艺术并未消亡，它只是由机器生成
输入“/”快速插入内容
艺术并未消亡，它只是由机器生成
艺术并未消亡，它只是由机器生成
作者：Guido Appenzeller， Matt Bornstein， Martin Casado， Yoko Li
发表时间：2022 年 11 月 16 日
翻译：通往 AGI 之路，若有瑕疵之处，请在段落评论中斧正，谨此致谢
也许我们从生成式人工智能（generative AI）中看到的最令人费解的启示是，与“创造力将是人类智慧的最后堡垒”的普遍观点相反，实际上将困难的创造性任务自动化似乎比将简单的编程任务自动化要容易得多。为了理解这一点，我们比较了生成性 AI 的两个较为流行的用例：代码生成和图像生成。但我们相信，即使生成模型扩展到更复杂的应用，这一观点也能更普遍地站得住脚。
简而言之，这个观点（我们在下文中将更详细地探讨）是：虽然像 GitHub Copilot 这样的产品，在其当前形式下，可以使编码更高效，但它并不能消除对具有编程知识的有能力的软件开发人员的需求。一个重要原因是，当涉及到构建一个程序时，正确性确实很重要。如果 AI 生成了一个程序，它仍然需要一个人来验证它是否正确——这几乎与首次创建它所需的努力程度相同。
另一方面，任何会打字的人都可以使用像 Stable Diffusion 这样的模型，在几分钟内以数量级更低的成本产生高质量、独一无二的图像。创意工作产品通常没有严格的正确性约束，而模型的输出完整得令人惊叹。在依赖创意视觉效果的行业中看到一个完全的阶段转变是很难的，因为对于很多用途来说，AI 现在能够产生的视觉效果已经足够了，而我们现在还处在这项技术的非常早期阶段。
我们完全承认，鉴于这个领域的发展速度，要对任何预测都充满信心是很难的。然而，目前看来，我们更有可能看到由程序员严格创建的充满创意图像的应用，而不是由创作者严格构建的具有人类设计艺术的应用。
为什么如此热门，为什么是现在？
在我们深入探讨代码生成与图像生成的具体内容之前，了解当前 AI（尤其是生成性 AI）的流行程度是很有用的。
生成性 AI 正在经历我们所见过的开发者接纳速度最快的情况。在我们撰写此文时，Stable Diffusion 轻松地以很大的优势位居 GitHub 的趋势榜首位。它的增长远远超过了任何近期的基础设施或加密技术（见上图）。几乎每天都有初创公司使用这项技术的发布和融资公告，而在线社交网络则充斥着由生成模型创建的内容。
过去十年对人工智能的总体投资水平也不容小觑。自 2010 年代中期以来，我们已经看到了出版物数量的指数级增长（见下图）。如今，arXiv 上发布的所有文章中约有 20%是关于 AI、ML 和 NLP 的。重要的是，理论结果已经越过了一个关键的门槛，它们已经变得容易消化，并触发了新技术、软件和初创公司的寒武纪大爆炸。
最近在上图中的激增主要是由于生成性 AI。在短短的十年里，我们从仅限专家使用的 AI 模型（可以对图像进行分类和创建词嵌入）发展到可以供公众使用的模型，这些模型可以编写有效的代码，并使用自然语言提示创建极为准确的图像。创新的步伐不断加快并不令人惊讶，当生成模型开始进入人类曾经主导的其他领域时，这也不应令人惊讶。