對話西喬：關(guān)于AI繪畫人們關(guān)心的幾件事

上個月，當我在文章中提及AI繪畫工具Disco Diffusion（下稱DD）時，它還僅被我當做一個例證，用來證明AI從事創(chuàng)意性內(nèi)容的局限，因為它直接用來生成人臉、動物還存在缺陷，需要人力加工。但AI繪畫工具的迭代和升級，遠超我的想象。DDv5.6新更新的portrait generator模組，就大幅提升人臉生成效果。雖然某些角度還是會有變形，或者看上去帶有“玻尿酸感”，但是越來越像“人”了。

（文章配圖均來自西喬的生成圖，有額外標注和水印除外）

雖然在AI發(fā)展的時間線上，調(diào)教AI畫畫并不是一件新鮮事，早在2015年谷歌就推出過DeepDream，初試AI的“藝術(shù)創(chuàng)作能力”。但在2022年，以DD為代表的最新一批AI繪畫工具的出圈，不僅源于技術(shù)層面的突破，更在于其生成圖，所帶來的視覺沖擊。

人們愈發(fā)認真地，討論AI繪畫是否會對美術(shù)行業(yè)產(chǎn)生影響——即使它可能無法真正替代人類藝術(shù)家，但它目前所展現(xiàn)的生產(chǎn)力，已經(jīng)足以有效地輔助人類創(chuàng)作，成為底稿、成為素材、成為靈感。

除了成為設(shè)計師、插畫師的工具，AI繪畫也向普通人鋪開畫布，無需美術(shù)基礎(chǔ)，通過對照教程，編寫描述詞、調(diào)節(jié)參數(shù)，就能夠用文字的想象交換圖像成果。并且擁有一些“平易近人”的應用，比如和菜頭拿它來畫公眾號的封面，兩個月里封圖來源已經(jīng)從某某圖庫/版權(quán)，變成了“和菜頭的小肉手”。

鑒于行業(yè)里已經(jīng)有專業(yè)對口的文章科普技術(shù)原理，介紹各類AI繪畫工具及使用教程。我更好奇的，是AI繪畫正在給人們帶來哪些變化，以及人們在變化中如何行動。

帶著這些疑問我找到了西喬。她是一名設(shè)計師、漫畫《神秘的程序員》的主創(chuàng)。今年5月起，她幾乎全身心投入AI繪畫的嘗試中，除了每天跑圖，也看論文、寫科普。她對AI繪畫抱以極大的期待，相信“AI對藝術(shù)及插畫的沖擊，等同另一次‘相機的發(fā)明’，藝術(shù)史又可以分冊了。”

如果你想找到“AI繪畫工具是什么”的答案，建議閱讀更專業(yè)系統(tǒng)的文章，比如西喬公眾號里的教程（神秘的程序員們：coderstory）。但如果你好奇AI繪畫“和我有什么關(guān)系” “我能用它做什么” “它會帶來什么”，不妨接著往下讀。

中文網(wǎng)絡中關(guān)于AI繪畫的討論，集中出現(xiàn)在今年4月。隨美術(shù)圈、程序圈從業(yè)者的使用和交流，AI繪畫工具DD逐漸被更多人知曉。這是一個GitHub開源項目，尚未封裝，在谷歌Colab中以代碼的形式呈現(xiàn)，其繪制過程，可以簡單概括為輸入關(guān)鍵詞就能生成圖像。相較于早前AI繪畫的刻板風格，缺少整體美感以及完成度欠佳，DD在構(gòu)圖、色彩、氛圍感等方面，都呈現(xiàn)很大突破。

與此同時，OpenAI結(jié)合擴散模型和CLIP在今年4月提出的DALL·E 2，DD作者Somnai所在公司推出的Midjourney等工具也開始進入人們的討論和使用。設(shè)計師、插畫師開始制作“從0開始學習AI繪畫”教程，例如@JZ_打個比方在B站發(fā)布教學視頻，@Simon_阿文在微博持續(xù)更新AI繪畫資料，又或者人們在知乎討論“像disco diffusion這類ai繪畫會對美術(shù)行業(yè)產(chǎn)生什么樣的影響？”

和大多數(shù)專業(yè)畫師一樣，西喬被AI繪畫擊中的原因，是因為“可能性”。這種“可能性”既可以像PS、3D輔助軟件等工具帶來的創(chuàng)作流程的變革，也能夠在內(nèi)容上帶來的解放，“它能夠幫助我去創(chuàng)造一些我之前不會，甚至不敢去創(chuàng)造的風格。”

但比起將AI視為“創(chuàng)作者”，西喬認為更合適的表述是，AI是她畫布上的另一只手。有時可以“放手”，交給AI自己去跑，會帶來很多意想不到的驚喜。例如在她《西藏往事》的系列作品中，AI在雪山頂上放了一個塔吊。

在Prompt (提詞)設(shè)計和無盡頭的參數(shù)分析機調(diào)整之外，還有另一種具有高可控性的玩法。當畫師對于生成圖的結(jié)果有預期目標時，可以通過設(shè)計底圖、設(shè)置底圖跳過步數(shù)（跳過步數(shù)越多，AI生成圖越接近底圖）進行人工引導。或取得生成過程中的中間步驟，對中間步驟進行修改后放回AI里繼續(xù)生成。還可以根據(jù)同一提詞，調(diào)整參數(shù)輸出多組結(jié)果，在后期中人工選擇更符合創(chuàng)作者預期的局部進行合成甚至重繪等形式進行二次創(chuàng)作。

兩只手畫畫，正帶給她創(chuàng)作的解放，探索學習新知識的樂趣、以及一種近乎于開盲盒的快樂，“晚上寫好隊列，等早上起來撿圖，只是費點電，獲得的快樂是一樣的。”而且比起盲盒有限的選擇，AI繪畫能夠完成的組合，理論上是無限大的。

有賴于專業(yè)的愛好者編譯的中文資料、保姆式教程、封裝的程序、支持中文描述詞的AI繪畫工具，AI繪畫逐漸出現(xiàn)“出圈”的苗頭，進入大眾討論語境。比如和菜頭自今年5月以來，多次推文介紹AI繪畫。

技術(shù)的向下兼容，讓AI繪畫為更多普通人打開繪畫的可能性。畢竟繪畫對于大多數(shù)人來說，要么是一扇從沒有打開過的門，要么就是有著很高門檻。但通過AI，卻能讓一部分從沒有試過畫畫的人，不需要依賴多年學習和經(jīng)驗積累，就能夠去創(chuàng)造圖像。

“人們創(chuàng)造圖像的直覺是與生俱來的。你會發(fā)現(xiàn)很多人畫畫的巔峰其實是在小時候，隨著他逐漸長大，接受越來越多已有的視覺繪制模式，后天的輸入就把這種直覺覆蓋了。”

當先天的圖像創(chuàng)作直覺被現(xiàn)實規(guī)訓后，“多數(shù)人試圖去創(chuàng)作的，不是憑借直覺把腦子里的東西畫出來，而是盡可能讓自己畫的東西符合現(xiàn)有的繪畫，比如模仿照片、模仿別人的畫，涂填色書，等慢慢發(fā)現(xiàn)自己在模仿上差距太遠，就放棄畫畫這件事了。”

當“繪畫”可以像“自拍”一樣，能夠用于分享，滿足成就感時，AI繪畫工具或許能幫助普通人找到被偷走的自由，享受到創(chuàng)作帶來的快樂。為此，一些AI繪畫平臺也正在利用這一價值實現(xiàn)商業(yè)回報，例如提供將AI生成畫印刷成掛畫的服務，以供用戶購買實物。

DD這類通過文字生成圖像的AI繪畫工具，繞不來一個叫“CLIP”的模型，它是AI如何“理解”人類語義這一問題的關(guān)鍵。CLIP （Contrastive Language–Image Pre-training），是一種基于對比的圖片-文本學習的跨模態(tài)預訓練模型，由OpenAI于去年1月發(fā)布。同一時間發(fā)布的，還有初代DALL·E圖片生成模型。

DD正是運用CLIP來“理解”用戶輸入的文本，再使用擴散模型來生成圖像。這一過程可以理解為：給AI輸入文本關(guān)鍵詞，它基于訓練數(shù)據(jù)集的學習，從一堆噪點中把這個圖像反推出來，通過不斷進行文本與圖像的匹配，檢查搜索結(jié)果是否符合文字描述，進而逐步消除噪聲，添加細節(jié)，最終生成圖像。

“宇航員騎馬”和“馬騎宇航員”是解釋AI理解語義的一個常用例子，AI有能力描繪前者，但由于后者的“反經(jīng)驗”，就不那么容易實現(xiàn)。

AI得以生成帶有風格化的圖像，也源自于數(shù)量龐大的訓練數(shù)據(jù)集灌輸?shù)漠嫾绎L格。以DD為例，prompt是影響生成圖中一個重要的構(gòu)成因素，包含作品媒介、描繪對象或主題、各種風格和質(zhì)感的修飾詞、參考藝術(shù)家等。

根據(jù)西喬的實驗和理解，AI會提煉一個藝術(shù)家畫作中特征，比如整體創(chuàng)作的主題和對象、筆觸、肌理、明暗度、調(diào)色板等。其學習成果也受到畫家部分作品知名度和主題多樣性的影響，像是AI所理解的塞尚、雷諾阿這樣的畫家，其特征可能源于所有的作品，但如果一些畫家有特別出名的作品，那么該幅畫的特征權(quán)重也會相對較高。

例如，西喬使用DD生成一幅藍色海洋風景畫，將畫家設(shè)定為卡斯帕·大衛(wèi)·弗里德里希（Caspar David Friedrich），發(fā)現(xiàn)生成的多幅的作品都帶有黑衣背影。她推斷這一元素出自弗里德里希的《霧海旅人》。

（左為西喬的AI生成畫，右為《霧海旅人》）

除了學習藝術(shù)作品、畫家的國籍、文化背景也會影響AI的理解。例如使用中國藝術(shù)家畫建筑，就會看起來很像中國風，使用畫日漫的藝術(shù)家輸出肖像畫，人物大概率能是錐子臉，眼睛也比正常的大。

上圖是基于同一張底圖生成的肖像實驗。除了參考藝術(shù)家之外，題詞和參數(shù)都相同。左圖參考藝術(shù)家為anime girl，右圖參考藝術(shù)家是陳逸飛。

理解AI如何“思考”，從而調(diào)節(jié)描述詞的編寫方式和技巧，也是為了讓AI更好地“理解”創(chuàng)作者意圖。

（如何編寫描述詞，是教程的一大內(nèi)容）

從目前行業(yè)已有的應用來看，AI繪畫工具對于“繪畫”的改變將會是系統(tǒng)性的——在創(chuàng)作過程中，作為生產(chǎn)工具提供新的技能點；成為藝術(shù)品的新變量，影響作品創(chuàng)作風格和價值；以NFT、拍賣畫等形式，直接參與藝術(shù)品市場交易。

在AI繪畫工具輔助創(chuàng)作的維度上，它可以被用于生成底圖，畫師以其為底稿，進行二次創(chuàng)作，或者直接用作遠景貼圖。

畫師也可以通過簡單的色塊勾出底稿，交給AI生成“幻想生物”，作為靈感素材。

在AI繪畫工具的介入下，工具鏈將可能面臨重新整合，從AI生成的十幾張結(jié)果中挑選，用作插畫創(chuàng)作中的局部素材，再利用PS或其他的鼠繪工具進行調(diào)光、調(diào)色、邊緣處理、紋理整合等。

另一方面，AI也正在成為影響藝術(shù)評價的新變量。

“藝術(shù)品的價值評判標準就是很主觀的，而且這個評價也不是一成不變的。一個新的流派、新的媒介誕生之初，肯定是存在一個接受和過渡的時期。”人們對于AI繪畫的評判，在當下必然是需要面臨不少爭議的。

但隨著AI繪畫的普及，人們是沿用已有的評價體系去看AI繪畫，還是說會出現(xiàn)一套適用于AI畫的評論標準，目前還難說。西喬認為，這可能會成為接下來幾年里藝術(shù)史研究、藝術(shù)評論家的選題，學者會尋找到一套他的評價體系，大眾也會選擇自己的標準。

（對于AI生成圖的兩極化評價）

在她看來，盡管AI繪畫工具正展現(xiàn)出不錯的生產(chǎn)力，但就實際應用的場景，還是存在較大差異的。比如AI特別擅長產(chǎn)出場景概念圖，這一特點會使它在游戲、動漫、設(shè)計等領(lǐng)域里有著不錯的表現(xiàn)，用于輔助創(chuàng)作。但如果拿去做工業(yè)設(shè)計，生成產(chǎn)品或者設(shè)計服裝，尚未展現(xiàn)出足夠的應用能力。

此外，影響一項技術(shù)是否投入于商用，有兩個需要考慮的內(nèi)容，第一是否滿足需求，第二衡量投入產(chǎn)出比。就目前而言，AI輸出圖片的尺寸還比較小，由于切片算法和模型的局限D(zhuǎn)D在生成寬邊超過1280的圖時，布局會很不理想。、MidJourney最大為（1664,1664）、DALL·E 2（1024,1024）。如果要做出一個能夠被打印的尺寸，需要經(jīng)過后期放大或者再生成。

至于AI生成畫直接被用于售賣，已經(jīng)有過行業(yè)先例。2018年一幅由巴黎藝術(shù)團體Obvious使用GAN（生成對抗網(wǎng)絡）完成的肖像畫拍出432500美元。

也有AI繪畫平臺及創(chuàng)作者將生成畫鑄造成NFT，但這筆買賣也面臨很大的不確定性，比起想通過NFT賺得盆滿缽滿，AI挑戰(zhàn)圖庫的生意，或許更為現(xiàn)實。

隨著AI繪畫工具的普及，部分功能也有著被挪用，造成負面影響的可能。例如通過添加“蒙版”可以對圖像的部分內(nèi)容進行重新繪制，將一張大象的背影更改為大象的正面照，或者在空無一物的茶幾上，自然地放進一個蘋果。

工具對所有人的想象開放，意味著它既可以被用來進行藝術(shù)創(chuàng)作和表達，也可能在別有用心的人的使用下，成為偽造圖像，制造假新聞的“兇器”。

前車之鑒是能替換視頻中視覺和音頻內(nèi)容的“Deepfakes”，被用于偽造名人色情視頻、欺詐勒索、假新聞等內(nèi)容，而遭限制使用。2019年，在國內(nèi)一夜爆紅的AI換臉應用“ZAO”，也受到用戶隱私、信息安全等問題的質(zhì)疑。

除卻用戶使用上造成可見的“垃圾內(nèi)容”，在AI的圖像學習過程中，也不可避免地吸納了人類認知中對于性別、職業(yè)、種族的刻板印象和偏見，并潛移默化反映在AI繪畫的生成結(jié)果中。

為應對上述可能存在的負面影響，AI繪畫工具的開發(fā)者們所采取的，是以謹慎的開放、更長的內(nèi)測期、調(diào)試圖像描述詞的過濾器等方式，加之控制。

由國內(nèi)開發(fā)者設(shè)計的AI繪畫工具Tiamat，向用戶解釋為什么內(nèi)測周期較長時寫道，“AI生成藝術(shù)是一個比較敏感，也是全新的領(lǐng)域，里面的不可控性，合規(guī)性，以及用戶體驗都需要我們多次迭代，包括其中的云端部署，模型調(diào)整等等，我們也很希望TIA盡早和大家相見，但客觀上技術(shù)是不允許的。”

OpenAI的訂閱郵件顯示，DALL·E在近期的更新中，“減少了對于人種的偏見，更準確地反映世界人口的多樣性。”未來，還將根據(jù)用戶的反饋和標記進一步優(yōu)化。

至于開發(fā)者們對過濾器的調(diào)試，目前仍處在摸索階段。從西喬的個人體驗來看，她多次被過濾器“絆倒”。

（系統(tǒng)疑似把“懸崖邊祈禱”判定為“消極內(nèi)容”）

AI繪畫另一大被詬病的問題是“侵權(quán)的邊界”，就目前而言這是一個灰色地帶，且尚未有行業(yè)定論。

以DD為例，工具遵循MIT開源協(xié)議，理論上生成圖可以免費商用。但在實際使用中也會存在，因為描述詞使用造成的畫風雷同，這就容易造成抄襲爭議。此外，“如果你用別人的作品‘墊’成底圖，再把skip開得很高，最終出來的結(jié)果，也是很難定義是否構(gòu)成作品侵權(quán)。”

事實上，界定真人畫手是否抄襲，是否構(gòu)成侵權(quán)也存在種種復雜的爭議，放到AI繪畫的侵權(quán)問題上，或許也需要足夠多的經(jīng)驗和案例，形成行業(yè)認知。

最后西喬也補充到，AI繪畫也有面臨“負反饋”的可能，即人們用AI繪畫工具生成的圖像，又進一步作用于AI的優(yōu)化和訓練中，“AI 模型可能會呈現(xiàn)類似放大器的效果，最后會是出現(xiàn)什么情況，大家現(xiàn)在是不知道的。”

西喬喜歡拿“相機”比喻AI繪畫，“相機剛誕生的時候成像非常慢，暗房沖洗也很麻煩，設(shè)備的攜帶及使用都不便，成像效果也不一定好。”當時的肖像畫畫家們，對于拿相機拍攝人像，有很多的批評和嘲諷。

“但我們知道在幾十年之后，畫家?guī)缀醵紩褂孟鄼C拍攝的照片作為繪畫時的參考。因為一天內(nèi)光線的變化非常快，你的模特也不太愿意在那兒坐上幾個小時。”

不僅是肖像畫、風景畫，以照片為基礎(chǔ)后期加工完成的數(shù)字繪畫創(chuàng)作等，或多或少都因為相機應用，帶來藝術(shù)形式變革。

而在社會層面，“照相”也從一種背靠特定階級的特定生活方式，走進市民階級，記錄社會變遷和普通人的日常生活。這種技術(shù)力的解放和擴散，隨今天智能手機發(fā)展尤盛，普通人以更低廉的成本，更便捷的使用，掌握相機的攝影攝像能力。

可以預見的是，AI繪畫工具的技術(shù)迭代用不了像“相機”發(fā)展所需的幾十上百年。除了上文提到的DD、DALL·E 2、Midjourney等工具，互聯(lián)網(wǎng)大廠們也相繼入局，谷歌的Imagen/Parti、Meta的Make a scene、微軟的NUWA等等。國內(nèi)的開發(fā)者們也致力于接壤全球AI藝術(shù)的浪潮，例如正在舉辦“千人共創(chuàng)-AI藝術(shù)創(chuàng)作大賽”的Tiamat。

人們對于AI繪畫的使用和認知，時間尚短，其影響力目前還是更多的存在于藝術(shù)圈和程序圈。但在未來，AI繪畫是否能像“相機”那樣，跨越階級、圈層，浸潤進普通人生活，是一件引發(fā)足夠遐想的事情。