2023年以来，ChatGPT掀起了AI浪潮，同时也带火了AIGC（即AI Generated Content，利用人工智能技术来生成内容）概念。AIGC究竟将为各行各业带来什么样的改变，AI未来是否会取代人，AIGC产业发展又是否存在挑战和隐患？

近日，在第十届中国网络视听大会“AIGC产业论坛”现场，针对上述热点问题，来自学界、业界、投资界的专家齐聚一堂，共同探讨AIGC产业的现状、机遇与未来。每日经济新闻是第十届中国网络视听大会深度合作媒体。

每经记者范芊芊摄

(资料图)

随着AIGC产业的不断发展，千行百业都在获益，尤其是提升了内容创作的效率和质量。但也有不少人担忧，自己的“饭碗”是不是保不住了。论坛现场不少嘉宾都表示，AI不会取代你，但是会用AI的人可能会取代你，呼吁大家保持尝试的心态。另外，不少嘉宾也谈到，目前AIGC产业发展还面临不少治理难题，需要产学研共同探索。

AIGC提升内容创作效率

在电子科大数字文化与传媒研究中心副教授李代天看来，ChatGPT所代表的新一代人工智能技术是第四次工业革命背景下的一个通用目的技术，GPT在此前文献中更多指另一个概念即General Purpose Technology。

“每一次工业革命的到来，背后都有一个通用目的技术，比如第一次工业革命背后有蒸汽机，第二次工业革命背后有电，后面有了计算机、互联网。”李代天提到，每一个通用技术都会赋能千行百业，创造很多的商业机会，推动产业的变革发展。

AIGC对于千行百业而言具体有哪些改变呢？在论坛现场，不少嘉宾展示了AIGC的“炫酷”案例与场景：例如只需以文字形式描绘场景，AI便可在一分钟内创作出一幅栩栩如生的图画；只需选定风格，输入关键词，AI便即刻生成一段符合押韵方式的歌词；再例如数字主持人“元启”与现场听众进行了一次跨越时空的实时对话。

可以看到，AIGC大幅提升了内容创作的质量和效率。成都极光社科技有限公司CEO卢宇翔感慨道，现在创作者压力大了，“因为AI介入，制作水平和效率极大提升，所以未来行业内只有特别好的质量或者特别个性的一些东西，能够脱颖而出。”

此外，卢宇翔还提到，AIGC会推动行业内的企业回归商业模式。“我们要为了推进行业发展提供一些东西，但最终所有企业要回到商业模式，这也是AIGC会推进的一个事儿，你必须得赚钱，才能有投入。所以我觉得还是挺好的，整个大生态的一个改变。”

未来AI会取代人类吗？

当AI提升了内容创作的质量和效率，问题随之而生，作为人类的我们在未来是否会被AI所取代，这也成为当下不少内容创作者担忧的一个问题。

对此，腾讯研究院西南平台负责人王平禄认为，AIGC解放了天才，但可能要消灭工匠。“只需要天才提供一个创意，AI就可以帮你去执行细节工作，但一些基础性的创造工作可能被取代，尤其是一些基础性的信息收集、整理、汇总的工作。”

王平禄提到，这跟之前预见不太一样。之前大家觉得人工智能出来以后，应该是很多体力工作被取代了，白领是比较安全的。但我们发现白领的工作比较危险，而体力工作之所以被取代的概率低，王平禄认为，主要由于体力劳动的复杂性，以及从商业因素考虑AI从事体力劳动成本更高。

李代天则从人的属性和本质需求维度分享了自己的思考。“也许有一天AI真的会通过图灵测试，我们没有办法分辨它。但你希不希望你崇拜的一个偶像是AI呢？学生希不希望他的老师是AI呢？”

“哪怕虚拟数字人已经有了好看的皮囊，还有一点有趣的灵魂，但我们还是愿意面对面去交流。老板拍板作决定，有时候需要的不是信息的收集能力，更多需要的是承担责任的勇气和担当。”王平禄也有类似的观点，“我觉得目前还没有看到机器有这样的突破，这也是人之所以被称为万物灵长的优势所在。”

因此，现场不少嘉宾都呼吁，面对AIGC这一新事物，我们要更多地保持尝试而不是恐惧的心态。世优（北京）科技有限公司西南总经理雷正丽就提到，在任何新事物出现的时候，应该像一个纯真的小孩一样，保持一种浓厚的兴趣，不管未来怎么变化，只要用这个心态去面对都不可怕。

王平禄也表示，AI不会取代你，但是会用AI的人可能会取代你，所以希望大家多去尝试一些新的事物。

AI面临版权等治理挑战

目前全球各国不少科技企业都在加紧训练类似于ChatGPT的AI大模型，推动AIGC产业的快速发展，千行百业也正在呼吁员工使用ChatGPT等平台，提高工作效率和质量，但行业发展速度太快后，监管、规则等不完善则意味隐患正在悄然而生。

据多家媒体报道，3月29日，上千科技大佬发出一封呼吁暂停训练比GPT-4更强大AI系统的公开信。此后，来自各方呼吁AI监管的声音也变得越来越响亮。3月31日，意大利率先禁止使用ChatGPT。

王平禄提到，AI演进的速度很快，原来以为它在文本、图片类的应用进步很快，现在在视频类，包括3D内容的创作中进步也非常快。当然也带来很多挑战，包括伦理、版权、欺诈、能源消耗等的挑战，需要很多政策监管。

与此同时，机制不完善也导致通用的生成式大模型在特定场景内的应用面临难题。

“之前我在江苏调研，工业界的朋友们更多提到，如果只有AIGC可能是不够的，他们需要的是AIGE，AI生成的工程方面的专业知识。”李代天提到，类似专业知识在现在通用大模型中实现比较困难，因为模型没有元器件的图纸信息，没有价格参数去作为训练的原始素材。

那么，为什么现在的大模型没有用这样特殊的数据去训练呢？李代天认为，这涉及人工智能的治理问题，企业愿不愿意把这些数据拿出来共享？怎么共享？会对企业带来什么影响？现在有很多问题，有待学界、产业界共同探讨、探索，建设它的机制。

每日经济新闻