正如一位商业作家所言：“黑夜黑暗且充满恐怖，白天明亮美丽且充满希望。”这一意象同样适用于人工智能（AI）。如同所有技术一样，AI兼具优势与风险。
以Stable Diffusion等艺术生成模型为例，它们激发了惊人的创造力，推动了应用创新及全新商业模式的发展。然而，其开源特性也被不法分子利用，大规模制作深度伪造内容；同时，艺术家们抗议称该技术正利用他们的作品牟利。
展望2023年，AI前景如何？监管能否遏制其负面影响，还是“洪水闸门”已然打开？是否会出现类似ChatGPT般强大、变革性的新AI形式，颠覆那些曾被认为免受自动化影响的行业？
预计将有更多存在争议的艺术生成AI应用涌现
随着Prisma Labs开发的AI自拍应用Lensa病毒式传播并取得巨大成功，预计将出现大量跟风产品。需警惕的是，这些应用极易被诱导生成不适宜工作场所观看（NSFW）的图片，并对女性形象进行不成比例的性化处理和外观修改。
Mozilla基金会高级政策研究员Maximilian Gahntz表示，生成式AI在消费科技中的整合将放大此类系统的影响，无论积极还是消极方面。
Stability AI（Stable Diffusion背后的初创公司）融资1.01亿美元
例如，Stable Diffusion通过数十亿张互联网图片训练，“学会”了将特定词汇与图像关联。文本生成模型也容易被诱导宣扬冒犯性观点或产生误导性内容。
Knives and Paintbrushes开源研究小组成员Mike Cook认同Gahntz的观点，认为生成式AI将继续成为一种重大且有问题的变革力量。但他强调，2023年必须是生成式AI“言行一致”的一年。
Cook指出：“仅激励专家社区创造新技术是不够的。要让技术成为生活的长期组成部分，它要么带来巨额利润，要么对大众日常生活产生有意义的影响。因此预测，我们将看到推动生成式AI实现这两者之一的浪潮，但结果将是喜忧参半的。”
艺术家带头抵制数据集滥用
DeviantArt发布了一款基于Stable Diffusion构建并在其社区作品上微调的AI艺术生成器，遭到老用户的强烈反对，批评平台在训练系统时缺乏透明度。
尽管OpenAI和Stability AI等主流系统创建者声称已采取措施限制有害内容，但从社交媒体上的生成结果来看，仍有大量改进空间。
Gahntz表示：“数据集需要积极策展来解决这些问题，并应受到严格审查，包括来自弱势社区的审查。”他将此过程比作社交媒体内容审核的持续争议。
Shutterstock将集成OpenAI的DALL-E 2并为贡献者艺术家启动基金
迫于公众压力，主要资助Stable Diffusion开发的Stability AI近日表示，将允许艺术家选择退出下一代模型的训练数据集。权利持有人可通过HaveIBeenTrained.com网站，在几周后开始训练前申请退出。
OpenAI目前不提供此类退出机制，而是倾向于与Shutterstock等组织合作授权图像库。但鉴于法律风险及与Stability AI共同面临的舆论阻力，效仿此举可能只是时间问题。
法院最终可能会迫使企业采取行动。在美国，Microsoft、GitHub和OpenAI正面临一起集体诉讼，指控其违反版权法，因Copilot服务在未经归属的情况下复述了受许可保护的代码片段。
随着法律问题未决，GitHub推出面向企业的Copilot计划
为应对潜在法律挑战，GitHub近期添加了设置以防止公共代码出现在Copilot建议中，并计划引入引用来源功能。但这些措施并不完美：过滤器设置曾导致Copilot输出大段受版权保护的代码，包括归属和许可证文本。
预计未来一年批评声浪将加剧，尤其是英国正酝酿取消“通过公共数据训练的系统必须严格用于非商业目的”的规定。
开源与去中心化努力将持续增长
2022年AI舞台主要由OpenAI和Stability AI主导。但随着构建新系统的能力不再局限于“资源雄厚的实验室”，钟摆可能在2023年重新转向开源。
Gahntz表示，社区方法可能导致对系统部署进行更多审查：“若模型和数据集开放，将使许多批判性研究成为可能，从而揭示生成式AI的缺陷与危害，而以往这类研究往往过于困难。”
以社区为重点的努力包括EleutherAI和BigScience的大型语言模型（后者获Hugging Face支持）。Stability AI本身也在资助Harmonai（专注音乐生成）和OpenBioML（生物技术实验集合）等社区。
尽管训练复杂AI模型仍需资金和专业技能，但随着开源成熟，去中心化计算可能挑战传统数据中心。
BigScience通过开源Petals项目推动去中心化开发。该项目允许用户贡献计算能力（类似Folding@home），运行通常需要高端GPU或服务器的大型AI语言模型。
Petals正在创建一个免费的分布式网络来运行文本生成AI
Allen Institute for AI高级研究科学家Chandra Bhagavatula表示：“现代生成模型训练和运行成本高昂。粗略估算显示，ChatGPT日常支出约300万美元。为解决这一问题以实现商业可行性和广泛普及至关重要。”
然而，只要方法和数据保持专有，大型实验室仍将拥有竞争优势。例如，OpenAI虽开源了根据文本提示生成3D物体的Point-E模型，但未披露训练数据来源。
Chandra认为：“开源和去中心化努力绝对值得，有利于更多研究人员和用户。但由于资源限制，即使模型已开源，许多人仍无法使用最好的模型。”
AI公司积极应对即将到来的监管
欧盟《人工智能法案》等法规可能改变AI系统的开发与部署方式。地方举措如纽约市AI招聘法规（要求使用前进行偏见审计）也将产生影响。
Chandra认为监管十分必要，尤其考虑到生成式AI倾向于输出事实错误信息等技术缺陷。
她表示：“这使得生成式AI难以应用于容错率极低的领域（如医疗）。此外，便捷生成错误信息带来了虚假信息和恶意误导的挑战。[然而] AI系统已在做出充满道德伦理影响的决策。”
专家警告称，欧盟《人工智能法案》可能会对开源工作产生寒蝉效应
明年主要面临监管威胁——在罚款或起诉出现前，规则和诉讼争议将频发。但公司仍可能为即将出台法律中最有利的类别（如风险等级）争取地位。
现行规定将AI系统分为四类风险等级。“高风险”AI（如信用评分、机器人手术）进入欧洲市场前须满足特定法律、伦理和技术标准；“最小或无风险”AI（如垃圾邮件过滤器、AI游戏）仅需履行透明度义务。
华盛顿大学博士生Os Keyes担忧公司会追求最低风险等级以规避责任和监管关注。
Keyes表示：“撇开担忧不谈，《AI法案》是我目前看到最积极的事情，我在国会没怎么看到任何实质性内容。”
投资并非稳赚不赔
Gahntz认为，即使AI系统对大多数人好用，若对部分人造成严重伤害，在广泛推广前“还有很多作业要做”。他补充道：“这也有商业逻辑。若模型生成大量糟糕内容，消费者不会喜欢。显然这也关乎公平问题。”
明年企业是否会被说服尚不明确，尤其是投资者似乎急于向任何有前景的生成式AI领域注资。
在Stable Diffusion争议之际，Stability AI筹集1.01亿美元，估值超10亿美元，支持者包括Coatue和Lightspeed Venture Partners。OpenAI据称估值达200亿美元，正与Microsoft进行高级融资谈判。（Microsoft曾于2019年向OpenAI投资10亿美元。）
当然，这些可能是例外情况。
除自动驾驶公司Cruise、Wayve、WeRide及机器人公司MegaRobo外，Crunchbase数据显示今年融资表现最好的AI公司为软件类企业。Contentsquare（网页内容AI推荐服务）7月完成6亿美元融资；Uniphore（对话分析与助手软件）2月获4亿美元资金；Highspot（AI驱动销售营销实时推荐平台）1月获2.48亿美元。
投资者可能追逐更稳妥标的，如自动化分析客户投诉或生成销售线索，即便这些领域不如生成式AI“性感”。这不代表不会有引人注目的大额投资，但这些机会将留给有影响力的玩家。