AI繪畫“小秘密”都在這里

金鳳

有了AI，人人都可以是藝術(shù)家。AI繪畫的出現(xiàn)，恰如瑞士藝術(shù)家保羅·克利所言：“藝術(shù)不是再現(xiàn)可見，而是使不可見成為可見。”經(jīng)過20年左右的發(fā)展，目前基于不同類型或者模態(tài)元素的AI繪畫發(fā)展情況不盡相同，發(fā)展最久的是“以圖生圖”，再到近期火爆的“文+圖”生圖。當(dāng)然，也有團(tuán)隊已經(jīng)研發(fā)出由語音生成圖像的技術(shù)。

上傳一張圖片，或者輸入一些簡單的關(guān)鍵詞，系統(tǒng)就能自動生成一張卡通圖像……最近一段時間，AI繪畫開始在互聯(lián)網(wǎng)社交平臺走紅。

AI繪畫，顧名思義就是利用人工智能進(jìn)行繪畫，是人工智能生成內(nèi)容的典型應(yīng)用場景之一。其主要原理是收集大量已有作品，通過算法對其內(nèi)容和風(fēng)格特征進(jìn)行解析，最后再生成新的作品，所以算法是AI繪畫的核心。

當(dāng)前，“憑空”生成圖像的AI繪畫，其實也會動輒“翻車”：也許上一秒AI通過你的照片繪出的是一張充滿藝術(shù)感的二次元畫像，下一秒你的寵物貓、狗則可能被畫成可愛少女或肌肉猛男。

事實上，AI繪畫早已火爆全球。第一張公開展出的、由人工智能創(chuàng)作的繪畫作品《埃德蒙·貝拉米的肖像》曾于2018年在佳士得拍賣行以43.25萬美元成交，那是一張由機(jī)器學(xué)習(xí)了從14世紀(jì)到20世紀(jì)的1.5萬張肖像畫之后自動生成的一張肖像畫作品。

AI繪畫是如何實現(xiàn)“憑空”生圖的？除了娛樂外，AI繪畫還有哪些潛在的應(yīng)用前景？

從“以圖生圖”到“語音生圖”

2022年，由人工智能創(chuàng)作的《太空歌劇院》一度火出圈。在美國科羅拉多州舉辦的新興數(shù)字藝術(shù)家競賽中，《太空歌劇院》獲得“數(shù)字藝術(shù)/數(shù)字修飾照片”類別一等獎。它的構(gòu)圖、配色以及畫面的細(xì)節(jié)堪稱精致。然而，這個作品的創(chuàng)作者不是藝術(shù)家，而是來自美國科羅拉多州的游戲設(shè)計師。

這位游戲設(shè)計師在一個名為“Midjourney”的AI創(chuàng)作工具里，先輸入幾個關(guān)鍵詞，如光源、構(gòu)圖、氛圍等，得到了100幅作品，再進(jìn)行約80小時的修圖修飾，最終選出3幅作品，最后把圖像打印到畫布上。

通過簡單交互式對話在短時間內(nèi)生成的“藝術(shù)”作品，讓人類藝術(shù)家展開了一場關(guān)于“AI繪畫作品參賽是否屬于作弊”的爭論。這場聲勢浩大的爭論也令大眾直觀地意識到如今的AI繪畫水平已經(jīng)發(fā)展到了何種程度。

“人工智能在藝術(shù)方面的創(chuàng)作最早可以追溯到上個世紀(jì)末，當(dāng)時的人工智能繪畫技術(shù)叫作‘圖像的風(fēng)格化濾鏡。”中國科學(xué)院自動化研究所多模態(tài)人工智能系統(tǒng)全國重點實驗室研究員董未名說，最初的AI繪畫方法比較簡單，比如一張普通的照片，通過一些圖像處理的算法，把照片像素進(jìn)行幾何或者色彩上的變換，然后再調(diào)節(jié)不同參數(shù)，就可以模擬出類似油畫或者水彩畫的風(fēng)格。

經(jīng)過20年左右的發(fā)展，目前基于不同類型或者模態(tài)元素的AI繪畫發(fā)展情況不盡相同，發(fā)展最久的是“以圖生圖”，再到近期火爆的“文+圖”生圖。當(dāng)然，也有團(tuán)隊已經(jīng)研發(fā)出由語音生成圖像的技術(shù)。

AI繪畫的三種技術(shù)模式

董未名介紹，目前AI繪畫主要借助圖像風(fēng)格遷移技術(shù)、圖文預(yù)訓(xùn)練模型和擴(kuò)散模型實現(xiàn)。

“圖像風(fēng)格遷移技術(shù)指的是圖像處理算法通過對輸入的真實圖像內(nèi)容特征和對參考的藝術(shù)圖像風(fēng)格特征的提取，實現(xiàn)真實圖像內(nèi)容特征和藝術(shù)圖像風(fēng)格特征的融合，從而生成新的藝術(shù)圖像。”董未名舉例，如果將美國舊金山藝術(shù)宮的外景照片和印象派創(chuàng)始人莫奈繪制的作品，通過圖像風(fēng)格遷移技術(shù)進(jìn)行融合，就能得到一張看起來像是由莫奈繪制的美國舊金山藝術(shù)宮的繪畫作品。最初的AI繪畫采用的正是這種技術(shù)。

不過，在董未名看來，圖像風(fēng)格遷移技術(shù)大多依賴的是生成式對抗網(wǎng)絡(luò)（GAN）算法，它最大的問題是生成的繪畫作品藝術(shù)性不強(qiáng)，筆觸和構(gòu)圖讓人覺得與真實的繪畫有差距，所以長久以來，AI繪畫一直“籍籍無名”。

當(dāng)圖像風(fēng)格遷移技術(shù)還在掙扎于輸出作品的審美問題時，圖文預(yù)訓(xùn)練模型的出現(xiàn)，加速了AI繪畫的崛起。

“依托圖文預(yù)訓(xùn)練模型，只要輸入一句話或者上傳一幅風(fēng)格明顯的圖片，算法就能將圖像特征和文字特征‘對齊。生成的繪畫作品的內(nèi)容特征和上傳圖片的內(nèi)容相似，藝術(shù)性也比圖像風(fēng)格遷移技術(shù)生成的圖片強(qiáng)很多。”董未名舉例，比如支撐圖文預(yù)訓(xùn)練模型的可對比語言—圖像預(yù)訓(xùn)練（CLIP）算法，就是利用圖文特征“對齊”的能力，再結(jié)合已有的生成模型，實現(xiàn)“以圖生圖”或者“圖+文”生圖。

圖像風(fēng)格遷移技術(shù)大多依賴的是生成式對抗網(wǎng)絡(luò)（GAN）算法，它最大的問題是生成的繪畫作品藝術(shù)性不強(qiáng)，筆觸和構(gòu)圖讓人覺得與真實的繪畫有差距，所以長久以來，AI繪畫一直“籍籍無名”。

不過，董未名坦言，圖文預(yù)訓(xùn)練模型的推廣也存在一些爭議，有部分人認(rèn)為，該模型在訓(xùn)練前期，需要用大量的圖形處理器（GPU）進(jìn)行數(shù)據(jù)訓(xùn)練，耗電量大、成本很高，而該模型的應(yīng)用場景卻不夠清晰。但也有人認(rèn)為，也許該模型未來可以打造為通用的人工智能模型，用它完成更多的算法作業(yè)，只是這還需要時間的驗證。

誠然沒有一項技術(shù)是完美的，這也為人類探究更先進(jìn)的技術(shù)提供了無限動力。當(dāng)下最流行的擴(kuò)散模型便是其中之一。

“目前最新的AI繪畫技術(shù)采用的就是擴(kuò)散模型，這種模型可以把一個隨機(jī)采樣的噪聲輸入模型，然后嘗試通過去噪來生成圖像。”董未名表示，擴(kuò)散模型也存在弱點，由于模型對圖片內(nèi)容識別的能力不足，或者難以完全理解識別文字的意義，以及訓(xùn)練數(shù)據(jù)的偏差，有時便會生成“四不像”的作品。此外，擴(kuò)散模型生成圖片的速度比較慢，目前還達(dá)不到實時生成圖片。

應(yīng)用前景潛藏之地

AI繪畫目前的應(yīng)用場景，更多聚焦于社交軟件。近期在國內(nèi)社交網(wǎng)絡(luò)“火出天際”的AI繪畫軟件主要集中在小程序及APP。隨著AI繪畫小程序的火爆，短視頻平臺抖音也迅速上線了AI繪畫特效。同時，此前騰訊上線了“QQ小世界AI畫匠”活動，百度也推出了首款A(yù)I藝術(shù)和創(chuàng)意輔助平臺“文心一格”。

有了AI，人人都可以是藝術(shù)家。AI繪畫的出現(xiàn)，恰如瑞士藝術(shù)家保羅·克利所言：“藝術(shù)不是再現(xiàn)可見，而是使不可見成為可見。”“AI現(xiàn)在已經(jīng)完美實現(xiàn)了這一目標(biāo)，人們可以通過機(jī)器計算來繪制出很多現(xiàn)實中見不到的場景。”董未名暢想，不遠(yuǎn)的將來，AI繪畫或許還將展現(xiàn)更豐富的應(yīng)用場景。

“現(xiàn)在網(wǎng)絡(luò)上充斥著很多不良內(nèi)容，這些內(nèi)容為了逃避監(jiān)管經(jīng)常以繪畫的形式出現(xiàn)，而當(dāng)前很多內(nèi)容識別模型對真實圖片識別得很準(zhǔn)確，但缺乏不良內(nèi)容藝術(shù)作品的相關(guān)訓(xùn)練數(shù)據(jù)，所以對不良內(nèi)容識別不準(zhǔn)確。也許可以用AI繪畫技術(shù)，積累不良內(nèi)容藝術(shù)作品的數(shù)據(jù)，并用以訓(xùn)練識別模型，以提升互聯(lián)網(wǎng)內(nèi)容的安全監(jiān)管能力和識別的準(zhǔn)確率。”董未名建議。

在董未名看來，作為一種藝術(shù)呈現(xiàn)形式，AI繪畫也將在元宇宙、設(shè)計、文旅等行業(yè)催生新的商業(yè)模式。例如AI繪畫目前在AI輔助創(chuàng)作、短視頻、影視制作和元宇宙等方面都有布局，因為這些賽道都離不開創(chuàng)意，AI繪畫可以幫助創(chuàng)作者通過簡單的特征輸入，實現(xiàn)對其創(chuàng)意的預(yù)覽，甚至可以直接進(jìn)行創(chuàng)作。

不過，董未名并不諱言，當(dāng)下AI繪畫仍然存在版權(quán)爭議問題。AI繪畫的核心是模型，而訓(xùn)練模型需要使用大量圖像、文本數(shù)據(jù)。對于未經(jīng)授權(quán)的圖片，經(jīng)過運算之后所生成的圖像版權(quán)歸屬尚難界定。“有的畫家風(fēng)格特別明顯，如果用畫家的畫去訓(xùn)練算法模型生成作品，那最后的版權(quán)屬于誰呢？”董未名提出的問題，正是多數(shù)AI繪畫作品所面臨的現(xiàn)實問題。

AI繪畫掀起了一場資本的群體狂歡，希望有一天它能走出“照貓畫虎”的尷尬，真正服務(wù)藝術(shù)創(chuàng)作、創(chuàng)造更多價值。

◎ 來源|科技日報