核心內(nèi)容：

(相關(guān)資料圖)

1、Text-to-Image模型的數(shù)據(jù)規(guī)模需求決定了研究人員嚴(yán)重依賴(lài)基于網(wǎng)絡(luò)抓取并且大部分未經(jīng)整理的巨型數(shù)據(jù)集，由于這些數(shù)據(jù)集往往攜帶社會(huì)和文化偏見(jiàn)。

2、當(dāng)攝影成為逼真繪畫(huà)的競(jìng)爭(zhēng)者，畫(huà)家轉(zhuǎn)向新的表達(dá)方式。1870年代，法國(guó)興起印象派運(yùn)動(dòng)。

3、創(chuàng)造力獨(dú)立于意識(shí)，可以被合成、放大和操縱。AI藝術(shù)創(chuàng)所便是鎖定目標(biāo)、按下快門(mén)的過(guò)程——當(dāng)攝影第一次出現(xiàn)，這便是攝影師的所有工作。

近日，中國(guó)AI繪畫(huà)平臺(tái)由于技術(shù)尚未成熟帶來(lái)的基于錯(cuò)愕的幽默效果使AIGC作為社交貨幣廣受熱議。從自拍濾鏡到Deepfakes，在過(guò)去十年中，人工智能驅(qū)動(dòng)的現(xiàn)實(shí)扭曲能力與日俱增。

早在2018年10月，巴黎藝術(shù)團(tuán)體Obvious曾以432,000美元的價(jià)格售出一幅名為Edmond Belamy的AI畫(huà)作，這一首件在大型拍賣(mài)行落槌的人工智能藝術(shù)品基于GAN算法，其數(shù)據(jù)集來(lái)自14世紀(jì)至20世紀(jì)期間多達(dá)15,000幅肖像畫(huà)。

今年8月，合成媒體藝術(shù)創(chuàng)作中Jason Allen憑借人工智能生成作品Théatre D"opéra Spatial在擁有150年歷史的藝術(shù)賽事Colorado State Fair中獲獎(jiǎng)，人工智能將創(chuàng)意產(chǎn)業(yè)帶入一個(gè)轉(zhuǎn)折點(diǎn)。面對(duì)關(guān)于AI藝術(shù)倫理的激烈辯論，以及高科技剽竊的指責(zé)，Allen表示，其作品以“Jason M. Allen via Midjourney”名義提交，“我不會(huì)為此道歉”。

Théatre D"opéra Spatial通過(guò)Midjourney呈現(xiàn)“太空歌劇院”超現(xiàn)實(shí)主義場(chǎng)景（來(lái)源：New York Times）

AI藝術(shù)在文化價(jià)值中的地位無(wú)疑值得讓人深思。縱觀人類(lèi)文明發(fā)展歷程，技術(shù)變革往往能夠顛覆社會(huì)生產(chǎn)方式和消費(fèi)模式，從而攪動(dòng)社會(huì)秩序、甚至世界秩序。事實(shí)上，技術(shù)進(jìn)步也是塑造藝術(shù)形態(tài)的關(guān)鍵因素。

01 機(jī)器是否具有創(chuàng)造力？

AI藝術(shù)的生產(chǎn)機(jī)制包括基于數(shù)學(xué)模式的圖像生成，模擬筆觸和其他繪畫(huà)效果的算法，以及諸如GAN（Generative Adversarial Networks），即生成對(duì)抗網(wǎng)絡(luò)等人工智能或深度學(xué)習(xí)算法。早期AI藝術(shù)系統(tǒng)至少追溯至1972年，彼時(shí)，Harold Cohen開(kāi)發(fā)的AARON基于符號(hào)規(guī)則生成技術(shù)圖像，由此成為GOFAI（Good Old-Fashioned Artificial Intelligence，一種符號(hào)AI）編程時(shí)代AI藝術(shù)的著名案例。盡管 AARON僅限于按照Cohen編碼的風(fēng)格，即其個(gè)人繪畫(huà)風(fēng)格進(jìn)行創(chuàng)作，但是它能夠產(chǎn)生無(wú)限量的圖像。

在2014年6月Ian Goodfellow及其同事發(fā)布關(guān)于GAN的文章后，包括Google（TensorFlow）、Meta（Torch）和荷蘭NPO廣播公司 （pix2pix）在內(nèi)的科技公司開(kāi)源其未經(jīng)訓(xùn)練的原始GAN。時(shí)至2017年，這一機(jī)器學(xué)習(xí)框架已被AI藝術(shù)創(chuàng)作者廣泛使用。GAN類(lèi)似于機(jī)器版本的“擬態(tài)”（進(jìn)化生物學(xué)）——兩個(gè)神經(jīng)網(wǎng)絡(luò)以零和博弈的形式進(jìn)行關(guān)于視覺(jué)效果真實(shí)性的競(jìng)爭(zhēng)。因此，AI藝術(shù)生成過(guò)程即是“藝術(shù)模仿者”和“藝術(shù)偵探”之間互動(dòng)持續(xù)循環(huán)的過(guò)程，直至藝術(shù)偵探無(wú)法再分清真?zhèn)?/strong>。

深度神經(jīng)網(wǎng)絡(luò)的技術(shù)進(jìn)步使得Text-to-Image Model，即文本到圖像模型，于 2010年代中期誕生。該機(jī)器學(xué)習(xí)模型使得輸入自然語(yǔ)言描述并生成匹配圖像成為可能。在深度學(xué)習(xí)興起之前，構(gòu)建Text-to-Image模型的嘗試僅限于通過(guò)排列現(xiàn)有圖像組件生成的“拼貼畫(huà)”。University of Toronto研究人員于2015年推出的現(xiàn)代首個(gè)Text-to-Image模型alignDRAW所生成的圖像模糊且不逼真。2016年，University of Michigan和Max Planck Institute for Informatics研究人員首次使用GAN推進(jìn)Text-to-Image任務(wù)。

由Elon Musk、Sam Altman等人于2015年12月創(chuàng)立的人工智能研究實(shí)驗(yàn)室OpenAI旨在促進(jìn)發(fā)展“人類(lèi)友好人工智能”。2021年1月，OpenAI基于其開(kāi)創(chuàng)性的GPT語(yǔ)言模型推出的DALL-E是首個(gè)引起公眾廣泛關(guān)注的文本Text-to-Image模型之一，其命名是皮克斯動(dòng)畫(huà)角色Wall-E與超現(xiàn)實(shí)主義藝術(shù)家Salvador Dalí 的極客組合。該組織于2022年4月推出的DALL-E 2能夠生成更逼真、更準(zhǔn)確的圖像，分辨率較上一代提升了4倍。

今年以來(lái)，從Google Brain的于5月發(fā)布的Imagen和 StabilityAI 于8月發(fā)布的Stable Diffusion，Text-to-Image模型生產(chǎn)圖像使得機(jī)器與人類(lèi)在藝術(shù)生產(chǎn)方面的鴻溝迅速收縮。

Imagen公開(kāi)Text-to-Image詼諧示例（來(lái)源：Imagen）

繼Text-to-Image模型之后，諸如Runway、Make-A-Video、Imagen Video、Midjourney和Phenaki等由語(yǔ)言模型支撐的Text-to-Video（文本到視頻）平臺(tái)應(yīng)運(yùn)而生。

人工智能具有創(chuàng)造力的假設(shè)往往受到藝術(shù)家嘲諷，但是這取決于創(chuàng)造力的定義。AI能夠以空前、有效的方式創(chuàng)造事物，只是這種創(chuàng)造并非“意圖”驅(qū)動(dòng)——解釋和篩選輸出的是人。AI藝術(shù)從業(yè)者M(jìn)ario Klingemann評(píng)論道，“機(jī)器無(wú)意創(chuàng)造任何東西……你生了火，火產(chǎn)生了形狀，它并沒(méi)有創(chuàng)造力，是你看見(jiàn)了圖案——AI便是從不重復(fù)、一次又一次給人帶來(lái)新奇和驚喜的火焰”。

Text-to-Image的社會(huì)和文化偏見(jiàn)

Synthetic Media，即合成媒體，代指任何類(lèi)型的AI生成圖片、視頻、虛擬對(duì)象（e.g. 虛擬人）、聲音或文字。該類(lèi)別包括且不限于Deepfake內(nèi)容、基于文本的AI藝術(shù)、VR和AR環(huán)境中的虛擬內(nèi)容。Nina Schick曾于2020年在一書(shū)中表達(dá)了深刻的技術(shù)恐懼，由于Deepfakes讓人類(lèi)無(wú)法分辨什么是真實(shí)的，什么不是，該技術(shù)被認(rèn)為將對(duì)西方民主制度構(gòu)成巨大威脅——選民操縱可能被推至前所未有的高度，而這場(chǎng)“信息災(zāi)難”的危險(xiǎn)的后果關(guān)乎公眾信任、甚至國(guó)家安全。

盡管Text-to-Image模型很難帶來(lái)以上災(zāi)難，但是該技術(shù)仍然不乏令人不安的應(yīng)用情景。想象一個(gè)可以生成幾乎任何圖像的系統(tǒng)，技術(shù)進(jìn)步或?yàn)橹圃旒傩侣?、惡作劇和騷擾提供更為高效的工具。此外，系統(tǒng)本身攜帶社會(huì)偏見(jiàn)，其輸出通常涉及種族主義和性別歧視。Google研究人員在報(bào)告中指出，Text-to-Image模型的數(shù)據(jù)規(guī)模需求決定了研究人員嚴(yán)重依賴(lài)基于網(wǎng)絡(luò)抓取并且大部分未經(jīng)整理的巨型數(shù)據(jù)集，而這些數(shù)據(jù)集傾向于反映社會(huì)刻板印象、壓迫性觀點(diǎn)，以及針對(duì)邊緣群體的貶損。

此前，研究人員在評(píng)估DALL-E時(shí)已經(jīng)遭遇相似問(wèn)題，DALL-E生成的空乘人員圖像幾乎均為女性，而CEO圖像卻是千篇一律的白人男性。正是出于這個(gè)原因，OpenAI遲遲不愿公開(kāi)發(fā)布DALL-E，雖然公司允許部分測(cè)試人員進(jìn)行訪問(wèn)。據(jù)悉，該系統(tǒng)已經(jīng)著手過(guò)濾某些文本輸入，以在某種程度上限制其被用于生成種族主義、暴力或情色圖像。與之類(lèi)似的是，Google認(rèn)為Imagen“目前尚不適合公眾使用”，同時(shí)表示公司計(jì)劃開(kāi)發(fā)一種新方法來(lái)衡量并測(cè)試“社會(huì)和文化偏見(jiàn)”。由于龐大數(shù)據(jù)庫(kù)的偏見(jiàn)源自藝術(shù)史——世界歷史的視覺(jué)呈現(xiàn)，University of Southampton教授Sunil Manghani將其稱(chēng)為“歷史偏見(jiàn)”。

The Verge于今年5月總結(jié)道，“老生常談的格言仍然適用于AI世界：輸入垃圾，收獲垃圾”。

技術(shù)進(jìn)步推動(dòng)藝術(shù)創(chuàng)作民主化

對(duì)藝術(shù)創(chuàng)作新技術(shù)的爭(zhēng)論并非首次。AI藝術(shù)能否被視為藝術(shù)這一問(wèn)題與攝影術(shù)的發(fā)明曾經(jīng)引發(fā)的擔(dān)憂極為類(lèi)似，二者均降低了藝術(shù)創(chuàng)作的技術(shù)門(mén)檻。19世紀(jì)法國(guó)詩(shī)人Charles Pierre Baudelaire曾稱(chēng)攝影為“藝術(shù)最致命的敵人”。

然而，將技術(shù)進(jìn)步普遍解讀為“對(duì)人類(lèi)藝術(shù)的貶低”在現(xiàn)實(shí)中無(wú)益，這不能阻止技術(shù)普及帶來(lái)的創(chuàng)作民主化——只需按下快門(mén)，人人都能捕捉到任意場(chǎng)景的逼真描繪。當(dāng)攝影成為逼真繪畫(huà)的競(jìng)爭(zhēng)者，肖像、風(fēng)景等場(chǎng)景中追求逼真效果的需求驟然萎縮，這一擾動(dòng)使得畫(huà)家轉(zhuǎn)向新的表達(dá)方式。自1870年代起，法國(guó)興起印象派運(yùn)動(dòng)，這一繪畫(huà)風(fēng)格在接下來(lái)的五十年中席卷整個(gè)歐洲。

1873年12月，Claude Monet、Pierre Renoir、Camille Pissarro等藝術(shù)家創(chuàng)立了畫(huà)家、雕塑和雕刻家匿名協(xié)會(huì)，以獨(dú)立展出其此前被沙龍?jiān)u審團(tuán)拒絕的作品。評(píng)論家Louis Leroy在報(bào)紙Le Charivari以“印象派展覽”嘲諷這一風(fēng)格，“印象，我很確定...多么自由，多么偷工減料！半成品墻紙都比它更完整”，印象派一詞便源于此。攝影技術(shù)推動(dòng)印象派掀起革命，而隨之而來(lái)的后印象派讓位于20世紀(jì)藝術(shù)界技術(shù)、主題和形式的進(jìn)一步“解放”。

Water Lilies by Claude Monet 1906（來(lái)源：Artsy）

The Sower by Vincent Van Gogh 1888（來(lái)源：Artsy）

如今，AI藝術(shù)被諸多評(píng)論家視作人類(lèi)藝術(shù)家終結(jié)的標(biāo)志。視覺(jué)素材平臺(tái)Getty Images已經(jīng)禁止了 AI生成圖像，一些DeviantArt平臺(tái)藝術(shù)家正在要求類(lèi)似禁令。與之相比，較為善意的聲音呼吁為AI藝術(shù)貼上標(biāo)簽，以便將其與人類(lèi)藝術(shù)區(qū)分開(kāi)來(lái)。不少藝術(shù)家可能擔(dān)心企業(yè)通過(guò)其作品獲利而自己卻得不到任何補(bǔ)償，因而努力避免其作品被用來(lái)訓(xùn)練AI，然而這種努力顯然是徒勞——想象一下，即使從數(shù)據(jù)集中刪除所有Van Gogh作品，該藝術(shù)家的風(fēng)格仍將深植于模仿者或深受其影響的浩瀚視覺(jué)海洋中。

Wired認(rèn)為，正如一個(gè)世紀(jì)前的機(jī)械攝影，AI藝術(shù)不會(huì)扼殺藝術(shù)本身，而是開(kāi)辟了更多可能性，“創(chuàng)造力不是某種超自然的力量。它可以被合成、放大和操縱。事實(shí)證明，我們不需要獲得智能來(lái)孵化創(chuàng)造力。創(chuàng)造力獨(dú)立于意識(shí)...這種新藝術(shù)介于繪畫(huà)和攝影之間，存在于一個(gè)和繪畫(huà)的可能性一樣大的空間。你像攝影師一樣在這一空間中移動(dòng)，探索，發(fā)現(xiàn)” 。

因此，AI藝術(shù)創(chuàng)所便是鎖定目標(biāo)、按下快門(mén)的過(guò)程——當(dāng)攝影第一次出現(xiàn)，這便是攝影師的所有工作。

本文作者認(rèn)為，創(chuàng)作民主或許伴隨著更為普遍的審美平庸，但是當(dāng)創(chuàng)造力已經(jīng)成為一種商品，一個(gè)或許平庸但是全面的視覺(jué)搜索引擎顯然能夠大幅降低成本，無(wú)論對(duì)于企業(yè)或個(gè)人。相較于通過(guò)視覺(jué)素材平臺(tái)搜索人類(lèi)藝術(shù)創(chuàng)作者制作的昂貴圖像，AI視覺(jué)素材的獲取效率更高、價(jià)格更為低廉，同時(shí)貼合個(gè)性化需求。

正如Wired所言，歷史上第一次，人類(lèi)得以按需、實(shí)時(shí)、大規(guī)模、廉價(jià)地開(kāi)展日常創(chuàng)意活動(dòng)，“我們可能有點(diǎn)像中世紀(jì)的農(nóng)民，當(dāng)被問(wèn)及拿250馬力做什么，他們毫無(wú)想法。如今，我們的創(chuàng)造力引擎能夠用以瞄準(zhǔn)任何陳舊角落。這是一份非凡的禮物”。

參考資料：

Vincent, J. (2022) All these images were generated by Google"s latest text-to-image ai, The Verge. The Verge. Available at: https://www.theverge.com/2022/5/24/23139297/google-imagen-text-to-image-ai-system-examples-paper (Accessed: December 6, 2022).Bogost I. (2019) The AI-Art Gold Rush is Here. The Atlantic. Available at: https://www.theatlantic.com/technology/archive/2019/03/ai-created-art-invades-chelsea-gallery-scene/584134/ (Accessed: December 6, 2022).Kelly K. (2022) Picture Limitless Creativity at Your Fingertips. Wired. Available at: https://www.wired.com/story/picture-limitless-creativity-ai-image-generators/ (Accessed: December 6, 2022).