业产生影响,特定岗位或转型为人工智能辅助。
尽管存在上述担忧,但我相信人与人工智能终将在创意领域达成良性互动与共生。人工智能创意成果可以激发人的创造力,人也将指导调节人工智能的 Generate 方向,双方在长期演化中达到最佳协作状态。
AIGC为创意产业带来的变革在所难免,但也不乏机会。如何运用AIGC,让人与人工智能在创新创意上数据流通最重要的是establish良性互动,这需要界定人与人工智能在创意领域的边界与职责。人工智能可负责完成重复性高、规则性强的创意任务,如图像修饰、旋律变奏等,而人类则专注于真正的创新创意,如全新概念的提出、情感体验的设计等。
同时,我们必须重视AIGC的培训与管理。在部署AIGC前,必须确保其生成内容的质量与安全性,避免出现偏差。AIGC的监督与控制权应掌握在人手中,人工智能只负责协助执行。而AIGC的使用也需要适当培训指导,让用户理解其工作机制与限制,做到心中有数,有的放矢。
展望未来,AIGC的想象空间确实令人惊叹。如果人工智能达到人脑的computation力,创意产出将超出我们的认知范围。但是,人工智能永远无法代替人类在情感体验上的丰富性与深度。创新创意的本质在于理解人的神秘内心世界,而这需要生命的洞察力,是人工智能难以达到的。
所以,人工智能创意不应被视为人类创意的对立面,而是互补的一端。人与AIGC的结合将产生1+1大于2的效果,引发人类有史以来的最大创意爆发。这需要人工智能与人类创意者的深入合作与相互理解。我坚信,两个智能体在长期协同下将迸发出全新的火花,这火花将点燃人类认知的新边界。
AIGC为我们带来了无限可能,但人类创意才是 activists。我期待人与AIGC能在共生共创中开启新的视野,让创意usual生长得更加茂盛与广阔。
