AI radītais vāka attēls ilustrē rīku Stable Diffusion, atslēgas vārds: Space Opera House Rembrandt Harmenszoon van Rijn un Hajime Sorayama sajauc glezniecības stilu

Ievads

Kas ir AIGC? Kāpēc tas pēkšņi rodas? Kā tas ietekmēs Web 3?

1. Jaunais karstais punkts primārajā tirgū — AIGC

AIGC pilns nosaukums ir mākslīgā intelekta ģenerēts saturs, kas attiecas uz AI tehnoloģiju, lai izveidotu jaunu saturu, izmantojot lielus esošos datus (piemēram, tekstu, audio vai attēlus). Faktiski nav vienotas AIGC koncepcijas normatīvās definīcijas. Līdzīgs jēdziens starptautiski ir sintētiskie mediji, kas tiek definēti kā tehnoloģija datu vai mediju ražošanai, manipulēšanai un modificēšanai, izmantojot mākslīgā intelekta algoritmus, tostarp tekstu, kodu, attēlus, audio, video un 3D saturu utt.

2. Lietotāju vajadzības veicina AIGC tehnoloģijas attīstību

AIGC koncentrējas uz satura veidošanu, un satura ekosistēmas attīstību var iedalīt četros posmos: profesionāli ģenerēts saturs (PGC), lietotāju radīts saturs (UGC), AI atbalstīts ģenerēts saturs un AI ģenerēts saturs (AIGC). ), pašlaik mēs galvenokārt paliekam pirmajā un otrajā posmā, un trešais posms ir atbalsta loma.

PGC parasti attiecas uz saturu, ko veido profesionāla komanda, kam ir augsts ražošanas kritērijs un ilgs darba cikls. Galu galā tas tiks izmantots komerciālai realizācijai, piemēram, TV, filmām un spēlēm. Lai nodrošinātu ģenerētā satura kvalitāti, PGC ir jāiegulda tonnas tehnisko un darbaspēka izmaksu. Saskaņā ar PGC modeli satura ražošanas un realizācijas tiesības ir dažu cilvēku rokās, ar lielāku koncentrācijas pakāpi un spēcīgāku monopola efektu. Tomēr PGC ir grūti apmierināt liela mēroga satura ražošanas vajadzības, jo piedāvājuma pusē ir ierobežoti cilvēkresursi.

No otras puses, UGC izjauc robežas starp patērētājiem un ražotājiem. Platforma nodrošinās izveides rīkus, un ražotāji var būt paši lietotāji, kas pazemina ražošanas barjeru un uzlabo satura ekoloģijas, piemēram, īsu video, labklājību. UGC modelis zināmā mērā samazina ražošanas izmaksas un centralizācijas pakāpi, atbilst personalizētām vai daudzveidīgām lietotāju vajadzībām un palielina jaudas griestus. Lai gan satura ražošanas apjoms ir ievērojami uzlabots, kvalitāte neizbēgami ir cietusi pretreakciju, jo nav ierobežojumu ražotājiem, ģenerēšanas rīkiem un satura tēmām.

PGC un UGC ierobežo attiecīgi ražošanas jauda un kvalitāte. Viņiem ir grūti apmierināt strauji augošo satura pieprasījumu, savukārt AIGC var būt jauna paradigmas maiņas kārta satura ekoloģijas izstrādes procesā. Pieaugošā lietotāju pieprasījuma apstākļos zemā manuālās izveides efektivitāte ir kļuvusi par vājo vietu, kas ierobežo satura ražošanas apjomu. No pieprasījuma viedokļa, jauniešiem kļūstot par satura patēriņa galveno virzienu, viņu pieprasījums pēc satura ražošanas jaudas un kvalitātes ir strauji pieaudzis. Turklāt, lai gan interneta popularitāte ir paātrinājusi satura izplatīšanas ātrumu, tas ir arī palielinājis plaisu lietotāju pieprasījumā. Ņemot vērā lielo lietotāju pieprasījumu, tradicionālais satura veidošanas veids ir atklājis nopietnus trūkumus ražošanas jaudas un kvalitātes ziņā. Lai gan UGC uzlabo PGC ierobežotā ražošanas apjoma problēmu, tā satura kvalitāte ir nevienmērīga, kas rada lielākas izguves izmaksas lietotājiem, lai piekļūtu augstas kvalitātes saturam. Galu galā UGC joprojām nevar apmierināt lietotāju pieprasījumu pēc augstas kvalitātes satura.

Satura ekoloģijas izaugsmei nav griestu, un ir ļoti nepieciešams ieviest AIGC. Satura izveides procedūras ir informācijas pārbaudes, filtrēšanas, apstrādes un integrēšanas darbības, ko veic ražotāji. Virkne procesu ir balstīti uz veidotāju ilgtermiņa neatkarīgu pētījumu, kas tērē daudz laika un prāta spējas. Ilgtermiņā mākslīgās radīšanas iespējas galu galā ir ierobežotas. Kad PGC un UGC ražošanas potenciāls ir izsmelts, AIGC var kompensēt satura ekoloģijas trūkumu.

Satura ekoloģija ir nonākusi AI atbalstītas ražošanas stadijā, un ir paredzēts, ka AIGC tiks realizēts nākotnē. Pašlaik satura veidošana joprojām aprobežojas ar izveides sistēmu, kuras pamatā ir PGC un UGC. Platforma palīdz lietotājiem izveidot, izmantojot atvērtos AI rīkus. Ikviens var kļūt par veidotāju un izdot komandas, lai AI automātiski ģenerētu saturu, uzdodot AI veikt sarežģītus uzdevumus, piemēram, kodēšanu, zīmēšanu un modelēšanu, kas vēl vairāk pazemina ražošanas standartu un uzlabo ražošanas efektivitāti.

Tomēr, pateicoties tehnoloģiju attīstībai, AI iepriekšminētajā darbā spēlē tikai palīgfunkciju. Cilvēkiem joprojām ir jāizveido saturs vai jāievada norādījumi galvenajās saitēs. AI nav iespējas kļūt par neatkarīgu radītāju. Tomēr, nepārtraukti pilnveidojot un atkārtojot galvenos elementus, piemēram, datus un algoritmus, AIGC var būt vispārējais turpmākās attīstības virziens. Tas var pārkāpt mākslīgos ierobežojumus un paaugstināt līdz neatkarīgas radīšanas līmenim, radot bagātāku un daudzveidīgāku saturu. Teorētiski AIGC realizēs neierobežotu satura ekoloģijas piedāvājumu, un satura kvalitāte pārsniegs PGC, ņemot vērā ražošanas efektivitāti un profesionalitāti.

3. AIGC spīdēs Web 3

Tīmeklī 2 AIGC ir sācis plašu izpēti dažādās jomās. Pašlaik Web 3 ir Web 2 kartēšanas decentralizēta versija. Turklāt AIGC, protams, Web 3 izmantos daudzus norādījumus.

Izrāviens ir panākts AI rīkos, kas saistīti ar teksta ģenerēšanu. AIGC lietojumi teksta veidošanā ietver kodēšanu, tulkošanu un rakstīšanu. Teksta radīšana būtībā ir valodas lietošana. tā kā programmēšanas valodas ir salīdzinoši strukturētākas un vieglāk apgūstamas AI, bet cilvēku valodām ir jāapvieno konteksts, semantika utt., tāpēc visnobriedušākais teksta ģenerēšanas scenārijs ir kodēšana, reprezentatīvi darbi, piemēram, Github Copilot ražojis Microsoft. Lietotāji tekstā ievada koda loģiku, to var ātri saprast, un apakšmoduļi tiks ģenerēti, pamatojoties uz masveida atvērtā pirmkoda kodu, ko izstrādātāji var izmantot. Mūsdienās gandrīz 40% no GitHub Copilot ģenerētā koda ir rakstīti AI. Lai gan modulārie spraudņi, piemēram, SDK in Web 3, ir uzlabojuši izstrādātāju programmēšanas ātrumu, kriptoprotokolu izstrādes efektivitāti var vēl vairāk veicināt AIGC tehnoloģijas popularizēšana nākotnē. Ideālā gadījumā AIGC var automātiski noteikt tirgus vajadzības vai vakances un pēc tam patstāvīgi programmēt un ģenerēt jaunus protokolus.

Arī attiecībā uz satura veidošanu cilvēku valodā AIGC ir guvis ievērojamu progresu. Šobrīd tulkošanas attīstība ir sasniegusi lielu pārsvaru. Roblox automātiski tulkoja spēles, kas izstrādātas angļu valodā citās astoņās valodās, izmantojot mašīnmācīšanos, tostarp ķīniešu, vācu un franču valodās; Tencent izstrādāto ziņu rakstīšanas sistēmu Dreamwriter var izmantot 22 regulētajos rakstīšanas scenārijos, un vidējais publicēšanas ātrums ir 0,46 sekundes; Sequoia Capital rakstā "Generative AI: A Creative New World" daļa satura ir veidota pēc GPT-3 dabiskās valodas modeļa, taču lasīšanas pieredze nav neskaidra un strupa, bet tajā ir ņemtas vērā arī raituma rakstīšanas prasības. , skaidrība un loģika.

AIGC arī sniegs lielu ieguldījumu teksta veidošanā Web 3. Ziņu mediji un pētniecības iestādes Web 3 saskaras ar divpusēju satura ekoloģijas dilemmu. Piemēram, lai gan CoinDesk un Messari produkcijas kvalitāte ir augsta, ir grūti paplašināt ražošanas apjomu. Turklāt satura izplatīšana tiks vēl vairāk samazināta, ko ierobežos rakstīšanas valoda, tulkošanas efektivitāte un precizitāte.

No otras puses, lai gan Twitter saturs ir milzīgs, perspektīvu kvalitāti nevar garantēt. Tā kā informācija nav klasificēta pēc svarīguma un savlaicīguma utt., līdz ar to prezentācijas forma ir nekārtīga, negrupēta, nešķirota vai noņemta dublikāti. Acīmredzot lietotāju vajadzības netiek mērķtiecīgi apmierinātas. Tajā pašā laikā lietotāji saskarsies ar informācijas pārslodzes problēmu, radot daudz laika tērējot nederīgam saturam. Rezultātā Web 3 organizācijas ievērojami atpaliek no saviem Web 2 partneriem gan vidējā ražošanas apjoma, gan vidējās satura kvalitātes ziņā.

Tomēr Web 2 organizāciju mērogs un kvalitāte bieži vien ir balstīta uz pūļa avotu taktiku, kas prasa lielu sākotnējo ieguldījumu. Lai nodrošinātu satura kvalitāti, kvalificētiem analītiķiem parasti ir jāiziet ilgstoši nokrišņi un intensīvas apmācības, un uzņēmumiem jāiegulda laiks un apmācības izmaksas. Tajā pašā laikā, lai saglabātu izlaides apjomu, uzņēmumiem ir jāmaksā ārkārtīgi augstas darbaspēka izmaksas par liela mēroga personāla atlasi. Šāda veida režīmā ir divi acīmredzami trūkumi. Viens no tiem ir pārslogotās izmaksas, bet otrs ir talantu zaudēšanas risks vēlākā posmā, kā rezultātā izmaksas tiek pilnībā samazinātas. Attīstoties turpmākajām tehnoloģijām, analītiķi var ietaupīt laiku vismaz virsrakstu un kopsavilkumu apkopošanai, un AI spēj tieši ģenerēt TL; DR, saprotot pilnu tekstu. Ilgtermiņā pēc dziļas mākslīgā intelekta mašīnmācīšanās tiks ātri izveidoti "kvalificēti analītiķi". Web 3 institūcijas būtiski samazinās izmaksas, vienlaikus uzlabojot satura ģenerēšanas apjomu un kvalitāti, tādējādi veicinot visa tirgus segmenta un visas nozares attīstību. Informācijas protokoli, ziņu protokoli vai izpētes protokoli var pat parādīties Web 3.

AIGC, visticamāk, izraisīs jaunu inovāciju kārtu Web 3 mūzikā. AIGC atver lietojumprogrammas dziesmu producēšanai, dziesmu tekstu ģenerēšanai utt., un tiek vēl vairāk uzlabota interaktivitāte un reāllaika veiktspēja. Piemēram, adaptīvā mūzikas platforma LifeScore dinamiski sakārto mūziku reāllaikā. Kad lietotājs ievadīs virkni muzikālu materiālu, mākslīgais intelekts to mainīs, pārveidos un remiksēs, tādējādi radot tūlītēju koncertu. 2020. gada maijā LifeScore piedāvāja adaptīvu skaņu celiņu Twitch interaktīvajam TV seriālam “Mākslīgais”, kas stāstam attīstoties, var ietekmēt skaņu celiņu, pamatojoties uz skatītāja emocionālo stāvokli.

Īstermiņā AIGC var palīdzēt radītājiem pielāgot, atjaunot vai tieši palīdzēt mūzikas radīšanā, ievērojami samazinot viņu darba slodzi un palielinot darba efektivitāti. Ilgtermiņā Web 3 ir parādījušās dažas mūzikas platformas, kā arī AIGC tehnoloģijas ieviešanas protokoli var ģenerēt pielāgotas dziesmas atbilstoši klausītāju personiskajām vēlmēm. Platforma var ne tikai ievērojami samazināt autortiesību izdevumus, bet arī lietotāji var samazināt maksājumus par dziesmām. Turklāt lietotāji var arī publicēt ekskluzīvas AIGC radītās dziesmas, lai gūtu ienākumus, tādējādi uzlabojot Web 3 mūzikas tirgus radītāju ekonomiku.

Papildus iepriekšminētajiem trim robežvirzieniem AIGC ir liels potenciāls arī citos Web 3 tirgus segmentos. Piemēram,

1) NFT galvenā daļa ir attēli vai mākslas darbi. Pašlaik daudzi AI modeļi ir apkopojuši datus par visu mākslas vēsturi un populāro kultūru. Jebkurš lietotājs pēc vēlēšanās var izveidot savu iecienītāko NFT. Dažādiem NFT ir jābūt dažādām sejām, apģērbam un emocionālajām īpašībām. Tradicionālā ražošanas metode nodrošina augstas izmaksas un zemu efektivitāti. Radītājiem ir jāveic prototipa projektēšana, vairākkārtēja modelēšana un renderēšana utt., taču AIGC var palīdzēt veidotājiem agrīnā stadijā efektīvāk izmēģināt skices un ietaupīt darbaspēku, lai vēlākajā posmā pabeigtu ekrāna detaļas. Nākotnē AIGC varētu būt iespējams panākt zemu izmaksu masveida NFT ražošanu. Turklāt UGC izveidi ir viegli kopēt un izplatīt, un bieži rodas pārkāpumu problēmas. Tomēr NFT ir unikāli, nedalāmi un tirgojami, kas var pārvarēt problēmas saistībā ar līdzekļu viltošanu, tiesību apstiprināšanu un izsekojamību, lai stiprinātu autortiesību aizsardzību;

2) AIGC uzlabo arī transmembrānu stāvokļu ģenerēšanu, piemēram, tekstu ģenerējošus attēlus/animācijas un otrādi;

3) AIGC virzība veicinās arī Web 3 sociālā tirgus segmenta attīstību. Reāliem cilvēkiem neizbēgami būs daži trūkumi, bet AI var izveidot lietotāju iecienītākās virtuālās rakstzīmes, jo AIGC ģenerētās virtuālās rakstzīmes tiks pilnībā pielāgotas atbilstoši lietotāju vajadzībām. Lietotājiem ir atļauts pielāgot vai izmantot veidnes, lai definētu varoņu īpašības, piemēram, ģimeni, nodarbošanos, vecumu utt. AI palīdzēs virtuālajiem varoņiem labāk parādīties reāliem cilvēkiem pēc izskata un darbībām konkrētās ainās, un apveltīs viņus ar valodas izteiksmes un mijiedarbības funkcijām, lai atspoguļotu noteiktu empātijas spēju. Turklāt virtuālajiem varoņiem, ko papildina bagātīgākas zināšanu rezerves un ātrāka atjaunināšanas biežums nekā cilvēkiem, nav nepieciešams atpūsties. Līdz ar to sagaidāms, ka virtuālo varoņu sniegtā izklaide un pakalpojumi atsevišķās jomās būs salīdzināmi ar reāliem cilvēkiem vai pat pārspēs tos. Piemēram, virtuālie varoņi turpinās mācīties, sazinoties ar lietotājiem, un apzināsies emocionālu biedrību. Atsaucoties uz ACGN grupām un sociālās programmatūras lielajiem lietotājiem Web 2, Web 3 sociālais tirgus neapšaubāmi kļūs lielāks ar AIGC atbalstu;

4) AIGC izmantošana Web 3 izglītībā var radīt negaidītus rezultātus. Tā kā AI mācību režīms ir salīdzinoši strukturēts un organizēts, AIGC sagatavotās mācību grāmatas un lekcijas var pazemināt izpratnes barjeru un palīdzēt auditorijai vieglāk apgūt zināšanas. Rezumējot, AIGC nākotnes ceļojums Web 3 ir diezgan plašs.