人工智能生成內(nèi)容AIGC白皮書

人工智能生成內(nèi)容（AIGC）白皮書前 言（ArtificialIntelligenceGenerated正在悄AIGC在AIGC在AIGCAIGCAIGC目 錄一、人工智能生成內(nèi)容的發(fā)展歷程與概念 1（一）AIGC歷史沿革 1（二）AIGC的概念與內(nèi)涵 4二、人工智能生成內(nèi)容的技術(shù)體系及其演進(jìn)方向 7（一）AIGC技術(shù)升級步入深化階段 7（二）AIGC大模型架構(gòu)潛力凸顯 10（三）AIGC技術(shù)演化出三大前沿能力 18三、人工智能生成內(nèi)容的應(yīng)用場景 26（一）AIGC+傳媒：人機(jī)協(xié)同生產(chǎn)，推動媒體融合 27（二）AIGC+電商：推進(jìn)虛實交融，營造沉浸體驗 29（三）AIGC+影視：拓展創(chuàng)作空間，提升作品質(zhì)量 32（四）AIGC+娛樂：擴(kuò)展輻射邊界，獲得發(fā)展動能 35（五）AIGC+其他：推進(jìn)數(shù)實融合，加快產(chǎn)業(yè)升級 37四、人工智能生成內(nèi)容發(fā)展面臨的問題 38五、發(fā)展建議與展望 43（一）發(fā)展建議 43（二）未來展望 48圖目錄圖1AIGC發(fā)展歷程 4圖2AIGC多模態(tài)大模型生成結(jié)果圖 17圖3OpenAIAIGC多模態(tài)大模型DALLE2生成結(jié)果圖 18圖4AIGC的三大前沿能力 19圖5AIGC應(yīng)用視圖 27PAGEPAGE10一、人工智能生成內(nèi)容的發(fā)展歷程與概念1950年，艾倫·圖靈（AlanTuring）在其論文《計算機(jī)器與智能（ComputingMachineryandIntelligence）201843.25（ArtificialIntelligenceGenerated的（一）AIGC歷史沿革IC（205090年代中期（20902110（21世紀(jì)10年代中期至今）。早期萌芽階段（1950s-1990s），受限于當(dāng)時的科技水平，AIGC僅限于小范圍實驗。1957年，萊杰倫希勒（LejarenHiller）和倫納德（Leonard音符完成了歷史上第一支由計算機(jī)創(chuàng)作的音樂作品——弦樂四重奏（Illiac1966（Joseph和肯尼斯科爾比（KennethColby）重組完成交互任務(wù)。80年代中期，IBM基于隱形馬爾科夫鏈模型（HiddenMarkovModel,HMM）創(chuàng)造了語音控制打字機(jī)“坦戈拉20000個單詞。8090AIGC變。2006年，深度學(xué)習(xí)算法取得重大突破，同時期圖形處理器（rhcsroesgit,PsrPocsignt,AIGC20071TheRoad2012了一個全自動同聲傳譯系統(tǒng)，基于深層神經(jīng)網(wǎng)絡(luò)（DeepNeuralNetwork,（2010s-至今2014AdversarialNetwork,GAN）AIGC2017100%2018達(dá)發(fā)布的StyleGAN第四代模型tleN-2019年DVD-GAN2021年，OpenAIDALL-E并于一年后推出了升級版本DALL-E-2,DALL-E-2來源：中國信息通信研究院圖1AIGC發(fā)展歷程（二）AIGC的概念與內(nèi)涵AIGC學(xué)研各界對于AIGC的理解是“繼專業(yè)生成內(nèi)容（ProfessionalGeneratedContent,PGC）和用戶生成內(nèi)容（UserGeneratedContent,國際上對應(yīng)的術(shù)語是“人工智能合成媒體（AI-generatedMedia或SyntheticAIGC既是從內(nèi)AIGC含義1維基百科：“人工智能合成媒體（AI-generatedMedia或SyntheticMedia）”/wiki/Synthetic_media中的技術(shù)部分。為了幫助不同領(lǐng)域的受眾群體更好的理解AIGC，我們從發(fā)展背景、技術(shù)能力、應(yīng)用價值三個方面對其概念進(jìn)行深入剖析。AIGCAIGC可用性AIGCAIGC技海量需求牽引AIGCMetaAIGCAIGC（AIGCAIGCAIGCAIGCAIGCAIGC加速二、人工智能生成內(nèi)容的技術(shù)體系及其演進(jìn)方向AIGC作為人工智能技術(shù)和產(chǎn)業(yè)應(yīng)用的要素之一，隨著技術(shù)能力的不斷迭代升級，正在降低內(nèi)容創(chuàng)作門檻、釋放創(chuàng)作能力，未來將推動數(shù)實融合趨勢下內(nèi)容創(chuàng)作的范式轉(zhuǎn)變。探討其能力體系的構(gòu)成，即賦能內(nèi)容創(chuàng)作的技術(shù)路徑，對制定領(lǐng)域內(nèi)標(biāo)準(zhǔn)、建立行業(yè)生態(tài)、爭取更加廣泛的開發(fā)者和應(yīng)用場景具有十分重要的意義。AIGCAIGCAIGCAIGC（一）AIGC技術(shù)升級步入深化階段AIGCAIGC早期的AIGCAIGCAIGC深度神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)范式2和網(wǎng)絡(luò)結(jié)構(gòu)上的不斷迭代極大的提升AIGC不AlexNet[1]ImageNet10.82013[2]AIGC技2人工智能的學(xué)習(xí)范式是指人工智能模型從數(shù)據(jù)中進(jìn)行學(xué)習(xí)的方法。2014[4][5][6]AIGC深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)升級是推動AIGC快速發(fā)展的另一主要因TransformerAIGC技術(shù)能力[7][8]AIGCAIGC[9,10]等（二）AIGC大模型架構(gòu)潛力凸顯超級深度學(xué)習(xí)近年來的快速發(fā)展帶來了深度神經(jīng)網(wǎng)絡(luò)技術(shù)在大AIGCAIGC態(tài)大型神經(jīng)網(wǎng)絡(luò)將引領(lǐng)AIGC3。AIGC感知能力3百度文心大模型：/；OpenAIDALL·E2大模型：/dall-e-2/；智源研究院大模型：/s/j8q018Lck1TWHO3NxQDiJQ向量機(jī)模型（SVM），其能完成的任務(wù)類型和感知能力都非常有限；在深度學(xué)習(xí)時代，主要基于深度神經(jīng)網(wǎng)絡(luò)模型，例如深度殘差網(wǎng)絡(luò)AIGC以視覺Transformer]2-3飛猛進(jìn)的發(fā)展。無監(jiān)督學(xué)習(xí)技術(shù)，包括對比式自監(jiān)督學(xué)習(xí)（例如SiCR和MCo（例如ME技術(shù)，即可在多種場景，線上線下均取得優(yōu)異的性能。近年來基于Transformer衍生出來一系列網(wǎng)絡(luò)結(jié)構(gòu)，例如SwinTransformer[13]、Transformer[14,15]像解譯等多個感知任務(wù)上取得了相比于過去精心設(shè)計的多種算法模型更加優(yōu)異的性能和表現(xiàn)[16,17]，有望成為基礎(chǔ)視覺模型Model），AIGCTransformerAIGCAIGCAIGC認(rèn)知能力AIGC在如今信息復(fù)雜的場景中，數(shù)據(jù)質(zhì)量參差不齊、任務(wù)種類多，導(dǎo)工智能的到來。例如，谷歌和OpenAI分別提出大規(guī)模預(yù)訓(xùn)練模型B[]和P[1]MetaV100上計算。（20226月v1基于語言的超級深度學(xué)習(xí)技術(shù)的發(fā)展趨勢主要體現(xiàn)在訓(xùn)練模型AIGCAIGC內(nèi)容創(chuàng)作能力大模型則可以學(xué)習(xí)到人類文明的抽象概念以及認(rèn)知的能力。然而AIGCAIGC4/leaderboardAIGCAIGC能力是進(jìn)行AIGC圖2 AIGC多模態(tài)大模型生成結(jié)果

來源：京東探索研究院如圖2所示，只需給定用戶簡單手繪的語義圖或是素描圖，多模OpenAIDALL-E23（3處添（1處5AIGC來源：OpenAI圖3 OpenAIAIGC多模態(tài)大模型DALLE2生成結(jié)果圖對于人工智能而言，能夠高質(zhì)量的完成多模態(tài)數(shù)據(jù)的對齊、轉(zhuǎn)換5/dall-e-2/AIGCAIGC（三）AIGC技術(shù)演化出三大前沿能力AIGCAIGC（4所示來源：京東探索研究院圖4AIGC的三大前沿能力增強(qiáng)與轉(zhuǎn)譯構(gòu)建數(shù)字內(nèi)容孿生能力內(nèi)容數(shù)字化是現(xiàn)今所有數(shù)字系統(tǒng)得以存在和運轉(zhuǎn)的前提，其過程的研究。智能數(shù)字內(nèi)容孿生可大致分為智能增強(qiáng)技術(shù)和智能轉(zhuǎn)譯技術(shù)兩[22]。數(shù)字內(nèi)容孿生中的智能轉(zhuǎn)譯技術(shù)是建立在對客觀世界內(nèi)容感知相比于較為成熟的語音/字幕合成，視覺內(nèi)容描述[23]是近年間學(xué)（智能轉(zhuǎn)譯技術(shù)更加關(guān)注數(shù)字世界中不同模態(tài)的數(shù)字內(nèi)容間相互理解、（（理解與控制組成內(nèi)容編輯能力應(yīng)的知識和技能，這些知識可以被用來反哺解決現(xiàn)實世界中的問題6。6https:///omniverse/media-entertainment/不同年齡照片等新興應(yīng)用程序。模仿與概念學(xué)習(xí)造就內(nèi)容創(chuàng)作能力上述的數(shù)字內(nèi)容的孿生和編輯能力主要面向客觀世界中的真實內(nèi)容，通過對現(xiàn)實內(nèi)容的智能孿生、理解、控制和編輯，AIGC算法的智能創(chuàng)作旨在讓人工智能算法具備類似甚至超越人的創(chuàng)作能力。196854型在2487001771500014世紀(jì)207https:///a/557118794_362042AIGC應(yīng)用。三、人工智能生成內(nèi)容的應(yīng)用場景AIGC2AIGC

來源：中國信息通信研究院（一）AIGC+傳媒：人機(jī)協(xié)同生產(chǎn)，推動媒體融合AIGC產(chǎn)過程中錄音整理方面的重復(fù)工作，進(jìn)一步保障了新聞的時效性。2022220143洛杉磯時報網(wǎng)站的機(jī)器人記者Quakebot，在洛杉磯地震發(fā)生后僅3分鐘，就寫出相關(guān)消息并進(jìn)行發(fā)布；美聯(lián)社使用的智能寫稿平臺20007DT1680字[26]。2020[27]2022年冬奧會期AIAIGCAIAI合成主播開創(chuàng)了新聞領(lǐng)域?qū)崟r語音及人物動畫合AIAI合AI合成主播開始陸續(xù)支持多語種播報和手語播報。2020順應(yīng)了信息化時代信息共享的發(fā)展潮流[28]。2022年冬奧會期間，百2D3DSaaS化平臺3DAIGCAIGC對傳媒從業(yè)者來說，AIGC可助力生產(chǎn)更具人文關(guān)懷、社會意義和經(jīng)濟(jì)價值的新聞作品；AIGC（二）AIGC+電商：推進(jìn)虛實交融，營造沉浸體驗隨著數(shù)字技術(shù)的發(fā)展和應(yīng)用、消費的升級和加快，購物體驗沉浸AIGC3DVR3D3D3D3D2D3D模型可720°全方位展示商品主體外觀，可大幅度降低用戶選品和溝通時間，3D202143D版3D3DAI生成服務(wù)3D購物的轉(zhuǎn)化率9Gucci[29]AIGC3D24一是0924二是IP20205IP人設(shè)崩塌，為品牌帶來負(fù)面新聞、差評及資金損失。3DGucciGucciGardenArchetypesRoblox20217360°2021月，Nike和RobloxNikelandRoblox3D（三）AIGC+影視：拓展創(chuàng)作空間，提升作品質(zhì)量AIGC20166Sunspring（Sci-FiLondon）48[30]2020OpenAI的大模型30000/8000多部、網(wǎng)絡(luò)小說超過500萬部。AIGC擴(kuò)展角色和場景創(chuàng)作空間。一是通過人工智能合成人臉、20202021FlawlessAI二是2017[31]。AIGC一是AIAIAI二是IBM90Morgan624小時。2D3D3D3D1000多倍。（四）AIGC+娛樂：擴(kuò)展輻射邊界，獲得發(fā)展動能而且間接滿足了現(xiàn)代人對歸屬感的渴望，重要性與日俱增。借助于AIGCCAI換臉為代表的AIGCFaceAPPAppStore免費下70567.382020年3QQ等多打造虛擬偶像，釋放IP價值。一是實現(xiàn)與用戶共創(chuàng)合成歌曲，是基于VOCALOID2012712二是AIVRIP次世文化共同打造的網(wǎng)紅翎Ling20205C2017AnimojiAI20203DAI攝一張照片，就能在幾秒內(nèi)快速生成一個可以模仿“我”的表情、動作的虛擬形象。在2021年的云棲大會開發(fā)者展區(qū)，阿里云展示了最新技術(shù)2000（五）AIGC+其他：推進(jìn)數(shù)實融合，加快產(chǎn)業(yè)升級AIGCAIGC于AIGC原本字教學(xué)IC一方面AIGCAIGC通道的AIGC賦能診療全過程。在輔助診斷方面，AIGC可用于改善醫(yī)學(xué)圖像質(zhì)量、AIGCCAD（Computer-aidedDesign），AIGC還支持在設(shè)計中引入變化，實現(xiàn)動態(tài)模擬。如寶馬公司在其BMWVISIONNEXT100AIGC3D總體來看，AIGC正在發(fā)展成與其他各類產(chǎn)業(yè)深度融合的橫向結(jié)合體，四、人工智能生成內(nèi)容發(fā)展面臨的問題AIGCAIGC引發(fā)了一系列亟待解決的問題。AIGC定數(shù)據(jù)集上測試性能良好的算法很可能被少量隨機(jī)噪聲的輕微擾動AIAIGC語音隨著數(shù)字技術(shù)的開源開放，AIGC技術(shù)研發(fā)門檻、制作成本等不斷降低，近年來，各AIGC企業(yè)通過建立內(nèi)容審核機(jī)制的方式落實互聯(lián)網(wǎng)內(nèi)容治理主體責(zé)任，“機(jī)審人審”已成為其基本審核方式。在機(jī)審方面，審核準(zhǔn)確率受AIGCAIGC投入應(yīng)用，為抄襲侵權(quán)、內(nèi)容造假、惡意營銷等灰黑產(chǎn)業(yè)鏈提供溫床。三是當(dāng)前AIGC很2021320225AIGC技術(shù)在AIGC當(dāng)前創(chuàng)作20192020AIGC著作權(quán)AIGC技術(shù)8中華人民共和國國家互聯(lián)網(wǎng)信息辦公室：“人工智能生成內(nèi)容的著作權(quán)”，/2019-08/21/c_1124902661.htm.還有可能因人工智能的海量摹寫行為稀釋既有作品權(quán)利人的獨創(chuàng)性，五、發(fā)展建議與展望（一）發(fā)展建議深化正向引導(dǎo)、穩(wěn)步推進(jìn)監(jiān)管治理AIGCAIGCAIGCAIGCAIGCAIGCAIGCAIGC步完善保障AIGC（（索明確AIGC會責(zé)任違法有害的AIGCAIGCAIGC作AIGC呼吁自律自治、共建產(chǎn)業(yè)發(fā)展生態(tài)AIGCAIAIGCAIGCAIGCAIGCAIGC加速工程實踐、積極履行社會責(zé)任AIGCAIGCAIGC職責(zé)構(gòu)建全民共享和多元共治發(fā)展格局AIGCAIGCAIGCMAIGC化公眾對于AIGC息保護(hù)和對不良AIGC眾作為AIGC（二）未來展望核心技術(shù)持續(xù)演進(jìn)AIGCAIGC對于圖像AIGCAIGCAIGC通過應(yīng)用大規(guī)模分布式AIGC交互算法的研究是時下緊迫且熱門的主題，也是AIGCAIGC模分布式深度學(xué)習(xí)技術(shù)和多智能體強(qiáng)化學(xué)習(xí)技術(shù)。大規(guī)模分布式AIGCGPU算平臺，如Pathways，DeepSpeed二是大規(guī)模多智能體網(wǎng)絡(luò)在分布式計算的框架下通過個體間的合作AIGC關(guān)鍵能力顯著增強(qiáng)AIGCXR套細(xì)節(jié)更豐富的虛擬鏡像，并依托新一代傳感器以及云邊端協(xié)同作業(yè)，隨著AIGCAIGC（PGC）（UGC）AIGC產(chǎn)品類型逐漸豐富人是未來AIGCAR等技術(shù)和新AIGCAIGC來的某一天，人工智能能創(chuàng)造出酸甜苦辣外的另一種味道也未可知。場景應(yīng)用趨于多元目前，AIGCAIGC+數(shù)據(jù)科學(xué)1%Gartner2025AIGC+AIGC+Gartner2025（AIGC的工具之一[33]AIGC+AIGC+NFT（Non-Fungible）以外，AIGC旅+AIGC業(yè)字藏品將從目前缺乏實質(zhì)內(nèi)涵的虛擬貨品蛻變?yōu)閾碛刑囟o(jì)念意義生態(tài)建設(shè)日益完善AIGCAIGC賦能產(chǎn)業(yè)升級還是以AIGC自主釋放價值都將在此框架下健康有序發(fā)展。標(biāo)準(zhǔn)規(guī)范為AIGCAIGCAIGC，技術(shù)研更接近人類智力水平和審美標(biāo)準(zhǔn)，同時應(yīng)用于各類行業(yè)各種場景。AIGCAIGC等AIGC參考文獻(xiàn)KrizhevskyA.,etal.ImageNetClassificationwithDeepConvolutionalNeuralNetworks[J].AdvancesinNeuralInformationProcessingSystems,2012.KingmaD.,etal.Auto-encodingvariationalbayes[C].InInternationalConferenceonLearningRepresentations,2014.GoodfellowI.,etal.Generativeadversarialnets[J].AdvancesinNeuralInformationProcessingSystems,2014. Ganin,etal.Synthesizingprogramsforimagesusingreinforcedadversariallearning[C].InInternationalConferenceonMachineLearning,pages1666-1675,2018.RezendeD.,etal.InferencewithNormalizingFlows[C].InInternationalConferenceonMachineLearning,pages1530-1538,2015.Ho,J.,etal.Denoisingdiffusionprobabilisticmodels[J].AdvancesinNeuralInformationProcessingSystems,pages6840-6851,2020.Karras,etal.Astyle-basedgeneratorarchitectureforgenerativeadversarialnetworks[C].InComputerandPatternRecognition,pages4401-4410,2019.Mildenhall,B.,etal.Nerf:Representingscenesasneuralradiancefieldsforviewsynthesis[C].InEuropeanconferenceoncomputervision,pages405-421,2020.Repecka,D.,etal.Expandingfunctionalproteinsequencespacesusinggenerativeadversarialnetworks[J].NatureMachineIntelligence,pages324-333,2021.LuH.,etal.Machinelearning-aidedengineeringofhydrolasesforPETdepolymerization[J].Nature,pages662-667,2022.ZhangJ.,etal.Empoweringthingswithintelligence:asurveyoftheprogress,challenges,andopportunitiesinartificialintelligenceofthings[J].IEEEInternetofThingsJournal,2020,8(10):7789-7817.DosovitskiyA.,etal.Animageisworth16x16words:transformersforimagerecognitionatscale[C].InInternationalConferenceonLearningRepresentations.2021.Xuetal.visiontransformeradvancedbyexploringintrinsicinductivebias[J].AdvancesinNeuralInformationProcessingSystems,2021.ZhangQ.,etal.visiontransformeradvancedbyexploringinductivebiasforimagerecognitionandbeyond[J].arXivpreprintarXiv:2202.10108,2022.Xuetal.SimpleTransformerBaselinesforHumanPoseEstimation[J].arXivpreprintarXiv:2204.12484,2022.LiuZ.,etal.Swintransformerv2:scalingupcapacityandresolution[J].arXivpreprintarXiv:2111.09883,2021.D.,etal.AnEmpiricalStudyofRemoteSensingPretraining[J].IEEETransactionsonGeoscienceandRemoteSensing,2022.Devlin,J.,etal.Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding[C].InProceedingsoftheConferenceoftheNorthAmericanChapteroftheAssociationforComputationalLinguistics.2019.Radford,A.,etal.Improvinglanguageunderstandingbygenerativepre-training[J].OpenAIReport.2018.Brown,etal.Languagemodelsarefew-shotlearners.InAnnualConferenceonNeuralInformationProcessingSystems[J].2020.JewittC..K.O'Halloran:multimodaldiscourseanalysis:systemicfunctionalperspectives.continuum,2004[J].AppliedLinguistics,Pages335–337,2006.Martin-BruallaR.,etal.Nerfinthewild:neuralradiancefieldsforuncons