AI 繪畫，話AI

文| 馬迪

AI 是怎么學會畫畫的？它的作品算是藝術品嗎？以后人類畫家會失業嗎？

AI的聰明程度，早就超出了大眾的想象。

當年AlphaGo擊敗中國棋手柯潔，人們并不十分沮喪，因為他們認為圍棋處于計算機擅長的計算領域，只要算力足夠大，再復雜的游戲能都被窮舉，人類的敗北在意料之中；而藝術創作就不同了，人類迸發的靈感、復雜的情緒、無盡的想象力，這些東西是AI永遠不可能具備的，也是人類創造力的最高體現。

然而，最近一款免費的AI作畫工具Disco Diffusion，打破了人們固有的觀念。你可以在社交網站上搜索“AI繪畫”，看看那些不遜于專業畫家的精彩作品！這讓人不得不深思，創造力真的是人類獨有的嗎？AI是怎么學會畫畫的？它的作品算是藝術品嗎？以后人類畫家會失業嗎？

人類學畫，通常是從兒童時期開始，經歷反復練習才能逐漸掌握各種技巧，最終一筆一筆地傳達出自己的想象。但如果我們換一個思路，從AI的視角來看繪畫，又是什么樣子呢？

點、線、形、彩、構圖、光影、虛實、透視……這些都不是重點，在AI看來，無論什么樣的圖像都只是一個由像素點構成的矩陣，每個像素點都由紅、綠、藍三個顏色通道組成。AI繪畫相當于一個可以逐漸產生像素、進行圖像生成的計算機模型。一方面，模型中要包含海量的參數，比如繪畫中每一筆的位置、形狀、顏色，甚至是覆蓋關系、筆觸組合等等；另一方面，還需要基于海量的已有圖像進行訓練，讓AI可以找到效果最好、最合適的參數，輸出讓人類能夠接受的結果。

在AI領域中，有一項非常熱門的分支，叫做機器學習，用程序模擬人類學習的過程，可以自我更新、自我進化、累積經驗，最終形成自己的某種程序。而在機器學習中，又有一種非常熱門的方式叫生成對抗網絡。2014年，Ian Goodfellow提出了該模型，即設計兩個獨立的機器學習網絡，分別為生成器和判別器。以模擬一張圖片為例，生成器不斷訓練，目的是“模仿”出以假亂真的圖；判別器則不斷檢測，判斷出此圖是真是假。在對抗過程中，兩者都會不斷優化，提高自己的生成能力和判別能力。這樣“左右互搏”的結果就是，最終產出的圖片越來越自然，也越來越真實。

對抗生成網絡提出后，AI的圖像生成能力有了大跨步的發展，一些有趣的APP應運而生。像可以給線稿上色的PAIntschAIner，能夠識別線稿的內容，比如可識別人像的皮膚、頭發、衣服等，分別涂上適當的顏色，上色范圍還很精準。還有能補完草稿的GauGAN，只需你用不同顏色的色塊和線條勾勒幾筆，它就可以生成完成度極高的圖像。

之所以有人將2022稱為AI繪畫元年，是因為今年的AI畫手開始井噴式地出現。它們有驚人的迭代速度，還有震驚世人的色彩、構圖能力以及想象力、創作力。這一切似乎都在表示，AI畫手正在逐漸掌握“畫語權”。

Disco Diffusion一經面世就刷爆了全球各大社交媒體，顛覆了很多人對AI的認知。這是一款基于谷歌的技術框架開發的AI作畫工具，能夠根據用戶的描述文字生成高質量的畫作。它的核心技術是圖像擴散模型，也就是對自己生成的圖像進行一次又一次的“去噪”，減少無關的干擾部分，使其變得越來越清晰。這個過程就被稱為“迭代”。每次迭代時，AI會利用其圖像識別技術，依據文本提示對現有的圖像擴散模型進行評估，并為其提供下次迭代的“方向”。就這樣AI生產的圖像會和文本提示的匹配度越來越高，圖像的精細度也會逐漸增加。

在包括很多專業畫手在內的人們眼里，AI生成的畫作是非常驚人的，甚至可以說擁有一定的藝術感，尤其是其所展現的“想象力”，幾乎是將手伸到了人類認為只有自己才能做到的領域。這不免引起了很多人的擔憂：人類畫家會不會被AI所取代？

就像攝影技術誕生200年，仍然不能取代繪畫一樣，AI繪畫雖然會對現在的繪畫產生沖擊，但兩者之間并非你死我活的競爭關系。說到底，目前的AI繪畫只是對人類輸入語言的簡單理解和詮釋，整個繪制過程還是“黑箱操作”，不到成品出來，誰都不知道畫會是什么樣子，更不要提精準表達畫家的思想了。很多藝術家傾向于用AI繪畫作為“輔助工具”，在動筆之前，先將理念輸入AI生成多張不同風格的畫作，借它們來尋找靈感。

可以確定的是，AI繪畫背后的技術仍在快速發展，產出的畫作必將越來越多，人類和算法，在一次次從輸入到輸出的互動中，正一起推開新世界的大門。