AIGC在设计行业应用中的挑战与策略.pdf
《AIGC在设计行业应用中的挑战与策略.pdf》由会员分享,可在线阅读,更多相关《AIGC在设计行业应用中的挑战与策略.pdf(10页珍藏版)》请在咨信网上搜索。
1、 51 0 引言AIGC 通过训练模型和大量数据学习,根据输入的条件或指导,自动生成与之相关的内容,在设计行业已有所应用。当下,AIGC 技术出现在广告设计、动画设计、游戏设计等多场景中,未来 AIGC 在设计行业中的应用场景广阔,但目前 AIGC 仍面临技术成熟度不足、版权归属争论等问题。准确识别 AIGC 技术在应用中的困难与挑战,探究技术、版权和伦理挑战方面的应对策略,推动 AIGC 在设计领域中应用赋能,以新智能新技术激活产业效能,对促进 AIGC 在设计领域的应用和发展具有重要现实意义。1 AIGC 发展历程与应用1.1 AIGC 定义与发展历程简述AIGC 是继专业生成内容(Pro
2、fessional Generated Content,PGC)和用户生成内容(User Generated Content,UGC)后利用人工智能技术生成内容的新型生产方AIGC 在设计行业应用中的挑战与策略文/徐畅1,2,杜欣泽1,2,于凯迪1,2(中国电子信息产业发展研究院,北京 100048;赛迪顾问股份有限公司,北京 100048)摘要:随着ChatGPT的火爆出圈,能够自动生成文本、图像、音频、视频的人工智能生成内容(AI Generated Content,AIGC)引起学术界和产业界的广泛关注。AIGC 领域的进步将改变人类的工作与生活方式,特别是设计行业从业者将大幅提升内容生
3、成类工作的效率。本文以综述的形式,简述了 AIGC 的发展历程,介绍了 AIGC 在设计行业的实际应用,同时阐释了 AIGC 在应用中面临的问题与挑战,并提出了解决方法与应对策略,以期促进 AIGC 在设计领域的应用与发展。未来,AIGC 将成为设计内容生成领域的重要形式,将在包括设计在内的多个行业广泛应用。关键词:AIGC;技术成熟度;数字版权;伦理问题中图分类号:TP181;D923.4 文献标志码:A 文章编号:2096-5036(2023)04-0051-10DOI:10.16453/j.2096-5036.2023.04.006AIGC 在设计行业应用中的挑战与策略 52 专题:AI
4、GCAI-VIEW2023 年第 4 期式1。早期,AIGC 主要用于辅助生成固定模板的内容,多运用于专业任务场景,如影视、娱乐、建模等。2014 年,Goodfellow 等提出基于对抗学习的生成模型生成对抗网络 GAN(Generative Adversarial Network)2;2021 年,Radford 等提出能够有效学习视觉特征,实现多模态预训练的算法 CLIP(Contrastive Language-Image Pre-Training)3;2022 年,Ho 等利用前向扩散过程和反向生成过程实现图文生成的扩散模型(Diffusion Model)。经历多次代表性变革后,A
5、IGC 在数字孪生、数字建模、艺术创作中的应用更加广泛4。2022 年 11 月,OpenAI 发布具有交互功能的生成式人工智能模型为内核的 ChatGPT 后,仅用两个月便达到 1 亿月活用户规模,引发各界对AIGC 的广泛关注5。1.2 AIGC 在设计行业的应用 AIGC 自出现以来在金融、传媒、文娱、工业等行业已经有所应用,尤其是在设计行业,广告设计、动画设计、游戏设计等场景中的 AIGC 应用具有很强的代表性。1.2.1 广告设计中的应用在广告设计中,AIGC 能够为广告公司和品牌方快速地生成广告文案、海报页面等营销内容。AIGC技术被广泛应用在智能广告中,为广告设计行业降低成本、提
6、高效率6。例如,2023 年 4 月,中国旅游出行平台飞猪,用 AIGC 生成的“这个 五一 玩什么”主题广告在上海、杭州等地投放。AIGC 结合预置在数据库中的广告文本素材,融合数据采集、数据分析获取用户端浏览行为,形成用户端偏好数据集,触发并提取数据集中广告关键词,生成相匹配的广告进行投放。目前,已有基于 AIGC 广告内容生成系统7的专利申请。1.2.2 动画设计中的应用AIGC 能够应用于动画设计的角色设计、角色建模、场景构建、剧本生成、音频处理等方面。例如,2022 年 7 月戛纳短片电影节中,使用 AIGC 技术制作的动画短片 The Crow(乌鸦),将真人舞蹈作品 PAINT-
7、ED 进行多模态转换,以“世界末日中起舞的乌鸦”形象再创作,获得最佳短片奖8。2023 年,由 Netflix JP(日本奈飞)、日本WIT STUDIO 和微软小冰公司日本分部联合制作的动画片 犬与少年 的场景绘制部分运用 AIGC 技术,是 AIGC 辅助商业化动画片的首个发行级别作品9。在技术应用方面,NVIDIA(英伟达)的 GauGAN360,可以制作合成背景,自动生成或优化角色的外观、动作和表情等10。利用谷歌的作曲工具 Magenta 和 Adobe 的语音编辑工具 VoCo,可以根据现有音频合成逼真的语音11。1.2.3 游戏设计中的应用在游戏设计方面,AIGC已经在游戏环节设
8、计和社交游戏结局创作等方面有所应用。来自哥本哈根信息技术大学等机构的研究人员,在 通过大型语言模型进行开放式的文本 2 级生成 一文中介绍如何应用 MarioGPT 语言模型生成“超级马里奥”的游戏关卡12。纽约大学坦登工程学院等机构的研究人员研究使用大型语言模型为推箱子游戏生成关卡13,实验取得成功。另外,国内已有关于利用 AIGC 技术的多结局创意社交游 53 AIGC 在设计行业应用中的挑战与策略戏的创作方法的发明专利申请14,通过评估游戏参与者的身体状态、认知能力和个性风格等调节游戏的难度设置,并生成后续游戏情节。2 AIGC 技术在设计行业应用中面临的问题与挑战随着 AIGC 应用逐
9、渐普及,AIGC 技术面临的问题与挑战愈发明显,明晰 AIGC 现存的问题与挑战,探究应对策略,有助于未来技术更加安全、高效、可控的应用。目前,AIGC 在设计行业应用中主要面临技术能力、版权归属和伦理道德等方面的挑战。2.1 技术能力的挑战目前而言,技术能力不足是制约 AIGC 在设计领域应用渗透的关键因素。虽然AIGC 已经在设计创作中展现出不俗表现,例如 2022 年 8 月,游戏设计师 Jason Allen利用 Midjourney 人工智能系统绘画创作的 太空歌剧院 在美国科罗拉多艺术博览会上获得数字艺术类别冠军15,但是以下三个技术层面的问题和挑战导致 AIGC 技术依旧难以在设
10、计等领域形成广泛应用。一是技术成熟度不足导致生成内容质量不达标。利用 AIGC 技术辅助创作可以看作是任务模态转化的问题,如利用自然语言文本生成图像、二维图像转化成三维图像、图像模态转化为动画模态等。但是,目前前沿的生成式预训练大模型技术水平仍无法完全理解人类的真实意图,而且在生成内容的细节精度上无法达到人类水平。例如,在图像生成任务中,人工智能可以较好地生成轮廓、纹理、颜色图像信息,然而面对生成人物等具有高透视、多遮挡特征的 AIGC 任务时,机器难以生成符合创作者预期的图像,尤其是生成手的拓扑结构8等。此类问题很大程度上导致 AIGC 生成的内容无法直接进行商业设计使用,而且人类设计师基于
11、 AIGC 创作基础上进行加工修复的难度大,效率提升作用尚不明显。二是 AIGC 内容生成真实性难以保障。一方面,如果人工智能系统采用了大量可信度不高的网络数据,则在训练过程中就已经产生了虚假信息内容;另一方面,人工智能在自主创作的过程中可能会产生“幻觉”现象16,即模型虽然可以生成自然流畅、语法正确的文本,但实际上毫无意义且包含虚假信息(错误事实),如同人类产生了幻觉。据美国可信度评估机构 News Guard 的实验结果显示,ChatGPT 对测试中的 80%内容给出了诱导性的甚至是错误的回答,其中部分内容充斥违背公序良俗内容17。这将给利用 AIGC 进行设计的人员造成极大的不可控风险,
12、尤其是对于准确度要求高的一些设计领域,目前 AIGC 的技术水平无法实现应用渗透。三是目前 AIGC 算法对高质量数据依赖程度较高。深度学习时代,数据、算法、算力成为 AI 系统能力提升的三大关键要素。随着数字经济快速发展,数据要素已经成为了经济社会发展的关键生产要素18。对于 AIGC 系统而言,有效的数据训练是提升其性能水平的关键。然而,由于目前算法机理的限制,大多数 AIGC 算法仍需要大量的高质量、可靠数据进行训练,大量现实世界中产生的原始数据无法被有 54 效利用。这使得算法开发者需要支付高昂的数据获取成本,数据采集、整理、标注消耗了大量时间和金钱9。同时,由于算法对高质量数据的依赖
13、,数据需要经过前期处理后才能被使用,数据时效性难以保障,训练过程难以根据最新的数据进行实时捕捉和调整。算法对高质量数据的依赖问题在很多层面上限制着 AIGC 系统的性能提升速度。2.2 数据版权问题AIGC 的成果生成过程需要嵌入大量蕴含人类智慧成果的数据库资源,因此人工智能生成内容可以看作是由“AI 创作”与“人类创作”的二元创作主体共同实现的19。基于此,AIGC 在版权归属的认定问题方面存在相应的探讨空间。在实务界,对于 AIGC 数字权属的争辩尚无定论,两个典型的例子分别是 2019 年的北京菲林律师事务所诉北京百度网讯科技有限公司案(以下简称“菲林案”)和 2020年深圳市腾讯计算机
14、系统有限公司诉上海盈某科技有限公司案(以下简称“腾讯案”)。“菲林案”被认为是中国首例涉及人工智能生成内容版权的案件,其判决结果基于版权法所规定的作品创作主体必须为自然人的认定,认为人工智能无法以作者身份署名,并且由于人工智能生成内容也不能表达软件开发者的思想与个性化表达,故人工智能生成内容也不可构成作品20。而“腾讯案”则是中国首例认定人工智能生成内容可以构成版权意义上的作品的案件。深圳市南山法院认为,人工智能生成内容在形式方面具备形式要件、在内容方面存在独创性,且为基于使用者的独特需求而生成,故人工智能生成内容可构成作品并且受版权法意义上的保护21。在学术界,针对人工智能生成内容的权属问题
15、,学者主要从主体性、独创性、思想性、法律性几个角度展开论证。从主体性看,清华大学尤可可等认为,AIGC 的主体具有特殊性,生成的设计成果非传统典型作品,人工智能尚不具备成为创作主体资格的条件,因此其设计成果在数字版权归属、创作主体界定等方面都存在相应的疑点19。从独创性看,即便人工智能已经具备主体资格,其由于尚不具备在情感上自动创作的欲望以及同人类一样独立思考的能力,因此其设计结果不具备独创性22。Levent Uzun 也认为,多数时候人工智能所设计和生成的独特内容可能包含错误信息,其独创信息的准确性和可靠性明显不足23。从思想性看,表达的前提是自然人独有的思想和智力,AIGC 生成的设计作
16、品不具有“思想性”24。上海大学郑旭东认为,AIGC 生成的设计作品通过算法加工运算而成,并不存在个体思想,故人工智能自动生成的设计内容不应当被认定为作品25。从法律性看,Ballardini 等认为,知识产权保护旨在保护人类智力成果,版权概念依赖于作为自然人的作者或发明人26。因此,AIGC 的设计成果无法受版权保护。华中科技大学熊琦也认为,即便承认人工智能与人在著作权上的权利主体地位一致,但关于人工智能在侵权行为中的主观过错、真实意图等权利主体问题的认定都是现行法律体系所无法解释的27。综上,AIGC 可否被看作创作主体,其输出的设计成果能否成为版权意义上作品,在实务界和学界始终存在争论。
17、专题:AIGCAI-VIEW2023 年第 4 期 55 AIGC 在设计行业应用中的挑战与策略2.3 伦理与监管问题AIGC 伦理问题一直是各方探讨的重点,AIGC 目前在设计领域的应用存在系统性偏见、价值观对抗、“观点霸权”、刻板印象、虚假信息等价值观问题和伦理问题28,主要可以分为技术伦理风险和社会伦理挑战两方面。AIGC 的技术伦理风险主要体现在以下两点。一是算法风险方面,由于训练 AIGC所用数据库中数据来源多源化,难以保证数据准确无误,运用 AIGC 生成的设计产品可能传递虚假信息。同时,从算法规制方式上看,很难对 AIGC 的侵权行为开展事后追责29。当前在法律层面上,仅限于拥有
18、法律人格的主体享受权利并承担义务,AI 因缺乏法律人格,在发生侵权事件后,只能间接问责使用 AIGC 设计产品的企业或个人,降低了法律对 AIGC 使用的约束力与震慑力。二是数据安全与数据伦理忽视,AIGC 在内容生产过程中,需要大量获取用户数据信息,加重了个人隐私泄露的风险。在 AIGC 用于设计行业前,需要运用大规模数据进行训练,为了数据训练精度更高,可能会忽视数据伦理,将人脸图像、用户私密聊天等敏感信息用于 AIGC 等机器训练29,在信息采集阶段,为了更准确地识别用户偏好,侵犯用户隐私的风险极大增加30,即使信息已做匿名化处理,但机器学习过程中将碎片化的数据进行多维度组合与关联,个人隐
19、私可能复原,导致个人隐私泄露。在社会伦理方面的挑战主要表现在价值观偏差与歧视。AIGC 依赖于训练数据中的统计规律,深度学习的算法通常存在不透明性,容易产生算法歧视31。另外,目前无法做到实时信息抓取,且数据来源难以核实,生成内容的设计内容往往包含刻板印象32。在AI作图软件DALL E 2的风险测试中,生成内容存在刻板印象与偏见,如输入“婚礼”“餐厅”等关键词时,生成内容多为西式场景的图片。随着 AIGC 技术在设计行业的普及应用,如何有效监管成为 AIGC 可持续发展的必然挑战。各国政府和监管部门需要制定相应的政策与标准,采取有效的监管手段,以保证 AIGC 技术的透明、安全、合规、可控。
20、3 应对策略为进一步推动 AIGC 在设计领域中应用赋能,以新智能新技术激活产业效能,既需要技术工作者努力突破,通过新算法模型、新理论体系、新技术支撑,不断提升 AIGC系统的技术能力,还需要产业政策制定者、监管平台、个体用户、技术型企业等多方主体的有机协同,共同促进 AIGC 在设计领域的应用和发展。3.1 针对技术能力挑战的策略对于技术成熟度不足导致生成内容质量不达标问题,目前技术探索方向主要有以下三类。一是可以参考人类问题求解的方法,通过构建思维链(CoT)33将复杂问题分析拆解成为多步骤推理问题(如人物手部拓扑结构的刻画,可以通过加入中间过程转化成不同元素生成和拼接的问题)。二是可以借
21、助混合专家系统(MoE)34的理念,针对不 56 同任务场景训练特定领域的专家模型,然后利用门控制结构在不同应用场景中激活相应专家模型进行输出。如此,相较于完全通用的人工智能模型,具有专业知识强化训练的专家模型可以实现更高质量的生成。三是可以通过人类反馈对人工智能系统进行引导,即利用人类反馈强化机器学习过程(RLHF)35,例如 OpenAI 发布的 ChatGPT 对话系统,部分是基于 InstructGPT 的机理实现,人类的反馈指引可以让机器快速地学习生成更符合人类预期的内容。对于 AIGC 内容生成真实性问题,人类反馈强化机器学习同样适用于提升 AIGC 内容置信度,然而用户在使用 A
22、IGC 系统的过程中可能会提出复杂、多样、多变的内容生成需求,仅依靠人类引导仍无法对于生成内容真实性提供满足要求的高置信保障。因此,研究者们提出,一方面可以通过在每一步训练过程中加入奖励机制,做到“过程管理”36,相较于传统“结果管理”的模式,“过程管理”可以对 AI 生成的中间过程进行真实性、可靠性确认;另一方面,可以通过开发对事实更加敏感的过滤模型,提高模型对于特定信息的敏感度门槛,从而减少 AIGC 生成具有误导性、虚假性、偏见性内容的概率。对于算法高度依赖高质量、可靠数据问题,解决问题的思路主要可以分为两类第一类是通过对数据进行处理和分析,从而增加数据的可用性或者实现现有数据的扩充。例
23、如,在模型训练之前对数据进行数据清洗或数据增强,则训练完成的 AIGC 系统可以达到更好的性能37。第二类则是基于有限的数据,降低模型对于高质量数据的依赖性,从而实现小样本或零样本的机器学习。目前,学术界开展了诸多关于小样本学习的研究(如利用自适应聚合的小样本学习38、构建孪生网络的小样本学习39、通过知识迁移的小样本学习40等)。另外,Recitation-Augmented41等方法也是降低模型对外部数据依赖的有效路径,通过强化模型对现有准确内容的记忆,提升AI内容生成质量。3.2 针对数字版权问题的策略 针对人工智能生成内容的版权保护,政府机构和企业在规则层面和实务层面均进行了相关探索,
24、以试图在科技发展与版权保护之间寻求平衡。在规则层面,2018 年,日本修订 著作权法,其中特别针对人工智能技术增设了灵活条款,规定了若内容使用者的使用“不侵害或轻微损害著作权所有者利益”,则可无需经权利人许可使用其成果42。2019 年,欧盟发布 单一数字市场版权指令,为人工智能技术进行数据挖掘创设例外,以支持人工智能的技术发展43。2020 年,欧盟发布 欧盟人工智能知识产权立法报告,提及当人工智能设计成果用于协助人类从事创作活动时,则可以采用传统知识产权保护手段对人工智能生成作品的著作权进行保护44。当前,中国对于人工智能生成内容和设计成果的产权保护方面的探讨也呈现了不同的路径,北京市社会
25、科学院法学研究所于雯雯从法人作品与非法人作品的角度区分人工智能生成内容的著作权归属。若构成法人作品,则归属权属于法人;若构成非法人作品,则使用人工智能进行创作的人享有著作权45。中国政法大学杨利华则从权利客体范畴界定、著作权保护期限调整、附随强制性署名义务等方面入手,寻求人工智能生成内容在著作权保护与限制之间的平衡46。可以看到,对 AIGC 生成作品的属性确认专题:AIGCAI-VIEW2023 年第 4 期 57 AIGC 在设计行业应用中的挑战与策略以及对其著作权的保护与侵权界定已经成为了人工智能时代下国际社会的普遍关注要点和发展趋势47。在实务层面,数字水印被认为是对数据来源及所有权进
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- AIGC 设计 行业 应用 中的 挑战 策略
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。