人工智能生成内容AIGC白皮书2022年

No.202212 人工智能生成内容（AIGC）白皮书 (2022年) 中国信息通信研究院京东探索研究院 2022年9月 前言 习近平总书记曾指出，“数字技术正以新理念、新业态、新模式全面融入人类经济、政治、文化、社会、生态文明建设各领域和全过程”。在当前数字世界和物理世界加速融合的大背景下，人工智能生成内容（ArtificialIntelligenceGeneratedContent，简称AIGC）正在悄然引导着一场深刻的变革，重塑甚至颠覆数字内容的生产方式和消费模式，将极大地丰富人们的数字生活，是未来全面迈向数字文明新时代不可或缺的支撑力量。 本白皮书重点从AIGC技术、应用和治理等维度进行了阐述。在技术层面，梳理提出了AIGC技术体系，既涵盖了对现实世界各种内容的数字化呈现和增强，也包括了基于人工智能的自主内容创作。在应用层面，重点分析了AIGC在传媒、电商、影视等行业和场景的应用情况，探讨了以虚拟数字人、写作机器人等为代表的新业态和新应用。在治理层面，从政策监管、技术能力、企业应用等视角，分析了AIGC所暴露出的版权纠纷、虚假信息传播等各种问题。最后，从政府、行业、企业、社会等层面，给出了AIGC发展和治理建议。由于人工智能仍处于飞速发展阶段，我们对AIGC的认识还有待进一步深化，白皮书中存在不足之处，敬请大家批评指正。 目录 一、人工智能生成内容的发展历程与概念1 （一）AIGC历史沿革1 （二）AIGC的概念与内涵4 二、人工智能生成内容的技术体系及其演进方向7 （一）AIGC技术升级步入深化阶段7 （二）AIGC大模型架构潜力凸显10 （三）AIGC技术演化出三大前沿能力18 三、人工智能生成内容的应用场景26 （一）AIGC+传媒：人机协同生产，推动媒体融合27 （二）AIGC+电商：推进虚实交融，营造沉浸体验29 （三）AIGC+影视：拓展创作空间，提升作品质量32 （四）AIGC+娱乐：扩展辐射边界，获得发展动能35 （五）AIGC+其他：推进数实融合，加快产业升级37 四、人工智能生成内容发展面临的问题38 五、发展建议与展望43 （一）发展建议43 （二）未来展望48 图目录 图1AIGC发展历程4 图2AIGC多模态大模型生成结果图17 图3OpenAIAIGC多模态大模型DALLE2生成结果图18 图4AIGC的三大前沿能力19 图5AIGC应用视图27 一、人工智能生成内容的发展历程与概念 1950年，艾伦·图灵（AlanTuring）在其论文《计算机器与智能 （ComputingMachineryandIntelligence）》中提出了著名的“图灵测试”，给出了判定机器是否具有“智能”的试验方法，即机器是否能够模仿人类的思维方式来“生成”内容继而与人交互。某种程度上来说，人工智能从那时起就被寄予了用于内容创造的期许。经过半个多世纪的发展，随着数据快速积累、算力性能提升和算法效力增强，今天的人工智能不仅能够与人类进行互动，还可以进行写作、编曲、绘画、视频制作等创意工作。2018年，人工智能生成的画作在佳士得拍卖行以43.25万美元成交，成为世界上首个出售的人工智能艺术品，引发各界关注。随着人工智能越来越多地被应用于内容创作，人工智能生成内容（ArtificialIntelligenceGeneratedContent，简称AIGC）的概念悄然兴起。 （一）AIGC历史沿革 结合人工智能的演进历程，AIGC的发展大致可以分为三个阶段，即：早期萌芽阶段（20世纪50年代至90年代中期）、沉淀积累阶段 （20世纪90年代中期至21世纪10年代中期），以及快速发展阶段 （21世纪10年代中期至今）。 早期萌芽阶段（1950s-1990s），受限于当时的科技水平，AIGC 仅限于小范围实验。1957年，莱杰伦·希勒（LejarenHiller）和伦纳 德·艾萨克森（LeonardIsaacson）通过将计算机程序中的控制变量换成音符完成了历史上第一支由计算机创作的音乐作品——弦乐四重奏 《依利亚克组曲（IlliacSuite）》。1966年，约瑟夫·魏岑鲍姆（JosephWeizenbaum）和肯尼斯·科尔比（KennethColby）共同开发了世界第一款可人机对话的机器人“伊莉莎（Eliza）”，其通过关键字扫描和重组完成交互任务。80年代中期，IBM基于隐形马尔科夫链模型 （HiddenMarkovModel,HMM）创造了语音控制打字机“坦戈拉 （Tangora）”，能够处理约20000个单词。80年代末至90年代中，由于高昂的系统成本无法带来可观的商业变现，各国政府纷纷减少了在人工智能领域的投入，AIGC没有取得重大突破。 沉淀积累阶段（1990s-2010s），AIGC从实验性向实用性逐渐转变。2006年，深度学习算法取得重大突破，同时期图形处理器 （GraphicsProcessingUnit,GPU）、张量处理器（TensorProcessingUnit,TPU）等算力设备性能不断提升，互联网使数据规模快速膨胀并为各类人工智能算法提供了海量训练数据，使人工智能发展取得了显著的进步。但是AIGC依然受限于算法瓶颈，无法较好地完成创作任务，应用仍然有限，效果有待提升。2007年，纽约大学人工智能研究员罗斯·古德温装配的人工智能系统通过对公路旅行中的一切所见所闻进行记录和感知，撰写出小说《1TheRoad》。作为世界第一部完全由人工智能创作的小说，其象征意义远大于实际意义，整体可读性不强，拼写错误、辞藻空洞、缺乏逻辑等缺点明显。2012年，微软公开展示 了一个全自动同声传译系统，基于深层神经网络（DeepNeuralNetwork,DNN）可以自动将英文演讲者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。 快速发展阶段（2010s-至今），自2014年起，随着以生成式对抗网络（GenerativeAdversarialNetwork,GAN）为代表的深度学习算法的提出和迭代更新，AIGC迎来了新时代，生成内容百花齐放，效果逐渐逼真直至人类难以分辨。2017年，微软人工智能少女“小冰”推出了世界首部100%由人工智能创作的诗集《阳光失了玻璃窗》。2018年，英伟达发布的StyleGAN模型可以自动生成图片，目前已升级到第四代模型StyleGAN-XL，其生成的高分辨率图片人眼难以分辨真假。2019年，DeepMind发布了DVD-GAN模型用以生成连续视频，在草地、广场等明确场景下表现突出。2021年，OpenAI推出了DALL-E并于一年后推出了升级版本DALL-E-2,主要应用于文本与图像的交互生成内容，用户只需输入简短的描述性文字，DALL-E-2即可创作出相应极高质量的卡通、写实、抽象等风格的绘画作品。 来源：中国信息通信研究院 图1AIGC发展历程 （二）AIGC的概念与内涵 目前，对AIGC这一概念的界定，尚无统一规范的定义。国内产学研各界对于AIGC的理解是“继专业生成内容（ProfessionalGeneratedContent,PGC）和用户生成内容（UserGeneratedContent,UGC）之后，利用人工智能技术自动生成内容的新型生产方式”。在国际上对应的术语是“人工智能合成媒体（AI-generatedMedia或SyntheticMedia）”1，其定义是“通过人工智能算法对数据或媒体进行生产、操控和修改的统称”。综上所述，我们认为AIGC既是从内容生产者视角进行分类的一类内容，又是一种内容生产方式，还是用于内容自动化生成的一类技术集合。本白皮书主要聚焦于AIGC含义 1维基百科：“人工智能合成媒体（AI-generatedMedia或SyntheticMedia）”https://en.wikipedia.org/wiki/Synthetic_media 中的技术部分。 为了帮助不同领域的受众群体更好的理解AIGC，我们从发展背景、技术能力、应用价值三个方面对其概念进行深入剖析。 从发展背景方面来看，AIGC的兴起源于深度学习技术的快速突破和日益增长的数字内容供给需求。一方面，技术进步驱动AIGC可用性不断增强。在人工智能发展初期，虽然对AIGC进行了一些初步尝试，但受限各种因素，相关算法多基于预先定义的规则或者模板，还远远算不上是智能创作内容的程度。近年来，基于深度学习算法的AIGC技术快速迭代，彻底打破了原先模板化、公式化、小范围的局限，可以快速、灵活地生成不同模态的数据内容。另一方面，海量需求牵引AIGC应用落地。随着数字经济与实体经济融合程度不断加深，以及Meta、微软、字节跳动等平台型巨头的数字化场景向元宇宙转型，人类对数字内容总量和丰富程度的整体需求不断提高。数字内容的生产取决于想象能力、制造能力和知识水平；传统内容生产手段受限于人力有限的制造能力，逐渐无法满足消费者对于数字内容的消费需求，供给侧产能瓶颈日益凸显。基于以上原因，AIGC在各行业中得到越来越广泛的应用，市场潜力逐渐显现。 从技术能力方面来看，AIGC根据面向对象、实现功能的不同可分为三个层次。一是智能数字内容孪生，其主要目标是建立现实世界到数字世界的映射，将现实世界中的物理属性（如物体的大小、纹理、颜色等）和社会属性（如主体行为、主体关系等）高效、可感知地进 行数字化。二是智能数字内容编辑，其主要目的是建立数字世界与现实世界的双向交互。在数字内容孪生的基础上，从现实世界实现对虚拟数字世界中内容的控制和修改，同时利用数字世界高效率仿真和低成本试错的优势，为现实世界的应用提供快速迭代能力。三是智能数字内容创作，其主要目标是让人工智能算法具备内容创作和自我演化的能力，形成的AIGC产品具备类似甚至超越人的创作能力。以上三个层面的能力共同构成AIGC的能力闭环。 从应用价值方面来看，AIGC将有望成为数字内容创新发展的新引擎，为数字经济发展注入全新动能。一方面，AIGC能够以优于人类的制造能力和知识水平承担信息挖掘、素材调用、复刻编辑等基础性机械劳动，从技术层面实现以低边际成本、高效率的方式满足海量个性化需求；同时能够创新内容生产的流程和范式，为更具想象力的内容、更加多样化的传播方式提供可能性，推动内容生产向更有创造力的方向发展。另一方面，AIGC能够通过支持数字内容与其他产业的多维互动、融合渗透从而孕育新业态新模式，打造经济发展新增长点，为千行百业发展提供新动能。此外，2021年以来，“元宇宙”呈现出超出想象的发展爆发力；作为数实融合的“终极”数字载体，元宇宙将具备持续性、实时性、可创造性等特征，也将通过AIGC加速复刻物理世界、进行无限内容创作，从而实现自发有机生长。 二、人工智能生成内容的技术体系及其演进方向 AIGC作为人工智能技术和产业应用的要素之一，随着技术能力的不断迭代升级，正在降低内容创作门槛、释放创作能力，未来将推动数实融合趋势下内容创作的范式转变。探讨其能力体系的构成，即赋能内容创作的技术路径，对制定领域内标准、建立行业生态、争取更加广泛的开发者和应用场景具有十分重要的意义。 本部分从技术驱动的视角出发，对AIGC的能力体系进行归纳和推理，展示现有技术应用和其背后技术演化整体进程。第一节首先从技术趋势的角度，提出AIGC的技术创新已经完成由传统方法向深度学习过渡的应用创新阶段，并逐步深化到学习范式和网络结构方面的理论创新阶段。第二节则重点分析前沿理论多模态大模型方面的突破，让AIGC进行跨模态融合性创新成为可能，也给予了AIGC前所未有的产业空间与实践潜力。第三节进一步归纳总结在前沿技术驱动下，AIGC赋能内容创作的三大能力，并对三大能力的技术演化路径进行展望。 （一）AIGC技术升级步入深化阶段 人工智能算法的不断迭代是AIGC发展进步的源动力，从技术演进的角度出发，可将AIGC技术可大致划分为传统基于模板或规则的前深度学习阶段和深度神经网络快速发展的深度学习阶段。 早期的AIGC技术