淺析AIGC概念潮流下引發的問題

李施維

摘?要：藝術內容創作從原本紙張上的創作到電子屏幕上的創作，其創作內容以人的主觀思想為基礎。隨著人工智能在內容創作領域的發展，現如今AI可以跳過人參與創作過程的階段，直接生成作品，人工智能生成內容（AIGC）成為當下互聯網討論的熱點。文章以新興的AIGC概念股為切入點，基于人工智能的發展過程，探討AIGC本身與AIGC潮流下的問題以及主觀建議。

關鍵詞：文化經濟；人工智能生成內容；互聯網；AI藝術

中圖分類號：G203????文獻標識碼：A?文章編號：1005-6432（2024）07-0049-03

DOI：10.13939/j.cnki.zgsc.2024.07.013

1?AIGC概述

AIGC（artificial?intelligence?generated?content）是指利用人工智能技術來生成內容，不同于UGC（user?generated?content）、PGC（professional?generated?content），AIGC［1］是一種新型內容生產方式，AI繪畫、AI寫作等都屬于AIGC的分支。2022年，是人工智能（Artificial?Intelligence，AI）內容創作的井噴之年，AIGC概念也隨之應運而生。人工智能作為模擬人的智能的新興技術科學，現如今已經滲透進人類社會生產的方方面面，提高了人們工作學習的效率，為人的工作與生活提供了便利。但是隨著人工智能技術的發展，其在為人類提供便利的同時，也激起了人與人工智能之間的矛盾。近幾年，人工智能不斷探索拓寬其應用領域，原本AI只涉及邏輯性較強、注重理論的科學領域，現如今其已經開始挑戰帶有濃烈主觀性與情感色彩的藝術創作領域，由于沒有道德與法律規范的約束，藝術創作領域中的許多職業受到了挑戰，人與人工智能之間的矛盾被激化，致使社會上一些人開始警惕甚至抵制AI創作。

21世紀是AI的世紀，人工智能將不斷發展并滲透各個領域，這是不可逆轉的時代趨勢，但在人工智能造就的繁榮景象下，傳統思想與新興生產方式之間的碰撞勢必會引發許多問題，其本質上是人與人之間的矛盾，如何科學正確地看待處理AIGC，是急待思考的問題。

2?人工智能的發展

1950年，被稱為“人工智能之父”的圖靈提出了著名的圖靈測試：如果一臺機器能夠與人類通過電傳設備展開對話而不能被辨別出其機器身份，那么稱這臺機器具有智能；1956年，“人工智能”概念首次被提出；1966年，世界上第一個聊天機器人ELIZA誕生；之后人工智能隨著計算機的發展而發展，到了1997年，IBM“深藍”超級計算機成為首個在標準比賽時限內擊敗國際象棋世界冠軍的電腦系統；進入21世紀，人工智能逐漸開始應用到社會生產與生活中，2016年，由Google開發的人工智能AlphaGo擊敗了圍棋世界冠軍李世石，轟動了整個世界，全球的目光聚焦于人工智能，人工智能市場也迎來了突飛猛進的發展。近幾年，人工智能在藝術創作領域獲得重大突破，例如AI作曲、AI寫作、AI繪畫乃至AI動畫。

2.1?人工智能內容創作的發展

人工智能的發展是在機器學習上的探索，一開始機器學習是簡單地將輸入的結構化數據進行分類化結果的輸出，后來由于神經網絡的發展，進一步提高了機器學習的效率，隨著計算機算力的提升，以及神經網絡中神經元數量的增加，大幅提高了機器學習的精細程度。隨著時間的推移，對于大量數據的高精度學習帶來了許多預訓練人工智能模型，任何人只需要掌握基本操作，就可以利用這些預訓練模型針對實際需求進行微調，便捷快速地創作內容，例如圖像生成模型中的RoBerta、GPT-3、Disco?Diffusion等。也是由于預訓練模型能夠節省大量的訓練開發時間，人工智能內容創作變得唾手可得，各種人工智能創作的作品在互聯網上泛濫。

2.2?AI作曲

AI作曲的概念由來已久，早期是計算機輔助作曲，例如1956年第一首由計算機生成的音樂作品《伊利亞克組曲》（Illiac?Suite），之后1995年的EMI作曲系統以拼接作曲的方式進行作曲。隨著計算機技術的發展與算法的演變，不斷有企業與機構嘗試利用計算機自動作曲，2016年，谷歌推出AI作曲工具Magenta?studio，擁有Continue、?Groove、?Generate、?Drumify和Interpolate五個模塊，具有自動生成、續寫、合并多個旋律與鼓點等功能；同樣在2016年，Sony的計算機科學實驗室開發了Flow?Machines平臺，通過提取音樂數據庫中樂曲的旋律等相關信息來學習音樂風格，并進行創作。之后Sony又利用巴赫的作品來訓練新開發的神經網絡“DeepBach”。同AI作曲一樣應運而生的是虛擬作曲家，2016年，誕生了世界上第一個獲得官方承認的AI虛擬作曲家AIVA（Artificial?Intelligence?Virtual?Artist）；之后美國又推出了以說唱歌手Travis?Scott為藍本的說唱機器人Travis?Bott。

2.3?AI寫作

AI寫作也已經隨著人工智能一起發展了幾十年，直到2017年，Ross?Goodwin模仿作家Jack?Kerouac創作《在路上》（On?The?Road）的過程，在車上搭載傳感器，駕駛車輛從紐約到新奧爾良，并將路途中傳感器接收到的信息導入AI，利用AI創作了一本實驗小說《1?The?Road》，雖然小說內容有些不合邏輯，但是卻開創了AI寫作的新里程碑。另外，人工智能還能夠撰寫電影劇本，紐約大學AI研究員Oscar?Sharp?與Ross?Goodwin開發了一個叫“Benjamin”的神經網絡，通過學習幾十部科幻電影的劇本，創作出嶄新的電影劇本，并拍攝成電影《陽春》（Sunspring）。AI寫作還能夠依據一些小說的現有設定進行小說續寫，但是卻較難創作出合乎邏輯的作品；2022年，人工智能研究實驗室OpenAI發布了全新聊天機器人模型ChatGPT，2023年微軟發布的NewBing，能夠學習人類語言并進行對話，能夠聯系上下文進行互動，該模型甚至能夠完成文案撰寫、翻譯、代碼、解答題目等，且大多情況下合乎邏輯，其功能強大一度成為火爆的話題。

2.4?AI繪畫

AI繪畫［2］的發展歷史可以追溯到20世紀70年代，藝術家Harold?Cohen利用電腦程序“AARON”操控機械臂進行繪畫創作；之后隨著機器學習的發展，AI圖像生成模型讓人們能夠進行AI繪畫，目前的AI圖像生成模型主要分為兩類，分別為基于Diffusion與Auto?Regression算法進行訓練。2012年，Andrew?Ng和Jef?Dean利用神經網絡學習訓練，最終成功生成了一張模糊的貓臉圖片；2016年AnimeGAN僅僅能夠生成一些抽象且沒有美感的圖片；?2018年，由人工智能生成的肖像畫《埃德蒙·貝拉米肖像》以432000美元（約合300萬元人民幣）的高價成功拍賣；2021年，人工智能研究實驗室OpenAI發布了DALL-E系統，該系統能夠依據輸入的標簽特征進行繪畫；2022年，AI繪畫迎來了井噴式的發展，Disco?Diffusion可以依據描述標簽生成場景圖片，生成的圖片細節豐富且氛圍感十足，但是卻難以生成人臉圖片；后來的DALL-E?2就可以生成準確的面部；2022年一幅由MidJourney?生成的數字油畫《空間歌劇院》（Theatre?Dopera?Spatial）參加了美國科羅拉多州博覽會的藝術比賽且獲得第一名；?NovelAI等AI繪畫工具能夠不斷收集素材數據，進行模型再訓練。同時這些AI繪畫模型能夠進行風格遷移，將風格圖片與內容圖片結合，生成帶有相似風格的新圖片。

2.5?AI圖像生成

基于AI圖像生成模型的發展，2015年，Leon?A.Gatys運用VGG-19網絡改變普通圖片風格的方法——風格遷移。之后風格遷移技術開始運用到視頻當中，將視頻內容轉換成指定風格。2022年，國內曠視研究院推出了CoNR（Collaborative?Neural?Rendering?using?Anime?Character?Sheets）動畫渲染器，通過輸入任意張任意姿勢與角度下的手繪圖片，并將動作序列與3D模型結合，CoNR就可以渲染生成3D動畫；同樣在2022年，Sebastian?Starke等人基于“運動的周期性”，提出了相空間與相流形（phase?manifold）的概念，簡化了需要解決的問題，算法能夠在短時間內學習視頻中人與四足動物的動作，提取人與動物的動作序列，并套用在3D模型中，同時在3D引擎環境下，基于算法的3D模型能夠與物理引擎控制下的物品進行符合實際的互動，該方法能夠應用在游戲等CG領域，大幅提高工作效率；2023年年初，網飛聯合動畫制作公司制作了一部實驗性動畫短片《犬與少年》，其背景完全是由AI生成，大幅降低了動畫制作成本。

3?AIGC發展中的問題

隨著人工智能技術的發展與應用，AIGC已經開始涉及商業領域，在大幅提高生產效率的同時也存在許多問題。

3.1?AIGC自身的問題

目前AI創作內容離不開人的參與，在市場應用方面，其創作的作品在內容上仍然存在諸多問題，例如AI作曲與AI寫作，隨著內容量的增加，其結果表達的信息在人看來就可能越來越突兀，偏離人類常識與特定知識，若要迎合市場，還需要經過人對作品的人為審查潤色。雖然AI繪畫工具可以通過進一步渲染提升作品細節豐富度，但是隨著圖中物件結構復雜度的增加，準確描繪結構的難度也隨之提高，AI繪畫模型的改進仍然需要源源不斷的素材進行再訓練，這些素材離不開人的參與。目前市場資本主要依靠用戶對于AI繪畫的新鮮感帶來的流量，推出AI繪畫軟件進行變現，AI繪畫還無法完全適用高端美宣領域，現在還處于試驗階段。這些問題的主要原因為人工智能創作是對信息采集后進行模仿的過程，本身沒有真正的智能，其自身缺少自我評估的機制，由于作品的評價具有較大的主觀性，AI創作成品的評估依舊需要人的參與，最終才能得到具有實際應用價值的作品，人工智能準確的自我評估機制目前很難做到，這需要人工智能在智能方面的提升，同時需要對腦的運行機制進一步深入探索。

3.2?AIGC與創作者之間的矛盾

盡管技術的發展對一些專業性崗位的淘汰在歷史上已經上演過許多次，自從工業革命后大機器生產替代了手工勞動，科學技術就不斷推進生產方式的變革，這本來是社會進步的體現，但是若沒有相關手段加以規范，相關政策加以協調，再好的技術都將成為損害他人利益的工具。任何一個時代，技術與媒介的進步都影響著藝術創作，這種影響在繪畫領域尤為突出，從攝影印刷品的出現，到CG技術的崛起，每次技術的迭代都會伴隨繪畫領域抵制的聲音。例如早期攝影印刷品的出現對繪畫中的肖像畫帶來了巨大沖擊，后來，法國的幾名畫家發表聯名抗議書，反對認為攝影為一門藝術。現如今依舊有老一輩藝術從業者認為在紙上作畫優于在電子屏幕上繪畫，這些人往往帶有對技藝上的追求，認為運用電子產品的藝術創作無法將有些技藝表達出來。

重點是版權問題，由于大部分AI創作模型是由龐大樣本訓練而成，難以反向追溯模型采用了哪些素材進行訓練，這些素材中可能很多是未經作者授權的，并且基于訓練好的模型，任何人都可以運用其他作者的圖片進行再訓練生成與這張圖片風格相似的作品，侵權成本低，并且目前沒有有效手段加以規范。為了抵制AI侵權的問題，甚至引發了一系列抵制AI的運動，例如2022年年末，全球藝術家匯集著名的全球專業CG美術行業的社交網站Artstation抵制AI圖像生成技術，雖然后來Artstation更改了用戶協議，但是這場抵制運動絲毫沒有撼動AI圖像生成技術發展的浪潮。一些人試圖采用技術手段對AI圖像生成技術進行反制，如利用AI技術識別作品是否為AI創作的內容，但是這種方法無法做到百分百識別準確；或者利用反爬蟲技術限制AI模型搜集訓練素材；也有人考慮對被搜集的素材做技術處理，使其污染AI模型訓練素材庫，但是目前這些手段還沒有被證明能夠有效反制AI侵權。其次是AI創作的內容對藝術創作領域的沖擊，讓許多新人望而卻步，創作者需要花費數年積累的創作經驗，卻被AI花費極短的時間超越，打擊了新人入行的信心，阻礙了創作領域新鮮血液的流入，這將造成藝術創作人才在低端領域與高端領域之間的斷層，最終藝術內容在AI中自循環式的發展，大眾審美將受到限制，藝術領域也將難以獲得突破。

3.3?AIGC社會層面的影響

2022年AI在創作領域迎來了井噴式發展，資本開始涌入，試圖進行快速的利益收割，AIGC的概念應運而生，一些資本開始試圖在低端創作領域逐步放棄人力創作轉向機器自動化創作。隨著AI創作領域技術的發展，這些本身需要極高專業知識的技能開始被平民大眾運用AI技術所掌握，并且可以大規模快速生成各種各樣的作品，相應的規范手段的缺位導致其無節制的蔓延，各種AI創作內容在互聯網上泛濫。音樂、語言、繪畫與影視作品本身作為信息的載體，在人工智能內容創作的框架下其作品生成速度遠遠超過所在環境的審查能力，不法分子可能利用AI智能語音技術實施大規模電信詐騙，大量不合法不合規的AI作品內容避開了審查機制，在網絡中迅速傳播。現在國內外已經有不法分子利用AI技術進行虛假宣傳、性騷擾、組織網絡水軍等非法行為，引發一系列社會倫理問題，可以說，AI已經處在失控的邊緣。

4?未來展望

AIGC掀起了一場內容創作革命，這是社會發展的必然趨勢，因此人們應該選擇面對人工智能內容創作的進步而不是逃避與抵制，目前AI能夠在一定程度上通過圖靈測試，這使人們更加難以辨認AI與人造的創作內容之間的區別［3］，這反而引發了一系列問題。

（1）?中國需要盡快跟進AIGC的時代風口，目前國內百度等平臺已經開始追趕技術潮流，例如百度將推出的“文心一言”，人工智能的技術革新依賴于算力、算法與數據，目前國內對于人工智能的發展取決于硬件設備與高質量的訓練數據，其中支持算力的硬件設備——芯片需要在芯片制造工藝上取得突破，而訓練數據的獲取需要社會層面的廣泛參與實現人機互動。當下數據主要以互聯網開源數據為主，數據的質量取決于互聯網的環境，在未來數據的收集將會以更多更深入的人機交互形式實現。因此，中國AIGC的發展首先需要營造良好的互聯網環境。

（2）?政府需要盡快對AIGC加以規范，這不僅需要法律法規的推進，還需要更為高效準確的審查機制。由于AI生成的速度快、內容多，在互聯網中的傳播速度極快，因此對于AI生成內容的信息識別是人工難以實現的，這需要相應的技術手段來實現。

（3）?社會與政府需要對AI訓練與再訓練數據中的內容加以保護，包括肖像權與訓練素材版權等，目前很多創作型AI模型的訓練素材數量極大，且難以溯源，因此難以確認訓練素材獲取的合法性，并且目前互聯網中存在著眾多利用未經他人同意的素材進行再訓練的例子，招致了許多創作者的不滿，并且這種行為通過法律手段難以界定，創作者的熱情被削減，勢必會帶來文化領域的衰落。因此，政府要有合理的條文與技術手段對AI模型訓練素材的獲取手段與獲取來源加以監督，社會大眾與企業也需要樹立正確的倫理道德觀念。

AIGC的迅猛發展離不開人機回環的人機交互方式（human?in?the?loop），社會的發展需要AI的助力，AI的發展也需要人的參與，內容創作需要為人類帶來正面影響，人工智能絕不能因為不法分子的利用站在人的對立面，在未來AIGC將在大眾娛樂領域做出突出貢獻，AI將極大程度地減少內容創作的人力與時間成本。相較于高端內容創作領域，一些中低端技術崗位將會被人工智能淘汰，為緩解AIGC帶來的社會問題，需要社會多方面的努力，智能技術在協助創作的同時，需要社會認同，原有的知識產權、審查機制體系也需要進行跟進。

參考文獻：

［1］李白楊，白云，詹希旎，等.人工智能生成內容（AIGC）的技術特征與形態演進［J］.?圖書情報知識，2023，40（1）：66-74.

［2］馬立新，涂少輝.AI藝術創作機理研究［J］.?美術研究，?2022，204（6）：?82-86.

［3］翟尤，李娟.AIGC發展路徑思考：大模型工具化普及迎來新機遇［J］.互聯網天地，?2022，227（11）：22-27.