<p class="ql-block ql-indent-1">我們幾乎每個(gè)人都會(huì)說(shuō)話，但是只有極少數(shù)的一部分人會(huì)畫(huà)畫(huà)。說(shuō)話是一種普遍的交流方式，但是繪畫(huà)是一種具有挑戰(zhàn)性和獨(dú)特性的藝術(shù)形式，需要不斷的探索和發(fā)展。許多人從小就開(kāi)始接受美術(shù)訓(xùn)練，不斷努力和磨練，一般需要8到10年甚至更長(zhǎng)時(shí)間，才能達(dá)到比較高的水平，能被大家稱為畫(huà)師。因?yàn)殡y度較大，所以一般找畫(huà)師給你畫(huà)畫(huà)是一件昂貴的事情，不是一般人隨便就能享受的。</p> <p class="ql-block ql-indent-1">以前，只有在科幻作家的故事里，會(huì)想象也許有一天，只要你會(huì)說(shuō)話，就能夠創(chuàng)造出一幅畫(huà)。用語(yǔ)言畫(huà)畫(huà)這件事聽(tīng)起來(lái)就像霍格沃茲的魔法，但是如今，它卻已經(jīng)通過(guò)AI變成了現(xiàn)實(shí)。下面我們就對(duì)AI作畫(huà)的歷史進(jìn)行一個(gè)梳理和回顧。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">2012年，嘿我們用AI來(lái)畫(huà)貓吧</span></p><p class="ql-block ql-indent-1">AI繪畫(huà)發(fā)展得挺早，但那時(shí)AI生成繪畫(huà)是一個(gè)特別小眾的領(lǐng)域。早在 2012 年全球人工智能和機(jī)器學(xué)習(xí)權(quán)威、華人科學(xué)家吳恩達(dá)帶領(lǐng)團(tuán)隊(duì)，耗資100萬(wàn)美元，集結(jié)1000臺(tái)電腦、16000個(gè)CPU的資源訓(xùn)練了一個(gè)當(dāng)時(shí)世界上最大的深度學(xué)習(xí)網(wǎng)絡(luò), 用來(lái)指導(dǎo)計(jì)算機(jī)畫(huà)出貓臉圖片。經(jīng)過(guò)整整3天訓(xùn)練, 畫(huà)出來(lái)了一張模糊的貓貓頭：</p> <p class="ql-block">雖然基本很難看出這是一張貓臉，且價(jià)格昂貴，根本沒(méi)有商用的機(jī)會(huì)，但這是AI繪畫(huà)的起點(diǎn)，意義重大。2012年，我愿稱之為AI繪畫(huà)起源之年。</p><p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">2015年，迷幻和超現(xiàn)實(shí)</span></p><p class="ql-block">谷歌在2015年開(kāi)源了deep dream項(xiàng)目，可以用它畫(huà)出非常迷幻和超現(xiàn)實(shí)的圖畫(huà)，生成痕跡非常明顯，但看起來(lái)已經(jīng)比上面的貓臉像那么回事了，不是嗎？這種畫(huà)作，看起來(lái)并不比直接在照片上加濾鏡來(lái)得高明，也不是大家想象中的，人來(lái)輸出口令，AI來(lái)產(chǎn)生跟指令相關(guān)的繪畫(huà)。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">2015年，走入Gan的彎路</span></p><p class="ql-block ql-indent-1">人們對(duì)于AI繪畫(huà)的探索沒(méi)有停止，其實(shí)比谷歌在2015年推出的deep dream項(xiàng)目還要早一年，加拿大蒙特利爾大學(xué)的Ian Goodfellow于2014年提出了生成對(duì)抗網(wǎng)絡(luò)GAN的算法，這個(gè)算法一度成為了AI生成繪畫(huà)的主流方向。</p><p class="ql-block ql-indent-1">GAN的原理是通過(guò)訓(xùn)練兩個(gè)深度神經(jīng)網(wǎng)絡(luò)模型，一個(gè)生成器（Generator）和一個(gè)判別器（Discriminator），使得生成器可以生成與真實(shí)數(shù)據(jù)相似的新數(shù)據(jù)樣本，并且判別器可以準(zhǔn)確地區(qū)分生成器生成的假樣本和真實(shí)數(shù)據(jù)。在訓(xùn)練過(guò)程中，生成器不斷嘗試生成更加逼真的樣本，而判別器則不斷提高自己對(duì)真實(shí)樣本和生成樣本的區(qū)分能力。這兩個(gè)模型相互對(duì)抗、相互協(xié)作，最終實(shí)現(xiàn)了高質(zhì)量的數(shù)據(jù)生成效果。</p> <p class="ql-block ql-indent-1">用GAN模型已經(jīng)可以生成比較高質(zhì)量的圖片了，但用它來(lái)生成也會(huì)有些問(wèn)題：</p><p class="ql-block ql-indent-1">①對(duì)抗學(xué)習(xí)非常麻煩，且對(duì)于顯卡等資源消耗較高，之前我自己在跑生成對(duì)抗網(wǎng)絡(luò)時(shí)，電腦經(jīng)常直接黑屏。</p><p class="ql-block ql-indent-1">②生成對(duì)抗網(wǎng)絡(luò)很難理解圖片各個(gè)部分是啥，所以它很難做到局部重新繪制，也就是很難進(jìn)行修改。</p><p class="ql-block ql-indent-1">雖然有各種各樣的問(wèn)題，但是研究人員還是在GAN算法的這條路不斷前進(jìn)，生成的圖片效果不斷提升，下圖即為某GAN模型生成的二次元妹紙頭像</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">2015年，圖像識(shí)別反向用于文字畫(huà)畫(huà)</span></p><p class="ql-block ql-indent-1">又是在2015年，一項(xiàng)人工智能的重大進(jìn)展誕生——智能圖像識(shí)別，可以通過(guò)算法識(shí)別并標(biāo)記圖像中的對(duì)象，然后他們還學(xué)會(huì)了將這些標(biāo)簽放入自然語(yǔ)言描述中去。這項(xiàng)重大進(jìn)展目前已經(jīng)進(jìn)入各種領(lǐng)域得到了應(yīng)用，比如現(xiàn)在的各種智能門(mén)禁，已經(jīng)讓很多保安下崗了。但這個(gè)技術(shù)產(chǎn)生的價(jià)值并不只是這個(gè)，一些研究人員產(chǎn)生了好奇，如果把這個(gè)過(guò)程反向，通過(guò)文字來(lái)生成畫(huà)面，是否也能實(shí)現(xiàn)呢？</p><p class="ql-block ql-indent-1">于是他們向計(jì)算機(jī)模型輸入了一些文字，看看能產(chǎn)生什么效果，結(jié)果模型真的生成了一些結(jié)果圖片。如下圖中所示，這是一些32X32像素的小圖片，基本很難辨別出啥，但已經(jīng)預(yù)示著無(wú)限的可能性。2015年，我愿稱之為AI繪畫(huà)的重要拐點(diǎn)之年。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">2021年，重新出發(fā)</span></p><p class="ql-block ql-indent-1">人們對(duì)AI繪畫(huà)的探索，在生成對(duì)抗網(wǎng)絡(luò)GAN的技術(shù)路線上繼續(xù)進(jìn)步，雖然也取得了一些成績(jī)，但是距離人們想像的通過(guò)描述詞直接生成繪畫(huà)作品還有比較大的距離。研究人員把眼光開(kāi)始移到其他可能的方向，一個(gè)在2016年就被提出的模型Diffusion Models開(kāi)始受到更廣泛的關(guān)注。它的原理跟GAN完全不一樣，使用隨機(jī)擴(kuò)散過(guò)程來(lái)生成圖像，從而避免了傳統(tǒng)生成模型中存在的一些問(wèn)題。</p> <p class="ql-block ql-indent-1">Diffusion Models的原理簡(jiǎn)單來(lái)說(shuō)，先通過(guò)對(duì)照片添加噪聲，然后在這個(gè)過(guò)程中學(xué)習(xí)到當(dāng)前圖片的各種特征。之后再隨機(jī)生成一個(gè)服從高斯分布的噪聲圖片，然后一步一步的減少噪聲直到生成預(yù)期圖片。很快，基于Diffusion Models模型的圖片生成成為主流。</p><p class="ql-block ql-indent-1">終于來(lái)到了2021年，這一年，一家叫OpenAI的人工智能公司（他們更為有名的人工智能產(chǎn)品叫ChatGPT）宣布了DALL·E，他們聲稱這個(gè)模型可以從任何文字中創(chuàng)建高質(zhì)量圖像，它所使用的技術(shù)即為Diffusion Models。OpenAI于2022年發(fā)布了更為強(qiáng)大的DALL·E 2，現(xiàn)在已經(jīng)免費(fèi)開(kāi)放了。但是OpenAI一直都沒(méi)有公開(kāi)DALL·E的算法和模型。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">2022年2月 Disco diffusion V5發(fā)布</span></p><p class="ql-block ql-indent-1">在2022年的2月，由somnai等幾個(gè)開(kāi)源社區(qū)的工程師做了一款基于擴(kuò)散模型的AI繪圖生成器——Disco diffusion。從它開(kāi)始，AI繪畫(huà)進(jìn)入了發(fā)展的快車道，潘多拉魔盒已經(jīng)打開(kāi)。Disco diffusion相比傳統(tǒng)的AI模型更加易用，且研究人員建立了完善的幫助文檔和社群，越來(lái)越多的人開(kāi)始關(guān)注它。</p> <p class="ql-block ql-indent-1">越來(lái)越多的人開(kāi)始使用Disco diffusion創(chuàng)作作品，但是它有一個(gè)致命的缺點(diǎn)就是它生成的畫(huà)面都十分的抽象，這些畫(huà)面用來(lái)生成抽象畫(huà)還不錯(cuò)，但是幾乎無(wú)法生成具象的人。</p> <p class="ql-block ql-indent-1">正當(dāng)大家嘲笑AI繪畫(huà)不過(guò)如此時(shí)，僅僅幾個(gè)月后，Disco diffusion已經(jīng)能畫(huà)出非常像人的作品了，雖然你可能還是覺(jué)得這個(gè)畫(huà)作很業(yè)余，很難超越一些人類畫(huà)師的作品。那么，就讓子彈再飛一會(huì)兒。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">3月 Midjouney</span></p><p class="ql-block">3月份，一款由Disco diffusion的核心開(kāi)發(fā)參與建設(shè)的AI生成器Midjouney正式發(fā)布。Midjouney選擇搭載在discord平臺(tái)，借助discord聊天式的人機(jī)交互方式，不需要之前繁瑣的操作，也沒(méi)有Disco diffusion十分復(fù)雜的參數(shù)調(diào)節(jié)，你只需要向聊天窗口輸入文字就可以生成圖像。更關(guān)鍵的是，Midjouney生成的圖片效果非常驚艷，普通人幾乎已經(jīng)很難分辨出它產(chǎn)生的作品，竟然是AI繪畫(huà)生成的。</p> <p class="ql-block ql-indent-1">Midjouney發(fā)布5個(gè)月后，美國(guó)科羅拉多州博覽會(huì)的藝術(shù)比賽評(píng)選結(jié)果出爐，一張名為《太空歌劇院》的畫(huà)作獲得了第一名，而它正是作者通過(guò)MidJourney生成的作品。參賽者公布這是一張AI繪畫(huà)作品時(shí)，引發(fā)了很多人類畫(huà)師的憤怒和焦慮。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">4月 DALL·E 2</span></p><p class="ql-block ql-indent-1">4月10日，之前提到過(guò)的OpenAI的DALL·E 2發(fā)布了。無(wú)論是Disco diffusion還是MidJourney，仔細(xì)品一下，我們還是可以看出是AI生成的，但DALL·E 2的生成圖你已經(jīng)無(wú)法跟人類的作品做區(qū)分了。用DALL·E 2生成圖片的質(zhì)量已經(jīng)高到離譜，如下圖：</p> <p class="ql-block ql-indent-1">它還可以直接生成非常有質(zhì)感的3D圖像，3D設(shè)計(jì)師可能也快面臨失業(yè)了。</p> <p class="ql-block ql-indent-1">可以說(shuō)DALL·E 2已經(jīng)是大家心目中的AI繪畫(huà)完全體了，但它到目前為止還是沒(méi)有開(kāi)源，且需要付費(fèi)才能夠使用，而且用它生成圖片的限制很多，比如死亡，色情，人臉，暴力，公眾的人物等都是禁止在DALL·E 2上生成的。最大的可能還是有各種各樣的法務(wù)風(fēng)險(xiǎn)，DALL·E 2確實(shí)能力太強(qiáng)了，不法分子可以用它來(lái)生成各種各樣的假圖。</p><p class="ql-block ql-indent-1">有意思的是，在DALL·E 2剛發(fā)布的時(shí)候就有網(wǎng)友發(fā)起投票，問(wèn)DALL·E 2可以保持自己是AI繪畫(huà)最先進(jìn)技術(shù)多久時(shí)間？大多數(shù)人選了幾個(gè)月或1年以上。但很不幸，子彈飛的速度比想象中的快很多。</p> <p class="ql-block" style="text-align:center;"><span style="color:rgb(22, 126, 251);">7月 Stable diffusion</span></p><p class="ql-block ql-indent-1">7月29日 一款叫Stable diffusion的AI生成器開(kāi)始內(nèi)測(cè)，人們發(fā)現(xiàn)用它生成的AI繪畫(huà)作品，其質(zhì)量可以媲美DALL·E 2，而且還沒(méi)那么多限制。Stable diffusion共分4波邀請(qǐng)了 15000 名用戶參與了內(nèi)測(cè)，僅僅十天后，每天就有一千七百萬(wàn)張圖片通過(guò)它生成。最關(guān)鍵的是，Stable diffusion的開(kāi)發(fā)公司Stability AI崇尚開(kāi)源，他們的宗旨是“AI by the people，for the people”（人工智能來(lái)自于人，服務(wù)于人）。</p> <p class="ql-block">Stable diffusion內(nèi)測(cè)不到1個(gè)月，正式宣布開(kāi)源，這意味著所有人都能在本地部署自己的AI繪畫(huà)生成器， 真正實(shí)現(xiàn)每個(gè)人“只要你會(huì)說(shuō)話，就能夠創(chuàng)造出一幅畫(huà)”。</p> <p class="ql-block ql-indent-1">Stable diffusion的開(kāi)源決定，讓它迅速成為大家關(guān)注的焦點(diǎn)，人們將它跟各種各樣的工具結(jié)合，比如有人將Stable diffusion的繪圖能力做成了PS插件，你只需要畫(huà)個(gè)草圖，之后就能直接生成設(shè)計(jì)稿。這也正是adobe緊急推出年費(fèi)888的Photoshop（beta）的原因，很顯然，就連這位縱橫平面圖形圖像領(lǐng)域數(shù)十年未嘗一敗的頂級(jí)大佬，面對(duì)橫空出世的Stable diffusion內(nèi)心也是慌得一批。</p> <p class="ql-block ql-indent-1"><span style="color:rgb(255, 138, 0);">注：以上內(nèi)容轉(zhuǎn)載自百度百家號(hào)，本人在原文基礎(chǔ)上做了部分修改。</span></p><p class="ql-block ql-indent-1"><span style="color:rgb(255, 138, 0);">原作者：生產(chǎn)者Glen</span></p><p class="ql-block ql-indent-1"><a href="https://baijiahao.baidu.com/s?id=1760134473458673555&wfr=spider&for=pc&searchword=ai%E7%BB%98%E7%94%BB%E5%8F%91%E5%B1%95%E5%8F%B2" target="_blank" style="background-color:rgb(255, 255, 255); font-size:18px;">原文鏈接</a></p><p class="ql-block ql-indent-1"><span style="background-color:rgb(255, 255, 255); font-size:18px;">今年，以chatGPT、stable diffusion為代表的生成式AI的崛起，不但正式掀起了第四次工業(yè)革命的浪潮，其取代創(chuàng)意性和腦力勞動(dòng)的特性注定將對(duì)所有人的生產(chǎn)生活方式產(chǎn)生史無(wú)前例的巨大影響，</span>尤瓦爾<span style="background-color:rgb(255, 255, 255); font-size:18px;">在《人類簡(jiǎn)史》中預(yù)言的“無(wú)用階層”不但已經(jīng)誕生，而且這個(gè)群體的規(guī)模正在AI的加持下飛速擴(kuò)大。</span></p><p class="ql-block ql-indent-1"><span style="background-color:rgb(255, 255, 255); font-size:18px;">奇點(diǎn)已至。</span></p> <p class="ql-block ql-indent-1">這一次，人類真正站在了命運(yùn)的十字路口。未來(lái)將何去何從，誰(shuí)也說(shuō)不清楚。但毫無(wú)疑問(wèn)，一個(gè)全新的時(shí)代已經(jīng)悄然降臨。對(duì)于AIGC的影響，我們中的大多數(shù)人在萬(wàn)里長(zhǎng)城的保護(hù)下可能只感受到了一點(diǎn)皮毛，但這只是暫時(shí)的，事實(shí)上這場(chǎng)技術(shù)革命也才剛剛拉開(kāi)序幕，相信要不了多久，所有人都會(huì)意識(shí)到這個(gè)世界發(fā)生了怎樣的變化。</p><p class="ql-block ql-indent-1">而眼下唯一能做的，就是盡可能去了解AI，學(xué)習(xí)AI，為應(yīng)對(duì)未來(lái)的無(wú)限可能做好準(zhǔn)備。</p>