为什么硅谷对人工智能完成的尴尬绘图如此兴奋（美国硅谷迅速发展的原因）

计算机业务流程那时能在几秒内建立空前的影像，给当中两个业务流程输出一些词，它一般来说会吞进两张与叙述实际相匹配的相片，不论何等怪异。

相片并不完美。她们的手一般来说有多余的手掌或手掌，卷曲和卷曲不自然。影像聚合器在文档方面存有问题，提出无意义的符号或组成自己的字母表。

但这些影像聚合业务流程——今天看起来像玩具——可能是控制技术大浪潮的开始。控制技术人员称它为聚合数学模型或聚合 AI。

NextView Ventures 的风险投资家大卫贝塞尔说：“在往后的三个月里，‘聚合式人工智慧’这个词从‘没有人讨论过这个’变成了流行语。”

在往后的一年里，聚合式 AI 变得更快，它唤起了人们离开组织工作岗位、创办新公司并梦想人工智慧能为新一代科技巨头提供更多动力的未来。

在往后五年左右的时间里，人工智慧领域一直处于繁荣阶段，但当中大部份不断进步都与认知现有统计数据有关。AI 数学模型的效率迅速提高，足以辨识您刚用手机拍摄的相片中是否有猫，并且足够可靠，能每晚为 Google 搜索引擎提供更多数十亿次搜索结果。

但是聚合式 AI 数学模型能造成从前没有的全新事物——换句话说，它是在缔造，而更为重要是分析。

“即使对我来说，令人印象深刻的部份是它能够音乐创作捷伊小东西，” Craiyon 聚合人工智慧的缔造者 Boris Dayma 说。“这更为重要是缔造旧影像，它是能与从前看到的完全不同的新事物。”

Z200资本——历来是该行业历史上最成功的风险控股公司，早期押注于苹果和谷歌等公司——在当中文网站上的一则博客文章中表示，“聚合式人工智慧有潜力造成数百亿美元的经济价值。” 这家风险控股公司预测，聚合式人工智慧能改变每个需要人类缔造原音乐创作品的行业，从游戏到电视广告再到法律。

在两个转折中，Z200还在帖子中指出，该消息部份由 GPT-3 编写，GPT-3 是一类聚合文档的聚合 AI。

聚合式 AI 的组织工作基本原理

影像聚合采用来自称作广度自学的机器自学子集的控制技术，自2012 年一则关于影像分类的具有里程碑意义的学术论文重燃了对该控制技术的兴趣以来，该控制技术推动了人工智慧领域的大部份不断进步。

广度自学采用在大量统计数据K568体能训练的数学模型，直到业务流程认知该统计数据中的关系。然后该数学模型可用于应用业务流程，比如辨识相片中是否有狗，或翻译文档。

影像聚合器透过颠覆这个过程来组织工作。比如，她们不是将英文翻译成法语，而是将英语词组翻译成影像。它一般来说有两个主要部份，两个处理初始词组，第二个将统计数据转换为影像。

第一波聚合 AI 是如前所述一类称作 GAN 的方法，它代表聚合对抗互联网。GAN 曾被用于聚合不存有的人的相片的辅助工具中。从本质上讲，它的组织工作基本原理是让两个 AI 数学模型相互竞争，以更快地建立符合目标的影像。

较捷伊方法一般来说采用转换器，这在2017 年 Google 学术论文中首次叙述。这是一类新兴控制技术，能利用可能花费数十亿美元来体能训练的更大统计数据集。

第两个引起广泛关注的影像聚合器是 DALL-E，这是两个由矽谷资金充足的初创公司 OpenAI 于 2021 年宣布的项目。OpenAI 去年发布了更强大的版本。

“有了 DALL-E 2，那真的是我们跨越了恐怖谷的时刻，”著眼于聚合 AI 的开发者 Christian Cantrell 说。

另两个常用的如前所述 AI 的影像聚合器是Craiyon，从前称作 Dall-E Mini，可在互联网上获得。使用者能在浏览器中输出两个词组并在几分钟内看到它。

据 Dayma 称，自 2021 年 7 月推出以来，它那时每晚聚合约 1000 万张影像，增加了多达 10 千张从前从未存有过的影像。在去年早些时候采用量猛增后，他让 Craiyon 成为他的全职组织工作。他说他著眼于采用电视广告来保持中文网站对使用者免费，因为该中文网站的服务器成本很高。

两个著眼于 Craiyon 上最怪异和最有创意设计的相片的 Twitter 帐户拥有超过 100 万的关注者，并定期提供更多越来越不可能或荒谬的场景的相片。比如：带有水龙头的意大利水槽，能分配马力拉酱或在越南战争中战斗的小黄人。

但启发最多的业务流程是Stable Diffusion，它于 8 月向公众发布。它的标识符在 GitHub 上可用，并且能在计算机上运行，而更为重要是在云中或透过编程接口。这唤起了使用者为自己的目的调整业务流程的标识符，或者在它之上构建。

比如，Stable Diffusion透过插件集成到 Adobe Photoshop中，允许使用者聚合背景和影像的其他部份，然后她们能采用渐变和其他 Photoshop 辅助工具直接在应用业务流程内部进行操作，从而将聚合人工智慧从产聚合品的小东西转变为影像转换成可供专业人员采用的辅助工具。

“我想与创意设计专业人士会面，我想让她们将 AI 带入她们的组织工作业务流程，而不是破坏她们的组织工作业务流程，”插件开发者 Cantrell 说。

Cantrell，20 年的Adobe在去年离职著眼于聚合 AI 之前，这位资深人士表示，该插件已被下载数万次。音乐家告诉他，她们以他无法预料的无数方式采用它，比如为变形金刚制作动画或以音乐家能想象的任何姿势音乐创作蜘蛛侠的相片。

“一般来说，你是从灵感开始的，对吧?你在看情绪板之类的小东西，”亚历山德里亚雷尔说。“所以我对第两个版本的初步计划，让我们克服空白画布的问题，你输出你的想法，叙述你的想法，然后我会给你一些小东西，对吧?”

采用聚合式 AI 的新兴艺术是如何构建“提示”或导致影像的单词串。两个名为Lexica的搜索引擎对Stable Diffusion 影像和可用于聚合它的确切单词字符串进行编目。

Reddit 和 Discord 上出现了一些指南，叙述了人们发现的用来输出她们想要的相片的技巧。

初创公司、云提供更多商和芯片制造商可能会蓬勃发展

一些投资者将聚合式人工智慧视为一类潜在的变革性平台转变，就像智能手机或早期的互联网一样。这类转变极大地扩大了可能采用该控制技术的人的总体潜在市场，从少数敬业的书呆子转变为商业专业人士——最终是其他所有人。

“这并不是说人工智慧在此之前就没有出现过——也不是说我们在 2007 年之前就没有移动设备，”种子投资人贝塞尔说。“但就像那时一切都融合在一起的时刻。真实的人，如最终使用者消费者，能试验并看到与从前不同的小东西。”

Cantrell 认为聚合机器自学类似于一类更基础的控制技术：统计数据库。最初由甲骨文等公司开创在 1970 年代，作为在清晰划定的行和列中存储和组织离散信息位的一类方式——想想两个巨大的 Excel 电子表格，统计数据库已经被重新设想为存储来自互联网的每种可能类型的计算应用业务流程的每种类型的统计数据到移动。

“机器自学有点像统计数据库，当中统计数据库是 web 应用业务流程的巨大解锁。几乎你或我在我们生活中采用过的每个应用业务流程都在统计数据库之上，”Cantrell 说。“没有人关心统计数据库是如何组织工作的，她们只知道如何采用它。”

Compound VC 的执行合伙人迈克尔·登普西(Michael Dempsey)表示，从前仅限于实验室的控制技术进入主流的时刻“非常罕见”，并吸引了风险投资者的大量关注，她们喜欢在可能巨大的领域下注。尽管如此，他警告说，聚合人工智慧的这一时刻可能最终会成为两个接近炒作周期高峰的“好奇阶段”。在这个时代成立的公司可能会失败，因为她们不著眼于企业或消费者愿意支付的特定用途。

该领域的其他人认为，今天开创这些控制技术的初创公司最终可能会挑战目前主导人工智慧领域的软件巨头，包括谷歌, Facebook 父 Meta和微软，为下一代科技巨头铺平道路。

Hugging Face 的首席执行官克莱门特·德朗格 (Clement Delangue) 说：“将会有一群价值数百亿美元的公司——整整一代初创公司将在这种捷伊控制技术开发方式上发展。” – 体能训练数学模型，包括用于 Craiyon 和稳定扩散的数学模型。它的目标是让业务流程员更容易构建人工智慧控制技术。

当中一些公司已经在进行大量投资。

在去年早些时候从包括 Lux Capital 和Z200资本在内的投资者那里筹集到资金后， Hugging Face 的估值为 20 亿美元;该领域最著名的初创公司 OpenAI已从微软和 Khosla Ventures获得超过10 亿美元的资金。

与此同时，据《福布斯》报道，Stable Diffusion 的制造商 Stability AI 正在洽谈以高达 10 亿美元的估值筹集风险投资。Stability AI 的代表拒绝置评。

亚马逊、微软和谷歌等云提供更多商也能从中受益，因为聚合式 AI 的计算量非常大。

元和谷歌已经聘请了该领域的一些最杰出的人才，希望能够将不断进步融入公司产品中。9 月，Meta 宣布了一项名为“ Make-A-Video ”的 AI 业务流程，该业务流程透过聚合视频而更为重要是影像，使该控制技术更进一步。

“这是相当惊人的不断进步，”Meta 首席执行官马克扎克伯格在他的 Facebook 页面上的一则帖子中说。“聚合视频比聚合相片要困难得多，因为除了正确聚合每个像素之外，系统还必须预测它将如何随时间变化。”

周三，谷歌与 Meta 相相匹配，并宣布并发布了两个名为Phenaki的业务流程的标识符，该业务流程也能将文档转换为视频，并且能聚合几分钟的镜头。

繁荣还可能提振英伟达等芯片制造商,超微和英特尔，这使得先进的图形处理器非常适合体能训练和部署 AI 数学模型。

在上周的一次会议上，英伟达首席执行官黄仁勋强调聚合人工智慧是该公司最新芯片的关键用途，称这类业务流程可能很快会“彻底改变通信”。

聚合式 AI 的可盈利最终用途目前很少见。今天的很多兴奋都围绕着免费或低成本的实验。比如，一些作者已经尝试采用影像聚合器为文章制作影像。

英伟达组织工作的两个例子是采用数学模型聚合能填充虚拟游戏世界的人、动物、车辆或家具的新 3D 影像。

伦理道德问题

最终，每个开发聚合 AI 的人都必须解决影像聚合器带来的一些伦理问题。

首先是就业问题。尽管许多业务流程需要强大的图形处理器，但计算机聚合的内容仍然比专业插画师的组织工作便宜得多，后者每小时可能要花费数百美元。

这可能会给音乐家、视频制作人和其他从事缔造性组织工作的人带来麻烦。比如，两个人的组织工作是为宣传片选择影像或建立营销材料，很快就会被计算机业务流程取代。

“事实证明，机器自学数学模型可能会开始比那个人更快、更快、更便宜几个数量级，”Compound VC 的 Dempsey 说。

关于原创性和所有权也存有复杂的问题。

聚合式 AI 接受了大量影像的体能训练，并且在该领域和法庭上仍在争论原始影像的建立者是否对聚合的影像具有原始建立者的风格有任何版权主张。

一位音乐家采用主要由名为 MidJourney 的聚合式人工智慧建立的影像赢得了科罗拉多州的一场艺术比赛，尽管他在获胜后接受采访时表示，他是在从他聚合的数百张影像中选择两张，然后在 Photoshop 中对其进行调整后处理的。

Stable Diffusion 聚合的一些影像似乎带有水印，表明部份原始统计数据集受版权保护。一些提示指南建议在提示中采用特定在世音乐家的姓名，以获得更快的模仿该音乐家风格的结果。

上个月，Getty Images禁止使用者将聚合的 AI 影像上传到其股票影像统计数据库，因为它担心围绕版权的法律挑战。

影像聚合器还可用于建立商标角色或对象的新影像，比如小黄人、漫威角色或《权力的游戏》中的王座。

随着影像聚合软件变得越来越好，它也有可能欺骗使用者相信虚假信息或显示从未发生过的事件的影像或视频。

开发者还必须应对这样一类可能性，即在大量统计数据上体能训练的数学模型可能存有与统计数据中包含的性别、种族或文化相关的偏见，这可能导致数学模型在其输出中显示出这种偏见。就其本身而言，数学模型共享中文网站 Hugging Face发布了道德通讯等材料，并就人工智慧领域的负责任发展进行了会谈。

“我们在这些数学模型中看到的是短期和现有挑战之一，因为它是概率数学模型，在大型统计数据K568进行体能训练，它往往会编码很多偏差，”德朗格说，并提供更多了两个例子聚合式 AI 将“软件工程师”描绘成白人。