人工智能行业：多模态AI加速发展IP版权价值望迎多维重塑-230403（32页）.pdf

《人工智能行业：多模态AI加速发展IP版权价值望迎多维重塑-230403（32页）.pdf》由会员分享，可在线阅读，更多相关《人工智能行业：多模态AI加速发展IP版权价值望迎多维重塑-230403（32页）.pdf（32页珍藏版）》请在三个皮匠报告上搜索。

1、 20102030405 OXlZkZRUhVkZpMnOmO9PbP6MsQrRsQoNeRnNrNeRqQnR9PrQoRNZqNmOuOqRsQ3/3/CONTENTS01020304 4/4 5GPT-41.1资料来源：Open AI官网，新智元，国泰君安证券研究2018.6G P T-12019.2G P T-22020.5G P T-32022.3G P T-3.52023.3G P T-4无监督训练加有监督微调，通过BooksCorpus大数据集（7000本书）进行训练零样本学习，进一步将训练规模扩大至40GB的数据集海量参数，进一步扩大训练规模至570GB数据集和1750亿参数

2、具有指令微调和RLHF，优化输出结果合理性强大的识图能力，文字输入提升至2.5万字，部分专业考试达人类水平以2017年Transformer模型为起点，近年来GPT的迅速迭代概括了大模型的发展历程，2023年以来明显提速，目前已迭代至GPT-4，支持图像输入并给予正确的文本反馈。61.1在处理复杂任务时，GPT-4较GPT-3.5表现更优，并且语言性能更强。如在美国律师执照模拟测试中，GPT-4测试分数位列前10%，而GPT-3.5居于后10%。GPT-4支持图像输入并给予正确的文本反馈，视觉能力的扩充有望打开更多应用场景。比如GPT-4指出这幅图把一个大而过时的VGA接口插入一个小而现代的智

3、能手机充电端口是荒谬的。图1：随着测试复杂程度提升，GPT-4与GPT-3.5表现差距逐步拉开图2：GPT-4可以判断出照片中不合常理之处资料来源：Open AI官网GPT-4 71.2资料来源：Stable Diffusion，新智元图：Stable Diffusion（发布于2022年8月）图：2022年12月升级后的Stable Diffusion可生成质量更高的景观图像AI绘画工具Stable Diffusion于2022年8月推出后迅速流行，4个月后的2.1版本支持渲染非标准分辨率的图像，建筑、自然风光等宏伟景观生成质量显著提高，该版本亦加强反向提示词（即告诉模型不生成什么内容），从

4、而使最终结果更为精致。81.2资料来源：Midjourney，新智元另一主流AI绘画工具Midjourney发布于2021年，知名获奖作品太空歌剧院便出自该工具，3月16日公测的V5版本可迅速生成专业画师级图像，光影效果及细节处理较此前版本显著优化。图：Midjourney（发布于2021年）图：3月16日公测的Midjourney V5可生成专业画师级图像 9AIRunwayGEN-21.3资料来源：新智元海外主流AI视频剪辑工具Runway与Stable Diffusion隶属于同一团队，目前Runway已助力2023年奥斯卡最佳影片瞬息全宇宙及其他低预算PGC作品搭建特效场景。2月初，R

5、unway推出AI视频生成模型GEN-1，该模型可根据文本提示词或者参考图像来改变原视频风格。3月20日，Runway推出GEN-2，在一个月内实现8种功能的全面升级。功能1：Text to Video（文字生成视频）“傍晚的阳光透过纽约市阁楼的窗户窥视。”功能2：Text+Image to Video（文字+图像生成视频）“一个男人走在街上的低角度镜头，周围酒吧的霓虹灯照亮了他。”10AIRunwayGEN-21.3资料来源：新智元功能3：Image to Video（图像生成视频）功能4：Stylization（风格化）将任何图像或提示的风格转移到视频的每一帧功能5：Storyboard（

6、故事版）将模型变成完全风格化和动画化的渲染图 11AIRunwayGEN-21.3资料来源：新智元功能6：Mask（掩码）隔离视频中的特定对象并使用简单的文本提示对其进行修改“一只身上有黑色斑点的白毛狗。”功能7：Render（渲染）通过应用输入图像或提示，将无纹理渲染变成逼真的输出功能8：Customization（个性化）通过自定义模型以获得高保真度的个性化形象 12/12 13AI2.1根据美国版权局规定，AI生成作品不受版权保护。2022年末，作家Kristina Kashtanova为其漫画作品黎明的曙光申请版权保护，根据美国版权局裁定，小说文字部分可受保护，但AI生成的插画无法受到