AI在今年无疑是最热的话题之一，而且这次热度并不是像以往的元宇宙一样是炒作，我相信在体验了以ChatGPT为代表的AI工具后，没有人会再质疑AI技术的潜力了。

作为AI技术的一个十分重要的分支，AIGC在今年也得到了空前的关注。事实上，从去年开始，以stable diffusion为代表的AI绘画模型就已经以令人惊艳的图片生成质量震惊了我了。虽然我本人也是只是浅尝辄止，没有成为一个熟练的prompt工程师，但是在可以遇见的未来，prompt工程师确实会崛起。

作为一个决定踏入游戏制作领域的人，对于AIGC就必须投入更多的关注了。事实证明，AI技术对于美术素材的生成有着巨大的帮助，包括2D美术素材、音乐等等，虽然目前在3D方面我还没有尝试比较好的模型生成插件（但是之前的unity muse确实声称可以生成比较好的3D美术素材），但是毋庸置疑这将极大的提高生产力，尤其是一些没有资金的小型独立游戏制作者。

另一个让人感兴趣的方面是大模型在游戏中的应用。其实简单AI在游戏中的应用一直都有，包括GPT一开始都是训练怎么去打Dota的。不过我更感兴趣的是，假如GPT能更进一步表现得更像人（即使实际上并没有自己的思想），将他们用作游戏中的NPC,并且NPC之间会和环境、互相并且和玩家交互，最终又会变成什么样的有趣游戏？我们是否可以提前做出我们的ALICE?不得不承认，这一切都十分让人兴奋。

回到AIGC上，AIGC开创了“模型”主导内容生成的时代。人类将跑步进入传统人类内容创作和人工智能内容生成并行的时代，进而进入后者逐渐走向主导位置的时代。这意味着传统人类内容创作互动模式转换为AIGC模型互动模式。人类历史上第一次，由非人类生成的内容会超过人类自己，而2022年就是一个重要的历史节点。

AIGC的生成能力和模型的参数成正相关，但是事实上，现在就算是参数量最大的GPT4,其参数总量也仅仅只有 大约1750 亿到2800 亿之间 ，甚至比GPT3多不了多少，而人类突触数量级达到了100万亿的参数，虽然目前还不清楚在现在的方法上是否有可能继续增加数量级，但是我们确实相信，一定能找到一种办法，最终达到这个数量级，从而达到匹敌甚至超过人脑的智慧。到那时，也许不再是AIGC了，而是AIALL了。

AIGC的爆发，得归功于深度学习近几年取得的巨大成就进展，尤其是19年的Transformer，它使得一切变得可以学习。同时像更老的一些如3D-GAN(2014和Diffusion(2015)，它们都对深度学习网络的构建起到了重要的作用。可以看到的是，这个领域正在蓬勃发展，虽然也许我们正在制造的是我们整个种族最大的敌人，但是我们也不得不做，因为，他就在那里。

我很推荐这本《AIGC智能创作时代》，它的前面部分简洁有力地说明了这几年AIGC的发展以及重要的理论，在后面还介绍了许多AIGC的应用场景以及正在从事这些行业的企业，也可以当作一本AIGC百科全书来查阅。