2022年,是中国人追逐群星的里程碑之年。
今年10月31日,中国天宫空间站的第二个科学实验模块——梦天实验舱,搭载长征五号B遥四运载火箭发射升空。随着之后天实验舱成功与之前发射的天和核心舱完成精准对接,中国空间站历史性地完成了“合体”。至此,中国空间站距离建成仅剩一步之遥。
从天舟四号到天舟五号,从问天舱到梦天舱,从神舟十四号到神舟十五号,取得一系列航天成果的2022,同时也是中国载人航天工程立项实施30周年。三十年奋进勃发,让中国人史无前例地接近星辰,接近宇宙中的无限可能。
而在科技赛场的另一条关键跑道上,2022同样至关重要。近日,新华社与百度文心一格联合推出了一支AIGC视频——《AI描绘天宫盛宴》。这支视频画面全部由AI自动生成,用充满中国韵味的笔触,回顾了中国载人航天的三十年辉煌历程。众多网友感叹,AIGC竟然在极短时间内就达成了这种效果,实在难以想象。
2022年,被业界称为AIGC元年。伴随着AI作画大规模商业化落地,这一能力开始为全球用户所接受。AIGC的饱含巨大商业价值的下一站,就是AI生成内容。而在AIGC的“宇宙探索”中,中国人同样不落人后。以百度文心大模型为代表的中国力量,正在带领全球AI产业接近AIGC的无限可能。
2022年,文心大模型在AI生成内容这条赛道上不停探索,给出了一系列让人眼前一亮的成绩。在其背后,既可以看到大模型在AI作画领域的技术趋于完备,又可以看到中文、中国文化背景下的AIGC全面发展。面向AIGC的群星,文心大模型已经成为中国AI产业的一座“空间站”。
探索AIGC更多可能,
文心大模型的成绩单
在全球经济普遍遇冷的2022,AI技术却是一片繁荣。从AI作画到AI对话,各种AI技术创新在全球范围内火爆出圈。而所有AI能力中最让人看好其商业前景的,则是AIGC的下一站——生成内容。
我们处在一个被短视频颠覆和重构的时代。短视频平台已经在全球范围内形成了用户最多、影响力大的媒介形式。AI与视频的结合,正变成新的巨型风口。在2022年,百度文心大模型先后带来了一系列视频生成作品,其完善的效果与创意性地表达,赢得了业界与公众的一致认可。
在百度2022万象大会期间,数字人度晓晓作词作曲演唱的MV《启航星》正式上线。这也成为成为首支全AIGC生成的音乐MV。《启航星》MV视频依托百度推出的AI艺术和创意辅助平台——文心一格,根据歌词自动生成画面。其不仅探索了数字人、AI生成内容等技术的边界,更为MV制作、AI与音乐产业结合展现出了清晰的路径。
10月20日,《人民日报》发布AI根据二十大报告中部分词语描绘的未来中国图景视频,该视频由百度飞桨、文心一格提供技术支持。根据内容描述,文心大模型准确描绘出了未来中国的发展图卷。笔触老练自然,完全没有传统意义上认为AIGC内容会有的生涩感与不和谐。
等到《AI描绘天宫盛宴》到来,我们可以看到文心大模型生成的视频内容更加具有整体性风格,画面调动也更有逻辑性,并且内容能够与中国传统文化,比如《西游记》中蟠桃盛宴,进行有机且巧妙的结合。
在这一个个AI生成内容背后,我们可以看到文心大模型走出了两条路:技术之路,与文化之路。
AI生成内容的技术难点,
正被一个个打破
“最先进的 AI 动画生成技术在中国”。
这句话,是今年8月文心ERNIE-ViLG 2.0模型通过百度API服务的方式进行开放公测后,一位外国开发者留在评论区的。几个月之后,这样的肯定依旧令我们振奋。数年前,绝大部分人可能会觉得中国难以在AI生成内容中实现领先,但现在这一切已经做到了。
究其根本,在于文心大模型持续面向AIGC的技术挑战发起一波波冲锋。今年在文心大模型支持的多部破圈视频里,我们可以看到其中的技术力表现持续升级。简单感、不流畅、缺乏创意风格等AI生成内容的传统问题,正在一个个被文心打破。
在这背后,是文心大模型ERNIE-ViLG 2.0跨模态图文生成能力的帮助和支持。基于ERNIE-ViLG 2.0,可以实现从文本内容到视频内容中,转化的可控性与细节描述能力不断提升。而这源于秉承着百度在文心大模型当中探索的知识增强方向,为ERNIE-ViLG 2.0找到了核心的升级方向。ERNIE-ViLG 2.0采用基于知识增强算法的混合降噪专家建模,是全球首个将知识增强与AIGC相互结合的大模型。其最终表现,在权威评测集 MS-COCO 和人工盲评上均超越了 Stable Diffusion、DALL-E 2等主流模型,在AI生成内容等方面,取得全球业界的最佳效果,在语义可控性、图像清晰度等方面均展现出了显著优势。
从《AI描绘天宫盛宴》中,我们可以看到画面可控性、复杂构图和细节刻画能力都达到了新的水平高度。AI生成内容不再是生成一帧帧图片合成视频,而是基于统一风格,完整、连续地展现出了视频全貌。这就是知识增强路径为AIGC带来的不同之处。
当时间来到2023,中国AI行业、AI开发者,以及广大视频创作者,将得到全球领先的AI生成内容能力作为发展引擎——这就是文心大模型,这座“空间站”的战略意义。
更懂中国,更懂未来
另一方面,我们可以在《AI描绘天宫盛宴》看到一种我们非常熟悉的审美风格,其神韵非常类似1961年上海美术电影制片厂制作的《大闹天宫》。那既是中国动画史的开端,也是深刻国民DNA的文化记忆。
用这种审美意蕴展现中国航天三十年的故事,是非常容易获得国人共鸣,产生审美与文化认同的。这一点其实非常重要,AIGC的最终价值在于文化传播。试想一下,如果AI生成的内容不懂一个国家的语言、文化、典故以及审美意味,那么最终做出来的内容是否可能实现高效率、有认同的传播?
从这个角度看,中国的AI大模型发展与AIGC能力建设就显得更加富有不可替代性。我们不能等到AI生成内容大规模落地时,一味照搬符合他国文化与英语语言习惯的内容给中国观众看。而文心对中文数据、中文知识的学习,以及对中国文化、中国审美的理解,则适当地填补了这个空白。从文心一格对中文的理解能力,以及最终生成内容中展现的中国意境,就可以看到目前适合中国环境的AIGC。我们不需要在基础能力和技术上进行漫长的模仿与追赶,而是可以站在更高点,直视AIGC最前沿、最令人激动的可能性。
2022年,是中国人追逐群星之年,也是中国人追逐AIGC之梦的一年。伴随着更多AI生成内容火爆出全,更多AIGC的行业化方案落地,更多平台化能力开放,文心一格正在打开科技与文化融合创新的想象空间,文心大模型正在成为AIGC发展的新引擎。
在文心这座“空间站”,我们已能看到智能世界的浩瀚星空。