口腔医院宣传攻略：如何提升广告业务？

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>谷(gu)歌(ge)又(you)炫(xuan)技(ji)：派(pai)個(ge)AI，幫(bang)科(ke)幻(huan)大(da)師(shi)劉(liu)宇(yu)昆(kun)把(ba)小(xiao)說(shuo)寫(xie)了(le)

新(xin)智(zhi)元(yuan)報(bao)道(dao)

來(lai)源(yuan)：矽(gui)星(xing)人(ren)（杜(du)晨(chen) VickyXiao）

編(bian)輯(ji)：好(hao)困(kun)

【新智元導(dao)讀(du)】近(jin)幾(ji)年(nian)科技行(xing)業(ye)瘋(feng)狂(kuang)加(jia)註(zhu)超(chao)大規(gui)模(mo)語(yu)言(yan)模型(xing)，壹(yi)个最(zui)主(zhu)要(yao)的(de)成(cheng)果(guo)就(jiu)是(shi)「人工(gong)智能(neng)創(chuang)造(zao)內(nei)容(rong)」(AIGC) 技術(shu)突(tu)飛(fei)猛(meng)進(jin)。

兩(liang)年前(qian) OpenAI 通(tong)過(guo) GPT-3 模型展(zhan)示(shi)了大语言模型的多(duo)樣(yang)化(hua)實(shi)力(li)。而(er)最近各(ge)種(zhong) AI 基(ji)於(yu)文(wen)字(zi)提(ti)示生(sheng)成圖(tu)片(pian)的產(chan)品(pin)，更(geng)是數(shu)不(bu)勝(sheng)数。

有(you)趣(qu)的是，今(jin)年以(yi)来 AIGC 的風(feng)頭(tou)基本(ben)都(dou)被(bei)Stable Diffusion、Craiyon、Midjourney等(deng)「小玩(wan)家(jia)」給(gei)搶(qiang)了——像(xiang)谷歌這(zhe)样的 AI 巨(ju)头，反(fan)而沒(mei)怎(zen)麽(me)見(jian)動(dong)靜(jing)。

但(dan)其(qi)实谷歌並(bing)没有「躺(tang)平(ping)」。

臨(lin)近年底(di)，在(zai)11月(yue)2日(ri)早(zao)上(shang)，谷歌終(zhong)于放(fang)出(chu)了大招(zhao)。这家在 AI 研(yan)究(jiu)上最久(jiu)負(fu)盛(sheng)名(ming)的硅谷巨头，居(ju)然(ran)一鼓(gu)作(zuo)氣(qi)發(fa)布(bu)了四(si)項(xiang)最新的 AIGC 技术成果，能夠(gou)根(gen)據(ju)文本提示生成：

高(gao)分(fen)辨(bian)率(lv)長(chang)視(shi)頻(pin)

3D模型

音(yin)樂(le)

代(dai)碼(ma)

以及(ji)可(ke)控(kong)文本生成技术。

「用(yong) AI 賦(fu)能的生成式(shi)模型，具(ju)有釋(shi)放创造力的潛(qian)能。通过这些(xie)技术，来自(zi)不同(tong)文化背(bei)景(jing)的人們(men)都可以更方(fang)便(bian)地(di)使(shi)用图像、视频和(he)設(she)計(ji)来表(biao)達(da)自己(ji)，这在以前是無(wu)法(fa)做(zuo)到(dao)的，」谷歌 AI 负責(ze)人 Jeff Dean 说道。

他(ta)表示，經(jing)过谷歌研究人員(yuan)的不懈(xie)努(nu)力，現(xian)在公(gong)司(si)不僅(jin)擁(yong)有在生成質(zhi)量(liang)方面(mian)在行业領(ling)先(xian)的模型，還(hai)在这些模型基礎(chu)上取(qu)得(de)了进一步(bu)创新。

这些创新，包(bao)括(kuo)「超分辨率的视频序(xu)列(lie)擴(kuo)散(san)模型」——也(ye)即(ji)將(jiang)AI「文生图」扩展到「文生视频」，并且(qie)仍(reng)然確(que)保(bao)超高清(qing)晰(xi)度(du)。

以及AudioLM，一个无需(xu)文字和音乐符(fu)號(hao)訓(xun)練(lian)，仅通过聆(ling)聽(ting)音频样本，就可以繼(ji)續(xu)生成填(tian)補(bu)乐曲(qu)的音频模型。

從(cong)生成文字，到生成代码、音频、图片、视频和3D模型，谷歌似(si)乎(hu)正(zheng)在證(zheng)明(ming) AIGC 技术的能力还遠(yuan)未(wei)达到邊(bian)界(jie)，并且大有用武(wu)之(zhi)地。

接(jie)下(xia)来，一起(qi)好好看(kan)看谷歌这次(ci)都放了哪(na)些大招。

AI 写作助(zhu)手(shou)，深(shen)受(shou)刘宇昆喜(xi)愛(ai)？

说实話(hua)，看到谷歌做了一款(kuan) AI 写作工具的時(shi)候(hou)，硅星人是略(lve)微(wei)有點(dian)擔(dan)心(xin)失(shi)业的……

但是了解(jie)了關(guan)于这款工具更多的情(qing)況(kuang)之後(hou)，这种心情更多地轉(zhuan)化成了欣(xin)慰(wei)。

我(wo)们一直(zhi)在強(qiang)調(tiao)AI背后的「大语言模型」技术背景。而谷歌推(tui)出的 LaMDA Wordcraft，就是这样一款将语言模型核(he)心功(gong)能发揮(hui)到極(ji)致(zhi)的技术

LaMDA Wordcraft 是在 LaMDA 大语言模型的基础上開(kai)发了一个写作協(xie)助工具，是谷歌大腦(nao)團(tuan)隊(dui)、PAIR（People + AI Research）团队，以及 Magenta 音频生成项目(mu)組(zu)的合(he)作結(jie)晶(jing)。

它(ta)的作用，是在创作者(zhe)写作的过程(cheng)當(dang)中(zhong)，根据现有的文本产生新的想(xiang)法，或(huo)者帮助重(zhong)写已(yi)有文句(ju)，从而帮助创作者突破(po)「创作瓶(ping)頸(jing)」 (writer's block)。

Wordcraft 用戶(hu)界面

LaMDA 本身(shen)的设计功能很(hen)簡(jian)單(dan)：给定(ding)一个单詞(ci)，預(yu)測(ce)下一个最有可能的单词是什(shen)么，也可以理(li)解成完(wan)形(xing)填空(kong)或者句子(zi)补完。

但是有趣的是，因(yin)為(wei) LaMDA 的模型规模和训练数据量实在是太(tai)大了（来自于整(zheng)个互(hu)聯(lian)網(wang)的文本），以至(zhi)于它獲(huo)得了一种「潜意(yi)識(shi)」的能力，可以从语言中學(xue)習(xi)很多更高層(ceng)次的概(gai)念(nian)——而正是这些高层次概念，對(dui)于创作者的工作流(liu)程能够帶(dai)来非(fei)常(chang)大的帮助。

谷歌在 Wordcraft 用户界面中设计了多种不同的功能，能够讓(rang)创作者自己调整生成文本的风格(ge)。「我们喜歡(huan)把 Wordcraft 比(bi)喻(yu)成『魔(mo)法文字编辑器(qi)』，它有著(zhe)熟(shu)悉(xi)的网頁(ye)编辑器的样子，背后卻(que)集(ji)成了一系(xi)列 LaMDA 驅(qu)动的强大功能，」谷歌网页如(ru)是写道。

妳(ni)可以用 Wordcraft 重写语句，也可以让他把调節(jie)你的原(yuan)始(shi)文本从而「更有趣」(to be funnier) 或者「更憂(you)郁(yu)」 (to be more melancholy) 一点。

在过去(qu)一年时間(jian)裏(li)，谷歌舉(ju)行了一个「Wordcraft 作家研討(tao)會(hui)」的合作项目，找(zhao)来了13位(wei)專(zhuan)业作家和文字创作者进行了长期(qi)深入(ru)的合作，让他们在自己的创作过程中借(jie)助 Wordcraft 编辑器来创作短(duan)篇(pian)小说。

值(zhi)得注意的是，知(zhi)名科幻作家刘宇昆（熱(re)劇(ju)《萬(wan)神(shen)殿(dian)》背后的小说作者、《三(san)體(ti)》英(ying)文版(ban)譯(yi)者）也參(can)與(yu)了这一项目。

他在写作过程中遇(yu)到了一个場(chang)景，需要描(miao)述(shu)在商(shang)店(dian)里擺(bai)放的各种商品——过去此(ci)類(lei)写作細(xi)节比較(jiao)容易(yi)打(da)亂(luan)写作思(si)路(lu)，但刘宇昆通过 Wordcraft 的帮助可以直接生成一个列表，节約(yue)了自己的脑容量，可以专心去写对故(gu)事(shi)更重要的東(dong)西(xi)。

而在另(ling)一个场景中，他发现自己的想象(xiang)力被限(xian)制(zhi)了，一直在重復(fu)熟悉的概念。于是他将「主动權(quan)」交(jiao)给了 LaMDA，让它来开头，「这样就能够逼(bi)迫(po)我探(tan)索(suo)一些从未想到过的可能性(xing)，发现新的写作靈(ling)感(gan)。」

你可以在 Wordcraft Writers Workshop 的官(guan)方页面（閱(yue)读原文按(an)鈕(niu)）中找到刘宇昆在 Wordcraft 帮助下撰(zhuan)写的短篇小说 Evaluative Soliloquies。順(shun)便，他还借用 Imagen 为小说生成了几張(zhang)插(cha)图：

超长、連(lian)貫(guan)性视频的生成，终于被攻(gong)破了？

大家对于 AI 文字生成图片應(ying)該(gai)都不算(suan)陌(mo)生了。最近一年里，有 DALL·E 2、Midjourney、Stable Diffusion、Craiyon（不分先后）等知名产品問(wen)世(shi)；而谷歌也有自己的AI 文字转图片模型，并且一做就是两个：Imagen（基于大预言模型和行业流行的扩散模型），和Parti（基于谷歌自家的 Pathways 框(kuang)架(jia)）。

盡(jin)管(guan)今年 AIGC 的热鬧(nao)都被 Stable Diffusion 这些炸(zha)子雞(ji)给抢光(guang)了，低(di)调沈(chen)穩(wen)的谷歌并没有躺平。

当其他人都似乎「階(jie)段(duan)性」滿(man)足(zu)于用文字提示做小图片时，谷歌其实已经在加速(su)往(wang)前沖(chong)了：它比任(ren)何(he)人都更早进入了「文字生成高分辨率视频」，这一从未被探索过的复雜(za)技术领域(yu)。

「生成高分辨率，且在时间上连贯的视频，是非常困難(nan)的工作，」Google Research 高級(ji)研究總(zong)監(jian) Douglas Eck 表示。

「不过好在，我们最近有两项研究，Imagen Video 和 Phenaki，可以解決(jue)视频生成的问題(ti)。」

你可以这样理解：文字转图片就是根据一段文字提示来生成一张（或者多张平行的图片），而 Imagen Video 和 Phenaki 是可以根据多條(tiao)文字提示，来生成在时序上连贯的多张照(zhao)片——也就是视频。

具体来说，Imagen Video 是通过文本生成图像的扩散模型，能够生成具有前所(suo)未有真(zhen)实度的高清畫(hua)面；同时由(you)于建(jian)立(li)在基于 Transformer 技术的大规模语言模型上，它也具備(bei)极强的语言理解能力。

而 Phenaki 則(ze)是完全(quan)通过大语言模型，在时序上不斷(duan)生成 token 的方式来生成视频。它的優(you)勢(shi)在于能够生成极长（数分鐘(zhong)）的视频，且画面的邏(luo)辑和视覺(jiao)连贯性更强。

两者结合，强强联手，就得到了这样一条清晰度高，视觉和逻辑上也更加连贯的视频：

原视频总长1分钟左(zuo)右(you)，此版本有所加快(kuai) 视频来源：Google Research

附(fu)：采(cai)用的文字提示

一个藍(lan)色(se)的气球(qiu)插在紅(hong)杉(shan)樹(shu)的树枝(zhi)上

鏡(jing)头从掛(gua)着蓝色气球的树上移(yi)到动物(wu)園(yuan)門(men)口(kou)

镜头快速移动到动物园内

第(di)一人稱(cheng)视角(jiao)：在一个美(mei)麗(li)的花(hua)园内飞行

长颈鹿(lu)的头从旁(pang)边冒(mao)出来

长颈鹿走(zou)向(xiang)一棵(ke)树

放大长颈鹿的嘴(zui)

长颈鹿靠(kao)近树枝，拿(na)起一个蓝色的气球

一个带白(bai)線(xian)的蓝色气球向长颈鹿的头部(bu)飞去

长颈鹿在附近咀(ju)嚼(jiao)蓝气球镜头

隨(sui)着单个蓝气球的飞走而向上傾(qing)斜(xie)

「说句实在话，这个项目不是我做的，但我觉得它真的非常令(ling)人驚(jing)訝(ya)。」Eck 表示，这项技术最强大之處(chu)，就在于可以使用多条文字提示组成的序列，来生成超高清晰度的视频，带来一种全新的故事講(jiang)述的能力。

「当然，AI 视频生成技术还处在繈(qiang)褓(bao)阶段，我们非常期待(dai)跟(gen)更多影(ying)视专业人士(shi)以及视觉内容创作者合作，看他们会如何使用这项技术。」

无参考(kao)音频生成

早年 OpenAI 发布 GPT 初(chu)代模型的論(lun)文標(biao)题很经典(dian)：「Language models are few-shot learners」，点出了大语言模型在极少(shao)量样本的基础上，就可以在多种自然语言处理类任務(wu)上展现出强大的能力——同时，这个标题预言了今后更强大的大语言模型，能够做到更多更厲(li)害(hai)的事情。

而今天(tian)，谷歌展示的 AudioLM 純(chun)音频模型就驗(yan)证了这一预言。

图片来源：Google Research

AudioLM 是一个具备「长期连贯性」的高质量音频生成框架，不需要任何文字或音乐符号表示的情况下，只(zhi)在极短（三四秒(miao)即可）的音频样本基础上进行训练，即可生成自然、连贯、真实的音频结果，而且不限语音或者音乐。

用 AudioLM 生成的语句，在句法和语義(yi)上仍然保持(chi)了较高的可信(xin)度和连贯性，甚(shen)至能够延(yan)续样本中说话人的语气。

更厉害的是，这个模型最初没有用任何音乐数据进行训练，结果却十(shi)分惊人：能够从任何乐器或乐曲錄(lu)音中进行自动「续写」——这一事实，再(zai)一次展现出了大语言模型的真正实力。

下面的音频是一段20秒左右的鋼(gang)琴(qin)曲，先听听感受一下：

实際(ji)上只有前4秒是给到模型的提示，后面都是 AudioLM自己「补完」的。而且也只有这一段4秒的音频样本，没有「钢琴」、「进行曲」等之类的专业文字提示作为补充(chong)。

「你不需要给它提供(gong)整段乐曲来学习，只要给它一小段，就能直接在音乐的空间里开始续写——任何的音频片段都可以，无论是音乐还是语音。」Eck 表示，这种无参考的音频生成能力，早已超出了人们曾(zeng)经对于 AI 创作能力的認(ren)知边界。

其他 AIGC 技术、产品

除(chu)了上述新技术之外(wai)，谷歌还宣(xuan)布了在其他内容格式上的 AI 内容生成技术。

比如，在二(er)維(wei)的图片/视频基础上，谷歌还让文字转 3D 模型成为了现实。通过结合 Imagen 和最新的神经輻(fu)射(she)场 (Neural Radiance Field) 技术，谷歌开发出了DreamFusion 技术可以根据现有的文字描述，生成在具有高保真外觀(guan)、深度和法向量的 3D 模型，支(zhi)持在不同光照条件(jian)下进行渲(xuan)染(ran)。

图片来源：DreamFusion: Text-to-3D using 2D Diffusion (dreamfusion3d.github.io)

以及，谷歌在今年 I/O 大会上面向公眾(zhong)推出的嘗(chang)鮮(xian)应用 AI Test Kitchen，也将在近期更新加入 LaMDA 模型创新所解鎖(suo)的新功能。比如「城(cheng)市(shi)夢(meng)想家」 (City Dreamer) 来用文字命(ming)令建造主体城市，或者「Wobble」来创造会扭(niu)动的卡(ka)通形象等。

用户可以在对应系統(tong)的应用商城中下載(zai) AI Test Kitchen，并且前往谷歌网站(zhan)申(shen)請(qing)测試(shi)資(zi)格，实测審(shen)批(pi)速度挺(ting)快。

AI Test Kitchen 支持 iOS 和 Android 系统

「我们在神经网絡(luo)架構(gou)、機(ji)器学习算法和应用于机器学习的硬(ying)件新方法方面取得的进展，帮助 AI 为数十億(yi)人解决了重要的现实问题，」Jeff Dean 表示。

「更多的进展即将到来。我们今天分享(xiang)的是对未来充满希(xi)望(wang)的願(yuan)景：AI 正让我们重新想象技术如何能够带来帮助。」

原文鏈(lian)接：

https://mp.weixin.qq.com/s/HyzC4JvZNltgdhj0G8RzDw

参考资料(liao)：

https://wordcraft-writers-workshop.appspot.com/stories/ken-liu返(fan)回(hui)搜(sou)狐(hu)，查(zha)看更多

责任编辑：