L'IA écrit des romans, peint et monte des vidéos. L'IA générative est encore plus populaire !

​Récemment, l'IA générative est redevenue populaire ! Une applet WeChat appelée « Dream Stealer » est devenue un succès instantané, atteignant un record de 50 000 nouveaux utilisateurs chaque jour.

Dream Stealer est une plate-forme d'IA qui peut générer des images basées sur le texte saisi. Il s'agit d'une branche de l'AIGC (AI-Generated Content).

Une fois que les utilisateurs ont utilisé leur imagination et saisi des descriptions textuelles, Dream Stealer peut générer des images dans trois rapports : 1:1, 9:16 et 16:9. Il existe également 24 styles de peinture parmi lesquels choisir - en plus des peintures à l'huile de base, Les catégories de peinture telles que l'aquarelle et le croquis incluent également des styles spéciaux tels que le cyberpunk, la vaporwave, le pixel art, Ghibli et le rendu CG.

Photo : L'éditeur du rapport Technology Cloud a utilisé l'applet WeChat "Dream Stealer" pour le générer

En fait, ce n'est pas le premier logiciel d'IA qui "utilise du texte pour créer des images". De Midjourney à Stable Diffusion, l’IA générative a été le sujet le plus brûlant de ces deux dernières années.

En tant que direction importante dans le développement de l’IA, l’IA générative présente un grand potentiel de développement.

Selon les données de Gartner au premier semestre, on s'attend à ce que l'IA générative représente 10 % de toutes les données générées d'ici 2025, contre moins de 1 % actuellement.

Certaines personnes pensent que 2022 sera la première année où l'IA générative sortira de la technologie pour pénétrer dans les fondamentaux de la société.

La croissance explosive de l'IA générative : des images aux vidéos

Ces dernières années, le développement de la technologie de l'IA dans le domaine visuel peut être qualifié de « rapide ».

En janvier de l'année dernière, OpenAI, une société dédiée à « faire bénéficier toute l'humanité d'une intelligence artificielle générale », a lancé le DALL-E qui a fait date, basé sur le modèle GPT-3, qui réalise la génération d'images à partir de texte.

En avril de cette année, le modèle DALL-E 2 de deuxième génération lancé par OpenAI a une fois de plus établi une nouvelle référence dans le domaine de la génération d'images.

Les utilisateurs peuvent générer des images correspondantes via de courtes descriptions textuelles (invite), afin que les personnes qui ne savent pas dessiner puissent également transformer leur imagination en créations artistiques, comme les quatre mots générés par la phrase "Alpaga jouant au basket-ball". L'image ressemble beaucoup à conforme aux attentes de chacun.

Exemple d'image générée par le modèle DALL-E 2

De plus, à mesure que la granularité des descriptions textuelles continue d'être affinée, les images générées deviendront de plus en plus précises, et l'effet est déjà assez choquant pour les non- professionnels.

Mais des modèles comme DALL-E 2 restent toujours dans le domaine de la création bidimensionnelle, c'est-à-dire de la génération d'images, et ne peuvent pas générer de modèles 3D à 360 degrés sans impasses.

Cependant, cela ne pose toujours pas de problème aux chercheurs en algorithmes très créatifs. L'un des derniers résultats de la recherche Google : le modèle DreamFusion, peut générer un modèle 3D en saisissant de simples invites de texte. Il peut non seulement être rendu dans différentes conditions d'éclairage. , De plus, les modèles 3D générés ont également des caractéristiques telles que la densité et la couleur, et plusieurs modèles 3D générés peuvent même être intégrés dans une seule scène.

Après avoir généré des images 3D, l'équipe d'algorithmes de Meta a ouvert davantage ses idées, a relevé des difficultés plus élevées et a commencé à explorer l'utilisation d'invites textuelles pour générer directement des vidéos.

Bien que la vidéo soit essentiellement la superposition d'une série d'images, par rapport à la génération d'images, lors de l'utilisation de texte pour générer une vidéo, il est non seulement nécessaire de générer plusieurs images de la même scène, mais également d'assurer la continuité entre les images adjacentes. sexe. Comme il y a très peu de données vidéo de haute qualité disponibles lors de la formation du modèle, mais que la quantité de calcul est très importante, cela augmente considérablement la complexité de la tâche de génération vidéo.

En septembre de cette année, des chercheurs de Meta ont publié Make-A-Video, un modèle de génération de vidéos courtes de haute qualité basé sur l'intelligence artificielle, équivalent à la version vidéo de DALL-E, également surnommée "Made with Mouth" " Vidéo", c'est-à-dire que vous pouvez créer un nouveau contenu vidéo via des invites textuelles. La technologie clé derrière cela vient également de la technologie de synthèse "texte-image" utilisée par les générateurs d'images tels que DALL-E.

Seulement une semaine plus tard, le PDG de Google, Pichai, a officiellement annoncé deux modèles pour défier de front Make-A-Video de Meta, à savoir Imagen Video et Phenaki.

Par rapport à Make-A-Video, Imagen Video met en évidence les caractéristiques haute définition de la vidéo, peut générer une résolution de 1280*768, des clips vidéo de 24 images par seconde, et peut également comprendre et générer des œuvres de différents styles artistiques

Comprendre ; La structure 3D de l'objet ne sera pas déformée lors de l'affichage par rotation ;

hérite même de la capacité d'Imagen à représenter avec précision le texte, et sur cette base, diverses animations créatives peuvent être générées sur la base de descriptions simples.

​Imagen Video génère des exemples vidéo

Et Phenaki peut générer plus de 2 minutes de longs plans à basse résolution basés sur des invites d'environ 200 mots, racontant une histoire relativement complète.

Exemple vidéo généré par Phenaki

Actuellement, il existe de nombreuses applications d'IA générative en Chine.

Par exemple, l'application Jianying de ByteDance fournit des fonctions vidéo générées par l'IA et peut être utilisée gratuitement.

La fonction vidéo image-texte est similaire à celle de Google. Les créateurs peuvent utiliser quelques mots-clés ou un court paragraphe de texte pour générer une courte vidéo créative.

Clip Screen peut également associer intelligemment du matériel vidéo en fonction de descriptions textuelles et regrouper des vidéos dans des œuvres à contenu plus vertical, notamment la finance, l'histoire, les sciences humaines et d'autres catégories.

En janvier 2022, NetEase a lancé la plateforme unique de création musicale par IA « NetEase Tianyin », dont l'IA génère des vœux de Nouvel An édités par les utilisateurs en chansons, et a lancé une version professionnelle côté Web au premier semestre.

En septembre 2021, l'application Caiyun Xiaomeng a été lancée, qui peut créer différents types de texte. Les utilisateurs n'ont qu'à donner un début de 1 à 1 000 mots, et Caiyun Xiaomeng peut continuer à écrire l'histoire suivante.

En fait, il existe de nombreuses formes de création d'IA. Lorsque la technologie de l'IA générative est appliquée à l'écriture, des versions machines de journalistes, romanciers, poètes, scénaristes, etc. peuvent naître. Lorsqu'elle est appliquée aux domaines de la peinture, de la musique et de la danse, elle peut « cultiver » des peintres, des compositeurs et des éditeurs. .Personne de danse.

Derrière l'explosion de l'IA générative

Au cours de la dernière année, l'IA générative s'est encore mieux développée. Les géants du logiciel dans le domaine de l'IA tels que Google, Microsoft et Meta ont promu cette technologie en interne et intégré l'IA générative dans leurs produits.

Pourquoi l’IA générative est-elle soudainement si populaire ?

En fait, la technologie de l'IA générative s'est développée rapidement, mais elle était auparavant limitée à un petit cercle de l'industrie technologique en raison de seuils techniques trop élevés.

En regardant l'histoire du développement de la technologie de l'IA, nous constaterons que l'explosion de l'IA générative est indissociable de trois facteurs : de meilleurs modèles, plus de données et plus de calculs.

Avant 2015, les petits modèles étaient considérés comme la « technologie de pointe » pour comprendre le langage. Ces petits modèles excellent dans les tâches analytiques et sont déployés dans des tâches allant de la prévision des délais de livraison à la classification des fraudes.

Cependant, ils ne sont pas assez expressifs pour les tâches de génération générales. Générer de l'écriture ou du code au niveau humain n'est encore qu'un rêve.

En 2017, Google Research a publié un article historique (Attention is All You Need), décrivant une nouvelle architecture de réseau neuronal pour la compréhension du langage naturel, appelée transformateurs, qui peut générer des modèles de langage de haute qualité, en même temps, elle a une plus grande la parallélisabilité et le temps de formation requis sont également considérablement réduits.

Bien sûr, à mesure que les modèles grandissent, ils commencent à montrer des performances surhumaines. La quantité de calcul utilisée pour entraîner ces modèles a augmenté de six ordres de grandeur entre 2015 et 2020, les résultats dépassant les critères de performance humaine en matière d’écriture manuscrite, de reconnaissance de la parole et d’images, de compréhension écrite et de compréhension du langage.

Parmi eux, le GPT-3 d'OpenAI se démarque. Les performances de ce modèle ont fait un énorme bond en avant par rapport au GPT-2, montrant de meilleures capacités de la génération de code à l'écriture de blagues.

Malgré toutes les avancées dans les domaines de la recherche fondamentale, ces modèles ne sont pas universels.

Ils sont volumineux, difficiles à exécuter (nécessitent une coordination GPU), peu disponibles (indisponibles ou uniquement en version bêta fermée) et coûteux à utiliser en tant que service cloud.

Mais malgré ces limitations, les premières applications d’IA générative ont commencé à entrer sur le champ de bataille.

Par la suite, à mesure que l'informatique devenait moins chère, l'industrie a continué à développer de meilleurs algorithmes et des modèles plus grands.

Les autorisations des développeurs ont été étendues de la version bêta fermée à la version bêta ouverte, ou dans certains cas, à l'open source.

Maintenant que la couche plate-forme est solide, couplée à des modèles qui continuent de s'améliorer, plus rapides et moins chers, et à un accès aux modèles tendant à être gratuit et open source, la couche application IA est mûre pour que la créativité explose.

Par exemple, en août de cette année, le modèle de génération texte-image Stable Diffusion est devenu open source. Les successeurs peuvent mieux utiliser cet outil open source pour découvrir une écologie de contenu plus riche, qui joue un rôle crucial dans sa vulgarisation auprès d'un plus large éventail. des utilisateurs finaux C.

La popularité de Stable Diffusion réside essentiellement dans le fait que l'open source libère la créativité.

L'IA générative est confrontée à de réels défis

L'institution de capital-risque Sequoia Capital a mentionné dans un article de blog sur son site officiel : "L'IA générativea le potentiel de générer des milliards de dollars en valeur économique.

" Selon Sequoia Capital , l'IA générative peut transformer toutes les industries qui nécessitent que les humains créent des œuvres originales, des jeux à la publicité en passant par le droit.

Plus précisément, les scénarios d'application de l'IA générative à l'avenir sont très larges. Outre les industries de production de contenu telles que la création culturelle et l'actualité, l'IA générative a de riches applications dans de nombreux secteurs tels que les soins de santé, le commerce numérique, la fabrication, et l'agriculture. Perspectives d'application, telles qu'aider les médecins à détecter les lésions lors des examens par rayons X, tomodensitogrammes et autres équipements, créer des jumeaux numériques de produits, aider à tester la qualité des produits, etc.

Il existe également un espace d'application abondant dans les technologies populaires telles que la XR, les jumeaux numériques et les véhicules autonomes.

Mais il convient de noter qu'il reste encore de nombreux problèmes à résoudre dans l'IA générative actuelle.

Par exemple, dans le domaine du divertissement, l'une des raisons pour lesquelles de nombreuses personnes utilisent l'IA générative pour la création est d'éviter les problèmes de droits d'auteur, mais cela ne veut pas dire qu'il n'y a pas de dangers cachés.

D'une part, la création d'IA recombine également les données apprises selon les besoins. Bien que la granularité soit de plus en plus fine, il est inévitable que certains yeux perçants voient quelles œuvres peuvent être référencées, et même certains internautes. Il a été indiqué sur la plateforme sociale que des traces d'une signature suspecte étaient vaguement visibles sur une image générée par l'IA.

D'un autre côté, la plupart des plates-formes de génération d'IA actuelles ne revendiquent pas de droit d'auteur ou n'indiquent pas clairement qu'elles peuvent être utilisées à des fins commerciales. Cependant, à mesure que l'IA générative est progressivement commercialisée, un tel environnement de droit d'auteur existe-t-il et s'il est nouveau. des problèmes de droits d'auteur se poseront également et doivent être discutés.

La logique et la sécurité de l'IA générative doivent également être améliorées. L’IA générative actuelle est encline à commettre des erreurs de bon sens et est également sujette à des problèmes dans les domaines qui nécessitent une mémoire à long terme.

Par exemple, dans le processus de romans générés par l'IA, il y a souvent des incohérences en raison de la longueur.

Par conséquent, même si l'IA générative peut déjà être appliquée dans de nombreux domaines, pour faire réellement fonctionner l'IA générative, beaucoup de formation est nécessaire pour éviter des pertes majeures causées par les "erreurs" de l'IA.

Après tout, les scénarios d'application tels que le médical et l'industrie manufacturière n'ont pas la même marge d'essais et d'erreurs que les industries culturelles et créatives.

Conclusion

Bien que l'IA générative soit actuellement indissociable de l'intervention humaine, il est indéniable que l'IA générative a encore un grand potentiel de développement.

L'émergence de l'IA générative signifie que l'IA commence à assumer un nouveau rôle dans le contenu de la vie réelle, passant de « l'observation et la prédiction » à la « génération directe et la prise de décision ». En d’autres termes, l’IA générative crée, pas seulement des analyses.

Comme l'a déclaré Sam Altman, PDG d'OpenAI : « L'IA générative nous rappelle qu'il est difficile de faire des prédictions sur l'intelligence artificielle.

Il y a dix ans, la sagesse conventionnelle était que l'intelligence artificielle affecterait d'abord le travail manuel ; C'est un travail cognitif ; alors, peut-être qu'un jour, il pourra faire un travail créatif. Maintenant, il semble que cela se fera dans l'ordre inverse. "

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!