浅析AIGC概念潮流下引发的问题

李施维

摘 要：艺术内容创作从原本纸张上的创作到电子屏幕上的创作，其创作内容以人的主观思想为基础。随着人工智能在内容创作领域的发展，现如今AI可以跳过人参与创作过程的阶段，直接生成作品，人工智能生成内容（AIGC）成为当下互联网讨论的热点。文章以新兴的AIGC概念股为切入点，基于人工智能的发展过程，探讨AIGC本身与AIGC潮流下的问题以及主观建议。

关键词：文化经济；人工智能生成内容；互联网；AI艺术

中图分类号：G203    文献标识码：A 文章编号：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术来生成内容，不同于UGC（user generated content）、PGC（professional generated content），AIGC［1］是一种新型内容生产方式，AI绘画、AI写作等都属于AIGC的分支。2022年，是人工智能（Artificial Intelligence，AI）内容创作的井喷之年，AIGC概念也随之应运而生。人工智能作为模拟人的智能的新兴技术科学，现如今已经渗透进人类社会生产的方方面面，提高了人们工作学习的效率，为人的工作与生活提供了便利。但是随着人工智能技术的发展，其在为人类提供便利的同时，也激起了人与人工智能之间的矛盾。近几年，人工智能不断探索拓宽其应用领域，原本AI只涉及逻辑性较强、注重理论的科学领域，现如今其已经开始挑战带有浓烈主观性与情感色彩的艺术创作领域，由于没有道德与法律规范的约束，艺术创作领域中的许多职业受到了挑战，人与人工智能之间的矛盾被激化，致使社会上一些人开始警惕甚至抵制AI创作。

21世纪是AI的世纪，人工智能将不断发展并渗透各个领域，这是不可逆转的时代趋势，但在人工智能造就的繁荣景象下，传统思想与新兴生产方式之间的碰撞势必会引发许多问题，其本质上是人与人之间的矛盾，如何科学正确地看待处理AIGC，是急待思考的问题。

2 人工智能的发展

1950年，被称为“人工智能之父”的图灵提出了著名的图灵测试：如果一台机器能够与人类通过电传设备展开对话而不能被辨别出其机器身份，那么称这台机器具有智能；1956年，“人工智能”概念首次被提出；1966年，世界上第一个聊天机器人ELIZA诞生；之后人工智能随着计算机的发展而发展，到了1997年，IBM“深蓝”超级计算机成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统；进入21世纪，人工智能逐渐开始应用到社会生产与生活中，2016年，由Google开发的人工智能AlphaGo击败了围棋世界冠军李世石，轰动了整个世界，全球的目光聚焦于人工智能，人工智能市场也迎来了突飞猛进的发展。近几年，人工智能在艺术创作领域获得重大突破，例如AI作曲、AI写作、AI绘画乃至AI动画。

2.1 人工智能内容创作的发展

人工智能的发展是在机器学习上的探索，一开始机器学习是简单地将输入的结构化数据进行分类化结果的输出，后来由于神经网络的发展，进一步提高了机器学习的效率，随着计算机算力的提升，以及神经网络中神经元数量的增加，大幅提高了机器学习的精细程度。随着时间的推移，对于大量数据的高精度学习带来了许多预训练人工智能模型，任何人只需要掌握基本操作，就可以利用这些预训练模型针对实际需求进行微调，便捷快速地创作内容，例如图像生成模型中的RoBerta、GPT-3、Disco Diffusion等。也是由于预训练模型能够节省大量的训练开发时间，人工智能内容创作变得唾手可得，各种人工智能创作的作品在互联网上泛滥。

2.2 AI作曲

AI作曲的概念由来已久，早期是计算机辅助作曲，例如1956年第一首由计算机生成的音乐作品《伊利亚克组曲》（Illiac Suite），之后1995年的EMI作曲系统以拼接作曲的方式进行作曲。随着计算机技术的发展与算法的演变，不断有企业与机构尝试利用计算机自动作曲，2016年，谷歌推出AI作曲工具Magenta studio，拥有Continue、 Groove、 Generate、 Drumify和Interpolate五个模块，具有自动生成、续写、合并多个旋律与鼓点等功能；同样在2016年，Sony的计算机科学实验室开发了Flow Machines平台，通过提取音乐数据库中乐曲的旋律等相關信息来学习音乐风格，并进行创作。之后Sony又利用巴赫的作品来训练新开发的神经网络“DeepBach”。同AI作曲一样应运而生的是虚拟作曲家，2016年，诞生了世界上第一个获得官方承认的AI虚拟作曲家AIVA（Artificial Intelligence Virtual Artist）；之后美国又推出了以说唱歌手Travis Scott为蓝本的说唱机器人Travis Bott。

2.3 AI写作

AI写作也已经随着人工智能一起发展了几十年，直到2017年，Ross Goodwin模仿作家Jack Kerouac创作《在路上》（On The Road）的过程，在车上搭载传感器，驾驶车辆从纽约到新奥尔良，并将路途中传感器接收到的信息导入AI，利用AI创作了一本实验小说《1 The Road》，虽然小说内容有些不合逻辑，但是却开创了AI写作的新里程碑。另外，人工智能还能够撰写电影剧本，纽约大学AI研究员Oscar Sharp 与Ross Goodwin开发了一个叫“Benjamin”的神经网络，通过学习几十部科幻电影的剧本，创作出崭新的电影剧本，并拍摄成电影《阳春》（Sunspring）。AI写作还能够依据一些小说的现有设定进行小说续写，但是却较难创作出合乎逻辑的作品；2022年，人工智能研究实验室OpenAI发布了全新聊天机器人模型ChatGPT，2023年微软发布的NewBing，能够学习人类语言并进行对话，能够联系上下文进行互动，该模型甚至能够完成文案撰写、翻译、代码、解答题目等，且大多情况下合乎逻辑，其功能强大一度成为火爆的话题。

2.4 AI绘画

AI绘画［2］的发展历史可以追溯到20世纪70年代，艺术家Harold Cohen利用电脑程序“AARON”操控机械臂进行绘画创作；之后随着机器学习的发展，AI图像生成模型让人们能够进行AI绘画，目前的AI图像生成模型主要分为两类，分别为基于Diffusion与Auto Regression算法进行训练。2012年，Andrew Ng和Jef Dean利用神经网络学习训练，最终成功生成了一張模糊的猫脸图片；2016年AnimeGAN仅仅能够生成一些抽象且没有美感的图片； 2018年，由人工智能生成的肖像画《埃德蒙·贝拉米肖像》以432000美元（约合300万元人民币）的高价成功拍卖；2021年，人工智能研究实验室OpenAI发布了DALL-E系统，该系统能够依据输入的标签特征进行绘画；2022年，AI绘画迎来了井喷式的发展，Disco Diffusion可以依据描述标签生成场景图片，生成的图片细节丰富且氛围感十足，但是却难以生成人脸图片；后来的DALL-E 2就可以生成准确的面部；2022年一幅由MidJourney 生成的数字油画《空间歌剧院》（Theatre Dopera Spatial）参加了美国科罗拉多州博览会的艺术比赛且获得第一名； NovelAI等AI绘画工具能够不断收集素材数据，进行模型再训练。同时这些AI绘画模型能够进行风格迁移，将风格图片与内容图片结合，生成带有相似风格的新图片。

2.5 AI图像生成

基于AI图像生成模型的发展，2015年，Leon A.Gatys运用VGG-19网络改变普通图片风格的方法——风格迁移。之后风格迁移技术开始运用到视频当中，将视频内容转换成指定风格。2022年，国内旷视研究院推出了CoNR（Collaborative Neural Rendering using Anime Character Sheets）动画渲染器，通过输入任意张任意姿势与角度下的手绘图片，并将动作序列与3D模型结合，CoNR就可以渲染生成3D动画；同样在2022年，Sebastian Starke等人基于“运动的周期性”，提出了相空间与相流形（phase manifold）的概念，简化了需要解决的问题，算法能够在短时间内学习视频中人与四足动物的动作，提取人与动物的动作序列，并套用在3D模型中，同时在3D引擎环境下，基于算法的3D模型能够与物理引擎控制下的物品进行符合实际的互动，该方法能够应用在游戏等CG领域，大幅提高工作效率；2023年年初，网飞联合动画制作公司制作了一部实验性动画短片《犬与少年》，其背景完全是由AI生成，大幅降低了动画制作成本。

3 AIGC发展中的问题

随着人工智能技术的发展与应用，AIGC已经开始涉及商业领域，在大幅提高生产效率的同时也存在许多问题。

3.1 AIGC自身的问题

目前AI创作内容离不开人的参与，在市场应用方面，其创作的作品在内容上仍然存在诸多问题，例如AI作曲与AI写作，随着内容量的增加，其结果表达的信息在人看来就可能越来越突兀，偏离人类常识与特定知识，若要迎合市场，还需要经过人对作品的人为审查润色。虽然AI绘画工具可以通过进一步渲染提升作品细节丰富度，但是随着图中物件结构复杂度的增加，准确描绘结构的难度也随之提高，AI绘画模型的改进仍然需要源源不断的素材进行再训练，这些素材离不开人的参与。目前市场资本主要依靠用户对于AI绘画的新鲜感带来的流量，推出AI绘画软件进行变现，AI绘画还无法完全适用高端美宣领域，现在还处于试验阶段。这些问题的主要原因为人工智能创作是对信息采集后进行模仿的过程，本身没有真正的智能，其自身缺少自我评估的机制，由于作品的评价具有较大的主观性，AI创作成品的评估依旧需要人的参与，最终才能得到具有实际应用价值的作品，人工智能准确的自我评估机制目前很难做到，这需要人工智能在智能方面的提升，同时需要对脑的运行机制进一步深入探索。

3.2 AIGC与创作者之间的矛盾

尽管技术的发展对一些专业性岗位的淘汰在历史上已经上演过许多次，自从工业革命后大机器生产替代了手工劳动，科学技术就不断推进生产方式的变革，这本来是社会进步的体现，但是若没有相关手段加以规范，相关政策加以协调，再好的技术都将成为损害他人利益的工具。任何一个时代，技术与媒介的进步都影响着艺术创作，这种影响在绘画领域尤为突出，从摄影印刷品的出现，到CG技术的崛起，每次技术的迭代都会伴随绘画领域抵制的声音。例如早期摄影印刷品的出现对绘画中的肖像画带来了巨大冲击，后来，法国的几名画家发表联名抗议书，反对认为摄影为一门艺术。现如今依旧有老一辈艺术从业者认为在纸上作画优于在电子屏幕上绘画，这些人往往带有对技艺上的追求，认为运用电子产品的艺术创作无法将有些技艺表达出来。

重点是版权问题，由于大部分AI创作模型是由庞大样本训练而成，难以反向追溯模型采用了哪些素材进行训练，这些素材中可能很多是未经作者授权的，并且基于训练好的模型，任何人都可以运用其他作者的图片进行再训练生成与这张图片风格相似的作品，侵权成本低，并且目前没有有效手段加以规范。为了抵制AI侵权的问题，甚至引发了一系列抵制AI的运动，例如2022年年末，全球艺术家汇集著名的全球专业CG美术行业的社交网站Artstation抵制AI图像生成技术，虽然后来Artstation更改了用户协议，但是这场抵制运动丝毫没有撼动AI图像生成技术发展的浪潮。一些人试图采用技术手段对AI图像生成技术进行反制，如利用AI技术识别作品是否为AI创作的内容，但是这种方法无法做到百分百识别准确；或者利用反爬虫技术限制AI模型搜集训练素材；也有人考虑对被搜集的素材做技术处理，使其污染AI模型训练素材库，但是目前这些手段还没有被证明能够有效反制AI侵权。其次是AI创作的内容对艺术创作领域的冲击，让许多新人望而却步，创作者需要花费数年积累的创作经验，却被AI花费极短的时间超越，打击了新人入行的信心，阻碍了创作领域新鲜血液的流入，这将造成艺术创作人才在低端领域与高端领域之间的断层，最终艺术内容在AI中自循环式的发展，大众审美将受到限制，艺术领域也将难以获得突破。

3.3 AIGC社会层面的影响

2022年AI在创作领域迎来了井喷式发展，资本开始涌入，试图进行快速的利益收割，AIGC的概念应运而生，一些资本开始试图在低端创作领域逐步放弃人力创作转向机器自动化创作。随着AI创作领域技术的发展，这些本身需要极高专业知识的技能开始被平民大众运用AI技术所掌握，并且可以大规模快速生成各种各样的作品，相应的规范手段的缺位导致其无节制的蔓延，各种AI创作内容在互联网上泛滥。音乐、语言、绘画与影视作品本身作为信息的载体，在人工智能内容创作的框架下其作品生成速度远远超过所在环境的审查能力，不法分子可能利用AI智能语音技术实施大规模电信诈骗，大量不合法不合规的AI作品内容避开了审查机制，在网络中迅速传播。现在国内外已经有不法分子利用AI技术进行虚假宣传、性骚扰、组织网络水军等非法行为，引发一系列社会伦理问题，可以说，AI已经处在失控的边缘。

4 未来展望

AIGC掀起了一场内容创作革命，这是社会发展的必然趋势，因此人们应该选择面对人工智能内容创作的进步而不是逃避与抵制，目前AI能够在一定程度上通过图灵测试，这使人们更加难以辨认AI与人造的创作内容之间的区别［3］，这反而引发了一系列问题。

（1） 中国需要尽快跟进AIGC的时代风口，目前国内百度等平台已经开始追赶技术潮流，例如百度将推出的“文心一言”，人工智能的技术革新依赖于算力、算法与数据，目前国内对于人工智能的发展取决于硬件设备与高质量的训练数据，其中支持算力的硬件设备——芯片需要在芯片制造工艺上取得突破，而训练数据的获取需要社会层面的广泛参与实现人机互动。当下数据主要以互联网开源数据为主，数据的质量取决于互联网的环境，在未来数据的收集将会以更多更深入的人机交互形式实现。因此，中国AIGC的发展首先需要营造良好的互联网环境。

（2） 政府需要尽快对AIGC加以规范，这不仅需要法律法规的推进，还需要更为高效准确的审查机制。由于AI生成的速度快、内容多，在互联网中的传播速度极快，因此对于AI生成内容的信息识别是人工难以实现的，这需要相应的技术手段来实现。

（3） 社会与政府需要对AI训练与再训练数据中的内容加以保护，包括肖像权与训练素材版权等，目前很多创作型AI模型的训练素材数量极大，且难以溯源，因此难以确认训练素材获取的合法性，并且目前互联网中存在着众多利用未经他人同意的素材进行再训练的例子，招致了许多创作者的不满，并且这种行为通过法律手段难以界定，创作者的热情被削减，势必会带来文化领域的衰落。因此，政府要有合理的条文与技术手段对AI模型训练素材的获取手段与获取来源加以监督，社会大众与企业也需要树立正确的伦理道德观念。

AIGC的迅猛发展离不开人机回环的人机交互方式（human in the loop），社会的发展需要AI的助力，AI的发展也需要人的参与，内容创作需要为人类带来正面影响，人工智能绝不能因为不法分子的利用站在人的对立面，在未来AIGC将在大众娱乐领域做出突出贡献，AI将极大程度地减少内容创作的人力与时间成本。相较于高端内容创作领域，一些中低端技术岗位将会被人工智能淘汰，为缓解AIGC带来的社会问题，需要社会多方面的努力，智能技术在协助创作的同时，需要社会认同，原有的知识产权、审查机制体系也需要进行跟进。

参考文献：

［1］李白杨，白云，詹希旎，等.人工智能生成内容（AIGC）的技术特征与形态演进［J］. 图书情报知识，2023，40（1）：66-74.

［2］马立新，涂少辉.AI艺术创作機理研究［J］. 美术研究， 2022，204（6）： 82-86.

［3］翟尤，李娟.AIGC发展路径思考：大模型工具化普及迎来新机遇［J］.互联网天地， 2022，227（11）：22-27.