AIGC时代现状(2023)

①AI发展现状：

AI已经有能力写小说、画漫画、虚拟人、mod、开发游戏、广告投放等；

AI现在是非状态化：AI不会永久记住你、还不会理解一句话的潜台词和背景。

ChatGPT需要更精确的提示词。想得到更专业的回答，则需要一定的专业基础；

AI版权问题争论不休，智能合约问题亟待解决；

②企业的态度：

企业的目标是打造完整的IP产业链。有些公司非AIGC不立项，AIGC已渗透到IP孵化过程的产业链；

企业的另一个目标则是降本增效，AIGC提升效率之后，某些大厂可能会裁员；

③游戏开发商的态度：

拥抱AIGC，积极将AI工具引入工作流，但并不完全依赖AI，保持一定观望。

AIGC对我们提出新要求

①会提问题

首先，要学会把问题描述清楚，把握语言是需要技巧的，这就需要学习一些提示词技巧；

为了熟练掌握并准确地使用提示词，甚至还需要学习提示词工程（最终可能还是会变成软件工程和api调用）

然而，随着大模型升级，现在的提示词会快速过时，最终会演变成自然语言（但也许会经历漫长的过程）；大模型正在变得越来越能够理解语言中的隐喻和情感；自然语言有二义性，计算机语言没有;

学习过往大师的绘画及语言风格，让过往所有的大师成为你的笔，你可以用大师的方式描述自己的文字和绘画，进行情绪的输出和传递；更容易形成共鸣，转化率更高。

②会判别优劣

ChatGPT模型追求的不是正确答案，而是答案的多样性
GPT与搜索引擎结合而成的New Bing，得到答案的正确率可能会更高一些。
没有对错，只有优劣，转化率是唯一衡量标准（作为游戏，则是背后情绪价值的传递为标准）

沉浸感上升，用户才更愿意付费((⊙x⊙;))

“到底什么是对的？大师说的是对的？我喜欢的是对的？过去的经验和数据验证过的是对的？”

当自己不属于某个专业领域时，搞不清原因的数据就不要用来做决策，这个过程是痛苦的，不断被推翻和迭代（如中医的成长历程，一旦被质疑整个体系都有可能被推翻）

举例—虚拟形象：目前的2d虚拟形象比3d虚拟形象更生动、也更准确传递情绪（3d更容易出现恐怖谷效应），但2d就一定好吗？过去的大师是在有限的技术条件下，摸索出带着镣铐跳舞的优雅姿势，并在经过训练后，可以进行准确的，超量的情绪输出。读者也被训练了，形成了某种默契（比如脸谱，是一种扭曲的审美习惯）大师走这条路是被迫的，现在的读者依然是小众群体。总之永远不要放弃过去被证明是错误的事情。（过去的实验可能是“跳蚤拔掉六条腿变聋子实验”）

③警惕“不劳而获”陷阱

AI确实能提高某些工作的效率，但这并不意味着人工成本的降低。最好的永远是稀缺的，未来纯AI生产的垃圾内容会越来越多，最好的内容筛选变得更困难，创作好内容的成本其实是上升了。同时，AIGC让内容分类变得更加细分，每个细分领域只有极少数胜出。所以最好的成长方式就是避免成为大师而去成为工匠，不必精通某个领域而在多个领域内做好准备。

如何用AIGC做游戏？

①大语言模型（LLM）是很好的游戏驱动后台：它能够提供更加差异化的反馈；游戏或IP的背景故事，完全可以训练成小模型进行记忆，并做出分层模型系统；游戏形象和视觉背景（如LoRA模型）提供稳定的生产力输出；建模的部分，已经有人训练出了现成的工具；编程则是AI最擅长的领域之一；捏脸系统、mod......每一步都能在公众平台验证。

②用于验证一些社会实验、思维实验的可行性。

③从传统npc到AI代理（单机游戏：智能npc；联机游戏：AI代替真人参与游戏；或是无人参与直接互动的、仅供观赏的游戏？)

AIGC游戏的未来趋势

①AIGC后游戏会变多，发行成本会变得更高。广告与投放（如近期故意出错的游戏广告—情感刺激；中国广告素材堆量式推广；gpt用于数据分析等）；

②全流量平台运营将变得更加容易。这将改变以往IP逐级递进的分摊风险的方式（如日本动漫：单行本->动画化->大电影->真人电影），同时推出小说/游戏/动画，并互相影响互相调整；

③AIGC革命并没有让用户量变大。且经济下行、全球割裂，所以要创造需求，等待需求缓慢爬坡，这个过程利益会重新分配，很痛苦，流量也会变贵。可以选择私域流量运营（建立群），提升用户忠诚度、付费购买转换率和付费金额等。

参考资料：

《游戏产业与游戏文化》系列课程