該如何看待現(xiàn)階段的AI繪畫(huà)?
不管你是打算用AI做事，還是想尋找對(duì)抗AI的思路，看完你都會(huì)有收獲。
AI繪畫(huà)作品的生成可以分為三個(gè)階段。
收集現(xiàn)實(shí)中的圖片形成訓(xùn)練集。如現(xiàn)在主流AI繪畫(huà)模型所依賴的公開(kāi)訓(xùn)練集LAION-5B，包含幾億張從互聯(lián)網(wǎng)上無(wú)差別收集的圖像，這種收集肯定是沒(méi)有授權(quán)的。除了這些比較大的圖集外，很多模型還使用了非公開(kāi)的，按特定條件收集的，比較小的圖片集，比如像素、二次元等，對(duì)公開(kāi)訓(xùn)練集生成的模型進(jìn)行二次、三次訓(xùn)練。這些訓(xùn)練集一般只需要幾千張，背后有沒(méi)有授權(quán)也無(wú)從查證。這些訓(xùn)練集提供給AI的信息有兩個(gè)，一是圖像，二是圖像備注的文字信息。這些圖集的大小約幾個(gè)TB。
通過(guò)大型語(yǔ)言模型（LLM）技術(shù)，對(duì)大規(guī)模圖集進(jìn)行成本高昂的計(jì)算，把圖像和圖像備注的文字信息分別解碼之后，再重新聯(lián)系起來(lái)。這種聯(lián)系不是簡(jiǎn)單的圖片-文字，而是圖像特征-自然語(yǔ)言。AI不是按照人類給出的條件去分類圖像，而是解碼人類對(duì)圖像備注時(shí)用到的邏輯，再以這個(gè)邏輯建立起一個(gè)人類看不到的數(shù)碼空間。這個(gè)空間就是潛在空間。
Stable Diffusion公布出來(lái)的那幾個(gè)G的模型文件，其實(shí)就是這個(gè)潛在空間的一個(gè)截面，里面存儲(chǔ)的不是那幾個(gè)TB圖像的壓縮版本，而是AI所計(jì)算出來(lái)的，那些圖像和圖像備注的文字信息之間蘊(yùn)含的內(nèi)在邏輯。
在這個(gè)模型基礎(chǔ)上，利用一些小規(guī)模訓(xùn)練集進(jìn)行二次、三次強(qiáng)化，提升它在某些文字上的邏輯后，就形成了一些新的衍生模型，如像素、二次元等。
使用者用特定程序讀取模型后，輸入任何文字，都可以按這個(gè)邏輯在潛在空間中抓取對(duì)應(yīng)的圖像特征，再通過(guò)一定程序繪制出來(lái)。或者，也可以輸入任何圖像，看看它在潛在空間中能聯(lián)系到的文字描述是怎樣的。
這個(gè)圖像特征的繪制過(guò)程，選擇讓程序展示每步計(jì)算生成的圖像就能觀察到。它的原理是利用一張色塊隨機(jī)分布的噪點(diǎn)圖，計(jì)算其中的數(shù)碼排列是否符合你輸入文字在潛在空間中所代表的特征值，符合的留下，不符合的刪除。經(jīng)過(guò)多步計(jì)算，圖像穩(wěn)定下來(lái)之后，使用者把它保存下來(lái)進(jìn)行展示。這就是所謂的“AI繪畫(huà)”。它的多樣性和隨機(jī)性主要是由隨機(jī)噪點(diǎn)圖和文本引導(dǎo)詞背后所代表的圖像特征來(lái)控制的。
AI繪畫(huà)程序給出的圖像，是使用者用一些文字性提示，讓繪圖程序按模型文件中存儲(chǔ)的內(nèi)在邏輯讀取到相關(guān)的圖像特征之后，再經(jīng)過(guò)一定的計(jì)算將它呈現(xiàn)出來(lái)的。
這三個(gè)階段總結(jié)起來(lái)就是，收集用人類語(yǔ)言標(biāo)注的圖像，讓機(jī)器進(jìn)行分析計(jì)算，模擬出人類語(yǔ)言與它所代表的圖像特征之間的聯(lián)系邏輯后，再按照這個(gè)邏輯，根據(jù)人類的提示重新呈現(xiàn)出相應(yīng)的畫(huà)面。
現(xiàn)在爭(zhēng)議最大的幾個(gè)問(wèn)題是
這三個(gè)階段組成的AI繪畫(huà)生產(chǎn)過(guò)程，是否存在侵犯版權(quán)行為？
生成的AI繪畫(huà)產(chǎn)品，版權(quán)屬于訓(xùn)練集中圖片的版權(quán)所有者，屬于模型文件的計(jì)算者、繪圖程序的開(kāi)發(fā)者，還是屬于使用繪圖程序生成圖像的使用者？
AI繪畫(huà)作品如果進(jìn)入市場(chǎng)，該如何判斷它的合理價(jià)格？
如何評(píng)價(jià)它的創(chuàng)意、制作難度和藝術(shù)價(jià)值？
要回答這幾個(gè)問(wèn)題，你必須在理解AI繪畫(huà)生成原理和過(guò)程的基礎(chǔ)上去思考。
對(duì)前三個(gè)問(wèn)題，本質(zhì)上其實(shí)是一種經(jīng)濟(jì)利益的博弈，分析起來(lái)會(huì)非常復(fù)雜。
對(duì)第四個(gè)問(wèn)題，要探究AI生成物和藝術(shù)的關(guān)系，我有幾句話一直不吐不快。
不是只有畫(huà)師、畫(huà)工、美術(shù)專業(yè)人士才有資格搞藝術(shù)。實(shí)際上國(guó)際藝術(shù)圈最有影響力的人物中，很多人都不是純畫(huà)家。繪畫(huà)與展館現(xiàn)場(chǎng)、社會(huì)語(yǔ)境、其他藝術(shù)形式的結(jié)合才是現(xiàn)在的主流。
AI繪畫(huà)只不過(guò)是人工智能發(fā)展中一個(gè)很小的副產(chǎn)物。大型語(yǔ)言模型基于人類語(yǔ)言對(duì)圖像特征的深度解碼，是在遠(yuǎn)遠(yuǎn)超越人類思維的基礎(chǔ)上進(jìn)行的，由此形成的這個(gè)邏輯，也就是潛在空間，是人類看不到的新世界。AI生成物的本質(zhì)其實(shí)是對(duì)潛在空間的一種探索。
創(chuàng)造這個(gè)潛在空間的意義，是為了讓AI模仿人類視覺(jué)去“看”，再用人類語(yǔ)言去“說(shuō)”，或者把這個(gè)過(guò)程反過(guò)來(lái)進(jìn)行。
把這個(gè)技術(shù)理解成“制造繪畫(huà)機(jī)器人以淘汰畫(huà)師”，未免太過(guò)狹隘了。
AI繪畫(huà)不是隨機(jī)和排列組合，用幾千萬(wàn)個(gè)參數(shù)定義的一個(gè)語(yǔ)義，絕不是顏色、紋理、濾鏡、圖層那么簡(jiǎn)單。只不過(guò)它現(xiàn)在由于算力、訓(xùn)練成本和訓(xùn)練集質(zhì)量的原因，還不能做到對(duì)人類圖像-語(yǔ)義邏輯的準(zhǔn)確模擬，所以表現(xiàn)出來(lái)一種無(wú)法控制的感覺(jué)。
AI繪畫(huà)的創(chuàng)造力還有待開(kāi)發(fā)。現(xiàn)階段的潛在空間，對(duì)人類語(yǔ)言-圖像特征邏輯的模擬還非常不準(zhǔn)確，很難真的用自然語(yǔ)言設(shè)計(jì)和精確控制圖像。離真正意義上的“用嘴畫(huà)畫(huà)”還差得很遠(yuǎn)。
所以拿到一張可能是AI生成的繪畫(huà)作品，該如何評(píng)價(jià)？
劃分AI與人工？?這一點(diǎn)以后會(huì)越來(lái)越難辦到。所謂的細(xì)節(jié)錯(cuò)誤會(huì)隨著模型迭代而減少，而且對(duì)LLM模型少數(shù)特征值的強(qiáng)化訓(xùn)練成本并不高。隨著人工修圖+AI生成的合作式繪畫(huà)普及，按這個(gè)標(biāo)準(zhǔn)去評(píng)價(jià)以后基本是不太可能的。
純AI生成物中有無(wú)人類創(chuàng)意？?隨著潛在空間的發(fā)展，AI的邏輯更加貼合人類語(yǔ)言的圖像邏輯之后，純AI生成物中的人類創(chuàng)意成份會(huì)越來(lái)越高。但在現(xiàn)階段來(lái)講，純AI生成物體現(xiàn)的更多是人工智能技術(shù)的進(jìn)化，是AI模型的迭代在推進(jìn)它的發(fā)展。自然語(yǔ)言使用者的參與度還是僅限于一種測(cè)試和探索，提不到創(chuàng)意和設(shè)計(jì)的高度。
AI生成物與其他藝術(shù)的融合？小便池和墻上的爛香蕉是不是藝術(shù)？把它放在特定語(yǔ)境中，會(huì)不會(huì)比人類繪畫(huà)更有意義？這些問(wèn)題幾十年前就有人探討過(guò)了。
我的看法是，現(xiàn)階段的AI繪畫(huà)作品，對(duì)潛在空間的探索和把AI生成物放進(jìn)特定語(yǔ)境的嘗試，可能比它的畫(huà)面本身更重要。
（完）
