近期，AI 现已开端影响到了音乐职业，在 B 站搜索“AI 孙燕姿”，从流行歌曲到摇滚，从周杰伦到王力宏，没有 AI 孙燕姿驾御不了的歌曲。

Web1.0到Web3.0

AIGC 那么凶猛，它会成为 Web 3.0 年代的内容出产力东西吗？咱们先来简略了解下，从Web 1.0 年代到 Web 3.0 年代，内容出产形式上有什么改动。

Web 1.0 年代首要是单项信息传递的“只读”形式。媒体方式以新浪、搜狐、雅虎、百度这类门户网站为主，某些特定的群体或企业将信息单向发布至网络，投喂给用户阅览阅览。在这个过程中，用户只能被动接纳网站发布的无差异信息，但不能上传自己的反应、进行和其他人的线上实时沟通。

到了 Web 2.0，人与人通过网络沟通交流，各种交互多了起来。随之而来的，是内容出产形式的改动，内容从单一的 PGC （专业生成内容）到 PGC+UGC（用户生成内容）的结合，直到现在，UGC 已占有了首要市场。

当咱们迈入 Web 3.0 年代，人工智能、数据、语义网络构建，形成新的人与网络的全新链接，内容消费飞速增加。到时，PGC 和 UGC 难以满足迅速扩张的内容需求，而 AIGC 将成为 Web3 年代的出产力东西。AIGC 的生成运用人工智能常识图谱，在内容发明上为人类供给协助或者彻底自主生成，不仅可以供给内容生成的效率，还可以拓展内容的多样性。或许在 Web 3.0 年代，文字生成、图片制作、视频内容都由 AIGC 来完结，甚至文娱向的音乐发明、游戏内容生成 AIGC 都能胜任。

AIGC的技能原理

AIGC 即将成为 Web3.0 首要的内容出产者，那么是什么决议 AIGC 的产出质量？

AIGC 的产出质量首要有三大中心要素：数据、算法和算力。

• 数据：海量优质的运用场景数据是训练算法精确性要害基础，数据包含语音、文本、印象等。
• 算法：神经网络、深度学习等算法是发掘数据智能的有效办法。与传统机器深度机器学习算法不同，神经网络在学习范式+网络结构上的迭代提升了 AI 算法的学习才能。
• 算力：计算机、芯片等载体为 AIGC 供给根本的计算才能。算力是基础设施，AI 算法模型对算力有巨大需求。

说到这里，如果还有小伙伴没有玩过 AI 绘画，咱们之前有写过一篇《从 0 到 1，带你玩转 AI 绘画》，里边具体介绍了怎么用 Stable Diffusion GUI 建立自己的AI 作图环境。建立的时分建议大家运用 GPU 主机，可以让一张图片生成时刻从几十分钟缩短到几十秒。

自然言语处理NLP

自然言语处理（Natural Language Processing，缩写作 NLP）是人工智能和言语学范畴的分支学科，首要讨论怎么处理及运用自然言语；自然言语处理包含多方面和步骤，根本有认知、了解、生成等部分。

自然言语认知和了解是让电脑把输入的言语变成有意思的符号和关系，然后依据目的再处理。自然言语生成体系则是把计算机数据转化为自然言语。说直白点，其实就是让人和机器交互中，可以让两边都“听得懂”。

自然言语处理有两个中心使命，自然言语了解（NLU）和自然言语生成（NLG）。

自然言语了解 NLU

自然言语了解是研究怎么让电脑读懂人类言语的一门技能，是自然言语处理技能中最困难的一项。自然言语了解是期望机器像人一样，具有正常人的言语了解才能。为什么说自然言语了解是 NLP 上最困难的一项，咱们简略看几个例子就知道了。

校长说衣服上除了校徽别别其他。

今日下雨，我骑车差点摔倒，好在我一把把把把住了！

今日我差点没上上上上海的车。

这些还只是相对简略的，还有一些更复杂的，例如：

阿呆给领导送礼。

领导：“你这是什么意思？”

阿呆：“没什么意思，意思意思。” 领导：“你这就不够意思了。”

阿呆：“小意思，小意思。” 领导：“你这人真有意思。”

阿呆：“其实也没有其他意思。”

领导：“那我就不好意思了。”

阿呆：“是我不好意思。”

由于自然言语的多样性、歧义性、常识依赖性和上下文，计算机在了解上有很多难点，所以 NLU 至今还远不如人类的体现。

自然言语生成 NLG

自然言语生成体系可以说是一种将材料转换成自然言语表述的翻译器。不过发生最终言语的办法不同于编译程式，由于自然言语多样的表达。

自然言语生成可以视为自然言语了解的反向：自然言语了解体系需求理清输入句的意思，从而发生机器表述言语；自然言语生成体系需求决议怎么把概念转化成言语。自然言语生成典型的 6 大步骤是：

1. 决议内容：决议在文本里置入哪些资讯。用上一节花粉预报软件为例，是否要明确说到东南部花粉级数为7。
2. 架构文件：所传达资讯的整体组织。例如决议先描绘高花粉量区域，再提及低花粉量区域。
3. 集合语句：兼并相似的语句，让文本更可读、更自然。例如兼并下两个语句“星期五花粉等级已从昨天的中级到今日的高档”和“全国大部分区域的花粉等级在6到7”成为“星期五花粉等级已从昨天的中级到今日的高档，全国大部分区域的数值在6到7。”
4. 选择字词：选用表达概念的文字。例如决议要用“中等”还是“中级”。
5. 指涉语生成：发生能辨认物体或区域的指涉语。例如用“北方岛屿和苏格兰东北角”指涉苏格兰的某个区域。这个使命也包含决议代名词以及其它的照顾语。
6. 完成文本：依据句法学、构词学、正写法的规则发生实践的文本。

算法模型

近期来，AIGC 的飞速开展首要归功于算法范畴的技能堆集，其间包含：生成对立模型（GAN）、变微分自动编码器（VAE）、标准化流模型（NFs）、自回归模型（AR）、能量模型和分散模型（Diffusion Model）。其间生成对立模型和分散模型是两个非常常用的模型。

其间 GAN 模型在前次的内容里，现已有提及，这里就不再做介绍。有爱好的小伙伴可以看下《从 AI 绘画到 ChatGPT，聊聊生成式 AI》这篇内容。

今日首要说下分散模型。

分散模型是一种新式的生成模型，可生成各种高分辨率图画。分散模型可以运用于各种使命，如图画去噪、图画修复、超分辨率成像、图画生成等等。

分散模型一般分为正向分散和反向分散。正向分散中，图画逐步被噪声污染，直到图画成为彻底噪声。

AIGC的运用场景及开展趋势

跟着 AIGC 技能的开展，其适用面将会逐步扩展。现在 AIGC 现已被广泛运用在文字、图画、音频、游戏和代码生成等场景。

• 文字发明：AIGC 首要被运用于新闻的编撰，台本的编撰等等，近期有爆料说综艺《毛血旺》也开端测验运用 ChatGPT 编撰台本。
• 图片发明：现在市场上现已有很多 AI 作图的运用，用户只需求输入文字描绘，计算机就会自动生成一张作品。
• 视频发明：Google 推出了 AI 视频生成模型 Phenaki，它可以依据文本内容生成视频。现在市面上也有不少相关的文字生成视频的产品。
• 音频发明：“AI 孙燕姿”现已大火，虽然还没有发明相关的展现，但现已可以看到 AIGC 在音频发明上的运用。
• 游戏开发：当下，现已有一些游戏公司将 AI 相关技能运用于游戏中的 NPC、场景建模、原画制作等方面，丰厚游戏细节，包含NPC的一些微表情，大场景下的气候改动等细节处理，大大供给玩家游戏的沉浸感。

当下，AIGC 首要辅助人们来进行内容出产，我信任跟着技能的开展，AIGC 会介入更多的内容出产，逐步在与人类共发明的过程中占有更多份额。甚至在未来，AIGC 可能会推翻现有的内容出产形式，独立完结内容发明，为 Web 3.0 年代带来更多的内容出产力。