江苏龙网

  1. 主页 > 生活百科 > >

AIGC会是下一个万亿级AI风口吗( 五 )

AI


AI 具有高并发性，注定了它的“廉价” 。李笛认为，如果只对 AI 画作收费，它很可能会进入到廉价的成本经销模式 。因为，人是有创造力的，从人类设计师那得到的画作，人可能愿意愿意付一百块，从 AI 那得到的画作，且不论质量，人可能连一块都不愿意付，因为觉得它是廉价的 。AI 画的画可能很有价值，但人们认为它不值钱 。因此如果卖的是内容，无论是卖给 B 端还是卖给 C 端它都不值钱 。而如果卖调用服务给 C 端，也很难持续 。API 调用的模式是一种比较粗放的从技术源头开始的商业化包装方式 。
内容产业有一个重要特点是，它是高附加值且有区分度的，不同内容的创作者定价不同，不完全取决于本身的作品质量 。但用 AI 创作不同的绘画，定价是相同的，这样容易把一个高附加值的市场“打”成一个低附加值的市场 。
对于 AIGC 可行的赚钱路径，李笛认为，如果 to C，是走内容平台模式，打造一个内容平台，通过广告收费 。如果 to B，是用 AI Being 和企业之间进行协同 。一个 AI Being 创作者，能一定程度对标人类创作者，他有“唯一性” 。通过与雇主的长期磨合，双方的审美、风格会越来越趋同 。对雇主来说，他的作品质量会越来越稳定 。“某种意义上讲，我们认为靠 AIGC 本身赚不到钱 。我们不是在做‘画笔’，而是在做一个‘手拿画笔的人’，我们不是在做能画画的 AI，而是在做能画画的 AI Being 。我们侧重把创作的能力，把生成的能力赋予 AI Being，让 AI Being 本身具有价值” 。
爆发前夜
“AIGC 技术走到了一个转折点，到了一个新阶段的起点” 。赵德丽认为，此前，虽然 AIGC 技术在不断发展，但生成效果并没有得到广泛认可，还没达到大规模商业化的条件 。但现在，不一样了 。
今年，AIGC 生成的效果，包括基于 AIGC 技术推出来的应用，大家看到，这项目技术已经具备了大规模应用和商业化的潜力和性能，具备了从只能在窄领域到更普遍场景下应用的可能性 。AIGC 技术到了大规模商业化应用的转折点 。今年是一个起点，但还远远没有到成熟的程度 。
AIGC 具体在哪些领域能用好，发挥出商业化的价值，还需要不断打磨产品和技术 。例如对于文本生成图，现在对 problem 的提示语要求很高，现在算法还做不到随便给个描述，就能生成栩栩如生的图片 。什么样的 problem 合适，如何设计出合适的 problem 等，都有一定门槛 。
此外，像 ChatGPT 虽然展示了强大的能力，但在很多场景下还是有瑕疵，出现问题和答案不匹配的情况还非常多 。如果对其进行商业化应用，需要再针对具体的场景，不断打磨和优化 。尽管它达到了大规模应用的基础，但并不是非常成熟，还达不到让大家自由应用的程度 。
现阶段，AIGC 已经有了一些称得上规模的应用，但在实际应用中，还存在一些问题 。例如因为人设计的作品相对较贵，但人工智能的设计作品相对便宜，所以会有人利用这个漏洞，将人工智能系统里的大量作品改头换面，将它搬迁到或囤积到那些原本是人类设计者的定价体系的平台上去倾销，最终会造成人类创作作品的销量市场受到损害 。AIGC 应该避免形成这样的规模化 。
热度、争议与未来
1、如何提高良品率
当前，AI 写作、AI 作画等 AIGC 内容在质量上还存在良莠不齐的问题，提高良品率尤为重要 。
不过在大模型的生产模式下，提高良品率的方法并不多，某种意义上来讲，良品率目前主要依靠翻动过程，它能够在一定程度上降低瑕疵，但想要消除，不太可能，它不太可能是基于对大模型的修改而得到 。接下来期待一个新的称之为台阶式的技术理念出来 。
提高数据的质量是基础方法之一 。林咏华表示，AIGC 是针对训练数据的融会贯通和变换，所以数据的广泛性，数据的分布和数据的质量都很重要 。在 AI 领域的研究人员越来越意识到，尤其在需要大量数据训练模型的大模型领域，数据起到的作用可能会比算法还大 。如果希望生成的画作精良，那需要训练的图片的质量是精美的，但如果给的是小孩的画，那生成的画作可能还粗略停留在小孩阶段 。
此外就是从算法侧改进算法，但改进算法本身如果针对通用场景，它可能在某些场景总是出现瑕疵或者出现瑕疵的概率比较高 。很多团队在开发 AIGC 应用时，目标不是通用场景，比如针对的是生成二次元图像的产品，那需要对算法或模型进行二次开发 。在这种情况下，完全有可能在二次开发的基础上把瑕疵去掉，提高良品率 。一般通过二次开发，且在一些具体场景下的数据做模型二次微调，可以大大提高 AIGC 的良品率 。


推荐阅读


上一篇：国外大学生用AI写论文，还次次拿到A

下一篇：mysql锁-从实战中理解