有些人失业是必然的，AIGC使用两周后体验

原文来自 鸟哥笔记 刘飞

沉浸式地体验过 Midjourney 和 ChatGPT 两周后，分享下我的观察和思考。

1. 神奇十一月

Midjourney 的 v4 版本是 11 月 5 日发布的，ChatGPT 是 11 月 30 日发布的，堪称 AIGC 应用历史上最神奇的十一月。

其实 Midjourney 的底层技术没有变过、ChatGPT 依赖的 GPT-3 也发布有些时日了。它们之所以神奇，就是在同一个方面：

在可用性上，已经跨过了门槛。

怎么定义可用性呢？我也不知道逻辑上怎么证明，我看到了太多实际的案例。

先说 Midjourney，画出图形的惊艳程度想必不少朋友已经感知过了，更重要的是，它能适应千变万化的风格，并非只是画个二次元头像那么简单。

例如目前中文播客的主播大都是爱好者，请不起昂贵的设计师，往往都是自己简单将就。而 Midjourney 就能很好地完成任务。

比如我一个朋友月莞柔的播客根据封面制作的海报是这样的：

我用插画风格尝试了一段时间后，做出来了这样的一组效果：

除了手指那里有明显的破绽、文字部分还是一坨浆糊外，已经是完全可用的了。

其它的风格也都能掌握，我给喜欢的几档播客做了一些尝试，从左上到右下的四格一组分别是 谐星聊天会、黑猫侦探社、跳进兔子洞和公司茶水间。

这样的效果，就像有朋友说的，已经超过大部分国内素材网站能找到的水平了。

使用场景还有很多，比如朋友们的公众号头图已经在用 Midjourney 生成了。再比如我今年的红包封面已经在审核中，比去年可好看太多了：

为什么前面说 v4 是一个质变呢？我们看这样一张图会更直观，这是我画的同个 prompt（关键词）的四个效果：

我多次实验，都是如此。在座的任何一位朋友，在 Midjourney 里用 cat --v 1/2/3/4，都是这样的效果。

这样的插画质量，已经完全可用了。在各种商业海报、出版物、内容产品的封面和插图等等，能够轻松胜任。

2. 质变的对话机器人

说完 Midjourney 我们再聊下 ChatGPT。

这是我把过去几年写过的文章挑选了一些主题，看看它是怎么回答的。从回答里我们能得到的深刻洞察并不多，但至少破绽比较少。

可能直观上跟 Midjourney 比，可用性不是那么显著，毕竟不能直接创作很多高质量的内容。很多人认为可用性主要在搜集信息上，比如问一些客观存在的事实，未来是替代搜索引擎的。

其实不然，ChatGPT 最先替代的恐怕不是 Google，而是大量的小编。

我们先直观感受下在调教后，朋友们的玩法。

@少楠 的鸡汤文：

@SuFafa 的检讨书：

@RogerZhu 的播客提纲：

我用一些指定黑话写出的讲话稿：

以上的来源都是即刻主题 「AIGC 探索站」主理人 Szhans 的总结帖子，强烈推荐各位去了解下：

https://m.okjike.com/originalPosts/638c6bb9c3f4e245defdec37

从汇报文档，到演讲稿，到播客引导语，到一些文案的斟酌修正，ChatGPT 都能很好地胜任。而且确保文字有逻辑、标点符号使用正确（这点很多小编都做不到）。

更实用的一个案例是少楠最近在写书，想要润色修正的时候，极其好用：

文字编辑工作里，还常见有总结中心思想的需求。我让 ChatGPT 对我的篇文章（钉钉靠什么服务大客户？）做了总结，效果如下：

「文章讨论了DingTalk，一个由中国科技巨头阿里巴巴开发的企业通信和协作平台。作者指出，过去，DingTalk被批评为主要集中在 IM 和考勤跟踪功能上，而不是提供更先进的企业服务。然而，作者指出，DingTalk 也引入了文件管理和项目管理等功能来解决这个问题。作者还提出了对 DingTalk 在面向大型企业时可能面临的挑战的担忧，如定制化可能成为外包，以及需要平衡定制化与互操作性和可扩展性。作者建议，DingTalk 有可能通过专注于与阿里巴巴其他产品和服务的整合，以及利用其在人工智能和机器学习方面的专长来提供先进的企业解决方案，从而使自己与竞争对手区分开来。文章讨论了 DingTalk，一个由中国科技巨头阿里巴巴开发的企业通信和协作平台。作者指出，过去，DingTalk 被批评为主要集中在IM和考勤跟踪功能上，而不是提供更先进的企业服务。然而，作者指出，DingTalk 也引入了文件管理和项目管理等功能来解决这个问题。作者还提出了对 DingTalk 在面向大型企业时可能面临的挑战的担忧，如定制化可能成为外包，以及需要平衡定制化与互操作性和可扩展性。作者建议，DingTalk 有可能通过专注于与阿里巴巴其他产品和服务的整合，以及利用其在人工智能和机器学习方面的专长来提供先进的企业解决方案，从而使自己与竞争对手区分开来。」

细看之下，的确还是有一些细节问题，不过这个大致的表述，可以以假乱真。另外这是对中文的总结，英文总结的效果要好得多。ChatGPT 也在快速迭代学习这些能力。

在 OpenAI 的官网上，还有如下的场景描述（部分）：

• 整理目录；

• 整理文章的关键词；

• 从产品描述得到广告语；

• 给产品起名；

• 根据主题列出推荐书单；

• 整理总结中心思想；

• 总结论文摘要；

• 撰写采访提纲；

• 自动代码注释；

• bug fixer；

• 把 JavaScript 改写为 Python；

• ......

直观感受后，想必也能一下 get 到 ChatGPT 背后的场景价值。它并不是我们手里都有的 Siri，也不是只能调戏很容易出戏的小冰。它是一个依靠「自然语言」来完成各种文字、代码相关工作的超级工具。

3. 大力出奇迹

话分两头说，我们先说说它们为什么这么「厉害」。

十一月质变的出现，背后其实还是量变的结果。正如前面说的，其实 Midjourney 的底层技术没有变过、ChatGPT 依赖的 GPT-3 也发布有些时日了。

目前的技术逻辑，当然有精妙算法引入的缘故，但其根本原理，跟半个世纪前并无二致，依然还是统计概率计算。

对于大数据算法来说，核心要素就两个点：数据量和计算性能。随着新算法的出现，以及硬件配置的极速发展，后者已经不是瓶颈。

在 Twitter 上 A16Z 的 Jack Sosolow 对 AI 的观察里，也引用了一篇文章《Training Compute-Optimal Large Language Models》，里面明确提到了一个当下的现状：

谷歌比较了两个 LLMs（大语言模型），其中一个参数少 4 倍，但数据多 4 倍。拥有更多数据的那一个最终明显更准确。因此，对于 LLMs 来说，计算不再是最大的杠杆，而数据才是。

ChatGPT 是建立在 GTP-3 的版本基础上的。GTP-1 的参数量是 110m（1.1 亿），GTP-2 的参数量是 1.5b（15 亿），GTP-3 的参数量直接飙升到了 175b（1750 亿）。

跟 ChatGPT 作为兄弟的 DALL-E2 （父亲都是 OpenAI）的参数量也达到 3.5b。据不是很确定的信源说， Midjourney 的参数量也是同级别的。

模型的参数量背后，代表的当然也有不计成本的资金投入问题。这都是千万美元级别的砸钱工程。国内这么做的很少。不过话又说回来，国内互联网公司似乎也不缺钱，早年几十亿补贴在打车上，如今上百亿去啃企业服务市场，对比也挺鲜明的。

4. 现场迭代

「厉害」的另一个原因是，跟前辈们不一样，Midjourney 和 ChatGPT 都用了一个很新鲜又古老的方法：RLHF（Reinforcement learning with human feedback），就是利用人类反馈的强化学习。

说新鲜，因为过去的很多 AIGC 的建模还是在学术科研领域，并不是投入用户群众的汪洋大海里，因此奖励模型往往要靠人工标注，效率不高；说古老，是因为早在多年前这就是互联网产品玩剩下的——用户参与，快速迭代，那本小米的《参与感》在互联网历史上甚至已经有陈旧感了。

我看了下 Midjourney 的最新数据是有 600 万的社群成员。而 ChatGPT 上线不到一周时间就有了 100 万的注册用户量。每次互动，都是在给模型注入新的生命力。

正因如此，它的迭代才快到让人吃惊。再回顾下这张图：

5. 谁会失业？

我们肯定不能笼统地说，AIGC 要占领世界、所有内容创作者都要失业云云。很多朋友看到抵制 AI 的画师们的运动，颇有些上头，认为已经到了开战的时候。

其实不然。AIGC 不会替代内容创作者，它替代的只是「重复性的工作」。

Midjourney 会很快替代掉只会重复工作、没有创意价值的插画工作，让大量的海报、插图、封面等等变得更低成本（当然也会显著提升整体平均审美）。可是它不是凭空靠想象来作画的。

很多朋友会以为跟某些传个头像做个二次元效果的小程序一样，Midjourney 就是个全自动的绘图机器。实际上不然。深度用户都知道，Midjourney 的难度不在于怎么充值、怎么加入社群，只在于 prompt（关键词）。

prompt 背后代表的，实际上就是创意。糟糕的创意也无法出好图。没有意图的作画，也产生不了任何价值。

比如以下就是我失败的一堆做图记录：

同理的，ChatGPT 也会很快替代掉只会重复工作、没有创意价值的文字工作者和程序员。

但如何使用 ChatGPT 也是因人而异的。像刚才提到的那些用法，都是实验了很多次琢磨出来的，ChatGPT 不会在没有有效提示的情况下，自己就创作出很多的文本内容、写出很有用的代码。

像在我问它如何开店的事情上，它其实就非常投机取巧，没有提供增量信息：

它们依然还是工具。未来的区别在于用工具的人。电影工业摧毁了剧场吗？并没有。智能手机的普及摧毁了媒体行业吗？也并没有。它们只是让供给更复杂了、层次更多了。

不过话说回来，电影行业必然侵吞了不少剧场的市场，在这个过程中，去电影院门口拉横幅是意义不大的。想清楚自己过去在剧场的价值，是否能继续留下来生存、还是去拥抱变化，这是 AIGC 时代到来后，文字、图像、音频、视频各类形式的内容创作者们都要思考的。

写在最后

我记得在差不多 7、8 年前，AI 的概念风行的时候，有机会遇到李开复老师，当面就问过这个问题：AI 的出现会替代人类的工作吗？他说的就是，机械重复的劳动必然是会被淘汰的，我们要关注创意类的事情、机器做不了的事情。

这个观点在这些年持续有人提到，大家都知道这是对的，但不知道这个时刻何时来到。今年的这个神奇的十一月，就像 1919 年 5 月 29 日在巴西索布拉尔拍到的那张日食照片，证明了相对论的真实性，它也证明了这个观点的可能性。

未来已来，但确实还不均匀。五年后再看，恐怕沧海桑田。

## AI好书推荐
AI日新月异，但是万丈高楼拔地起，离不开良好的基础。您是否有兴趣了解人工智能的原理和实践？ 不要再观望！ 我们关于 AI 原则和实践的书是任何想要深入了解 AI 世界的人的完美资源。 由该领域的领先专家撰写，这本综合指南涵盖了从机器学习的基础知识到构建智能系统的高级技术的所有内容。 无论您是初学者还是经验丰富的 AI 从业者，本书都能满足您的需求。 那为什么还要等呢？

[人工智能原理与实践 全面涵盖人工智能和数据科学各个重要体系经典]

北大出版社，人工智能原理与实践 人工智能和数据科学从入门到精通 详解机器学习深度学习算法原理