封面：小藍鳥@8co28

目前，谷歌、微軟和百度，各大科技企業(yè)都在爭著推出ChatGPT類型的產(chǎn)品。AIGC在當下真是比火焰山還要熱了，而且妙趣橫生。

作為輔助工具來說，AIGC很實用。寫報告的時候不用再苦思冥想，讓ChatGPT打個樣就行了。最近剪音頻也用到了demucs[1]分離背景音和人聲、whisper-vits[2]切分音頻并識別臺詞、abode的AI自動摳圖[3]等等。即使不用vits合成語音，活字印刷也是前所未有的方便。

但目前AIGC最大的問題在于只是去擬合表象，而表達出的深層意義可能是隨機的或根本沒有。舉個例子，就像通過背牛津英漢雙解詞典去學英語。由此產(chǎn)生了老生常談的ChatGPT給出的答案有時似是而非，或者StableDiffusion的作品線條和色彩搭配都很亂等等問題。

于是我想：未來AIGC除了多模態(tài)的發(fā)展方向（即同時產(chǎn)生文本、圖像、聲音等多個媒體的內(nèi)容），通過某種guideline（或許可以翻譯成“指導手冊”）去生成內(nèi)容也不失為一種可行的辦法。

創(chuàng)作內(nèi)容的有些過程，既然可以工業(yè)化，其實是有步驟可循的。舉幾個例子：

1. 畫人物可能需要先構思布局、然后勾線，最后完善細節(jié)、添加背景

2. 創(chuàng)作劇本可能需要確定主次情節(jié)、激勵事件、展現(xiàn)人物深層性格、確定價值變化、進行幕設計，最后分析每個節(jié)拍后人物的心理變化和動機、填充細節(jié)

3. 回答和解決問題可能需要首先定位到問題在哪里、通過合適的渠道獲取信息，最后篩選和聚合信息并采取正確的行動

如果把這幾個步驟拆開，每個步驟研究一個模型，最后縫成一條流水線呢？如果讓AI學會用谷歌找wikipedia詞條，而不是用億萬個參數(shù)去記住wikipedia的所有內(nèi)容[4]呢？

谷歌對標ChatGPT的Bard模型在demo演示上出了個笑話：聲稱JWST拍攝了太陽系外行星的第一張照片。必應則是摔了一張免責聲明：AI可能出錯，事實核查讓用戶自己去弄。[5]可以預想：如果AIGC的模型是按照guideline去解決問題，而不是背誦互聯(lián)網(wǎng)上的語料，出錯的可能性或許會更小。

當然也不排除另一種可能性：就像best-effort delivery[6]（盡力而為傳輸）打敗reliable delivery[7]（可靠傳輸）發(fā)展成今天的互聯(lián)網(wǎng)，深度學習模型可能自己已經(jīng)學習出了這幾個步驟的特征，或者ChatGPT擬合語料比按這種guideline來做的效果要更好。我對AI領域的了解很有限，可能這個方向早就有了，所以關于AI領域的設想也只能算一種暴言，但這畢竟聽上去像是一個可行的方向。

最后：就像前面提到的，AIGC在目前生成的內(nèi)容表達出的深層意義可能是隨機的或根本沒有，所以過度依賴或消費AIGC內(nèi)容在今天并不是個好主意，但它畢竟代表了一種趨勢。這是一個博物館的時代：所有文明和所有時代的文化，首次可以得到整體上的全部認識和認可。[8]所有古老時刻可以被一視同仁地接受，被深藏在NLP大模型的億萬個參數(shù)里無群體重組而得到融合統(tǒng)一。不管畫印象派的莫奈還是畫日系的二次元，StableDiffusion都能給出有模有樣的結果。祛魅以來，文化長久失去的統(tǒng)一性或許就在那里，在成為一個整體的AIGC模型身上。

參考和異軌：
[1] https://github.com/facebookresearch/demucs
[2] https://github.com/AlexandaJerry/whisper-vits-japanese
[3] https://express.adobe.com/zh-Hans-CN/tools/remove-background
[4] Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J.D., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A. and Agarwal, S., 2020. Language models are few-shot learners., https://arxiv.org/pdf/2005.14165.pdf, pp. 8-9.
[5] 谷歌版ChatGPT首秀，第一個Demo就大翻車，市值暴跌7000億, 機器之心, https://mp.weixin.qq.com/s/1mkAlJbtYCmQcz_mV9cdoA
[6] https://en.wikipedia.org/wiki/Best-effort_delivery
[7] https://en.wikipedia.org/wiki/Reliability_(computer_networking)
[8] 居伊·德波，景觀社會（張新木譯），南京大學出版社，2017，頁120-121