腦洞再大，AI也能畫，今年的AI創造力爆表了

這是我國著名軍事家孫武利用計算機軟件魔獸爭霸進行戰爭模擬的復原圖 這是一張題爲虎王VR的宋代明畫 這是某家藥廠設計的衛生紙 某個茶廠推出的咖啡杯 某個涼透了的瀏覽器 某個在超市找媽媽的紫色男孩 不編了 前面這些模型的作品其實都出自一些AI之手 只要你給一個命題 不管多奇怪 他們都真能給你畫出來 最近這種能命題作畫的AI火了一把 國內國外 不管是程序員設計師還是普通人手殘黨 都在搶着展示自己搞出來的偉大作品 這些作品不僅有天馬行空的想象力 還覆蓋了照片國畫油畫 甚至監控攝像頭等等風格 五光十色讓人大呼神經病 你沒事吧 那麼這種技術到底是怎麼做到的呢 今天我們就一起聊聊 AI命題作畫的玩法最早出現在2015年 那時候這類AI跟其他AI一樣 都還處於人工智障的階段 比如當年有一個研究 要訓練AI畫天上飛的大象 草地上的馬桶 停車場裏的各色校車 畫成這樣 就已經能參加圈內頂尖的學術會議了 可見當年AI畫畫的水平老到什麼程度 但是最近兩年 AI命題作畫這個領域突然爆發了 優秀代表有OpenAI推出的大力 Google推出的Imagine Party Casio的Disco Diffusion 以及做成App的Dream Mid Journey等等 你很可能在網上見過他們生成的畫作 水平都相當不錯 短短几年 AI的畫畫水平怎麼就突飛猛進了呢 我們得從AI命題作畫的原理開始講起 想讓AI看見一堆畫畫出一幅圖 首先牽涉出的一個問題 是讓機器看懂人畫 舉個例子 讓AI畫一張宣傳海報 畫着一隻打扮成法國皇帝拿破崙的貓 手裏拿着一塊奶酪 對於我們人類來說 這句話挺好理解的 有點天賦的 怎麼也能畫個八九不離十 但是對於計算機來說 文字是一串字符 而圖像是成千上萬組RGB值 它怎麼才能理解這兩種數據間的關係呢 現在解決這個問題 最常用的是OpenAI在2021年推出的CLIP 它的思路是 其實不管是語言還是圖像 現在常用的深度學習算法 都會把它們轉換成數學上的項量 這個過程叫編碼 CLIP的模型就包含兩種神經網絡 一種負責給語言編碼 另一種負責給圖像編碼 把它們全都變成項量 然後研究者們從網上搜集了四億張圖 和對應的文字描述 用來聯合訓練這兩個神經網絡 讓他們學會去預測 哪張圖片和哪條文字描述是一對 訓練完之後 CLIP以後再遇到各種沒見過的圖 也能認出來了 而且還能根據文字在圖庫裏搜索圖像 搞定了文字和圖像之間的關係 離真正讓AI作畫就只差作畫了 也就是生成 在這一步上用的最多的是擴散模型 擴散模型的工作原理 是通過逐漸往訓練數據裏 摻入高斯噪聲 慢慢抹去數據中的細節 直到它變成純噪聲 然後再訓練一個神經網絡 來逆轉這個破壞過程 也就是通過逐漸去噪 來從純噪聲中合成數據 直到產生一個乾淨的樣本 它的生成效果比別的方法好 還不用消耗太多算力 可以說是圖片生成領域的拳王 前面提過火車圈的Disco Diffusion Dali-R Imagine 用的都是擴散模型 搞定了這一步 把一段文字變成圖片 也就沒有什麼障礙了 當然 這只是一種比較常見的技術路線 現在這麼多不同的命題作畫工具 有直接用圖片文字一起訓練 Transformer語言模型來審題的 在生成圖像這一步 也有人用GAN 自備碼器來替代擴散模型的 在不斷的嘗試和技術創新下 AI命題作畫衝破了AI研究的圈子 普通人也能拿來玩一下 甚至有職業畫手 也開始把它當成一種工具 比如說有位插畫師 就讓Disco Diffusion 模仿兩位畫家的風格 生成了一組東方庭院裏的四季 也有插畫師 把AI融入到自己的創作過程裏 用不同的AI來生成 它畫作所需的零件 然後再根據自己的想法 把它們組創起來 這讓我覺得有點欣慰 因爲這一次 我們被AI的能力驚豔之後 終於沒有嘈雜的喊一句 誰誰誰要失業了 而是真的讓它變成了手裏的工具 OK 以上就是本期視頻的全部內容 如果你有些收穫 別忘了點贊關注留評論 我們下期見