人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。

　　人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項工作的人必須懂得計算機知識，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機器學(xué)習(xí)，計算機視覺等等，總的說來，人工智能研究的一個主要目標(biāo)是使機器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時代、不同的人對這種“復(fù)雜工作”的理解是不同的。 [1] 2017年12月，人工智能入選“2017年度中國媒體十大流行語”。 [2] 2021年9月25日，為促進人工智能健康發(fā)展，《新一代人工智能倫理規(guī)范》發(fā)布。

　　要說現(xiàn)在互聯(lián)網(wǎng)什么玩法最火，那非莫屬AI了，從幾年前的AI識別、AI人像、AI語音，慢慢到后面的AI視頻和AI主播等等，AI這些年的進化速度相當(dāng)驚人。

　　毫不夸張的說，AI領(lǐng)域已經(jīng)逐漸覆蓋在我們老百姓的生活上了，甚至網(wǎng)上一搜一大堆相關(guān)的內(nèi)容。

　　當(dāng)然，在這項技術(shù)用途上，離我們不遠(yuǎn);但AI它真正的技術(shù)支持，是我們大多數(shù)人沒法接觸的。

　　AI即是人工智能，通過深度學(xué)習(xí)，來完成我們特定的某項任務(wù)，這背后需要強大的算力算法加持。

　　在AI技術(shù)日益成熟的今天，其中不乏被取代了一些苦力的勞動職位，導(dǎo)致失業(yè)的人也增多了。但世界發(fā)展需要的前提下，有些迭代過程是必不可少的。

　　AI再度成為輿論焦點。作為一個年經(jīng)話題，這一次AI走紅不再是因為“產(chǎn)生智慧”，也沒有“勝天半子”的傳奇對決，但仍舊讓人震驚。

　　AI作畫正在成為趨勢之一。可能你毫無藝術(shù)細(xì)胞，但只要在AI繪圖軟件里輸入幾個關(guān)鍵詞，再選擇想要的風(fēng)格與視角，就能收獲一幅與AI共創(chuàng)的高水平畫作。憑借著令人驚異的技術(shù)水準(zhǔn)與創(chuàng)作能力，AI作畫已經(jīng)成為了海內(nèi)外技術(shù)領(lǐng)域的頂流概念之一，短短一個多月里，無數(shù)AI畫作被生產(chǎn)出來，AI正氣勢洶洶地向人類引以為傲的藝術(shù)創(chuàng)作領(lǐng)域發(fā)起沖擊。

　　在一些人看來，這或許是另一種層面的“智械危機”。AI作畫到底發(fā)展到了何種程度?它真的會成為人類想象力與創(chuàng)造力的強敵嗎?帶著疑問，我也打開了一款A(yù)I繪圖軟件，在prompt關(guān)鍵詞部分輸入了“人工智能”“美術(shù)”“創(chuàng)作”等詞條。幾十秒后，一張超現(xiàn)實主義的畫作展示在我面前：

　　一個巨大的機器人靜默地矗立著，它的背后連接著復(fù)雜的機械裝置，空間里絢麗的色彩與冰冷的鋼鐵交相輝映。

　　2022年8月31日，一位名為Jason Allen的美國游戲設(shè)計師在美國科羅拉多州博覽會一項美術(shù)競賽中斬獲一等獎，獲獎的作品名為《空間歌劇院》。這幅畫作是一幅標(biāo)準(zhǔn)的太空歌劇風(fēng)格的繪畫作品，只不過，它出自AI之手。

　　《空間歌劇院》是Jason Allen使用AI繪圖軟件MidJourney創(chuàng)作完成的，是在近千次的嘗試后生成的。消息一經(jīng)發(fā)出，在全球藝術(shù)領(lǐng)域迅速引起熱議，利用AI參賽讓《空間歌劇院》及其作者陷入了口誅筆伐中。無獨有偶，同樣是在8月，美國媒體大西洋月刊的一位記者同樣因為利用MidJourney制作文章插畫而陷入爭議，一場全球范圍內(nèi)的AI創(chuàng)作大討論就這樣拉開帷幕。

　　AI作畫的風(fēng)頭正盛，用AI做視頻的應(yīng)用也悄然而至。九月底Meta小扎公布了自家Make-A-Video的AI視頻制作工具。這款工具可以生成高質(zhì)量的短視頻。Meta AI做視頻的新聞還沒有焐熱，谷歌也不甘示弱，推出了兩款A(yù)I生成視頻的工具：Imagen Video 和 Phenaki。前者傾向于打造視頻質(zhì)量，后者傾向于視頻的邏輯與時長。這幾款A(yù)I視頻制作工具各有特色。

　　文本生成圖像的AI技術(shù)大火才不過幾個月，就直接躍升至文本生成動態(tài)視頻。從畫圖到做視頻，AI的發(fā)展速度令人訝異，同時令人對未來的數(shù)字媒體憧憬。那么，這種跨越到底會給未來帶來什么呢?

　　AI做視頻是AI作圖的延伸

　　在討論AI生成視頻會給未來帶來哪些改變前，我們先梳理下，AI生成視頻的技術(shù)原理和應(yīng)用場景。

　　馮原：是的，藝術(shù)創(chuàng)作不是用算法來做的。這與數(shù)學(xué)邏輯不一樣，基于數(shù)學(xué)的算法可能并不需要情感。說到這里，就要涉及一個非常嚴(yán)肅的問題：如果我們能創(chuàng)造一種既擁有情感變化、也有內(nèi)分泌機制的人工智能的話，這樣的AI才具有一顆“人類的心靈”，那么它才可能創(chuàng)造藝術(shù)。否則，算法處理的圖像由于沒有人類之心，它只能模仿但不具備自主創(chuàng)造和感知藝術(shù)的功能。

　　收藏周刊：我們似乎很難判斷人工智能創(chuàng)作的藝術(shù)跟人類創(chuàng)作的藝術(shù)區(qū)別在哪?

　　模型是算力、算法和數(shù)據(jù)三大基礎(chǔ)要素與應(yīng)用場景之間的橋梁，模型既是算力、算法和數(shù)據(jù)三大基礎(chǔ)要素的綜合，又是解決應(yīng)用場景需求的關(guān)鍵。模型是人工智能領(lǐng)域的核心概念，每一個人工智能應(yīng)用都是針對應(yīng)用場景的具體需求，建立或選取合適的模型，利用相應(yīng)數(shù)據(jù)和算法對模型進行訓(xùn)練擬合，然后再把訓(xùn)練擬合好的模型提供推理服務(wù)，從而實現(xiàn)自動解決具體應(yīng)用場景的任務(wù)。

　　模型具有較強的通用性，同一類模型可以在多個領(lǐng)域應(yīng)用，解決多個場景的具體問題。往往從事模型開發(fā)領(lǐng)域的企業(yè)，需要針對具體的應(yīng)用場景進行模型開發(fā)，形成對應(yīng)的AI應(yīng)用產(chǎn)品，也有些企業(yè)提供模型開發(fā)服務(wù)項目為主。關(guān)于模型的具體行業(yè)應(yīng)用，將會在后續(xù)的內(nèi)容里，結(jié)合具體行業(yè)應(yīng)用再分析，在此還是圍繞模型本身的機會展開討論。

　　專業(yè)模型開發(fā)是AI技術(shù)領(lǐng)域的核心環(huán)節(jié)，大模型、多模態(tài)以及小模型等方向值得重點關(guān)注。

　　專業(yè)模型一直是AI領(lǐng)域研究和創(chuàng)業(yè)的核心領(lǐng)域，主要圍繞視覺圖像、語音識別和自然語言處理，以及知識圖譜等方面，許多的專業(yè)模型就是為了解決這些領(lǐng)域的問題而誕生。近年來大模型的出現(xiàn)與發(fā)展，也帶來了圖像、語音和文本等多模態(tài)模型的融合發(fā)展。邊緣計算應(yīng)用場景日趨豐富，小模型在邊緣終端優(yōu)勢明顯。

　　視覺圖像領(lǐng)域有企業(yè)和研究單位從事該領(lǐng)域的工作，視覺圖像領(lǐng)域模型可能是在行業(yè)應(yīng)用中最廣泛或者最常見的AI模型，不僅誕生了“AI四小龍”，也產(chǎn)生了更多的細(xì)分領(lǐng)域的應(yīng)用創(chuàng)新企業(yè)，應(yīng)用領(lǐng)域包括OCR、安防、自動駕駛等，也拓展到了醫(yī)療、工業(yè)、港口、水利、能源等更多的領(lǐng)域。

　　語音識別與合成，包括聲紋等領(lǐng)域也有許多企業(yè)和研究單位參與其中，目前在客服和交互等方面應(yīng)用廣泛，聲紋作為一種新的身份認(rèn)證方式也在互聯(lián)網(wǎng)和金融的相關(guān)賬戶系統(tǒng)中應(yīng)用，另外關(guān)于語音方面的模型也開始遷移應(yīng)用到工業(yè)機器運維等領(lǐng)域。

　　自然語言處理是為了讓計算機能夠處理和理解人類的語言，近年來自然語言處理與知識圖譜的結(jié)合越來越緊密，研究范圍也從基礎(chǔ)的分詞、表示等內(nèi)容更多的向知識推理等更高難度的方向擴展，目前主流的大模型研究核心也是圍繞自然語言處理。自然語言處理在搜索、對話系統(tǒng)以及輿情分析等方面應(yīng)用廣泛。

　　Transformer模型最早是解決NLP的經(jīng)典模型，現(xiàn)在也廣泛的應(yīng)用于圖像和語音等方面，甚至在藥物研發(fā)大分子發(fā)現(xiàn)方面主要也是基于Transformer模型的應(yīng)用。許多的大模型和多模態(tài)模型，許多也是基于Transformer模型實現(xiàn)。