智能晚报｜DragGAN：让你拖拖拽拽就能修图

「每天重要的新闻不会超过五条」

整理：何昕晔

编辑：吴洋洋

Key Points

DragGAN：让你拖拖拽拽就能修图；

马化腾：腾讯不急于发布AI半成品；

苹果限制员工使用ChatGPT；

Instagram拟在夏季发布Twitter竞品。

  DragGAN：让你拖拖拽拽就能修图

5月18日，来自马克斯·普朗克计算机科学研究所、MIT CSAIL和Google的6位研究人员，在其论文中介绍了一项新的AI图像编辑技术——DragGAN。

DragGAN可以做什么？

当前AI工具生成图像已具备强大的图像生成能力，但用户无法在生成内容的基础上对其调整——DragGAN可以做到这一点。DragGAN的交互界面类似于图像处理工具Photoshop，但其原理不是简单地涂抹对象和混合现有像素，而是重新生成主题。

（视频来源：https://vcai.mpi-inf.mpg.de/projects/DragGAN/）

在演示Demo中，DragGAN技术可以对图像做以下调整：

    · 让狮子转头，并张开嘴巴；

    · 让小猫从睁眼变成wink的表情；

    · 改变模特的站立姿势，从手插兜变成自然下垂；

    · 把模特身着的短袖变成长袖，短裤变成长裙；

    · 让湖边的树变高，湖里的倒影也随之一起改变；

    · 让全封闭汽车变敞篷；

    ……

DragGAN为什么可以做到这些？

GAN（Generative Adversarial Networks，生成式对抗模型）发布于2014年，在以Stable Diffusion为代表的扩散模型（Diffusion Model，2022年）发布之前，GAN模型在图像生成领域占据主导地位。

GAN原本是一种过时的图片生成模型。相较于当下主流的扩散模型，GAN模型对输出结果的控制力弱，可能产生随机图像，难以扩展至复杂数据集；而且，其生成的图像分辨率低，图片质量较差。但GAN模型也有其优势，尤其在特征空间的判别力上，它能够做到运动监督（motion supervision）和精确的点跟踪——DragGAN就是利用了GAN的这种特长，让图像能够在遵从底层目标结构的基础上变形。

总之，在AGI实现之前，每种AI模型都仍富有潜力。在图片领域，一个近在眼前的可能就是：Diffusion Model负责生成图像，DragGAN负责修图，两个AI恰好可以合作。

参考链接：

https://arxiv.org/pdf/2305.10973.pdf （注：该论文的一作潘新钢，目前是马克斯·普朗克信息学研究所博士后，2021年曾在香港中文大学多媒体实验室获得博士学位，师从汤晓鸥。汤晓鸥为商汤科技创始人。）

https://vcai.mpi-inf.mpg.de/projects/DragGAN/ （注：因用户的极大热情，该研究团队主页已因流量过大而崩溃。如果你打开这个页面什么都没有看到，那就是他们还没有修好。）

 苹果限制员工使用ChatGPT

据《华尔街日报》5月18日消息，因担心数据泄露，苹果限制员工在公司内使用ChatGPT和其他外部AI工具，GitHub的AI软件代码工具Copilot也在限制名单上。报道称，苹果正在开发自己的生成AI模型。

苹果为什么在生成式AI领域落后？

2011年，苹果推出Siri语音助手，成为AI消费应用的早期参与者之一。然而2018年推出学习工具CreateML之后，该公司在AI领域许久未有大动作。

5月5日的苹果二季度财报会议上，CEO库克表达了对于生成式AI的态度，称这是一个有着无限潜能的领域，但“很多问题仍待解决，比如隐私、安全、伦理”，所以在部署AI项目时要需要深思熟虑。

苹果公司的AI开发由John Giannandrea领导，此前他在Google工作，Giannandrea向库克直接汇报工作。官方招聘网站显示，苹果生成式AI相关的人才缺口大，目前正在招聘研究科学家、应用研究员等多个职位。

苹果已收购多个AI初创企业。今年3月，苹果收购了加州初创公司WaveOne，该公司的主要业务是视频压缩AI算法。2021年，苹果收购了伦敦创业公司AI Music。GlobaiData的数据显示，2016年至2020年，苹果共收购了25家AI领域的公司。

还有哪些公司发布了GPT禁令？？

亚马逊：今年1月，亚马逊因数据安全方面的考虑，警告员工不要在工作场合中使用ChatGPT。

摩根大通、美国银行和花旗银行：2 月，这几家银行先后宣布，禁止员工使用ChatGPT等AI工具。

三星：5月初，三星在一封内部信中告知员工称，禁止在工作中使用ChatGPT和Bard等生成式AI，以免公司资料被泄露。三星称，公司正在研发内部AI工具供员工使用。

参考链接

https://www.wsj.com/articles/apple-restricts-use-of-chatgpt-joining-other-companies-wary-of-leaks-d44d7d34?mod=Searchresults_pos2&page=1

 马化腾：腾讯不急于发布AI半成品

5月18日，在腾讯2023年股东大会上，CEO马化腾回应了AI相关的提问，表达了对于新一拨AI浪潮的观点。

他主要说了这些：

关于AI：我们最开始以为这是互联网十年不遇的机会，但是越想越觉得这是几百年不遇的、类似发明电的工业革命一样的机遇。

关于研发速度：对于工业革命来讲，早一个月把电灯泡拿出来，在长的时间跨度上来看不那么重要，关键还是要把底层的算法、算力和数据做好，更关键的是场景落地，目前我们还在思考。现在有很多公司太急了，感觉是为了提振股价，我们一贯不是这种风格。

腾讯会怎么做：互联网企业都有很多积累，都在做，我们也一样在埋头研发，但是并不急于早早做完，把半成品拿出来展示。此外，一个公司不能包揽一切，要聚焦在最擅长的领域，发挥自己的价值。

腾讯在大模型领域的主要动向

2022年10月，腾讯完成首个万亿参数的AI大模型——混元NLP大模型训练。在同等数据集下，将训练时间由50天缩短到11天。如果基于新一代集群，训练时间可缩短至4天。

今年2月，腾讯成立混元助手（HunyuanAide）项目组，计划推出类ChatGPT的对话产品。该项目组一号组员为拥有腾讯最高专业职级的张正友，其早年就职于微软研究院，擅长计算机视觉。

4月，腾讯云发布新一代HCC（High-Performance Computing Cluster，高性能计算集群）。腾讯云称，该集群的算力性能较前代提升3倍，是目前性能最强的大模型计算集群，可为大模型训练、自动驾驶、科学计算等提供高性能、高带宽和低延迟的集群算力。

参考链接：

https://www.thepaper.cn/newsDetail_forward_23135447

 Instagram拟在夏季发布Twitter竞品

据彭博社5月20日报道，Instagram计划发布一款基于文本的应用程序，对标Twitter。知情人士称，Instagram正在与网红等名人合作，应用最快会在今年6月推出。

这会是一款怎样的应用？

加州大学洛杉矶分校的营销学者Lia Haberman在其个人博客发文，介绍了这款新应用的部分特点：

应用将独立于Instagram，但允许用户关联账户，用户可以从Instagram迁移其用户名、简介和关注者等信息；

可能与Twitter的其他竞争对手兼容，包括Mastodon，如果用户公开其账号，其个人信息可以在其他兼容应用内被搜索、关注和互动；

用户可以发布最多 500 个字符的文本帖，并附上链接、照片和视频。

Instagram为何在此时推出Twitter竞品？

自马斯克去年10月接管Twitter后，其混乱的管理使得许多用户弃用Twitter，寻找这款社交媒体的替代品。Mastodon平台被称为“Twitter难民避难所”，在马斯克接管Twitter后的20天内，共有50万用户从Twitter迁移至Mastodon。

参考链接：

https://liahaberman.substack.com/p/icymi-instagrams-new-app-could-be?

https://www.bloomberg.com/news/articles/2023-05-19/instagram-readies-twitter-competitor-for-summer-release

-END-

新皮层New New Thing 

Hello！

我们是一个诞生于GPT浪潮、由《第一财经》YiMagazine孵化的全新内容IP。

和每一位关心技术、关照人的命运的读者一样，我们希望在这个有史以来不确定性最高的时代，更好地理解快速变化的科技世界，也更好地理解生而为“高级智能”的我们自己。在这个目标下，我们计划从学术、商业、伦理、监管等多个角度报道和讨论与“智能”相关的议题。请注意，我们说的是智能，不只是AI。

请扫码关注我们吧！

喜欢就关注我们吧，记得“设为星标”哦~

若想了解更多资讯，请点击阅读往期智能晚报：

与记者交流，可添加微信（请备注公司名称和姓名）：

王杰夫 微信号: wjfsty

张司钰 微信号: helianthus351

吴洋洋 微信号: qitianjiuye

再次，喜欢就关注我们吧，记得“设为星标”