"歷史上第一次，人類得以按需、實(shí)時(shí)、大規(guī)模、廉價(jià)地開展日常創(chuàng)意活動(dòng)。"

分析師）Yini Lin

核心內(nèi)容

(資料圖片)

1、Text-to-Image模型的數(shù)據(jù)規(guī)模需求決定了研究人員嚴(yán)重依賴基于網(wǎng)絡(luò)抓取并且大部分未經(jīng)整理的巨型數(shù)據(jù)集，由于這些數(shù)據(jù)集往往攜帶社會(huì)和文化偏見。

2、當(dāng)攝影成為逼真繪畫的競爭者，畫家轉(zhuǎn)向新的表達(dá)方式。1870年代，法國興起印象派運(yùn)動(dòng)。

3、創(chuàng)造力獨(dú)立于意識(shí)，可以被合成、放大和操縱。AI藝術(shù)創(chuàng)所便是鎖定目標(biāo)、按下快門的過程——當(dāng)攝影第一次出現(xiàn)，這便是攝影師的所有工作。

近日，中國AI繪畫平臺(tái)由于技術(shù)尚未成熟帶來的基于錯(cuò)愕的幽默效果使AIGC作為社交貨幣廣受熱議。從自拍濾鏡到Deepfakes，在過去十年中，人工智能驅(qū)動(dòng)的現(xiàn)實(shí)扭曲能力與日俱增。

早在2018年10月，巴黎藝術(shù)團(tuán)體Obvious曾以432,000美元的價(jià)格售出一幅名為Edmond Belamy的AI畫作，這一首件在大型拍賣行落槌的人工智能藝術(shù)品基于GAN算法，其數(shù)據(jù)集來自14世紀(jì)至20世紀(jì)期間多達(dá)15,000幅肖像畫。

Edmond Belamy（來源：The Guardian）

今年8月，合成媒體藝術(shù)創(chuàng)作中Jason Allen憑借人工智能生成作品Thtre D"opra Spatial在擁有150年歷史的藝術(shù)賽事Colorado State Fair中獲獎(jiǎng)，人工智能將創(chuàng)意產(chǎn)業(yè)帶入一個(gè)轉(zhuǎn)折點(diǎn)。面對(duì)關(guān)于AI藝術(shù)倫理的激烈辯論，以及高科技剽竊的指責(zé)，Allen表示，其作品以“Jason M. Allen via Midjourney”名義提交，“我不會(huì)為此道歉”。

Thtre D"opra Spatial通過Midjourney呈現(xiàn)“太空歌劇院”超現(xiàn)實(shí)主義場景（來源：New York Times）

AI藝術(shù)在文化價(jià)值中的地位無疑值得讓人深思。縱觀人類文明發(fā)展歷程，技術(shù)變革往往能夠顛覆社會(huì)生產(chǎn)方式和消費(fèi)模式，從而攪動(dòng)社會(huì)秩序、甚至世界秩序。事實(shí)上，技術(shù)進(jìn)步也是塑造藝術(shù)形態(tài)的關(guān)鍵因素。

AI藝術(shù)的生產(chǎn)機(jī)制包括基于數(shù)學(xué)模式的圖像生成，模擬筆觸和其他繪畫效果的算法，以及諸如GAN（Generative Adversarial Networks），即生成對(duì)抗網(wǎng)絡(luò)等人工智能或深度學(xué)習(xí)算法。早期AI藝術(shù)系統(tǒng)至少追溯至1972年，彼時(shí)，Harold Cohen開發(fā)的AARON基于符號(hào)規(guī)則生成技術(shù)圖像，由此成為GOFAI（Good Old-Fashioned Artificial Intelligence，一種符號(hào)AI）編程時(shí)代AI藝術(shù)的著名案例。盡管 AARON僅限于按照Cohen編碼的風(fēng)格，即其個(gè)人繪畫風(fēng)格進(jìn)行創(chuàng)作，但是它能夠產(chǎn)生無限量的圖像。

在2014年6月Ian Goodfellow及其同事發(fā)布關(guān)于GAN的文章后，包括Google（TensorFlow）、Meta（Torch）和荷蘭NPO廣播公司 （pix2pix）在內(nèi)的科技公司開源其未經(jīng)訓(xùn)練的原始GAN。時(shí)至2017年，這一機(jī)器學(xué)習(xí)框架已被AI藝術(shù)創(chuàng)作者廣泛使用。GAN類似于機(jī)器版本的“擬態(tài)”（進(jìn)化生物學(xué)）——兩個(gè)神經(jīng)網(wǎng)絡(luò)以零和博弈的形式進(jìn)行關(guān)于視覺效果真實(shí)性的競爭。因此，AI藝術(shù)生成過程即是“藝術(shù)模仿者”和“藝術(shù)偵探”之間互動(dòng)持續(xù)循環(huán)的過程，直至藝術(shù)偵探無法再分清真?zhèn)?/strong>。

深度神經(jīng)網(wǎng)絡(luò)的技術(shù)進(jìn)步使得Text-to-Image Model，即文本到圖像模型，于 2010年代中期誕生。該機(jī)器學(xué)習(xí)模型使得輸入自然語言描述并生成匹配圖像成為可能。在深度學(xué)習(xí)興起之前，構(gòu)建Text-to-Image模型的嘗試僅限于通過排列現(xiàn)有圖像組件生成的“拼貼畫”。University of Toronto研究人員于2015年推出的現(xiàn)代首個(gè)Text-to-Image模型alignDRAW所生成的圖像模糊且不逼真。2016年，University of Michigan和Max Planck Institute for Informatics研究人員首次使用GAN推進(jìn)Text-to-Image任務(wù)。

由Elon Musk、Sam Altman等人于2015年12月創(chuàng)立的人工智能研究實(shí)驗(yàn)室OpenAI旨在促進(jìn)發(fā)展“人類友好人工智能”。2021年1月，OpenAI基于其開創(chuàng)性的GPT語言模型推出的DALL-E是首個(gè)引起公眾廣泛關(guān)注的文本Text-to-Image模型之一，其命名是皮克斯動(dòng)畫角色Wall-E與超現(xiàn)實(shí)主義藝術(shù)家Salvador Dal 的極客組合。該組織于2022年4月推出的DALL-E 2能夠生成更逼真、更準(zhǔn)確的圖像，分辨率較上一代提升了4倍。

今年以來，從Google Brain的于5月發(fā)布的Imagen和 StabilityAI 于8月發(fā)布的Stable Diffusion，Text-to-Image模型生產(chǎn)圖像使得機(jī)器與人類在藝術(shù)生產(chǎn)方面的鴻溝迅速收縮。

Imagen公開Text-to-Image詼諧示例（來源：Imagen）

Stable Diffusion已向公眾開放（來源：Stability AI）

繼Text-to-Image模型之后，諸如Runway、Make-A-Video、Imagen Video、Midjourney和Phenaki等由語言模型支撐的Text-to-Video（文本到視頻）平臺(tái)應(yīng)運(yùn)而生。

人工智能具有創(chuàng)造力的假設(shè)往往受到藝術(shù)家嘲諷，但是這取決于創(chuàng)造力的定義。AI能夠以空前、有效的方式創(chuàng)造事物，只是這種創(chuàng)造并非“意圖”驅(qū)動(dòng)——解釋和篩選輸出的是人。AI藝術(shù)從業(yè)者M(jìn)ario Klingemann評(píng)論道，“機(jī)器無意創(chuàng)造任何東西……你生了火，火產(chǎn)生了形狀，它并沒有創(chuàng)造力，是你看見了圖案——AI便是從不重復(fù)、一次又一次給人帶來新奇和驚喜的火焰”。