【資料圖】

在近期的 WAIC 2023 產(chǎn)業(yè)發(fā)展論壇上，Midjourney 的創(chuàng)始人兼首席執(zhí)行官 David Holz 以視頻的方式發(fā)表演講。David Holz 在演講中表達了自己對于中國的喜愛，并透露 Midjourney 的名字就出自道家的《莊子》。Holz 還在演講中透露了 Midjourney 下個版本的功能，以及他本人對于人工智能產(chǎn)品的開發(fā)。

以下為 David Holz 演講實錄：我是 Midjourney 的創(chuàng)始人兼首席執(zhí)行官 David Holz。 感謝陳先生和上海市政府今天的邀請。 我很榮幸參與此次 WAIC，我期待有一天能親自到場參與。

Q：請問 Midjourney 為 AI行業(yè)做出了怎樣的貢獻，對藝術(shù)家、設(shè)計師和媒體制作人意味著什么？A：我認為世界上最重要的技術(shù)之一是引擎。 引擎是產(chǎn)生、傳遞和放大行動的機器。我們用引擎來建各種車輛、飛機和船只。重要的是，要把人工智能看作是一種新的引擎。 在 Midjourney，我們正試圖用這種引擎來建造一種新的車輛，不是一種實體的交通工具，而是我們思想和想象力的交通工具，就像你用汽車在世界中行動一樣。我希望我們可以創(chuàng)造一種交通工具，不是用來移動，而是想象。我認為在我們創(chuàng)造之前，首先必須想象，我們能成為什么？我們能去哪里？想想我們的一切可能。我認為正在制造的工具比任何東西都更注重放大想象力的原始力量。 我認為從廣義上講，這是一個機會，整個人類可以有效的想想。

Q：您提到在 Leap Motion 構(gòu)建硬件時曾訪問過中國，您能告訴我們跟讀歐冠與您與中國和上海的聯(lián)系嗎？A：我過去曾多次帶著 Leap Motion 訪問中國。 Leap Motion 的第一個國際辦公室在上海，我很喜歡上海的環(huán)境和風格，感覺古典與現(xiàn)代共存，像是各種城市。比如舊金山、紐約、歐洲一些古老城市和中國風格在一個地方可以同時享受。 它有那種古老歷史的力量，有一種現(xiàn)實和未來的興奮，那真的是非常，非常的酷。我最喜歡讀的兩本書是科幻小說和中國古代文學。 我認為中國古代文學有一些最美麗、對人類歷史有深度的思考。 Midjourney 這個名字實際上來自我最喜歡的一個道家書籍一個譯本，它來自《莊子》。我喜歡這個名字。 我之所以喜歡 " 中道 " 翻譯的這個詞，是因為我覺得有時候很容易忘記過去。 很容易產(chǎn)生這樣的感覺，對未來感到迷失和不確定。但更多的是，我覺得我們實際上是在旅途中，我們來自這個豐富和美麗的過去。 而在我們面前的是這個瘋狂和不可想象的寶貴未來。

Q：恭喜 Midjourney 推出了 V5.2！您能告訴我們更多關(guān)于 MidJourney 的最新功能以及未來版本的計劃嗎？A：因此，我們最近發(fā)布了 5.2 版本的 Midjourney，在主要版本發(fā)布之前開發(fā) 5.3. 我希望稱之為第六版。 我們引入的最新功能是擴圖，并能通過文本提示進行生成。所以當你放大時，你可以圍繞中心主題創(chuàng)造不同的故事。本周我們發(fā)布了一個類似的功能，也就是 PAN，他允許用戶平移鏡頭。然后當你橫向移動相機時可以不斷改變提示，然后講故事。我們還發(fā)布了 /weird 這個智靈功能，這是一種結(jié)合起來，能對圖像進行更多控制的方法。 你可以把它和 /style 功能結(jié)合起來。名字有點混亂，但想法是你要能夠告訴人工智能做出多么漂亮的東西，以及你愿意冒多少風險，使這種美變得不傳統(tǒng)、混亂的，怪異一點的。這讓人們可以控制風險性和隨機性之間的平衡，也可以控制對圖像的傳統(tǒng)美感的關(guān)注程度。我們還引入了我們稱之為渦輪模式的東西。 渦輪模式是指我們盡可能多地使用 GPU，使圖像生成變得非常快。 我想他快樂 4 或 5 倍。 我想你實際上是在同時使用 64 個 A100 顯卡，這相當于超過一般的 100 我哪美元的計算機。這有點瘋狂，但我們還在研究更瘋狂的技術(shù)。雖然一些功能實現(xiàn)還需要很長時間，但我們認為隨著時間推移，Midget 將發(fā)展到不僅創(chuàng)造 2D 圖像，還可以創(chuàng)造 3D 圖像、移動圖像以及和像素直接交互。所有的一切都在不斷的流動和改變， 完全根據(jù)畫面風格試試相應(yīng)。也許在未來，人們可以有一個巨大的人工智能處理器，所有這些不同的世界和夢境與我們的思想互動。

Q：由于生成模型和擴散模型的出現(xiàn)，人工智能的能力似乎有了顯著的飛躍。您如何評價迄今為止這些領(lǐng)域的進展？其他人工智能領(lǐng)域呢？

A：關(guān)于 Diffusion 模型、transformer 模型和 GLIP 模型的發(fā)現(xiàn)發(fā)現(xiàn)讓我真正進入了圖像空間。 那是大約 2 年前，在任何服務(wù)出來之前，我們只是在舊金山討論。我記得所有的研究人員都說，當時我覺得覺得這些，特別是 Diffusion 模型在出現(xiàn)時讓我感到非常不同，尤其是與過去最先進的 GAN 模型相比，那是以前大家用來生成圖像的東西。我只記得每個人都以一種不尋常的方式立即點頭，說 Diffusion 模型真的很不一樣。這感覺的真的很真切，感覺像是我必須參與的事情，并試圖帶來一個更人性化的用戶界面。但就未來而言，很難確切地知道技術(shù)是什么樣子的。 有時我們現(xiàn)在談?wù)撜Z言模型將如何向 Diffusion 模型發(fā)展，也就是說，也許我們會使用 Diffusion 模型來制作文本。 或者圖像模型會變得更像語言模型。或者蔚來可能會變成混合模型。 這真的很難說。 我認為我們在這個領(lǐng)域僅僅只是開始，但我百分之一百確定有很多進展要去的。 10 倍甚至 100 倍的進展是很有可能的。 在這個層面上的進步不僅僅是在原始性能上，而是在用戶界面和產(chǎn)品上，這些產(chǎn)品允許我們使用這些原始技術(shù)，無論單獨使用還是共同使用，制造真正的酷的東西，它們可以變得更好并解決問題。

Q：我們?nèi)绾我愿诵曰姆绞绞褂萌斯ぶ悄埽縈idjoyrney 對此有何看法？A：Douglas Engelbart 實際上是第一個創(chuàng)造文本編輯器的人。 那個時候用的是打孔卡，在卡上打孔來給計算機編程。但后來 Douglas 想了想說，如果我們用計算機編程會怎么樣？這在當時聽起來很瘋狂。 這個想法是，通過在計算機上編程，可以加速循環(huán)，使我們更有效的操作，使計算機變得更好并放大一切。那個想法成功了，雖然我們有這些不同的文化，如人工智能，還有 hci（人機界面），智能應(yīng)用文化，但我認為到目前為止，技術(shù)上的大部分進步都來自于努力讓人變得更有效，并增強人們的能力。 其實我們還沒有真正看到所謂的 AGI 時代真正到來。比如一些獨立的 AI 自己獨立的操作，無需用戶交互。去解決一些問題，我認為如果我們在這方面想的太多，我們可能錯過技術(shù)領(lǐng)域的很多機會。我想了很多，不僅僅是人工智能能做什么，而是如何在不同的事物之間創(chuàng)造流動和羈絆，因為一個工具不應(yīng)該感覺像一個人。 它應(yīng)該感覺是你自己、你的身體，你的思想的延伸。我想了很多關(guān)于如何建立這些技術(shù)，這種交織感覺應(yīng)該不是你在和藝術(shù)家一起工作，而是你幾乎只是在想象一些東西，然后它就出現(xiàn)在屏幕上。 很多人這樣描述了 Midjounery 給他們的感覺，感覺這幾乎是他們思想的一部分。 我認為這就是很多人工智能應(yīng)該是這樣的，他應(yīng)該感覺像是我們的延伸。 所以我想再次感謝陳先生和所有的觀眾，很高興參加這次活動，希望下次能到現(xiàn)場參加。。我期待能與中國有更多的合作，我記得我在中國的所有美好經(jīng)歷，希望大家也喜歡與中國的互動。 謝謝。