Obraz okładkowy stworzony przez AI ilustruje narzędzie Stable Diffusion, słowo kluczowe: Space Opera House Rembrandt Harmenszoon van Rijn i Hajime Sorayama mix stylu malarskiego

Wprowadzenie

AIGC rzucił fale na przygnębiony rynek kryptowalut, czym jest AIGC? Dlaczego nagle się pojawił? Jaki wpływ wywrze na Web 3?

1. Nowy gorący temat na rynku pierwotnym——AIGC

Pełna nazwa AIGC to Generowana przez Sztuczną Inteligencję Treść, która odnosi się do technologii AI do tworzenia nowej treści poprzez masowe istniejące dane (takie jak tekst, dźwięki lub obrazy). W rzeczywistości nie ma zunifikowanej normatywnej definicji pojęcia AIGC. Podobnym pojęciem na arenie międzynarodowej są Media Syntetyczne, które definiuje się jako technologię produkcji, manipulacji i modyfikacji danych lub mediów za pomocą algorytmów sztucznej inteligencji, w tym tekstu, kodu, obrazów, dźwięku, wideo i treści 3D itp.

2. Potrzeby użytkowników napędzają rozwój technologii AIGC

AIGC koncentruje się na produkcji treści, a rozwój ekosystemu treści można podzielić na cztery etapy: Treść Tworzona przez Profesjonalistów (PGC), Treść Tworzona przez Użytkowników (UGC), Treść Tworzona z Wsparciem AI oraz Treść Generowana przez AI (AIGC). Obecnie głównie pozostajemy na pierwszym i drugim etapie, a trzeci etap pełni rolę wspierającą.

PGC zazwyczaj odnosi się do treści, która jest tworzona przez profesjonalny zespół, nosi wysokie standardy produkcyjne i ma długi cykl pracy. Ostatecznie będzie wykorzystywana do realizacji komercyjnej, takiej jak telewizja, filmy i gry. Aby zapewnić jakość generowanej treści, PGC musi inwestować ogromne koszty techniczne i robocze. W modelu PGC prawa do produkcji i realizacji treści są w rękach nielicznych, co skutkuje wyższym stopniem koncentracji i silniejszym efektem monopolu. Jednak PGC ma trudności w zaspokojeniu potrzeb produkcji treści na dużą skalę z powodu ograniczonych zasobów ludzkich po stronie podaży.

Z drugiej strony, UGC zaciera granice między konsumentami a producentami. Platforma zapewnia narzędzia do tworzenia, a producenci mogą być samymi użytkownikami, co obniża barierę produkcji i poprawia prosperitetę ekologii treści, takiej jak filmy krótkometrażowe. Model UGC zmniejsza koszty produkcji i stopień centralizacji w pewnym zakresie, spełnia zróżnicowane potrzeby użytkowników i zwiększa sufit wydajności. Chociaż skala produkcji treści została znacznie zwiększona, jakość nieuchronnie ucierpiała, ponieważ nie ma ograniczeń dla producentów, narzędzi generacyjnych i tematów treści.

PGC i UGC są ograniczane przez zdolności produkcyjne i jakość, odpowiednio. Trudno im zaspokoić szybko rosnące zapotrzebowanie na treści, podczas gdy AIGC może być nową rundą zmiany paradygmatu w procesie rozwoju ekologii treści. W tle rosnącego zapotrzebowania użytkowników, niska wydajność tworzenia manualnego stała się wąskim gardłem ograniczającym skalę produkcji treści. Z perspektywy popytu, gdy młodzi ludzie stają się głównym nurtem konsumpcji treści, ich zapotrzebowanie na zdolności produkcyjne i jakość produkcji treści eksplodowało. Ponadto, chociaż popularność Internetu przyspieszyła szybkość rozpowszechniania treści, powiększyła również lukę w zapotrzebowaniu użytkowników. Pod wysokim zapotrzebowaniem użytkowników, tradycyjny model produkcji treści ujawnił poważne niedociągnięcia pod względem zdolności produkcyjnych i jakości. Chociaż UGC poprawia problem ograniczonej skali produkcji PGC, jego jakość treści jest nierówna, co prowadzi do wyższych kosztów wyszukiwania dla użytkowników, aby uzyskać dostęp do treści wysokiej jakości. W ostatecznym rozrachunku, UGC nadal nie może zaspokoić zapotrzebowania użytkowników na treści wysokiej jakości.

Nie ma górnej granicy dla wzrostu ekologii treści, i jest wysoce konieczne wprowadzenie AIGC. Procesy tworzenia treści to kroki przesiewania informacji, filtrowania, przetwarzania i integrowania przez producentów. Cała seria procesów opiera się na długoterminowych niezależnych badaniach twórców, które zajmują mnóstwo czasu i wysiłku umysłowego. Na dłuższą metę, zdolności sztucznej kreacji są ostatecznie ograniczone. Gdy potencjał produkcji PGC i UGC zostanie wyczerpany, AIGC może być w stanie wypełnić lukę w ekologii treści.

Ekologia treści weszła w etap produkcji wspomaganej przez AI, a AIGC ma szansę się zrealizować w przyszłości. Obecnie produkcja treści wciąż jest ograniczona do ram twórczych opartych na PGC i UGC. Platforma wspiera użytkowników w tworzeniu poprzez otwarte narzędzia AI. Każdy może stać się twórcą i wydawać polecenia, aby AI automatycznie generowało treści, instruując AI do wykonywania złożonych zadań, takich jak kodowanie, rysowanie i modelowanie, co dodatkowo obniża standard produkcji i poprawia efektywność produkcji.

Jednakże, z powodu rozwoju technologii, AI odgrywa jedynie rolę pomocniczą w powyższej pracy. Ludzie wciąż muszą tworzyć treści lub wprowadzać instrukcje w kluczowych punktach. AI nie ma zdolności do stania się niezależnym twórcą. Niemniej jednak, dzięki ciągłemu ulepszaniu i iteracji kluczowych elementów, takich jak dane i algorytmy, AIGC może być ogólnym kierunkiem przyszłego rozwoju. Może przełamać ograniczenia sztuczne i awansować na poziom niezależnej kreacji, tworząc bogatsze i bardziej zróżnicowane treści. Teoretycznie, AIGC zrealizuje nieograniczoną podaż ekologii treści, a jakość treści przewyższy PGC, biorąc pod uwagę wydajność produkcji i profesjonalizm.

3. AIGC zabłyśnie w Web 3

W Web 2 AIGC rozpoczęło szerokie eksploracje w różnych dziedzinach. Obecnie Web 3 jest zdecentralizowaną wersją mapy Web 2. W związku z tym AIGC z pewnością będzie miało wiele kierunków zastosowań w Web 3.

Przełom został osiągnięty w narzędziach AI związanych z generowaniem tekstu. Aplikacje AIGC w tworzeniu tekstów obejmują kodowanie, tłumaczenie i pisanie. Tworzenie tekstu zasadniczo polega na używaniu języka. Ponieważ języki programowania są stosunkowo bardziej uporządkowane i łatwiejsze do nauczenia dla AI, ale języki ludzkie muszą łączyć kontekst, semantykę itp., dlatego najdojrzalszym zastosowaniem generowania tekstu jest kodowanie, reprezentowane przez takie dzieła jak Github Copilot produkowane przez Microsoft. Użytkownicy wprowadzają logikę kodu w tekście, co można szybko zrozumieć, a submoduły są generowane w oparciu o ogromny otwarty kod źródłowy do wykorzystania przez deweloperów. Obecnie prawie 40% kodu generowanego przez GitHub Copilot jest pisane przez AI. Chociaż modułowe wtyczki, takie jak SDK w Web 3, poprawiły szybkość programowania deweloperów, wydajność rozwoju protokołów kryptograficznych może być dalej promowana z popularyzacją technologii AIGC w przyszłości. W idealnym przypadku AIGC może automatycznie wykrywać potrzeby rynkowe lub luki, a następnie niezależnie programować i generować nowe protokoły.

W zakresie tworzenia treści w języku ludzkim AIGC również poczyniło znaczne postępy. Obecnie rozwój tłumaczenia osiągnął wielką przewagę. Roblox automatycznie przetłumaczył gry stworzone w języku angielskim na inne osiem języków dzięki uczeniu maszynowemu, w tym chińskim, niemieckim i francuskim; system pisania wiadomości Dreamwriter opracowany przez Tencent może być używany w 22 uregulowanych scenariuszach pisania, a średnia prędkość publikacji wynosi zaledwie 0,46 sekundy; w artykule Sequoia Capital "Generatywna AI: Kreatywny Nowy Świat" część treści została napisana przez model językowy GPT-3, ale doświadczenie czytania nie jest niejasne i szorstkie, ale również uwzględnia wymagania pisania dotyczące płynności, jasności i logiki.

AIGC również w dużym stopniu przyczyni się do tworzenia tekstów dla Web 3. Media informacyjne i instytucje badawcze w Web 3 stoją w obliczu dwustronnego dylematu ekologii treści. Na przykład, chociaż jakość wyjściowa CoinDesk i Messari jest wysoka, trudno jest zwiększyć skalę produkcji. Ponadto, rozpowszechnianie treści zostanie dalej ograniczone przez język pisania, efektywność i dokładność tłumaczenia.

Z drugiej strony, chociaż treści na Twitterze są ogromne, jakość perspektyw nie może być gwarantowana. Ponieważ informacje nie są klasyfikowane według ważności i aktualności itp., forma prezentacji jest zdezorganizowana, niepogrupowana, nieposortowana lub niepowtarzalna. Oczywiście potrzeby użytkowników nie są spełnione w sposób ukierunkowany. Równocześnie użytkownicy będą musieli zmierzyć się z problemem nadmiaru informacji, co prowadzi do marnowania czasu na nieistotne treści. W rezultacie organizacje Web 3 znacznie pozostają w tyle za swoimi odpowiednikami Web 2, zarówno pod względem średniej skali produkcji, jak i średniej jakości treści.

Jednakże, skala i jakość organizacji Web 2 często opierają się na taktykach opartych na crowdsourcingu, które wymagają dużej ilości początkowych inwestycji. Aby zapewnić jakość treści, wykwalifikowani analitycy zazwyczaj muszą przejść długoterminowe osadzenie i intensywne szkolenie, a firmy muszą inwestować czas i koszty szkolenia. W tym samym czasie, aby utrzymać skalę wydania, firmy muszą płacić niezwykle wysokie koszty pracy za dużą rekrutację. W tym typie modelu istnieją dwie oczywiste niedociągnięcia. Jednym z nich są przeciążone koszty, a drugim ryzyko utraty talentów w późniejszej fazie, co prowadzi do całkowitego zatopienia kosztów. W miarę postępu technologii, analitycy mogą zaoszczędzić przynajmniej czas na podsumowywanie tytułów i streszczeń, a AI jest w stanie bezpośrednio generować TL; DR poprzez zrozumienie pełnego tekstu. W dłuższej perspektywie, "wykwalifikowani analitycy" będą szybko produkowani po głębokim uczeniu maszynowym AI. Instytucje Web 3 znacząco obniżą koszty, jednocześnie poprawiając skalę i jakość generacji treści, co z kolei przyczyni się do rozwoju całego segmentu rynku i całej branży. Protokół informacji, protokół wiadomości lub protokół badawczy mogą nawet pojawić się w Web 3.

AIGC prawdopodobnie wywoła nową falę innowacji w muzyce Web 3. AIGC otwiera aplikacje w produkcji piosenek, generowaniu tekstów itp., a interaktywność i wydajność w czasie rzeczywistym są dalej zwiększane. Na przykład, adaptacyjna platforma muzyczna LifeScore dynamicznie aranżuje muzykę w czasie rzeczywistym. Gdy użytkownik dostarczy szereg materiałów muzycznych, AI zmienia, przekształca i remiksuje je, prowadząc do natychmiastowego koncertu. W maju 2020 roku LifeScore dostarczył adaptacyjną ścieżkę dźwiękową do interaktywnej serii telewizyjnej Twitch "Sztuczna", która może dostosować ścieżkę dźwiękową na podstawie emocjonalnego stanu widza w miarę rozwoju fabuły.

W krótkim okresie AIGC może pomóc twórcom dostosować, odtworzyć lub bezpośrednio wspierać tworzenie muzyki, znacznie zmniejszając ich obciążenie pracą i zwiększając wydajność pracy. W dłuższej perspektywie, niektóre platformy muzyczne pojawiły się w Web 3, a wprowadzenie technologii AIGC może pozwolić protokołom na generowanie spersonalizowanych piosenek zgodnie z preferencjami osobistymi słuchaczy. Platforma może nie tylko znacząco obniżyć koszty praw autorskich, ale także użytkownicy mogą zmniejszyć płatności za piosenki. Ponadto, użytkownicy mogą również publikować ekskluzywne piosenki stworzone przez AIGC, aby zarabiać na siebie, co z kolei wzmocni gospodarkę twórców na rynku muzycznym Web 3.

Oprócz powyższych trzech kierunków granicznych, AIGC ma również ogromny potencjał w innych segmentach rynku Web 3. Na przykład,

1) Głównym podmiotem NFT są obrazy lub dzieła sztuki. Obecnie wiele modeli AI zebrało dane z całej historii sztuki i kultury popularnej. Każdy użytkownik może dowolnie wygenerować swój ulubiony NFT. Różne NFT muszą mieć różne twarze, ubrania i cechy emocjonalne. Tradycyjna metoda generacji wiąże się z wysokimi kosztami i niską wydajnością. Twórcy muszą przeprowadzać projektowanie prototypów, wielokrotne modelowanie i renderowanie itp., ale AIGC może pomóc twórcom efektywniej próbować szkiców na wczesnym etapie i zaoszczędzić zasoby ludzkie do dokończenia szczegółów ekranu w późniejszym etapie. W przyszłości AIGC może być w stanie osiągnąć niskokosztową masową produkcję NFT. Ponadto, tworzenie UGC łatwo się kopiuje i rozpowszechnia, a problemy z naruszeniem praw często występują. Niemniej jednak, NFT są unikalne, niepodzielne i zbywalne, co może przezwyciężyć problemy z antyfałszowaniem aktywów, potwierdzaniem praw i śledzeniem w celu wzmocnienia ochrony praw autorskich;

2) AIGC również poprawia generację stanów transbłonowych, takich jak generowanie obrazów/animacji na podstawie tekstu, i odwrotnie;

3) Postęp AIGC będzie również promować rozwój segmentu rynku społecznościowego Web 3. Rzeczywiste osoby nieuchronnie mają pewne niedociągnięcia, ale AI może tworzyć ulubione wirtualne postacie użytkowników, ponieważ wirtualne postacie generowane przez AIGC będą całkowicie dostosowane do potrzeb użytkownika. Użytkownicy mają możliwość dostosowania lub wykorzystania szablonów do określenia właściwości, takich jak rodzina, zawód, wiek itp., postaci. AI pomoże wirtualnym postaciom zachowywać się bardziej jak prawdziwi ludzie pod względem wyglądu i działań w określonych scenariuszach oraz obdarzy je funkcjami wyrażania języka i interakcji, aby odzwierciedlić pewną zdolność empatii. Ponadto, wirtualne postacie, dysponujące bardziej obszernymi zasobami wiedzy i szybszą częstotliwością aktualizacji niż ludzie, nie potrzebują odpoczynku. Dlatego oczekuje się, że rozrywka i usługi świadczone przez wirtualne postacie w niektórych określonych dziedzinach będą porównywalne, a nawet przewyższą prawdziwych ludzi. Na przykład wirtualne postacie będą kontynuowały naukę poprzez komunikację z użytkownikami i realizowały emocjonalne towarzyszenie. Odnosząc się do grup ACGN i użytkowników oprogramowania społecznościowego w Web 2, rynek społecznościowy Web 3 niewątpliwie stanie się większy dzięki wsparciu AIGC;

4) Wykorzystanie AIGC w edukacji Web 3 może przynieść nieoczekiwane rezultaty. Ponieważ tryb uczenia się AI jest stosunkowo uporządkowany i zorganizowany, podręczniki i wykłady produkowane przez AIGC mogą obniżyć barierę zrozumienia i pomóc widzom łatwiej przyswajać wiedzę. Podsumowując, przyszła podróż AIGC jest dość szeroka w Web 3.