AIGC（AIGeneratedContent）即人工智能生成内容。近期爆火的AI聊天机器人ChatGPT，以及Dall·E2、StableDiffusion等文生图模型，都属于AIGC的典型案例，它们通过借鉴现有的、人类创造的内容来快速完成内容创作.
“新晋流量”ChatGPT的背后，AIGC是“昙花一现”？还是将引领人工智能进入新的时代？「AIGC周报」将从带你快速跟进AIGC世界。
一、技术前瞻
1.ChatGPT：这一次，我问你答
提出有洞察力的问题，对于获取知识和扩展机器对世界的理解至关重要。然而，在AI研究中，提问的重要性在很大程度上被忽视了。随着ChatGPT等大型语言模型的快速发展，它们被证明可以在提供合适的提示（prompt）时提出高质量的问题。这一发现为开发自动提问系统提供了新的机会。
该研究介绍了一种新颖的图像字幕自动提问方法——ChatCaptiter：ChatGPT被提示向视觉问答模型BLIP-2询问一系列关于图像的问题，通过不断从BLIP-2的回答中获取新的视觉信息，其能够生成更丰富的图像描述。
具体来说，ChatCaptainer从一个任务指令开始，设置文本并概述ChatGPT的问题；当收到来自BLIP-2的答案时，便将聊天日志和问题说明提示给ChatGPT，以继续询问信息获取问题；最后，为ChatGPT提供一个图像说明并结束对话。
该研究对常见的图像标题数据集（如COCO、ConceptiveCaption和WikiArt）进行了人类主体评估，并将ChatCaptainer与BLIP-2以及人工标注框比较。
结果表明，ChatCaptioner的字幕提供的信息要多得多，其从人类评估者那里获得的选票是BLIP-2的三倍；通过WordNet同义词集匹配测量，ChatCaptioner比BLIP-2多识别了53%的图像中的物体。
论文链接：