Die Anwendungsaussichten von AIGC im Web 3

Das von AI erstellte Titelbild illustriert das Tool Stable Diffusion, Stichwort: Space Opera House Rembrandt Harmenszoon van Rijn und Hajime Sorayama mischen Malstile
Einleitung
AIGC hat auf dem schwachen Kryptomarkt Wellen geschlagen. Was ist AIGC? Warum taucht es plötzlich auf? Welchen Einfluss wird es auf Web 3 haben?
1. Der neue Hotspot auf dem Primärmarkt – AIGC
Der vollständige Name von AIGC lautet „Artificial Intelligence Generated Content“ (künstliche Intelligenz generierte Inhalte). Damit ist die Technologie der KI gemeint, mit der aus großen Mengen vorhandener Daten (wie Text, Audios oder Bildern) neue Inhalte erstellt werden. Tatsächlich gibt es keine einheitliche normative Definition des AIGC-Konzepts. Ein ähnliches internationales Konzept ist „Synthetic Media“, das als Technologie zur Produktion, Manipulation und Modifizierung von Daten oder Medien durch Algorithmen der künstlichen Intelligenz definiert ist, darunter Text, Code, Bilder, Audio, Video und 3D-Inhalte usw.
2. Benutzerbedürfnisse treiben die Entwicklung der AIGC-Technologie voran
AIGC konzentriert sich auf die Produktion von Inhalten und die Entwicklung des Inhalts-Ökosystems kann in vier Phasen unterteilt werden: professionell erstellte Inhalte (PGC), benutzergenerierte Inhalte (UGC), KI-gestützt erstellte Inhalte und KI-generierte Inhalte (AIGC). Derzeit bleiben wir hauptsächlich in der ersten und zweiten Phase und die dritte Phase spielt eine unterstützende Rolle.
PGC bezieht sich im Allgemeinen auf Inhalte, die von einem professionellen Team erstellt werden, hohen Produktionskriterien unterliegen und einen langen Arbeitszyklus haben. Sie werden letztendlich für die gewerbliche Umsetzung, beispielsweise im Fernsehen, in Filmen und Spielen, verwendet. Um die Qualität der erstellten Inhalte sicherzustellen, muss PGC enorme technische und Arbeitskosten investieren. Beim PGC-Modell liegen die Rechte zur Produktion und Umsetzung von Inhalten in den Händen weniger Personen, wodurch ein höherer Konzentrationsgrad und eine stärkere Monopolwirkung herrscht. Aufgrund der begrenzten personellen Ressourcen auf der Angebotsseite ist es für PGC jedoch schwierig, die Anforderungen einer groß angelegten Inhaltsproduktion zu erfüllen.
Auf der anderen Seite verwischt UGC die Grenzen zwischen Konsumenten und Produzenten. Die Plattform bietet Erstellungstools und Produzenten können selbst Nutzer sein, was die Produktionshürden senkt und den Erfolg der Content-Ökologie, beispielsweise von Kurzvideos, verbessert. Das UGC-Modell senkt bis zu einem gewissen Grad die Produktionskosten und den Zentralisierungsgrad, geht auf personalisierte oder diversifizierte Nutzerbedürfnisse ein und erhöht die Kapazitätsgrenze. Zwar konnte der Produktionsumfang von Inhalten enorm gesteigert werden, die Qualität ging aber unvermeidlicherweise in die Brüche, weil es keine Beschränkungen hinsichtlich Produzenten, Erstellungstools und Inhaltsthemen gibt.
PGC und UGC sind hinsichtlich ihrer Produktionskapazität bzw. -qualität eingeschränkt.  Für sie ist es schwierig, die rapide wachsende Nachfrage nach Inhalten zu erfüllen, wohingegen AIGC eine neue Runde eines Paradigmenwechsels im Entwicklungsprozess der Inhaltsökologie darstellen könnte. Vor dem Hintergrund der steigenden Benutzernachfrage ist die geringe Effizienz der manuellen Erstellung zu einem Engpass geworden, der den Umfang der Inhaltsproduktion einschränkt. Aus Sicht der Nachfrage sind ihre Anforderungen an Produktionskapazität und -qualität explosionsartig gestiegen, da junge Menschen zum Mainstream des Inhaltskonsums werden. Darüber hinaus hat die Popularität des Internets zwar die Geschwindigkeit der Inhaltsverbreitung beschleunigt, aber auch die Kluft bei der Benutzernachfrage vergrößert. Angesichts der hohen Benutzernachfrage hat die traditionelle Art der Inhaltsproduktion ernsthafte Mängel hinsichtlich Produktionskapazität und -qualität offenbart. Obwohl UGC das Problem des begrenzten Produktionsumfangs von PGC löst, ist die Inhaltsqualität uneinheitlich, was zu höheren Abrufkosten für Benutzer führt, die auf qualitativ hochwertige Inhalte zugreifen möchten. Letztendlich kann UGC die Benutzernachfrage nach qualitativ hochwertigen Inhalten immer noch nicht erfüllen.
Es gibt keine Obergrenze für das Wachstum der Content-Ökologie und die Einführung von AIGC ist dringend erforderlich. Die Verfahren zur Inhaltserstellung umfassen die Schritte der Informationsprüfung, -filterung, -verarbeitung und -integration durch die Produzenten. Eine Reihe von Prozessen basiert auf langfristigen unabhängigen Studien der Ersteller, die viel Zeit und Gehirnschmalz erfordern. Auf lange Sicht sind die Möglichkeiten der künstlichen Schöpfung schließlich begrenzt. Wenn das Produktionspotenzial von PGC und UGC erschöpft ist, kann AIGC die Lücke in der Content-Ökologie möglicherweise schließen.
Die Content-Ökologie hat das Stadium der KI-gestützten Produktion erreicht, und AIGC wird voraussichtlich in Zukunft realisiert. Derzeit ist die Content-Produktion noch auf das Erstellungsframework basierend auf PGC und UGC beschränkt. Die Plattform unterstützt Benutzer bei der Erstellung durch offene KI-Tools. Jeder kann zum Ersteller werden und Befehle erteilen, damit die KI automatisch Inhalte generiert und die KI anweist, komplexe Aufgaben wie Codierung, Zeichnen und Modellieren auszuführen, was den Produktionsstandard weiter senkt und die Produktionseffizienz verbessert.
Aufgrund der technologischen Entwicklung spielt KI bei der oben genannten Arbeit jedoch nur eine unterstützende Rolle. Menschen müssen weiterhin Inhalte erstellen oder Anweisungen in wichtige Links eingeben. KI ist nicht in der Lage, ein unabhängiger Schöpfer zu werden. Mit der kontinuierlichen Aktualisierung und Iteration von Kernelementen wie Daten und Algorithmen kann AIGC jedoch die allgemeine Richtung der zukünftigen Entwicklung sein. Es kann die künstlichen Beschränkungen durchbrechen und auf die Ebene der unabhängigen Erstellung aufsteigen und reichhaltigere und vielfältigere Inhalte erstellen. Theoretisch wird AIGC das unbegrenzte Angebot an Inhaltsökologie realisieren und die Inhaltsqualität wird PGC in Bezug auf Produktionseffizienz und Professionalität übertreffen.
3. AIGC wird in Web 3 glänzen
Im Web 2 hat AIGC mit umfangreichen Erkundungen in verschiedenen Bereichen begonnen. Derzeit ist Web 3 eine dezentrale Version des Web 2-Mappings. Im weiteren Sinne wird AIGC natürlich viele Anwendungsbereiche im Web 3 haben.
Bei KI-Tools zur Textgenerierung wurde ein Durchbruch erzielt. Zu den Anwendungen von AIGC in der Texterstellung gehören Kodierung, Übersetzung und Schreiben. Bei der Texterstellung geht es im Wesentlichen um die Verwendung von Sprache. Da Programmiersprachen für KI relativ strukturierter und leichter zu erlernen sind, menschliche Sprachen jedoch Kontext, Semantik usw. kombinieren müssen, ist die Kodierung das ausgereifteste Anwendungsszenario der Textgenerierung. Repräsentative Werke sind beispielsweise Github Copilot von Microsoft. Benutzer geben Codelogik in den Text ein, die schnell verstanden werden kann, und Untermodule werden auf Grundlage von umfangreichem Open-Source-Code generiert, den Entwickler verwenden können. Heutzutage werden fast 40 % des von GitHub Copilot generierten Codes von KI geschrieben. Obwohl modulare Plug-ins wie SDK in Web 3 die Programmiergeschwindigkeit der Entwickler verbessert haben, könnte die Entwicklungseffizienz von Kryptoprotokollen mit der Popularisierung der AIGC-Technologie in Zukunft noch weiter steigen. Im Idealfall kann AIGC Marktbedürfnisse oder Vakanzen automatisch erkennen und dann selbstständig neue Protokolle programmieren und generieren.
Auch bei der Inhaltserstellung in menschlicher Sprache hat AIGC erhebliche Fortschritte gemacht. Aktuell ist man bei der Entwicklung der Übersetzung weit vorne. Roblox übersetzt mithilfe von maschinellem Lernen automatisch auf Englisch entwickelte Spiele in acht andere Sprachen, darunter Chinesisch, Deutsch und Französisch. Das von Tencent entwickelte Nachrichtenschreibsystem Dreamwriter kann in 22 regulierten Schreibszenarien verwendet werden und die durchschnittliche Postinggeschwindigkeit beträgt nur 0,46 Sekunden. In dem Artikel „Generative AI: A Creative New World“ von Sequoia Capital werden einige Inhalte mit dem natürlichen Sprachmodell GPT-3 verfasst. Das Leseerlebnis ist jedoch nicht unklar und plump, sondern berücksichtigt auch die Schreibanforderungen hinsichtlich Flüssigkeit, Klarheit und Logik.
AIGC wird auch einen großen Beitrag zur Texterstellung für Web 3 leisten. Nachrichtenmedien und Forschungseinrichtungen in Web 3 stehen vor dem zweiseitigen Dilemma der Inhaltsökologie. Beispielsweise ist es trotz der hohen Ausgabequalität von CoinDesk und Messari schwierig, den Produktionsumfang zu erweitern. Darüber hinaus wird die Verbreitung von Inhalten weiter eingeschränkt und durch die Schreibsprache sowie die Effizienz und Genauigkeit der Übersetzung eingeschränkt.
Auf der anderen Seite kann die Qualität der Perspektiven trotz der enormen Inhaltsvielfalt auf Twitter nicht garantiert werden.  Da die Informationen nicht nach Wichtigkeit und Aktualität usw. kategorisiert sind, ist die Präsentationsform chaotisch, ungruppiert, unsortiert oder dedupliziert. Offensichtlich werden die Bedürfnisse der Benutzer nicht zielgerichtet erfüllt. Gleichzeitig werden die Benutzer mit dem Problem einer Informationsüberflutung konfrontiert, was dazu führt, dass sie viel Zeit mit ungültigen Inhalten verschwenden. Infolgedessen hinken Web 3-Organisationen ihren Web 2-Pendants sowohl hinsichtlich des durchschnittlichen Produktionsumfangs als auch der durchschnittlichen Inhaltsqualität deutlich hinterher.
Umfang und Qualität von Web 2-Organisationen basieren jedoch häufig auf Crowdsourcing-Taktiken, die hohe Anfangsinvestitionen erfordern. Um die Qualität der Inhalte sicherzustellen, müssen qualifizierte Analysten in der Regel eine langfristige Präzipitation und intensive Schulung durchlaufen, und die Unternehmen müssen Zeit und Schulungskosten investieren. Gleichzeitig müssen die Unternehmen, um den Produktionsumfang aufrechtzuerhalten, extrem hohe Arbeitskosten für die Rekrutierung im großen Stil zahlen. Dieser Modus weist zwei offensichtliche Nachteile auf. Einer davon sind die überhöhten Kosten und der andere ist das Risiko, in der späteren Phase Talente zu verlieren, was dazu führt, dass die Kosten vollständig verloren gehen. Mit der Weiterentwicklung nachfolgender Technologien können Analysten zumindest die Zeit für das Zusammenfassen von Titeln und Abstracts sparen, und KI kann durch das Verstehen des vollständigen Textes direkt TL; DR generieren. Auf lange Sicht werden „qualifizierte Analysten“ nach dem tiefen maschinellen Lernen der KI schnell hervorgebracht. Web 3-Institutionen werden die Kosten erheblich senken und gleichzeitig den Umfang und die Qualität der Inhaltsgenerierung verbessern und so die Entwicklung des gesamten Marktsegments und der gesamten Branche fördern. Die Informationsprotokolle, Nachrichtenprotokolle oder Forschungsprotokolle können sogar im Web 3 erscheinen.
AIGC wird wahrscheinlich eine neue Innovationsrunde in der Web-3-Musik auslösen. AIGC eröffnet Anwendungen in der Songproduktion, der Songtextgenerierung usw., und die Interaktivität und Echtzeitleistung werden weiter verbessert. Als Beispiel arrangiert die adaptive Musikplattform LifeScore Musik dynamisch in Echtzeit. Sobald der Benutzer eine Reihe von Musikmaterial einspeist, wird die KI es ändern, morphen und neu mischen, was zu einem sofortigen Konzert führt. Im Mai 2020 lieferte LifeScore einen adaptiven Soundtrack für die interaktive Twitch-TV-Serie „Artificial“, der den Soundtrack je nach emotionaler Verfassung des Zuschauers im Verlauf der Geschichte beeinflussen kann.
Kurzfristig kann AIGC den Urhebern dabei helfen, Musik anzupassen, neu zu erschaffen oder sie direkt bei der Erstellung zu unterstützen, wodurch ihre Arbeitsbelastung erheblich reduziert und die Arbeitseffizienz gesteigert wird. Langfristig sind im Web 3 einige Musikplattformen entstanden, und mit der Einführung der AIGC-Technologie können die Protokolle möglicherweise maßgeschneiderte Songs entsprechend den persönlichen Vorlieben der Hörer erstellen. Die Plattform kann nicht nur die Kosten für Urheberrechte enorm senken, sondern die Benutzer können auch die Zahlungen für Songs reduzieren. Darüber hinaus können Benutzer möglicherweise auch exklusive Songs veröffentlichen, die von AIGC erstellt wurden, um selbst Geld zu verdienen und so die Schöpferökonomie des Web 3-Musikmarkts zu stärken.
Neben den oben genannten drei Grenzbereichen hat AIGC auch in anderen Web 3-Marktsegmenten großes Potenzial. Zum Beispiel
1) Der Hauptbestandteil von NFT sind Bilder oder Kunstwerke. Derzeit haben viele KI-Modelle Daten der gesamten Kunstgeschichte und Popkultur gesammelt. Jeder Benutzer kann nach Belieben sein eigenes Lieblings-NFT generieren. Verschiedene NFTs müssen unterschiedliche Gesichter, Kleidung und emotionale Merkmale aufweisen. Die herkömmliche Generierungsmethode ist mit hohen Kosten und geringer Effizienz verbunden. Die Entwickler müssen Prototypen entwerfen, mehrere Modelle erstellen und rendern usw., aber AIGC kann den Entwicklern helfen, Skizzen im Frühstadium effizienter auszuprobieren und die Arbeitskräfte zu sparen, die später für die Fertigstellung der Bildschirmdetails erforderlich sind. In Zukunft könnte AIGC eine kostengünstige Massenproduktion von NFTs ermöglichen. Außerdem sind UGC-Kreationen leicht zu kopieren und zu verbreiten, und es treten häufig Probleme mit Urheberrechtsverletzungen auf. Dennoch sind NFTs einzigartig, unteilbar und handelbar, wodurch die Probleme der Fälschungssicherheit, der Rechtsbestätigung und der Rückverfolgbarkeit gelöst und der Urheberrechtsschutz gestärkt werden können.
2) AIGC verbessert auch die Generierung transmembranärer Zustände, etwa zur Textgenerierung von Bildern/Animationen und umgekehrt;
3) Der Fortschritt von AIGC wird auch die Entwicklung des sozialen Marktsegments von Web 3 fördern. Echte Menschen werden zwangsläufig einige Mängel aufweisen, aber KI kann die bevorzugten virtuellen Charaktere der Benutzer erstellen, da die von AIGC generierten virtuellen Charaktere vollständig an die Bedürfnisse der Benutzer angepasst werden. Benutzer können die Eigenschaften der Charaktere wie Familie, Beruf, Alter usw. anpassen oder Vorlagen verwenden. KI wird den virtuellen Charakteren helfen, sich in bestimmten Szenen in Aussehen und Handlungen echter Menschen ähnlicher zu verhalten, und sie mit Sprach- und Interaktionsfunktionen ausstatten, um eine gewisse Empathiefähigkeit widerzuspiegeln. Darüber hinaus müssen sich die virtuellen Charaktere nicht ausruhen, da sie über umfangreichere Wissensreserven und eine schnellere Aktualisierungsfrequenz als Menschen verfügen. Daher wird erwartet, dass die von virtuellen Charakteren bereitgestellte Unterhaltung und die Dienste in bestimmten Bereichen mit denen echter Menschen vergleichbar sind oder diese sogar übertreffen. Beispielsweise werden virtuelle Charaktere durch die Kommunikation mit Benutzern weiter lernen und emotionale Kameradschaft entwickeln. In Bezug auf die ACGN-Gruppen und intensiven Benutzer sozialer Software in Web 2 wird der soziale Markt von Web 3 mit der Unterstützung von AIGC zweifellos größer werden.
4) Der Einsatz von AIGC in der Web 3-Bildung kann unerwartete Ergebnisse hervorbringen. Da der Lernmodus von AI relativ strukturiert und organisiert ist, können die von AIGC erstellten Lehrbücher und Vorlesungen möglicherweise die Verständnishürde senken und dem Publikum helfen, Wissen leichter aufzunehmen. Zusammenfassend lässt sich sagen, dass die zukünftige Reise von AIGC in Web 3 recht umfangreich ist.