Midjourney 創(chuàng)始人 Holz：人工智能應(yīng)該是思想的延伸

【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(dá)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(rèn)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(rèn)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(rèn)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(rèn)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(fēng)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(fēng)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(xué)。 我認(rèn)為中國古代文學(xué)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(dāng)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(dāng)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(fēng)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(fēng)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(dāng)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(rèn)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(fēng)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(dāng)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(rèn)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(dāng)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(rèn)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(rèn)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(rèn)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。