Як AIGC стає рушієм продуктивності Web3: повний аналіз від технічних проривів до комерційної реалізації

Штучний інтелект, що генерує контент (AIGC), стає одним із найреволюційніших інструментів продуктивності в цифрову епоху. З 2022 року світова технологічна спільнота свідчить про вибуховий ріст цієї галузі, появу низки єдинорогів та залучення мільярдних інвестицій, що підтверджують величезний потенціал нової траєкторії AIGC. З поступовим просуванням у епоху Web3, AIGC має не лише виконувати роль у виробництві контенту, а й стати ключовим двигуном для зв’язку віртуального та реального світу та підвищення цифрової економіки.

За лаштунками вибуху AIGC: одночасне зростання технологічних досягнень і ринкових можливостей

Перший рівень венчурних інвесторів у Кремнієвій долині вже спрямований на область генеративного ШІ, зокрема на сегмент AI-мистецтва. За останні кілька років кілька нових компаній швидко піднялися до статусу єдинорогів, їхня оцінка перевищила 1 мільярд доларів, привертаючи увагу провідних інвестиційних фондів, таких як Sequoia Capital США, Coatue, Lightspeed Venture Partners.

Формування цієї хвилі AIGC зумовлене трьома основними факторами: по-перше, безперервна еволюція алгоритмів глибокого навчання забезпечує технічну підтримку; по-друге, стрімке зростання попиту на контент у сферах коротких відео, ігор, реклами; по-третє, цей сегмент ще перебуває на ранніх стадіях, хоча великі технологічні компанії мають частковий вплив, стартапи все ще мають можливість прориватися у вертикальних нішах.

Зі входом у епоху Web3.0 поєднання штучного інтелекту, зв’язаної даних та семантичних мереж формуватиме повний зв’язок між людиною і машиною. Традиційні підходи PGC (професійний контент) і UGC (контент, створений користувачами) вже не здатні задовольнити швидко зростаючий попит. З’являється AIGC — третя сила у виробництві контенту, яка революціонізує структуру коротких відео, ігор, реклами та інших галузей.

Розуміння AIGC: від обробки природної мови до генеративних алгоритмів — повний огляд технологій

Обробка природної мови: міст між людиною і машиною

З’явлення обробки природної мови (NLP) ознаменувало кардинальні зміни у способах взаємодії людини з комп’ютером. Вона поєднує лінгвістику, інформатику і математику, дозволяючи машинам розуміти природну мову, витягати інформацію, автоматично перекладати та аналізувати її. Це великий прорив у розвитку AI — до появи NLP люди спілкувалися з комп’ютерами через фіксовані команди.

Історично, у 1950 році Алан Тьюрінг у своїй статті «Обчислювальні машини і інтелект» запропонував знаменитий «Тест Тьюринга», що включає автоматичний семантичний переклад і генерацію природної мови. Після цього NLP розділилася на два основних напрями:

Розуміння природної мови (NLU) — прагне надати комп’ютерам здатність розуміти людську мову на рівні людини. Оскільки природна мова багатозначна, має омонімію і залежить від контексту, це створює багато викликів. Розвиток NLU пройшов шлях від правилових підходів до статистичних і, нарешті, до глибокого навчання.

Генерація природної мови (NLG) — перетворює немовний формат даних у зрозумілу людині природну мову, наприклад, для написання статей, створення звітів. Спочатку NLG базувалася на шаблонах, потім перейшла до шаблонно-орієнтованих систем, а зараз — до високорівневих систем, що дозволяють машинам розуміти наміри, враховувати контекст і створювати природні, плавні описи.

Технології NLP широко застосовуються у чотирьох основних сферах: аналіз настроїв допомагає швидко визначати громадську думку; чат-боти стають цінними з поширенням розумних домашніх пристроїв; розпізнавання голосу робить взаємодію з машиною природнішою; переклад з високою точністю підтримує мультимовний відеоконтент.

Ключовий технологічний прорив — еволюція нейронних мереж. У 2017 році Google представила модель Transformer, яка поступово витіснила рекурентні нейронні мережі (RNN, зокрема LSTM), ставши основним рішенням у NLP. Паралельна обробка Transformer дозволила тренувати на великих датасетах, що сприяло створенню моделей BERT, GPT і подібних, тренованих на величезних корпусах, таких як Wikipedia, Common Crawl, і здатних до тонкого налаштування під конкретні задачі.

Генеративні алгоритми: від GAN до дифузійних моделей

Головний драйвер AIGC — прориви у генеративних алгоритмах. Основні моделі включають генеративні змагальні мережі (GAN), варіаційні автокодери (VAE), нормалізовані потоки (NFs), авторекурсивні моделі (AR) і дифузійні моделі (Diffusion Model).

Генеративні змагальні мережі (GAN) — запропоновані Іаном Гудфеллоу у 2014 році, вони базуються на протистоянні двох мереж: генератора і дискримінатора. Генератор створює «фальшиві» дані, намагаючись обдурити дискримінатор, а дискримінатор намагається відрізнити справжнє від підробленого. Обидві мережі змагаються і вдосконалюються, поки не досягнуть балансу.

Переваги GAN — здатність моделювати складні розподіли даних без складних обчислень варіаційних нижніх меж. Недоліки — складність тренування, нестабільність, ризик «режиму колапсу», коли генератор починає повторювати одні й ті ж зразки.

Дифузійні моделі — новий напрямок у генеративних алгоритмах. Вони імітують людське сприйняття: шляхом поступового додавання гаусівського шуму руйнують дані, а потім навчаються відновлювати їх у зворотному процесі. Після тренування, щоб згенерувати новий зразок, достатньо подати випадковий шум у навчений процес «очищення».

Порівняно з GAN, дифузійні моделі мають переваги: вищу якість згенерованих зображень, відсутність протистояння, кращу масштабованість і паралельність. Саме тому вони стають основою наступного покоління моделей для створення зображень.

Наприклад, DALL-E може безпосередньо створювати зображення за текстовим описом — раніше це було лише у людській уяві. Механізм роботи: користувач вводить текст, система через текстовий кодувальник перетворює його у простір зображень, потім за допомогою «заставного» моделювання проектує у простір зображень і, нарешті, за допомогою зображувального кодувальника генерує візуальне зображення, що відповідає семантиці. Цей процес дуже схожий на людське уявлення.

Поточний провідний текстовий кодувальник — модель CLIP від OpenAI, тренована на 4 мільярдах високоякісних англомовних пар «зображення-текст». Це створює виклик: великі датасети з високоякісними англомовними парними даними переважно англійською, інші мови потребують перекладу, що ускладнює точність і культурну релевантність. Навіть при використанні відкритих функцій CLIP, результати тренування на різних мовних базах суттєво відрізняються. За даними індустрії, для відтворення ефекту CLIP потрібно понад 2 мільярди пар.

Обчислювальні ресурси: основа AIGC

Крім алгоритмічних проривів, важливу роль відіграє апаратне забезпечення. Тренування і генерація вимагають величезних обчислювальних ресурсів. Зазвичай використовують високопродуктивні GPU, наприклад, NVIDIA A100. Так, для роботи Stable Diffusion потрібно понад 4000 таких GPU, що коштує понад 50 мільйонів доларів. З поширенням застосувань AIGC зростає і попит на обчислювальні ресурси, а в умовах експортних обмежень на високотехнологічні чипи — з’являються можливості для внутрішнього ринку.

Текст, зображення, відео, код: як AIGC змінює виробництво контенту

Текстове створення: перший крок до монетизації

Застосування AIGC у текстовій сфері вже досить зріле. Jasper — класичний приклад: ця компанія, заснована у 2021 році, за два роки залучила 125 мільйонів доларів інвестицій, її оцінка зросла до 1,5 мільярда, а клієнтська база налічує понад 70 тисяч компаній, включаючи Airbnb, IBM.

Основна функція Jasper — швидко генерувати різноманітний контент за допомогою AI: SEO-оптимізовані блоги, пости у соцмережах, рекламні тексти, маркетингові листи. Користувачі вводять короткий опис і вимоги, система автоматично збирає релевантні дані і створює контент за командою. За даними компанії, у 2021 році доходи Jasper склали 40 мільйонів доларів, а прогнозовані — до 90 мільйонів.

Ці сервіси зазвичай працюють за моделлю SaaS, пропонуючи сотні шаблонів для швидкого створення контенту, що значно підвищує продуктивність.

Зображення: демократизація мистецтва

З появою платформ MidJourney, DALL-E знизилася планка входу у цифрове мистецтво. Користувачі вводять текстовий опис, і система автоматично створює оригінальні зображення. Логіка така: NLP визначає семантику, перетворює її у машинний код, поєднує з базою даних (зазвичай з авторськими матеріалами або зібраними з інтернету), і створює новий твір.

Оскільки згенеровані зображення вважаються AI-створеними, це зменшує ризики порушення авторських прав і широко застосовується у медіа, соцмережах і контент-індустрії. Деякі автори вже створюють матеріали за допомогою AIGC і монетизують їх через власні канали.

Нещодавно Shutterstock уклав партнерство з OpenAI і почав продавати ексклюзивні зображення, створені DALL-E, що свідчить про перехід AI-генерації з периферії у мейнстрім бізнесу.

Крім малювання, AIGC підтримує перетворення тексту у зображення і навпаки, що має практичне значення у патентуванні, технічній документації тощо.

Відео: від коротких до довгих

Застосування AIGC у відео відкриває ще ширші можливості. Модель Phenaki від Google здатна створювати відео різної тривалості за текстовим описом. Вона орієнтована на довгі відео, у порівнянні з Imagen Video, що фокусується на коротких роликах. У деяких демонстраціях, за кілька хвилин, можна отримати логічно послідовне відео на основі кількох сотень слів.

Майбутні застосування включають автоматичне створення віртуальних акторів, що значно покращить природність рухів і виразів. У сферах спорту, фінансів вже можна генерувати короткі ролики за текстовими сценаріями з використанням віртуальних персонажів.

Аудіо: від помічників до креативних інструментів

Аудіо AIGC вже давно інтегроване у повсякденне життя. Навігаційні системи можуть озвучувати підказки голосами зірок або мультяшних персонажів — для цього використовують попередньо записані голоси і тренують системи для відтворення будь-якого тексту цим голосом. Користувачі можуть навіть створювати власні голосові пакети.

Глибше застосування — у сфері віртуальних персонажів: AI може створювати голоси і репліки для віртуальних героїв, надаючи їм здатність до самовираження і характеру, близького до людського.

Геймдев: контент і зниження витрат

У розробці ігор AIGC застосовується у двох напрямках: автоматичне створення сцен і сюжетів, а також інструменти для гравців. Відкриті світи стають ще більш динамічними завдяки швидкому генеруванню локацій і NPC, що знижує витрати і прискорює розробку. Також гравці отримують можливість створювати власних персонажів і внутрішньоігровий контент через AIGC-платформи.

Компанії, як Delysium, вже впроваджують такі функції, що відкриває шлях до персоналізованих сюжетів і квестів, створюючи новий рівень ігрового занурення.

Кодогенерація: інтелектуальний помічник для розробників

GitHub Copilot — це інструмент автоматичного написання коду, створений у співпраці GitHub і OpenAI. Він пропонує рекомендації на основі іменування, контексту редагування і тренується на мільярдах рядків відкритого коду. Це вже став незамінним інструментом для підвищення продуктивності розробників.

Основні виклики і технологічні обмеження AIGC

Незважаючи на успіхи, у точності і якості генерації залишаються проблеми. У зображеннях, наприклад, складні деталі і реалістичність людських рис ще не ідеальні. Основні проблеми:

Недосконалість деталей: очі, руки і дрібні елементи часто мають неточності, що свідчить про обмеження у точності відтворення дрібних характеристик.

Помилки у просторі: при описах з кількома об’єктами (наприклад, «жінка і кіт») системи іноді неправильно визначають розташування або кількість.

Різниця у якості між платформами: одна й та сама команда може давати різні результати залежно від платформи, що свідчить про різну якість моделей і тренувальних даних.

Глибокі причини цих проблем — це:

1. Обмеження у розумінні мови: сучасні NLP ще мають труднощі з обробкою складних просторових і багатокомпонентних описів, що впливає на точність генерації.

2. Обмеженість тренувальних даних: більшість моделей тренуються на англомовних датасетах, що мають понад 4 мільярди пар «текст-зображення». Інші мови мають менше високоякісних даних, і їх переклад — складний процес, що може призводити до втрат семантики і культурних нюансів. За даними індустрії, для досягнення ефекту CLIP потрібно понад 20 мільярдів пар.

3. Вибір алгоритмів: різні генеративні моделі дають різні результати, що залежить від їхньої архітектури і тренувальних даних.

4. Якість датасетів: від її обсягу, відповідності стандартам і стилю залежить кінцевий результат.

Щоб AIGC став ефективним у бізнесі, потрібно подальше просування у галузях NLP, перекладу, генеративних алгоритмах і підвищення якості датасетів.

Майбутні три опори розвитку AIGC: великі моделі, великі дані, великі обчислювальні ресурси

З урахуванням існуючих обмежень, основні напрямки розвитку AIGC стають зрозумілими:

Постійне вдосконалення великих моделей

Об’єднання моделей на основі природної мови з високоякісними датасетами — фундамент для AIGC. Наприклад, OpenAI тренує модель CLIP на 4 мільярдах англомовних пар. У майбутньому активно досліджують створення спеціалізованих моделей для різних мов і задач, що дозволить підвищити точність і знизити витрати.

Збір і управління великими даними

Якість і обсяг датасетів визначають успіх AIGC. У майбутньому зросте попит на масштабовані, легальні, стилістично орієнтовані набори даних. Особливу увагу приділятимуть створенню високоякісних датасетів для мов, що не англійські.

Інфраструктура обчислювальних ресурсів

Обчислювальна потужність — це новий «владний» ресурс у цифровій епосі AIGC. Компанії, окрім використання хмарних сервісів, можуть створювати власні кластери. Враховуючи експортні обмеження на високотехнологічні чипи, внутрішній ринок для національних процесорів зростатиме.

Інвестиційні можливості AIGC: програмне забезпечення, апаратне забезпечення і датасети

З погляду інвестицій, цінність AIGC поділяється на три рівні:

Програмне забезпечення: NLP-технології і генеративні моделі, зокрема компанії Google, Microsoft, iFlytek, Turing.

Алгоритми і моделі: Meta, Baidu, BlueFocus, Visual China, Kunlun Wanwei — ті, що володіють передовими алгоритмами або мають якісні ресурси.

Апаратне забезпечення: Lanqi Tech, ZTE, NewEverse, Tanfeng, Baoxin Software, Zhongji Xuchuang — виробники процесорів і інфраструктури.

Дані: високоякісні датасети — ключ до задоволення потреб метавсесвіту і Web3. Попит на легальні, високоякісні дані швидко зростатиме, відкриваючи нові інвестиційні можливості.

Етапи розвитку і перспективи AIGC

В індустрії вважають, що AIGC пройде три етапи:

Помічник: AIGC допомагає людині у створенні контенту, підвищуючи продуктивність.

Співпраця: AIGC у вигляді віртуальних персонажів співпрацює з людьми, створюючи симбіоз, де людське і машинне творче начало працюють разом.

Оригінальність: AIGC самостійно створює високоякісний контент, стаючи незалежним суб’єктом творчості.

З просуванням цих етапів, AIGC здатен кардинально змінити існуючі моделі виробництва контенту, створюючи високоякісні оригінальні матеріали у десятки і сотні разів швидше і дешевше.

Ризики і регуляторні виклики у розвитку

Швидкий розвиток AIGC супроводжується ризиками:

Технічні ризики: технології можуть розвиватися повільніше за очікування, особливо у сфері апаратного забезпечення (суперкомп’ютери, чипи), що може стримувати галузь.

Регуляторні ризики: наразі правова база ще не сформована. Можуть з’явитися закони щодо авторських прав, етики, відповідальності за AI-генерований контент. Відсутність регулювання — і ризики, і можливості для створення стандартів.

Враховуючи невирішені питання з правовим регулюванням і етикою, високоякісні і легальні датасети стануть ключовими для тренування моделей і створення контенту. Компанії мають одночасно інвестувати у технології і у правову і етичну базу.

Висновок: майбутнє інтеграції AIGC і Web3

Від PGC до UGC і далі — шлях еволюції контенту. AIGC не лише здатен подолати людські можливості у створенні контенту, а й стане рушієм розвитку Web3. Повне поєднання великих моделей, великих даних і обчислювальних ресурсів відкриє нову еру у цифровій економіці.

Для інвесторів стратегія — зосередитися на розгортанні програмного і апаратного забезпечення, а також на створенні високоякісних датасетів. Стартапам — унікальні вертикальні і диференційовані застосунки. Для звичайних користувачів — AIGC поступово стане невід’ємною частиною щоденної роботи і творчості, підвищуючи продуктивність.

У найближчі десять років інтеграція AIGC з Web3, блокчейном і віртуальними персонажами визначить траєкторію розвитку всієї цифрової економіки.