關(guān)于AI繪畫，過去已經(jīng)談過一次。

?

相關(guān)觀點至今沒變，屬于生產(chǎn)工具升級，生產(chǎn)關(guān)系暫時不變。

?

比如還沒看到相關(guān)報道有某個企業(yè)老板自習(xí)AI繪畫，辭去公司插畫師的新聞。

?

好像沒有。

?

這里頭有外行看熱鬧，內(nèi)行看門道，新手兩邊看的情況。

?

當(dāng)然，還有無數(shù)好事者的吶喊助威，各懷心思。

?

Ai繪畫目前更像一個人工智能玩具、素材制作、靈感參考、繪畫新工具的存在。

?

我們要敬畏它，學(xué)習(xí)它，運用它，但不要過分焦慮。

?

道理不復(fù)雜。

?

你連身邊同事都還沒比過，怎么好意思擔(dān)心人工智能。

?

而且這里頭有兩個重要問題有待解決，其一是版權(quán)。

?

如果AI生成圖像跟成名藝術(shù)家過于相像，容易形成抄襲一類維權(quán)糾紛。

?

這里頭容易埋坑，就是一但立法跟上，可能會對過去應(yīng)用進(jìn)行責(zé)任追討，律師事務(wù)所自然喜聞樂見，摩拳擦掌。

?

比如現(xiàn)在的圖片侵權(quán)可以是5年前取證，現(xiàn)在告你，問你怕不！

?

其二是如果不用以圖生圖方式，其實主流的兩大ai工具M(jìn)idJourney與Stable Diffusion都有較明顯的風(fēng)格化問題。

?

容易一眼看穿出身，形成我們設(shè)計圈常說的素材感很強，模板感很強的感受。

?

比如我看目前朋友圈的大量分享確實一眼就知道ai出品，有時候兩眼。

?

看多了，新鮮感就會消退，而且就實際商業(yè)應(yīng)用而言，受不受歡迎不好說。

?

免費做應(yīng)該還行，甲方如果付費了應(yīng)該并不希望你用ai弄一套東西給他。

?

但ai進(jìn)步實在太快，以上說法也許很快不能作數(shù)，因此文章有效期7天。

?

今天的話題并非要進(jìn)一步評價ai繪畫，而是跟大家講述它的發(fā)展史。

?

從歷史角度，還原一下妖怪的誕生。

?

故事，要從70年代說起。

?

一、偽人工智能

?

這段歷史，幾乎每個人都會從一位英國藝術(shù)家說起，此人名為科恩（Harold Cohen）。

?

生于1928年的科恩在2016年去世，一生致力于研究如何采用計算機程序創(chuàng)作藝術(shù)。

?

科恩早年就學(xué)藝術(shù)，隨后再學(xué)編程，文理兼修，打通任督二脈，也就是藝術(shù)與科技的屏障。

?

因此，1972年在他手上誕生了“亞倫”（AARON）程序。

?

這個程序被視為ai繪畫始祖，個人認(rèn)為相對牽強。

?

當(dāng)然我所謂的牽強要看怎么定義“ai繪畫”，就目前ai繪畫的形態(tài)來看，“亞倫”更像打印機。

?

因為“亞倫”創(chuàng)作的真的是畫，畫在紙上那種（或者畫布）。

?

由于“亞倫”至今不開源，而且科恩已經(jīng)去世，其作畫原理細(xì)節(jié)目前是個迷。

?

但按理解，就是通過編寫好的程序指導(dǎo)機械化操作，跟如今工廠的機械臂差不多。

?

我曾在《平面設(shè)計史》系列第46回介紹過喬布斯大神“Mac”電腦的誕生。

?

Mac電腦首次集成可以處理圖像及文字的軟件，繪畫由此真正進(jìn)入可視化的電腦時代。

?

世界上第一款圖文設(shè)計軟件也由蘋果公司開發(fā)，隨著Mac電腦一起發(fā)布，名為“MacPaint”，（“麥克油漆”）。

?

當(dāng)年的產(chǎn)品發(fā)布會上喬布斯還為大家現(xiàn)場展示過這款軟件繪制的浮世繪圖像，創(chuàng)作者是美國女平面設(shè)計師蘇珊·卡雷（Susan Kare）

?

這其實也可屬于ai繪畫歷史的一部分，就是生產(chǎn)工具的升級。

?

當(dāng)時而言，對繪畫界的震懾威力也不小，大家也很恐慌，很焦慮。

?

傳統(tǒng)畫家都說糟糕了，老子要失業(yè)。

?

再然后，默默學(xué)習(xí)，默默適應(yīng)，默默發(fā)展，默默變成自然。

?

歷史就是這么有趣。

?

二、悶聲干大事

?

Mac之后，科技分別在計算機+互聯(lián)網(wǎng)領(lǐng)域奔跑。

?

那時候，我們對科技進(jìn)步感知其實還不夠明顯。

?

但從喬布斯2007年推出iphone手機后大家就明顯感覺科技發(fā)展“提速”了。

?

此后驚喜不斷，高潮迭起，一環(huán)扣一環(huán)，大家應(yīng)接不暇。

?

其中，就有不少人在默默耕耘人工智能。

?

于是乎，重要的拐點發(fā)生在2012年。

?

這一年谷歌兩位AI大神帶領(lǐng)團隊做了個試驗，耗資100萬美元，1000臺電腦，16000個CPU，用時3天，基于Youtube平臺1000萬個貓臉圖片，用深度學(xué)習(xí)模型程序生成了一個模糊的貓臉。

?

兩位大神分別是華裔人工智能科學(xué)家吳恩達(dá)跟美國計算機科學(xué)家杰夫·迪恩（Jeff Dean）。

?

試驗中生成的貓臉像被揍過一樣，如果不說明，一眼還不容易看出來，但它的誕生注定要寫進(jìn)歷史。

?

因為這其實才是AI繪畫真正意義上的起點。

?

這里要用通俗的概念科普下，什么是“深度學(xué)習(xí)模型”。

?

簡單說來就是需要向這個“模型”大量“投喂”外部標(biāo)注好的訓(xùn)練數(shù)據(jù)，然后讓它根據(jù)輸入的預(yù)期效果進(jìn)行反復(fù)調(diào)整與匹配進(jìn)行輸出。

?

這樣說吧，蒸汽機剛發(fā)明的時候，按燃料熱值產(chǎn)出效率才3%，“深度學(xué)習(xí)模型”的產(chǎn)生效率可能只有它的百萬分之一，所以超貴。

?

但不管如何，貓臉的誕生讓大家備受鼓勵，各路人工智能領(lǐng)域大神開始一路狂飆，悶聲干大事。

?

很快時間就去到2014年，加拿大蒙特利爾大學(xué)有個爺們提出了“生成對抗網(wǎng)絡(luò)”算法進(jìn)行AI繪畫，簡稱“GAN”。

?

GAN的原理是它擁有兩個深度神經(jīng)網(wǎng)絡(luò)模型，一個叫生成器（Generator）一個叫判別器（Discriminator）。

?

為了方便理解，可以做個比喻，生成器就像乙方，負(fù)責(zé)做圖，判別器就像甲方，負(fù)責(zé)說不行。

?

每次乙方做完一張圖出來甲方就說不行，要改，乙方改完出來甲方還說不行，繼續(xù)改。

?

如此循環(huán)上萬次（很短時間內(nèi)發(fā)生），直到雙方筋疲力盡，甲方?jīng)Q定妥協(xié)，乙方也準(zhǔn)備不要尾款算了，然后就輸出一個最終結(jié)果。

?

坦白說，GAN的輸出效果已經(jīng)讓人驚艷，一度成為AI繪畫的主流方向。

?

但缺點是非常費硬件（顯卡），出圖過程經(jīng)常直接黑屏，而且它對局部圖像的理解能力差，很難局部修改，圖片分辨率也較低。

?

到了2015年，谷歌推出過一個叫“深夢”（Deep Dream）的圖像生成工具，這些畫作全部都像有一堆疙瘩，生成痕跡明顯。

?

但也打出AI繪畫旗號，而且還專門辦了個展，其實比較出戲，這里不多聊。

?

同在這一年，一種重要的人工智能技術(shù)也誕生，就是“智能圖像識別”。

?

意思是計算機可以運用語言去描述一張圖片，就像父母拿著卡片問2歲寶寶這啥，寶寶會答：大象。

?

這個技術(shù)當(dāng)然更先進(jìn)些，比如你給一張高啟強的圖片它識別，它會給出一系列標(biāo)簽，比如：男性、黃種人、中年、老大之類。

?

這跟AI繪畫有什么關(guān)系呢？

?

就是有研究人員開始根據(jù)技術(shù)反過來想，如果給它文字標(biāo)簽描述，是否也可以生成圖片呢？

?

結(jié)果模型真的能根據(jù)文字生成一堆小圖片，如此一來，這個邏輯成為AI繪畫的新研究方向。

?

三、潘多拉魔盒

?

2015年之后其實還有很多這方面不同的嘗試與研究，但普遍屬于上述技術(shù)的不同優(yōu)化。

?

真正讓AI迎來質(zhì)的飛躍是在2021年，網(wǎng)紅人工智能公司OpenAI推出了AI繪畫產(chǎn)品DALL· E。

?

這個版本的出圖水平還很一般，但已經(jīng)完全是根據(jù)文字提示來進(jìn)行作畫了。

?

2022年，DALL·E-2版本推出，水平大幅提升，AI繪畫就是這個階段開始獲得廣泛關(guān)注的。

?

而且更關(guān)鍵的是OpenAI公司開源了DALL· E的深度學(xué)習(xí)模型CLIP（Contrastive Language-Image Pre-Training)。

?

CLIP模型訓(xùn)練AI同時做兩件事情，其一是理解自然語言，其二是視覺分析。

?

然后通過不停訓(xùn)練來優(yōu)化兩者對應(yīng)程度，比如將馬桶跟馬桶圖像完全對應(yīng)上，如果馬桶對了茅坑就得再來。

?

最后形成“咒語繪畫”這樣的局面。

?

問題來了，過去的AI繪畫模型其實也有干這件事情，為什么CLIP如此優(yōu)秀？

?

明顯，就是CLIP做訓(xùn)練的量遠(yuǎn)遠(yuǎn)超過過去任何模型，據(jù)說大致是40億個以上的“文本-圖像”數(shù)據(jù)。

?

而且跟過去其它模型不同的是這些數(shù)據(jù)是免費的，并非人力成本天價的標(biāo)注圖像。

?

因為雞賊的CLIP采用的居然是廣泛散布在互聯(lián)網(wǎng)上的各種圖片。

?

這些互聯(lián)網(wǎng)圖片一般都帶有各種文本描述，比如標(biāo)題、注釋，甚至標(biāo)簽等等，這些天然資源就是最佳的訓(xùn)練樣本。?

?

果然是思路一變，市場一片。

?

隨后就很快出現(xiàn)不少超級厲害的應(yīng)用工具。

?

比如2022年2月，Somnai等幾個開源社區(qū)做了一款A(yù)I繪圖生成器——Disco diffusion。

?

2022年3月份，由Disco diffusion的核心人員參與建設(shè)的AI生成器Midjouney也正式發(fā)布。

?

Disco diffusion跟Midjouney問世后都在不停進(jìn)步。

?

2022年8月時候，美國游戲設(shè)計師杰森（Jason Allen） 就憑借一幅 AI 繪畫作品《太空歌劇院》（Théatre D'opéra Spatial），斬獲美國科羅拉多州博覽會美術(shù)競賽一等獎。

?

當(dāng)杰森公布這是一張由Midjouney創(chuàng)作的AI繪畫作品時，引發(fā)了大部分參賽者的憤怒。

?

也引發(fā)新一輪針對人工智能技術(shù)的討論，焦慮與恐懼。

?

再隨后就到了2023年，相關(guān)發(fā)生的事情大家歷歷在目，此處不必重復(fù)。

?

四、未來的展望

?

AI從繪畫進(jìn)一步拓展到不同領(lǐng)域可以說是必然發(fā)生的了。

?

但關(guān)于展望，我感覺應(yīng)該盡量積極點。

?

就是AI技術(shù)將被多國政府聯(lián)合馴化，結(jié)合到經(jīng)濟發(fā)展中產(chǎn)業(yè)化，創(chuàng)造出更多崗位。

?

如同10年前不敢想象人居然可以全職就對著手機說話，并且優(yōu)秀的還賺不少錢。

?

直播與短視頻產(chǎn)業(yè)帶動了很多故事策劃、文案創(chuàng)作、視頻拍攝、特效制作、服裝道具、音視頻硬件、場地租賃等等商業(yè)需求。

?

也盤活了過去很多傳統(tǒng)行業(yè)。

?

這些事情是抖音1.0無法想象的，他們也許最初只想做一款成功的娛樂應(yīng)用。

?

而AI最初也只是想盡量干出人類能干的事情。

?

更關(guān)鍵的是，AI只能知道過去人類想過什么，永遠(yuǎn)不知道人類接下來會想什么。

完整圖文版本請加入知識星球“設(shè)計史太濃”。