01 幾個(gè)問(wèn)題

AIGC 近期成了熱點(diǎn)，不少小玩法開(kāi)始出現(xiàn)在小紅書(shū)，比較流行的是頭像二次元化，效果較好。高端局一般會(huì)用 Stable Diffusion，MidJourney 這樣的工具來(lái)生成 AI 畫(huà)作。

AIGC 是 Artificial Inteligence Generated Content （人工智能生成內(nèi)容）的簡(jiǎn)稱，實(shí)際當(dāng)然不止是畫(huà)畫(huà)。包括聲音、圖像、視頻，是都可以用類似的技術(shù)生成的。（可以在這里看到一些視頻的示例：https://imagen.research.google/video/）

作為破圈的先鋒，AIGC 的畫(huà)作還是更令人震撼：

（Dall-E2 的官網(wǎng)：https://openai.com/dall-e-2/）

（少楠用 Midjourney 繪制的圖像，輸入的描述是：Ultra realistic tree with green beech leaves, stunning forests in the background, sunrise light, art by Greg Rutkowski + Alphonse Mucha + Rien Portvliet, 8k --ar 16:9 --testp）

于是，有關(guān) AIGC ，引來(lái)了幾個(gè)有意思的問(wèn)題的討論：

- AIGC 能否替代真正的創(chuàng)作者？

- AIGC 是否意味著人工智能的質(zhì)變？

- AIGC 能解決哪些問(wèn)題？不能解決哪些問(wèn)題？

我自己有一些觀察，跟大家分享下。

02 機(jī)器學(xué)習(xí)原理

我大學(xué)讀研時(shí)的老本行就是機(jī)器學(xué)習(xí)，做過(guò)一些項(xiàng)目，略有了解，試著用白話簡(jiǎn)單說(shuō)下機(jī)器學(xué)習(xí)的邏輯。

我們可以設(shè)想一下，科學(xué)家觀測(cè)一個(gè)現(xiàn)象后，總結(jié)出定律的方法。

古代科學(xué)家認(rèn)為天圓地方，這是最直觀的推測(cè)，因?yàn)樘?yáng)月亮星星的運(yùn)轉(zhuǎn)用這個(gè)解釋是合理的；后來(lái)觀測(cè)到了地球是球型，那地心說(shuō)就是直觀的邏輯；再后來(lái)觀測(cè)到了更多天文現(xiàn)象，就知道太陽(yáng)才是太陽(yáng)系中心，地球是公轉(zhuǎn)中做自轉(zhuǎn)的。

這個(gè)演進(jìn)是符合一個(gè)邏輯的：依據(jù)當(dāng)前的信息，解釋一個(gè)現(xiàn)象，用最簡(jiǎn)單的方式。新的現(xiàn)象出現(xiàn)，解釋不了了，再加入別的因子讓它變復(fù)雜，再解釋新的現(xiàn)象。

機(jī)器學(xué)習(xí)正是如此。

我們要識(shí)別一個(gè)人會(huì)不會(huì)買口紅，最直觀的方法就是判斷 ta 的性別，是女性，就有更大的概率會(huì)買口紅。人的屬性千變?nèi)f化，但性別就是我們判斷「買口紅」這個(gè)命題的「特征提取」。我們找到這個(gè)規(guī)律以后，就能用性別作為特征，建立模型。

輸入用戶資料 - 提取性別并判斷 - 輸出

現(xiàn)實(shí)情況更加復(fù)雜，可能男性也會(huì)買，往往是在逢年過(guò)節(jié)的時(shí)候送禮用。那么性別（男）+購(gòu)買日期（臨近節(jié)日），也能成為重要的特征，我們就要引入新的特征向量，即購(gòu)買日期。

輸入用戶資料 - 提取性別&購(gòu)買日期并判斷 - 輸出

根據(jù)新的用戶資料和購(gòu)買行為，我們持續(xù)會(huì)發(fā)現(xiàn)新的特征有利于我們的判斷。于是就引入更多新的特征，比如除了公共節(jié)假日，可能還要看用戶女朋友/家人的生日；比如女性里面，購(gòu)買口紅概率更大的，可能會(huì)出現(xiàn)在某個(gè)年齡段，等等。這樣「特征」就越來(lái)越多。

輸入用戶資料 - 提取性別&購(gòu)買日期&年齡&....... 并判斷 - 輸出

我們輸出的結(jié)論肯定就越來(lái)越準(zhǔn)確。這就是機(jī)器學(xué)習(xí)運(yùn)作的基本邏輯。

即然要提取這么多特征做判斷，就要看不同的特征影響輸出的程度有多大。性別和年齡可能權(quán)重大一些，其它的可能權(quán)重小一些。怎么判斷呢？肯定不能人為，那就要訓(xùn)練一個(gè)模型。

機(jī)器學(xué)習(xí)的模型就是投入我們認(rèn)為篩選出來(lái)的特征維度（性別、年齡等）、大量的正向和負(fù)向的案例（訓(xùn)練集），讓機(jī)器學(xué)習(xí)出一個(gè)極度復(fù)雜的公式，公式來(lái)解釋每個(gè)特征影響結(jié)果的程度。

這里面訓(xùn)練集的規(guī)模就成了重點(diǎn)，案例越多肯定越準(zhǔn)確。在過(guò)去的時(shí)代，很多訓(xùn)練集是需要人工標(biāo)注的，標(biāo)注員會(huì)跟富士康的工人一樣算是勞動(dòng)密集型的工作，去判斷這個(gè)案例是正的還是負(fù)的。比如文字識(shí)別，這個(gè)字是哪個(gè)字？圖像分類識(shí)別，這是貓還是狗？一段翻譯，是否翻譯準(zhǔn)確？

這也是為何互聯(lián)網(wǎng)公司團(tuán)隊(duì)往往擁有最好的「算法」。當(dāng)我們提到算法好的時(shí)候，大部分情況下其實(shí)講的是這個(gè)公司的機(jī)器學(xué)習(xí)模型準(zhǔn)確度高，這個(gè)準(zhǔn)確度來(lái)源于公司收集的大量用戶行為數(shù)據(jù)，用戶是在用準(zhǔn)確的行為免費(fèi)幫企業(yè)做標(biāo)注，比如購(gòu)買消費(fèi)行為、瀏覽點(diǎn)擊行為，等等。

此為機(jī)器學(xué)習(xí)的原理。當(dāng)然這是白話說(shuō)的，具體怎么提取特征、怎么判斷權(quán)重和因子間相互的影響、怎么分類、怎么建模等等，其實(shí)是很復(fù)雜的技術(shù)操作。

03 深度學(xué)習(xí)與 AIGC 原理

機(jī)器學(xué)習(xí)發(fā)展到 21 世紀(jì)，計(jì)算機(jī)的性能大幅提升，開(kāi)始演化出深度學(xué)習(xí)（Deep Learning）。

深度學(xué)習(xí)之所以是「深度的」，就因?yàn)?strong>除了能學(xué)習(xí)模型怎么做精確，還能學(xué)習(xí)怎么建模本身。

前面講的案例里，我們要識(shí)別一個(gè)人會(huì)不會(huì)買口紅，還是從「生活觀察」出發(fā)，去猜想，誒，這個(gè)特征是不是有關(guān)系？那個(gè)特征是不是有關(guān)系？

深度學(xué)習(xí)的邏輯不需要判斷，就是一股腦把所有的信息，轉(zhuǎn)化成數(shù)據(jù)投入進(jìn)深度學(xué)習(xí)的模型里去，它會(huì)自己去判斷哪個(gè)有用、哪個(gè)沒(méi)用。

這樣的好處是很顯然的：能覆蓋更多的特征、能采集更多的數(shù)據(jù)。并且由于深度學(xué)習(xí)的算法是可以疊加很多層次的，就能解決更復(fù)雜的場(chǎng)景、更復(fù)雜的數(shù)據(jù)。

所以深度學(xué)習(xí)的效果會(huì)明顯變好。

（一個(gè) 卷積神經(jīng)網(wǎng)絡(luò)，即 convolutional neural network 、CNN 的示意圖，來(lái)源 CSDN）

像我們舉的例子，還是單一維度的判斷，會(huì)不會(huì)買口紅。而深度學(xué)習(xí)就可以到圖像領(lǐng)域、視頻領(lǐng)域了，可以處理大量像素的色值、位置等等問(wèn)題。

但深度學(xué)習(xí)也會(huì)存在一個(gè)問(wèn)題，就是既然繞過(guò)了人為提取特征、人為判斷規(guī)律，就會(huì)讓深度學(xué)習(xí)的模型，幾乎不存在可解釋性。就相當(dāng)于這是一個(gè)黑盒，我們知道它每次能給出準(zhǔn)確的答案，卻不知道它為什么給；甚至我們拆開(kāi)盒子，看到里面大量的函數(shù)、公式和邏輯，也會(huì)覺(jué)得莫名其妙——有可能要判斷會(huì)不會(huì)買口紅，有個(gè)因子是這人右腳的腳趾頭是不是有胎記。

在深度學(xué)習(xí)領(lǐng)域中，2014 年橫空出世了一款全新的算法，生成對(duì)抗網(wǎng)絡(luò)(GAN, Generative adversarial network)。它在后來(lái)的 AIGC 領(lǐng)域所向披靡，大受歡迎，效果極佳。而它的原理甚至很有文學(xué)性。

GAN 解決這個(gè)問(wèn)題的方式是，放一個(gè)老師，跟學(xué)生博弈。模型就像一個(gè)學(xué)生，給出考題的答案，老師來(lái)判斷正誤，直到滿意；老師滿意以后，學(xué)生對(duì)老師不滿意了，覺(jué)得這些題太簡(jiǎn)單，老師你得出點(diǎn)更難的題目，我還得繼續(xù)提升成績(jī)呢，于是老師也要進(jìn)步，給新的考題，直到學(xué)生幾乎答不出來(lái)；接下來(lái)學(xué)生繼續(xù)努力學(xué)習(xí)、答題，到了閾值后，老師繼續(xù)學(xué)習(xí)、出題......循環(huán)往復(fù)，就像 GAN 的名字里所述，對(duì)抗的模式來(lái)共同提升。

這個(gè)算法的邏輯就是：競(jìng)爭(zhēng)才能使人成長(zhǎng)。

（在原始圖像基礎(chǔ)上，用 GAN 生成的一些實(shí)例。來(lái)源：https://gitcode.net/mirrors/yenchenlin/pix2pix-tensorflow）

它的具體實(shí)現(xiàn)當(dāng)然又更加復(fù)雜了。我們只需要知道，它在圖像方面，有最出色的表現(xiàn)，很適合基于原始內(nèi)容（噪音）、補(bǔ)充和豐富細(xì)節(jié)。

GAN 是 AIGC 最常用的機(jī)器學(xué)習(xí)算法之一，另外一個(gè)常用的是 diffusion model，在某些方面很像，比如也是適合基于原始內(nèi)容（噪音）來(lái)生成內(nèi)容。文章一開(kāi)頭的那幾張圖，就是基于 diffusion model 原理的。

所以總結(jié)下就是，機(jī)器學(xué)習(xí)的發(fā)展過(guò)程中，大大簡(jiǎn)化了人工參與的環(huán)節(jié)和步驟、豐富了輸入和輸出的維度及準(zhǔn)確性，繼而從「會(huì)不會(huì)買口紅」這樣簡(jiǎn)單的問(wèn)題，進(jìn)化到了可以生成一幅寵物的照片、一段以假亂真的視頻、一條模仿某人的聲音。（推薦英劇《真相捕捉》，講的是圍繞 Deepfake 這類技術(shù)的罪案故事。）

這個(gè)過(guò)程中，很多公式和模型的復(fù)雜性已經(jīng)到了難以解釋，甚至無(wú)法去遍歷和閱讀的程度。聊到這，可能諸位也能有一種感受：這些年機(jī)器學(xué)習(xí)的進(jìn)展飛快，不過(guò)仍然都圍繞在最初機(jī)器學(xué)習(xí)的原理上——通過(guò)海量的數(shù)據(jù)訓(xùn)練機(jī)器，讓機(jī)器能更好地預(yù)測(cè)概率。

04 統(tǒng)計(jì)、概率、訓(xùn)練與經(jīng)驗(yàn)主義

我們換個(gè)視角，用更形象的表述，可能有助于理解機(jī)器學(xué)習(xí)是怎么實(shí)現(xiàn)我們看到的人工智能的。

自然語(yǔ)言處理/機(jī)器翻譯領(lǐng)域，我們目光所及的翻譯工具，用的方式可以這么理解，比如是中文翻譯到英文，機(jī)器做的事情是：

類比到 AIGC 領(lǐng)域，比如我們要畫(huà)一個(gè)小狗，機(jī)器做的事情是：

機(jī)器在過(guò)程中，雖然用的是模型，實(shí)際上模型都是基于統(tǒng)計(jì)概率的模型。機(jī)器更像是在瘋狂回憶它記住的所有過(guò)往的畫(huà)作里，所有小狗的形象，力圖讓結(jié)果更接近「大概率」。

這也是為什么在各個(gè) AI 繪圖的工具里，關(guān)鍵詞給的越精確，畫(huà)作就會(huì)越成立。因?yàn)榫_意味著縮小了范圍，同樣類型畫(huà)作的風(fēng)格、樣貌是更接近的，畫(huà)作的模仿效果就會(huì)更好。

這里訓(xùn)練出來(lái)的統(tǒng)計(jì)概率模型的過(guò)程，恰似古代的雜技工作者，讓寵物做計(jì)算題的方式。當(dāng)出現(xiàn)哪幾個(gè)數(shù)字的時(shí)候，應(yīng)該選擇怎樣的答案，寵物是靠背的，這個(gè)是統(tǒng)計(jì)概率的問(wèn)題，不是數(shù)學(xué)計(jì)算的問(wèn)題。訓(xùn)練的過(guò)程給的獎(jiǎng)懲，跟機(jī)器學(xué)習(xí)是一樣的（機(jī)器學(xué)習(xí)里也有獎(jiǎng)懲概念）。

這也是機(jī)器學(xué)習(xí)里的神經(jīng)網(wǎng)絡(luò)，跟人的神經(jīng)網(wǎng)絡(luò)目前看差異最大的地方。我們很好地運(yùn)用了計(jì)算機(jī)夸張的性能和存儲(chǔ)能力，讓它擁有巨型的統(tǒng)計(jì)概率模型，來(lái)存儲(chǔ)海量數(shù)據(jù)訓(xùn)練集得到的記憶結(jié)果，但說(shuō)到底，它有的還是圍繞統(tǒng)計(jì)和概率的。

這也意味著，它是完全經(jīng)驗(yàn)主義的。AlphaGo 可以參考天下古往今來(lái)所有的棋譜，但下不出沒(méi)見(jiàn)過(guò)的棋譜；Novel AI 可以參考所有的小說(shuō)，但不會(huì)用沒(méi)見(jiàn)過(guò)的詞組和表述。

只不過(guò)在 AIGC 的領(lǐng)域，內(nèi)容的復(fù)雜性，在觀感上，就弱化了我們對(duì)統(tǒng)計(jì)概率邏輯的認(rèn)識(shí)，以為這個(gè)就是機(jī)器天馬行空做出來(lái)的。其實(shí)機(jī)器還是在采納大量過(guò)往畫(huà)作基礎(chǔ)上做「創(chuàng)作」的，但的確不同的拼湊和處理，會(huì)出現(xiàn)意想不到的效果，這是因?yàn)楫?huà)作本身就是對(duì)現(xiàn)實(shí)世界的抽象，若離若即效果最佳。

如果是在書(shū)寫(xiě)長(zhǎng)篇小說(shuō)、拍攝一部邏輯完整的電影方面，就要吃力太多了。

05 幾個(gè)問(wèn)題的解答

我們?cè)倩氐阶畛醯膯?wèn)題，試著解答一下。

- AIGC 能解決哪些問(wèn)題？不能解決哪些問(wèn)題？

如前文所說(shuō)，AIGC 可以解決的，是從歷史里做總結(jié)和學(xué)習(xí)，憑借統(tǒng)計(jì)概率，解決已被解決過(guò)的問(wèn)題。

不能解決的，則是創(chuàng)造新的事物、總結(jié)規(guī)律、解釋世界的問(wèn)題。

- AIGC 能否替代真正的創(chuàng)作者？

一定程度上會(huì)。

哪怕只是經(jīng)驗(yàn)主義、原理與 AlphaGo 并無(wú)本質(zhì)區(qū)別，AIGC 也有很大的價(jià)值，那就是在某些足以亂真的領(lǐng)域，替代掉很多人工的成本。

比如 AIGC 的畫(huà)作，如今就能替代不少插畫(huà)。很多自媒體的朋友已經(jīng)在用它們替代無(wú)版權(quán)圖片作為封面了。

老話說(shuō)，讀書(shū)破萬(wàn)卷，下筆如有神。AIGC 的文本工具，其實(shí)就是替我們讀了萬(wàn)卷書(shū)的助手。比如我們要寫(xiě)作，它幫我們生成一段人物小傳作為參考、幫我們提供一些場(chǎng)景描述作為素材，就大有幫助。

只不過(guò)，對(duì)于很多真正需要「創(chuàng)造」的場(chǎng)景，AIGC 就愛(ài)莫能助了。例如，機(jī)器學(xué)習(xí)的訓(xùn)練集若是在三年前的，肯定就無(wú)法寫(xiě)出疫情故事、也難以想象疫情中我們常人都很難預(yù)知的場(chǎng)景。

幾年前就出現(xiàn)過(guò) AIGC 替代作者的說(shuō)法，不過(guò)如今再看，應(yīng)用比較多的還是在短新聞方面。它能很好地基于概率給出一篇「不錯(cuò)」的新聞通稿，但這也是過(guò)往短新聞格式一致、風(fēng)格類似，較好模仿。觀點(diǎn)、態(tài)度、延伸的想法，自然是很難用統(tǒng)計(jì)概率去捉摸的。

- AIGC 是否意味著人工智能的質(zhì)變？

沒(méi)有。

AIGC 的邏輯，與半個(gè)世紀(jì)前統(tǒng)計(jì)機(jī)器學(xué)習(xí)的根本邏輯并無(wú)二致，還是基于統(tǒng)計(jì)概率的，基于訓(xùn)練集去猜測(cè)的。哪怕 Siri 里偶爾出現(xiàn)精妙的回答，那也是曾經(jīng)有對(duì)話真正發(fā)生過(guò)，Siri 從概率出發(fā)模仿的而已。

哪怕 AI 繪制的最拍案叫絕的畫(huà)作，也是基于人類歷史所有畫(huà)作的基礎(chǔ)創(chuàng)作的，還是人類作品的雜交。哪怕藝術(shù)性很高，也不代表 AI 有了「智慧」。

人類是可以歸納、演繹、總結(jié)背后邏輯的，這點(diǎn)機(jī)器依然做不到。甚至隨著機(jī)器學(xué)習(xí)的黑盒越來(lái)越黑、模型越來(lái)越難以解釋，讓機(jī)器在更擅長(zhǎng)做統(tǒng)計(jì)和記憶的路上一去不返，放棄了做解釋、研究規(guī)律。

不過(guò)說(shuō)到這里，也可以反問(wèn)一句：是否通過(guò)統(tǒng)計(jì)概率就真的無(wú)法產(chǎn)生智能？這個(gè)目前看很難，但未必一定是假命題。人類自己的神經(jīng)網(wǎng)絡(luò)都還是朝陽(yáng)研究學(xué)科，這就得留給時(shí)間去解答了。