过去一年,生成式AI迎来一波惊人的爆发式增长。随着ChatGPT的公开发布(没错,居然只是在短短一年之前),这项新技术如今已经无处不在。顺应这波潮流,从Office到eBay,几乎每一款应用程序都在引入生成功能,越来越多的用户也开始在日常工作和生活当中发现它的妙用。
既然被冠以“生成”二字,内容创作者自然深刻体会到它作为工具集中强大补充性方案的威力。营销机构、广告创意、新闻机构乃至社交媒体上的大V们开始成为最热情的早期AI采用者。
尽管生成式AI为提高效率、自动化创造性工作中的重复元素带来了巨大机遇,但同时也带来了严峻挑战。在将其纳入工作流程之前,专业人士还需要考虑版权、垃圾邮件、幻觉、算法设计公式化以及偏见等诸多问题。
以此为基础,我们将一同了解生成式AI在内容生成领域内产生的实际影响,并探讨随着这项技术变得愈发强大,整个社会该如何适应AI增强下的全新时代。
生成式AI通过研究数据、提取模式的方式掌握创造的奥秘。目前最常见的生成模型当数大语言模型,例如支持ChatGPT的GPT模型家族,它们能够生成语言和文本;此外还有扩散模型,可用于创建图像和视频。
以技术为重点的企业已经迅速将其融入创意流程。例如:
Netflix正使用生成式AI制作更具吸引力的电影预告片,希望通过探索快速发布面向不同会员的个性化宣传内容。
Buzzfeed正使用AI创建个性化内容,包括根据个人兴趣量身定制的测验。它还开发出一款生成食谱工具,能够根据现有食材推荐膳食搭配。
谷歌展示了一项专为新闻机构设计的服务,使其能够自动创建新闻报道。《纽约时报》、《卫报》、BBC、彭博社和路透社等媒体也都开始发表由生成式AI撰写的报道。
新一代工具开发商也开始兴起。Synthesia能够帮助企业根据文本创建出视频,无需安排演员或工作室;Writesonic可以自动根据品牌形象定制宣传文本,并据此构建AI聊天机器人等。
身为创意人员,在考虑如何将生成式AI引入日常工作之前,首先需要明确一点:AI的意义在于增强人的能力,而非彻底取代人类。
正如Writesonic公司创始人兼CEO Sam Garg所言,生成内容本身往往比较普适、高度公式化,而且并不像人类创作的数字内容那样善于吸引受众的注意力。
也就是说,虽然生成式AI工具已经能够编写出文章、广告脚本或者完整的宣传视频,但直接使用的话效果仍然略显不足。
Garg表示,“我们的目标在于增强人类、而非取代人类。简单来讲,AI应该是一种能够提高人类生产力、与人携手合作的智能工具,绝不是要取而代之。”
通过这样的人机交互,即可确保内容不致变得太过机械化、公式化。
我们当然可以在创意过程中的几乎每个步骤找到生成式AI的应用方式——构思、规划、故事板、草稿、事件核查乃至内容分发等等。
但优秀的内容往往离不开两大因素:引入新鲜元素,例如新的想法;并与观众建立起情感联系。
在这两个领域,生成式AI往往表现不佳。它无法像人类那样真正提供新的想法,而只是简单重现从训练数据中获得的知识。此外,它也没法像人类一样真正理解情绪。
除了内容太过平庸之外,生成式AI还带来了其他需要考虑的问题。首当其冲的就是版权问题,这具体又分为两个方面。
首先,AI生成的内容到底归谁所有一直没有定论:是使用AI创建该内容的人吗,是该生成式AI工具的开发者吗,还是说应该归最初用于训练AI的原始数据的创作者所有?
其次,在成功避免被数据原作者起诉、推翻了AI复制其作品的嫌疑之后,我们又如何对自己的成果发起版权保护?对于使用AI创建专有资产和素材的企业来说,这显然是个不容忽视的问题。
另一个事实在于,就目前的情况看,AI很容易出错。这类问题被称为幻觉,也就是大模型明显是在捏造事实。很明显,没有哪家企业愿意发布这些有违常识、会严重破坏自身形象的信息。如今网上的虚假内容已经太多了,一旦AI也参与进来,后果也许将无法想象!
尽管已经席卷全球,但生成式AI的时代显然才刚刚揭幕。在不久的将来,我们将看到更强大的工具,更重要的是,这些工具也将更易于操纵。
所以我们在文中讨论的大部分挑战——内容平庸、缺乏情感共鸣和缺乏事实依据等,很可能会被逐一克服。随着语言模型变得愈发强大和复杂,我们很可能会看到足以在创意和吸引力方面能够与人类匹敌的生成工具。
但这一切,都会让如何识别deepfakes伪造(专门用来愚弄人类的超写实AI作品)、减少AI生成虚假信息的大肆传播等问题更趋于失控。
这项技术的获取门槛也会越来越低,意味着其力量将被更加多样化的用户群体所运用。这将产生更多以丰富经历和人类体验为基础的创作内容。
就个人而言,我认为内容创作过程始终需要人类的参与。毕竟我们天生就是讲述者、创造者。而面对前所未有的、能够以创造性方式表达自身思想和创意的工具时,谁能利用这些成果充分发挥自身潜能,谁就将在竞争当中占据明显优势。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。