福布斯：AI會搶走內容創作者的“飯碗”嗎？

ChatGPT以及背後的AIGC是否會搶走內容創業者的“飯碗”？

“谷歌要完蛋了！”這是ChatGPT“一夜爆紅”之後，很多人的第一反應。

而更令人焦慮的是，ChatGPT以及其背後的AIGC是否會搶走內容創作者的“飯碗”？

今年以來，AIGC(全稱：AI generated content，AI生成內容)迎來一股新風潮，被認為是繼PGC(專業生產內容)、UGC(用戶生成內容)之後的又一萬億風口。

一時間，諸如AI生成文字、繪畫、視頻、音頻、代碼等多模態內容，都被視作AIGC產業中的組成部分，吸引了極大的關注。

當然，ChatGPT也被認為是AIGC的一個分支，這與其同樣基於大型語言模型(Large language model，簡稱：LLM)、GAN（Generative Adversarial Network，生成對抗網絡）等AI相關技術密不可分。

那麼，一系列問題就來了。AIGC是如何快速走紅的？它如何邁向商業化？未來還有哪些想像力呢？

ChatGPT爆紅的背後

提到ChatGPT，創新工場執行董事兼前沿科技基金總經理任博冰同時也想到了此前另一熱門AI繪畫的開源模型——Stable Diffusion。

他認為：“這些最新突破性的成果，都離不開Foundation Model（大模型或基礎模型）等技術的發展。”去年，相關話題和討論並不熱烈，但自從Stable Diffusion和ChatGPT這兩個熱門大模型的出現，讓普通用戶能夠真切感受到AIGC的魅力，從而加快了其傳播的力度。目前，從效果來看，Diffusion（擴散模型）與GAN、ChatGPT與GPT3，這兩類模型相比之下，在完成度和易用性都有大幅的提升。

“巧的是，在ChatGPT發布前兩週，我們正在矽谷與OpenAI的高管進行了溝通，他們透露正在圍繞InstructGPT(ChatGPT的姐妹模型)做更多優化，所以很快就看到了這一突破性的成果。” 任博冰說道。

從效果上，ChatGPT大幅提升了對用戶意圖的理解和結果的準確性，還可以針對質疑做出主動認錯。這一技術正是基於InstructGPT，其核心是通過對人類反饋進行強化學習，再以數據重新微調，從而達到逼真的人機交互效果，也避免了以往GPT-3中出現的不少問題。

同時，ChatGPT在長文本及多輪對話中，相對原本的InstructGPT，有更好的表現。對比其他一些基於GPT-3或類似LLM的對話產品，也有更驚豔的表現。任博冰說，當然，如此快速傳播速度，可能也得益於OpenAI本身的名聲。

小冰公司CEO李笛有著不同的理解。他認為，嚴格意義上來說，ChatGPT並不完全屬於AIGC範疇。本質上，ChatGPT只是一個語言模型，更貼近交流領域。與AIGC的區別在於，AIGC的content（內容）必須要由某種特定形式來呈現，例如一篇文章、一段語音、一張圖片或者一支視頻。

而實際上，交流不需要這些形式就能完成，ChatGPT呈現的效果，更像是Q&A問答，而非一篇文章。從技術角度來看，相較於GPT-3，ChatGPT使用的是一種全新的訓練方法，能夠提升對話的相關性、邏輯性。同時，這類方法也讓對話的語言風格帶有“訓練人”的風格。

李笛認為，從小冰的角度來說，AIGC需要由某種特定形式來呈現，例如小冰能夠實現寫詩、繪畫、作曲等等眾多能力，並會產出具體的作品。如果只談交流這個領域，按當前基於小冰框架的對話交互量計算，一天就達到了14個人類一輩子的對話交互量。若使用ChatGPT的方法，每天成本將高達3億元，一年成本將超過1,000億元，成本極其昂貴。“當然，這不影響ChatGPT給我們帶來的啟示，同時也能讓我們分辨出實驗室技術與產品化框架之間的巨大區別。”他說道。

任博冰也認為，雖然不能過度神話此次的技術突破，但ChatGPT確實在增長范式上，與此前的模型拉開了巨大的代差，其核心仍然基於大模型，而在巨大算力支撐下，實現了大幅的提升甚至飛躍，也為對話效果和訓練方式帶來了深刻的影響。

“最近，我們接連被OpenAI的ChatGPT和Meta的Cicero（具有談判、說服和合作能力的AI機器人）深深吸引。” 任博冰說，這些年，AI發展過程中經過了一系列的迭代，例如GAN逐漸被Diffusion Model取代；以GPT-3為代表的LLM主導了目前NLP領域的發展；NeRF（神經輻射場）等技術被應用到如3D等多模態生成的任務中；還包括模型融合、算力主導等技術以及自然語言作為主要輸入的產品等最新的發展趨勢。

AIGC的商業化之路

對於AIGC行業的發展，任博冰認為，當前行業現狀比較特殊。一方面，依託於大模型，text（文本）和image（圖像）等相關AI技術正向著商業化落地邁進，且包含大量開源；另一方面，相關頭部公司正在快速迭代，其算力門檻和研發能力都讓絕大部分創業公司和科研機構望塵莫及。

“我們看到越來越多AI學者的大量創新研究被算力擋在門外，同時越來越多的AI創業公司團隊因大模型而變得更輕盈，不再需要像之前一樣需要組建一支龐大的AI團隊。現在，我們還不確定，這將對整個生態帶來哪些影響和改變，但毋庸置疑的是，AIGC的商業化還有很多'寶藏'可供挖掘。但是，需要注意的是，包括對話、多模態等大量研發中的全新技術距商業化還很遠。”他說道。

全文報導請見https://mp.weixin.qq.com/s/5SWH7c8uU6OgcGLBHJCm7g