Midjourney 创始人 Holz：人工智能应该是思想的延伸

【资料图】

在近期的 WAIC 2023 产业发展论坛上，Midjourney 的创始人兼首席执行官 David Holz 以视频的方式发表演讲。David Holz 在演讲中表达了自己对于中国的喜爱，并透露 Midjourney 的名字就出自道家的《庄子》。Holz 还在演讲中透露了 Midjourney 下个版本的功能，以及他本人对于人工智能产品的开发。

以下为 David Holz 演讲实录：我是 Midjourney 的创始人兼首席执行官 David Holz。 感谢陈先生和上海市政府今天的邀请。 我很荣幸参与此次 WAIC，我期待有一天能亲自到场参与。

Q：请问 Midjourney 为 AI行业做出了怎样的贡献，对艺术家、设计师和媒体制作人意味着什么？A：我认为世界上最重要的技术之一是引擎。 引擎是产生、传递和放大行动的机器。我们用引擎来建各种车辆、飞机和船只。重要的是，要把人工智能看作是一种新的引擎。 在 Midjourney，我们正试图用这种引擎来建造一种新的车辆，不是一种实体的交通工具，而是我们思想和想象力的交通工具，就像你用汽车在世界中行动一样。我希望我们可以创造一种交通工具，不是用来移动，而是想象。我认为在我们创造之前，首先必须想象，我们能成为什么？我们能去哪里？想想我们的一切可能。我认为正在制造的工具比任何东西都更注重放大想象力的原始力量。 我认为从广义上讲，这是一个机会，整个人类可以有效的想想。

Q：您提到在 Leap Motion 构建硬件时曾访问过中国，您能告诉我们跟读欧冠与您与中国和上海的联系吗？A：我过去曾多次带着 Leap Motion 访问中国。 Leap Motion 的第一个国际办公室在上海，我很喜欢上海的环境和风格，感觉古典与现代共存，像是各种城市。比如旧金山、纽约、欧洲一些古老城市和中国风格在一个地方可以同时享受。 它有那种古老历史的力量，有一种现实和未来的兴奋，那真的是非常，非常的酷。我最喜欢读的两本书是科幻小说和中国古代文学。 我认为中国古代文学有一些最美丽、对人类历史有深度的思考。 Midjourney 这个名字实际上来自我最喜欢的一个道家书籍一个译本，它来自《庄子》。我喜欢这个名字。 我之所以喜欢 " 中道 " 翻译的这个词，是因为我觉得有时候很容易忘记过去。 很容易产生这样的感觉，对未来感到迷失和不确定。但更多的是，我觉得我们实际上是在旅途中，我们来自这个丰富和美丽的过去。 而在我们面前的是这个疯狂和不可想象的宝贵未来。

Q：恭喜 Midjourney 推出了 V5.2！您能告诉我们更多关于 MidJourney 的最新功能以及未来版本的计划吗？A：因此，我们最近发布了 5.2 版本的 Midjourney，在主要版本发布之前开发 5.3. 我希望称之为第六版。 我们引入的最新功能是扩图，并能通过文本提示进行生成。所以当你放大时，你可以围绕中心主题创造不同的故事。本周我们发布了一个类似的功能，也就是 PAN，他允许用户平移镜头。然后当你横向移动相机时可以不断改变提示，然后讲故事。我们还发布了 /weird 这个智灵功能，这是一种结合起来，能对图像进行更多控制的方法。 你可以把它和 /style 功能结合起来。名字有点混乱，但想法是你要能够告诉人工智能做出多么漂亮的东西，以及你愿意冒多少风险，使这种美变得不传统、混乱的，怪异一点的。这让人们可以控制风险性和随机性之间的平衡，也可以控制对图像的传统美感的关注程度。我们还引入了我们称之为涡轮模式的东西。 涡轮模式是指我们尽可能多地使用 GPU，使图像生成变得非常快。 我想他快乐 4 或 5 倍。 我想你实际上是在同时使用 64 个 A100 显卡，这相当于超过一般的 100 我哪美元的计算机。这有点疯狂，但我们还在研究更疯狂的技术。虽然一些功能实现还需要很长时间，但我们认为随着时间推移，Midget 将发展到不仅创造 2D 图像，还可以创造 3D 图像、移动图像以及和像素直接交互。所有的一切都在不断的流动和改变， 完全根据画面风格试试相应。也许在未来，人们可以有一个巨大的人工智能处理器，所有这些不同的世界和梦境与我们的思想互动。

Q：由于生成模型和扩散模型的出现，人工智能的能力似乎有了显著的飞跃。您如何评价迄今为止这些领域的进展？其他人工智能领域呢？

A：关于 Diffusion 模型、transformer 模型和 GLIP 模型的发现发现让我真正进入了图像空间。 那是大约 2 年前，在任何服务出来之前，我们只是在旧金山讨论。我记得所有的研究人员都说，当时我觉得觉得这些，特别是 Diffusion 模型在出现时让我感到非常不同，尤其是与过去最先进的 GAN 模型相比，那是以前大家用来生成图像的东西。我只记得每个人都以一种不寻常的方式立即点头，说 Diffusion 模型真的很不一样。这感觉的真的很真切，感觉像是我必须参与的事情，并试图带来一个更人性化的用户界面。但就未来而言，很难确切地知道技术是什么样子的。 有时我们现在谈论语言模型将如何向 Diffusion 模型发展，也就是说，也许我们会使用 Diffusion 模型来制作文本。 或者图像模型会变得更像语言模型。或者蔚来可能会变成混合模型。 这真的很难说。 我认为我们在这个领域仅仅只是开始，但我百分之一百确定有很多进展要去的。 10 倍甚至 100 倍的进展是很有可能的。 在这个层面上的进步不仅仅是在原始性能上，而是在用户界面和产品上，这些产品允许我们使用这些原始技术，无论单独使用还是共同使用，制造真正的酷的东西，它们可以变得更好并解决问题。

Q：我们如何以更人性化的方式使用人工智能？Midjoyrney 对此有何看法？A：Douglas Engelbart 实际上是第一个创造文本编辑器的人。 那个时候用的是打孔卡，在卡上打孔来给计算机编程。但后来 Douglas 想了想说，如果我们用计算机编程会怎么样？这在当时听起来很疯狂。 这个想法是，通过在计算机上编程，可以加速循环，使我们更有效的操作，使计算机变得更好并放大一切。那个想法成功了，虽然我们有这些不同的文化，如人工智能，还有 hci（人机界面），智能应用文化，但我认为到目前为止，技术上的大部分进步都来自于努力让人变得更有效，并增强人们的能力。 其实我们还没有真正看到所谓的 AGI 时代真正到来。比如一些独立的 AI 自己独立的操作，无需用户交互。去解决一些问题，我认为如果我们在这方面想的太多，我们可能错过技术领域的很多机会。我想了很多，不仅仅是人工智能能做什么，而是如何在不同的事物之间创造流动和羁绊，因为一个工具不应该感觉像一个人。 它应该感觉是你自己、你的身体，你的思想的延伸。我想了很多关于如何建立这些技术，这种交织感觉应该不是你在和艺术家一起工作，而是你几乎只是在想象一些东西，然后它就出现在屏幕上。 很多人这样描述了 Midjounery 给他们的感觉，感觉这几乎是他们思想的一部分。 我认为这就是很多人工智能应该是这样的，他应该感觉像是我们的延伸。 所以我想再次感谢陈先生和所有的观众，很高兴参加这次活动，希望下次能到现场参加。。我期待能与中国有更多的合作，我记得我在中国的所有美好经历，希望大家也喜欢与中国的互动。 谢谢。