#挑战30天在头条写日记#

我们对人工智能的认知，正不断被刷新。

美国科罗拉多州博览会美术大赛的冠军作品——《太空歌剧院》，便是借助一款叫Midjourney的AI绘图工具生成。

这个模型叫 AlphaFold （超级计算机），是目前世界上最强大的 AI模型之一。

它会基于海量数据，从大量蛋白质结构预测中提取出规律，从而预测蛋白质的结构。可以说， DeepMind的 AI模型就像是一个超级计算机。

超级计算机，让 AI实现了“艺术”

当你在网上搜索“AI绘画”时，会发现很多人都在说“AI生成的画作，已经超越了人类”，甚至有人说“AI绘画比毕加索的画还要好”。

事实上，这并不是一件简单的事情。虽然从技术层面上来说， AI绘画已经取得了巨大的进步，但在艺术层面上， AI还无法完全理解“绘画”这件事。

比如，我们可以拿毕加索和达芬奇的作品作为例子：

毕加索创作的《格尔尼卡》，是世界上最著名的抽象画之一。它代表了毕加索绘画风格的巅峰之作。

《格尔尼卡》长达8米多，画面中充斥着大量扭曲变形的人物形象、动物形象和复杂的建筑物。

“AI画家”的诞生，要感谢数据

就像是 AlphaFold的“大脑”， AlphaFold也有自己的“算法”，可以从数百万张图像中，学习和提取规律。

而这背后，是 DeepMind团队数十年来，对海量数据的收集、分析和学习。

DeepMind的研究人员称，他们收集了约1000万张图像。

其中，有30%来自社交媒体（Facebook、 Instagram）；70%来自专业图片网站；剩下30%则来自个人博客。

其中的一些图像，被用作训练模型的素材。

因为这些图像太大了，无法存储在服务器上， DeepMind团队就把它们放到了网站上。

然后通过深度神经网络进行训练，这样模型就可以从海量图片中学习到规律。

因此，从 AlphaFold的生成作品中，我们可以看到它已经可以根据现有图片信息，“画”出自己的想法和风格了。

这也让很多人好奇：人类要多久才能学会这种绘画技能？

艺术创作的未来，还有多远？

DeepMind的人工智能模型，从某种意义上来说，也是一个超级计算机。它能以人类无法想象的速度，去完成各种任务，创造出超乎想象的艺术作品。

什么是“理解”？

理解，就是通过训练模型，从大量数据中总结规律，并对未知的事物进行预测和探索。

就像 DeepMind团队认为的那样：“我们在学习过程中，最重要的是要学习如何建立模型。”

我们不知道这个模型能掌握多少知识，但可以肯定的是，它已经拥有了足够多的经验，所以才能不断迭代。

也许未来某一天， DeepMind团队会把“理解”这个技能教给孩子们。

而当孩子们学会了“理解”之后，他们就会在各种情境中灵活运用，甚至超越人类。

事实上， AI正在以一种前所未有的速度发展：

它越来越能理解我们所处的世界；越来越能理解自己的行为；越来越能理解人类的情绪和想法；越来越能了解世界上存在的各种未知……

这种进步，让我们看到了人工智能对人类发展带来的积极影响。

但这也提醒我们：别忘了提醒孩子们：

机器可以学习新知识，但永远无法理解人类内心的想法。

早在2016年， DeepMind就发布了“Picasso”，这个 AI绘画模型可以生成非常逼真的图像。

从这次新模型中，我们也可以看出 DeepMind团队对于 AI创作艺术的探索和研究。他们使用了大量数据来训练模型，让模型“理解”艺术作品。

虽然 AI 还无法与塑造伟大人类艺术家的全部情感深度、生活经历或文化影响相媲美，但 AI 有潜力仅通过 AI 技术来扩展艺术风格，探索新的创作领域，并尊重人类艺术精通的遗产。随着AI 功能的进步，越来越多的艺术家也将 AI 作为一种工具来增强和扩展他们的创造力，而不是取代它。

最近一些最令人印象深刻的 AI 艺术示例包括由初创公司 PortraitAI 生成的超逼真肖像。他们的 AI 能够分析数以千计的照片以学习如何渲染人脸，然后创建令人惊叹的超逼真人物肖像。结果通常与专业摄影没有区别。另一个惊人的例子来自Anthropic创建的AI 艺术集体，PBC，它发布了一系列探索情感、美和超现实主义的迷幻 AI 生成的艺术作品。

人工智能模型已经掌握了构图、光照、阴影、对比度和透视等基本技术，其技巧和敏锐度可与人类艺术家媲美。他们可以将这些技术应用于从绘画和雕塑到平面设计、插图等所有媒介。结果通常具有鲜艳的色彩、梦幻般的纹理以及以诗意方式扭曲现实的超现实元素混合。
一些人工智能艺术走得更远，探索全新的创作风格和抽象概念，突破艺术表达的界限。例如，人工智能艺术集体CLIP与OpenAI的研究团队合作，创作出令人费解的超现实主义艺术作品、奇异的幻想场景和奇怪的反乌托邦未来，这些作品受到人类想象力的启发，但以逼真的人工智能细节呈现。这些类型的人工智能生成的艺术作品展示了人工智能如何在运用技巧和精确度的同时发挥想象力。

人工智能艺术生成也有局限性！

• 缺乏生活经验和情感。
• 能力有限。AI 系统的重点很窄，由工程师设计用于执行特定的、有限的任务，例如生成图像、视频或文本。他们缺乏人类所拥有的一般世界知识、常识推理、创造力和适应能力。
• 缺乏文化理解。人类艺术深受文化、历史、哲学、灵性和社会观念的影响。人工智能不了解人类社会的文化、多样性或复杂性。人工智能艺术仍然脱离了塑造人类伟大创意作品的文化影响。

• 难以理解细微差别和含义。AI 艺术可能在现实主义或风格上令人眼花缭乱，但在细微差别、复杂概念和传达更深层次的意义/目的方面却很挣扎——尤其是在开放式的创意作品中。
• 缺乏个人风格。人类艺术家通过他们一生的经历、影响和创作实践形成了独特的个人风格、视角和声音。AI 没有这种个人风格，只能反映其训练数据的风格。人工智能艺术感觉没有人情味，缺乏人类艺术家的真实声音。
•道德问题。AI 艺术的兴起也带来了围绕作者身份、所有权、偏见、操纵和工作中断的伦理问题，必须认真考虑这些问题，以确保 AI 创意工具和系统的负责任开发。需要明确的指导方针来阐明人工智能艺术的权利和规定。

• 作为创造性工具的生成模型。艺术家使用 GAN 等 AI 生成模型作为工具来帮助探索新的创意概念、风格或主题。例如，一位艺术家根据他们的风格训练 GAN，然后生成许多新的艺术作品以供选择或从中获得灵感。人类艺术家仍然创作最终作品，但使用人工智能进行构思和实验。
  • AI 完成人类素描。艺术家提供粗略的草图或想法存根，然后AI 模型分析风格以生成与初始草图相匹配的完整艺术品。人类定义愿景，人工智能帮助实现愿景。作品包括逼真的肖像、超现实场景和奇幻生物。
  • AI 增强和扩展照片。摄影师与 AI 合作，以全新的创意方式修改、动画化或扩展他们的照片。例如，AI 可以修改人像中的面部、使用新元素扩展场景或生成逼真的动画。人类捕捉原始照片，人工智能贡献其增强。

• 是的，艺术家 Mario Klingemann 和 Aya Kawazoe 的作品是现场 AI 与人类绘画合作的一个很好的例子。关于他们协作方法的一些关键细节：
• Mario Klingemann是一位德国生成艺术家，他创造了算法艺术，并开发了使用神经网络实时绘画的方法。Aya Kawazoe 是一位日本艺术家，以其错综复杂的抽象绘画而闻名，具有梦幻、超现实的品质。