Facts speak for
themselves

无需多言,事实胜于雄辩

无需多言,事实胜于雄辩

第25期iFashion东华时尚MBA沙龙回顾丨有限与无限—AIGC在教育商业路径的探索

媒体: 东华大学MBA教育中心   日期:2023-12-11...  点击: 

 

AIGC

在教育商业路径的探索

第25期

iFashion东华时尚MBA沙龙

 

 

 

 

 

 

 

 

 

 

 

第25期

iFashion东华时尚MBA沙龙

 

2023年12月9日下午,第二十五期iFashion东华时尚MBA沙龙线下活动在东华大学延安路校区旭日楼400顺利举办。本期时尚沙龙特邀鲸海拾贝CEO、B站设计区影响力NO.1账号主理人李艮基先生,以“有限与无限—AIGC在教育商业路径的探索为主题带来精彩分享,以自媒体账号主理人的视角分享AI在不同行业的应用与探索。本次活动线上同步直播。

 

鲸海拾贝CEO、

B站设计区影响力NO.1账号主理人

李艮基先生

 

 

沙龙伊始,李艮基先生通过Midjourney制图的案例开启本次分享。他表示,AI领域每一天都在发生变化与进步,而具体表现在哪些方面,希望通过本次沙龙分享与大家一同共同探索其中的奥秘。李艮基先生指出,AIGC模仿人类学习的过程经历了规则驱动、统计学习、深度学习、智能系统四个能力涌现阶段。目前,AI工具是可以帮助我们降本增效,但它仿佛一个“潘多拉魔盒”,未来将发展成如何的子分类还有待见证。

 

 

李艮基先生从“创意可以被量化吗?”的维度切入,引出机器与人类内容生产流程的差异。通过结构清晰的导图,他分析对比了人类和AI思考与内容生产的形成过程,并指出机器与人类的思维方式不同,伴随内容生成的大众化,AI将逐渐成为主要的内容生产工具,在文本、图片、视频、动画等领域实现井喷并获得广泛应用,从而各行各业全新的发展。

 

 

结合自己的经历与经验,李艮基先生谈到,传统内容产生链路包括策划、分镜、拍摄、剪辑、发布几大步骤,传统内容行业生产的低效能使得品牌产出优于个体产出。但如今通过AI的帮助,每个人都可以补齐短板,做出优质的内容产出。而关于具体如何应用,通过贝塞尔曲线和短剧视频的案例分享,李艮基先生向大家细致讲解了脚本设计、视频剪辑、音频处理等各类工作上AI工具的实际应用方式,同时直观展现了视频策划与生产的具体流程。他表示,在视频制作产出过程中,AI工具可以完成许多设计工作,足以揭示并预见出未来AI井喷式的范式。除了内容与设计的产出,AI在许多问题上展现出比人类更深刻的理解,超级个体所产生的数字身份价值将大于内容价值本身。

 

 

李艮基先生分析了互联网的时代发展过程,并对“千人一面”的现象进行了通俗易懂的解读。运用条件反射实验的例子,他揭示出内容杠杆算法模型的基本逻辑并表示,人工智能让我们重回千人一面的时代,能够真正感受极简的交流与互动。在教育领域角度,李艮基先生对几个实际案例进行分享并指出,AI将使得人们关注过程本身,而不是只关注于结果。具体应用于教育行业赛道,这将推动诞生新的内容杠杆,让客制化内容溢价变低。

 

 

在游戏领域,结合个人思考,李艮基先生认为,游戏领域与教育领域可以在宏观意义上打通,游戏的底层是用更强时效的及时反馈来让人产生更强的沉浸感,因此一个好的游戏可以做到寓教于乐。与AI应用相结合,虚幻引擎可以还原并传播文化、实景、文字等各种内容,通过AI的应用可以实现个性化的深度交互。在这种背景下,NPC人格化成为可能性,我们能够真正提升游戏的体验感与真实感,使得现实与虚拟的界限变得模糊。结合自己的游戏体验和设计经验,他表示,AI在游戏领域的多种应用正促生非常多的新机遇与新可能,甚至会在游戏行业中与元宇宙碰撞融合,将一维信息转化为三维信息投入元宇宙,从而孕育虚拟游戏世界的无限。

 

 

李艮基先生认为,无论是教育、游戏,变中之变是面对AI复杂文化的临界点与核心。目前人工智能发展还没有达到强人工智能状态,它的未来仍存在更多可能。希望各位同学保持好奇心,共同以积极探索的心态去发掘和创造未知的未来。互动交流环节,现场同学踊跃提问,李艮基先生结合专业视角与同学们进行了深入的探讨与交流,并签名赠书。同学们提问的热情高涨,现场气氛热烈。

 

至此,第二十五期iFashion东华时尚MBA沙龙,“有限与无限—AIGC在教育商业路径的探索圆满落幕,iFashion东华时尚MBA沙龙未来将继续关注时尚产业的最新动态和发展趋势,邀请更多业内专家和行业学者来到沙龙进行倾情分享、深入交流,共同探索并推动时尚产业的创新发展。让我们共同期待时尚产业更加美好的未来!

 

 

 

 

 

 

 

 

 

以有限创造无限

以技术引领未来

共同探索AICG商业化道路

 

 

 

 

Top
Back

深度学习?

TAG Learning

微信长按二维码识别
或微信扫码

聊聊想法?