人工智能作图战胜人类？它是怎么做到的？

上周，当杰森艾伦（Jason M. Allen）将他的“空间剧院”提交给科罗拉多州博览会的美术比赛时，这幅华丽的版画立即大获成功，在“数字操纵摄影”类别中击败了其他 20 位艺术家，赢得了第一名的蓝色丝带和 300 美元的奖金。

艾伦现年 39 岁，住在家乡科罗拉多斯普林斯以南，经营着一家名为Incarnate Games的公司，制作桌面奇幻游戏。他高中毕业后进入空军，并在科罗拉多技术学校获得计算机科学学位。他不认为自己是艺术家，之前从未参加过艺术比赛。

他是如何利用AI引擎画出这幅图的？

早些时候他开始使用人工智能驱动的艺术工具：WOMBO Dream、NightCafe、starryai。然后，有人邀请他去 Midjourney，他毅然决然地答应了。

Midjourney 已成为最受欢迎的 AI 艺术生成器之一，主要是因为它允许任何人根据命令自由创建新图像。使用提示“/imagine”，用户可以输入他们想看到的任何内容，人工智能将在 60 秒内返回四个新创建的图像。用户还可以要求人工智能通过对同一想法的新变化来改善或“升级”视觉质量。

支付公司账户费用后，艾伦开始生成数千张图像，每次创作都会更改文本提示。他尝试了新的设置、场景和效果。他要求以达芬奇和美国迷幻艺术家亚历克斯格雷风格的图像。

AI作画如何实现的？

从几年前开始，每隔一段时间就会有一个新的“自动作画AI”跳出来，凭借精心调试的案例吸足眼球。但到了大多数人手里，却又只能画出仿佛脱胎于克苏鲁神话的诡异产物，好奇心的热乎劲冷却后就被快速淡忘。

直到最近，一批风格独特的画作开始在网上流行。天马行空的构图、丰富的细节加上风格统一的笔触无不彰显着作者的艺术审美，只不过它们是出自AI之手。

AI绘图中用到的各种模型，如Disco DIffusion使用的CLIP（Contrastive Language-Image Pre-Training）等，它是神经网络没错，但是和以前的机器学习有两个区别，一是“多模态”，二是“零样本”。

“多模态”：意思是它同时训练AI做了两件事，一是自然语言处理，二是计算机视觉。大白话讲，就是让计算机理解人类语言，和让计算机像人眼一样观察理解世界。以前的机器学习都是只干其中一项就了不起了，而CLIP模型是在两者间建立了一个桥梁，而且还是某种很强力的联系，这是它的伟大之处之一。

“零样本”：意思是，它可以输出人类从来没有训练过它的结果。以前的机器学习，让AI画猫，它就学会了画猫。让它画狗，它就学会了画狗。但你没教过它画浣熊，让它画会怎样？会报错，画不出来。而CLIP模型是可以画它没有训练过的内容的，也就是说我一张浣熊的照片都没给它看过，它居然能画出来！而且可能画得还挺像。这也是为何它会被用来进行艺术创作。这是它的伟大之处之二。

你认为人工智能绘画可以取代人类吗？欢迎留言讨论。我是美乐！感受科技之美，乐享生活！我们下期再见~