今年9月，在美國科羅拉多州的一場藝術博覽會上，AI畫作《太空歌劇院》勇奪數字藝術類別冠軍，而早在2018年佳士得拍賣會上，首次由AI創(chuàng)作的《埃德蒙·貝拉米畫像》就被拍出了43.25萬美元的高價。隨著AI繪畫技術日新月異的發(fā)展及其在社交平臺的大火，這種“以文生圖”、“馴服AI”的繪畫方式開始走向大眾，人們紛紛開始尋找另一個次元的自己。

01

馴服AI繪畫

莫讓智能變智障

只需輸入一張圖片，選好參考指數，再搭配關鍵詞輔助，就能打開三次元和二次元的次元裂縫，快速生成你的數字化身。究其本質，這種AI繪畫便是利用計算機深度學習，通過神經網絡對文字語言和圖像進行關聯學習，實現對輸入的關鍵詞進行轉換從而生成對應圖像的技術。

?而除了簡單易操作，一不小心人工智能變人工智障也是AI繪畫工具大火的原因之一，將參考圖片的人識別成動物，將背景識別成人的情況時有發(fā)生。按照經典的“貓與非貓”案例，人類能夠很輕易識別出一張圖片里有沒有貓，但機器卻并不能做到，因為種類、顏色甚至角度的差異，都會導致每張照片中的貓存在差異，無法將所有貓的照片輸入機器里，自然也就無法從參考照片中直接分辨并轉換成畫作。卷積神經網絡（CNN）能夠自主通過樣本照片的訓練形成一套理解什么是貓的機制，持續(xù)向下尋找低級特征，一直到最低級的像素點，從而構成多層的神經網絡。

?

02

并非藝術之死

而是生產力變革

在近年來算力算法高速發(fā)展的背景下，AI繪畫技術的進步日新月異。卷積神經網絡通過卷積層提取圖像特征；通過池化層簡化、降低數據維度；全連接層對卷積層和池化層的結果進行分類運算，得出結果。同時CLIP模型的訓練使得AI能夠將Prompt與參考圖片一一對應起來，從而最終達到以局部識別拼湊出整體形象的過程。擴散模型Diffusion Models作為更好的圖像生成模塊，通過噪聲來干擾信息，再通過去除噪聲來生成圖像，通過噪聲來不斷衰減信息，并通過學習到的模式來生成信息圖像，并經過多次迭代生成最終結果。

?為了更好地理解語義，將圖片往預期的方向生成，Prompt的存在就顯得尤為重要。所謂Prompt便是AI生成圖片時的描述性語言，也就是“關鍵詞”，其對于畫作的質量、風格等都有較大影響，清晰詳盡的Prompt能夠讓畫面主體和細節(jié)更加精確?！短崭鑴≡骸愤@幅畫作得以呈現，是設計師花費了近?80?個小時，不斷優(yōu)化Prompt，才得到這樣足以亂真的作品?？梢哉f沒有持續(xù)的精雕細琢，就沒有成品的視覺盛宴，AI只是解放生產力的工具，而把控其藝術風格、主導其“進化”方向的仍是人類自身。

?

03

織就高速算力

讓藝術更“智”識

深度學習模型簡單說來便是輸入大量標注好的訓練數據，根據輸入和相應預期輸出，反復調整模型內部參數加以匹配的過程。而訓練AI繪畫的過程，就是構建大量畫作的訓練數據，輸入AI模型進行參數迭代調整。要想生成內容生動，結構自然的畫作，與每一筆的形狀、顏色、紋理都密切相關，其復雜的參數組合自然伴隨著深度模型訓練龐大的計算量。

泰戈爾說：藝術不過是表達思想的一種工具。如同當年工業(yè)革命對手工業(yè)的沖擊，AI的發(fā)展絕不是為了替代人力，而是生產力與藝術形式的變革，其發(fā)展勢必撬動更多亟待開發(fā)的藍海領域。