AI制圖從谷歌深夢(mèng)的克系繪圖，到全民玩具，甚至由于出的澀圖太多，直接沖擊到了福利姬，其背后最主要的技術(shù)原因就是擴(kuò)散模型以及文本語言結(jié)合的Clip技術(shù)。

　　前者提供了更為多樣的高質(zhì)量出圖水平，而后者則提供給了用戶使用文本和關(guān)鍵詞來控制圖片內(nèi)容的簡便能力。

　　孟繁岐很早就推出了GAN生成對(duì)抗網(wǎng)絡(luò)，這是深度學(xué)習(xí)時(shí)代AI繪圖的第一代技術(shù)。經(jīng)過這些年的發(fā)展有一些不錯(cuò)的效果，但其本身有不少問題非常難以克服。

　　“我在前兩年的時(shí)候就注意到了，GAN模型生成的內(nèi)容缺乏多樣性，比較單一，其對(duì)抗模式也比較玄學(xué)，一旦判別器難以分辨之后就不再進(jìn)步，訓(xùn)練難度很高?！?/p>

　　“擴(kuò)散模型是一個(gè)非常好的思路，將噪點(diǎn)不斷地添加到原圖當(dāng)中，最終成為一個(gè)隨機(jī)噪聲圖像，然后讓訓(xùn)練神經(jīng)網(wǎng)絡(luò)把此過程逆轉(zhuǎn)過來，從隨機(jī)噪聲圖像逐漸還原成原圖，這樣神經(jīng)網(wǎng)絡(luò)就有了可以說是從無到有生成圖片的能力?！?/p>

　　“而文本生成圖片就是把描述文本處理后當(dāng)做噪聲不斷添加到原圖中，這樣就可以讓神經(jīng)網(wǎng)絡(luò)從文本生成圖片。這讓訓(xùn)練就變得非常簡單，只需大量的圖片就行了，其生成圖像的質(zhì)量也能達(dá)到很高的水平，并且生成結(jié)果能有很大的多樣性。”

　　不僅如此，孟繁岐采用的殘圖重構(gòu)預(yù)訓(xùn)練模式，也會(huì)極大地增強(qiáng)模型從無到有繪制圖像的能力。不過這部分內(nèi)容已經(jīng)完成，就沒必要再介紹給他們聽了。

　　對(duì)于他們來說，目前的這些東西已經(jīng)相當(dāng)難以消化了。

　　“先來看個(gè)示例吧，Clip模型雖然只是鏈接文本和圖像的一個(gè)橋梁，制圖能力可能不強(qiáng)，但也已經(jīng)足以根據(jù)文本來產(chǎn)出一些圖像內(nèi)容了?！泵戏贬X得百聞不如一見，正好手上有Clip這個(gè)基礎(chǔ)，不如演示給他們看看，這比自己一直說要來得直接。

　　基于Clip模型構(gòu)建的文本和圖像對(duì)應(yīng)關(guān)系，有一種最為樸素的圖像生成方式。

　　孟繁岐直接輸入了文字【一只玩滑板的泰迪熊】，這是人類對(duì)于圖像的語言描述。

　　“我的文字描述會(huì)首先經(jīng)過模型處理變成【文字特征】，然后通過Clip模型學(xué)到的對(duì)應(yīng)關(guān)系轉(zhuǎn)換成【圖像特征】，最后由解碼器進(jìn)行圖像的生成。這里的唯一難點(diǎn)就是，【文字特征】和【圖像特征】之間的轉(zhuǎn)化，到底是怎么一回事?！?/p>

　　“我們現(xiàn)在的Clip呢，沒有特別具體的策略，只是單純先廣泛學(xué)習(xí)了大量網(wǎng)絡(luò)上的圖像與文字，因此還處在一個(gè)非常粗糙的早期階段。我們的目標(biāo)是在這個(gè)基礎(chǔ)上持續(xù)推進(jìn)。”

　　有了孟繁岐的演示和介紹，幾人對(duì)于大致流程和幾個(gè)關(guān)鍵環(huán)節(jié)步驟，就有了比較明確的認(rèn)識(shí)。

　　不過...

　　“你這還是粗糙的早期階段呢？”

　　“老板你這也太謙虛了吧？”

　　“我來玩一下別的文本試試看行嗎？”

　　對(duì)于玩慣了成熟AI繪圖的孟繁岐來說，目前的輸出結(jié)果分辨率不高，與文字的對(duì)應(yīng)關(guān)系也不是那么明確，很難通過文字精準(zhǔn)地對(duì)圖像進(jìn)行調(diào)整，出圖全靠運(yùn)氣。

　　但這個(gè)效果對(duì)于其他人來說，已經(jīng)是革命性的了。

　　“山景油畫圖。”

　　“一只熟睡的小狗?！?/p>

　　這種比較明確的指令能夠得到不錯(cuò)的出圖結(jié)果，不過如果指令過于詳細(xì)之后，就很難如他們所愿了。

　　但夏彥等人仍舊玩得不亦樂乎：“唯一有點(diǎn)遺憾的事情是出來的圖只有256的分辨率，太小了。”

　　“Clip只是最基礎(chǔ)的文字和圖像對(duì)應(yīng)關(guān)系，我們要做的調(diào)整還有很多，等著吧，你們會(huì)因?yàn)锳I繪圖能力的提升速度而驚掉下巴的?！?/p>

　　這次討論之后，最初進(jìn)入視界的那一批人就被孟繁岐抽調(diào)走了。

　　也沒說為什么，這件事情在內(nèi)部引起了一陣討論，大家都在猜測到底是因?yàn)槭裁词虑椤?/p>

　　最大的聲音是這批人要去負(fù)責(zé)ChatGPT國內(nèi)的事宜了，畢竟ChatGPT的發(fā)布已經(jīng)迫在眉睫。

　　但沒想到，就在這個(gè)關(guān)口，孟繁岐卻突然地公開了Clip模型的參數(shù)，并提供了一個(gè)試用頁面，讓大家可以自己玩玩看使用文字描述到底能夠生成怎樣的圖像。

　　“這是什么情況？怎么還有新東西？？”網(wǎng)友們感到非常的詫異。

　　畢竟正常來說，一個(gè)人在要做一件大事的時(shí)候，很難有人想得到他竟然還在同時(shí)策劃著另一個(gè)大新聞。

　　網(wǎng)友們并沒有迷茫太久，孟繁岐的一舉一動(dòng)現(xiàn)在都有不少媒體盯著，一旦有什么風(fēng)吹草動(dòng)，馬上就有各種解讀文章和短視頻。

　　“文本與圖像的界限被打破了，這是AI走向多模態(tài)的里程碑事件。”

　　“我們以往的系統(tǒng)都是一個(gè)部分處理圖像，一個(gè)部分處理文本。但從這次孟繁岐給出了由文字定向生成圖片的功能來看，大概率他已經(jīng)找到了讓AI模型同時(shí)理解這兩者的辦法?！?/p>

　　“這會(huì)不會(huì)是ChatGPT發(fā)布會(huì)的一個(gè)預(yù)熱和暗示？難道說ChatGPT在正式發(fā)布的時(shí)候，還會(huì)擁有理解圖像的能力？”

　　孟繁岐此前對(duì)ChatGPT的所有展示都是純文本的，唯一和圖像沾邊的內(nèi)容是表情包對(duì)話，但那本質(zhì)上是一種編碼，表情包在機(jī)器理解中只是另一種【語言】，而非是真正的圖像。

　　可他偏偏趕在ChatGPT發(fā)布前，展現(xiàn)了這種全新的能力，這使得大家很難不多想。

　　AI踏足繪圖這一全新的領(lǐng)域，再次引發(fā)了一個(gè)日經(jīng)的問題，那就是人工智能到底能否達(dá)到人類水準(zhǔn)，又能否超越人類的頂級(jí)高手。

　　“不可能！絕對(duì)不可能?！边@是每次AI進(jìn)入新領(lǐng)域都會(huì)必然存在的聲音。

　　其論調(diào)也不新鮮了，是一個(gè)經(jīng)典的雖然....但是我們領(lǐng)域不一樣！

　　“雖然AI已經(jīng)在圍棋、自駕.....等領(lǐng)域超過了人類，但是！繪畫是不一樣的，AI以后或許會(huì)越來越強(qiáng)大，與相機(jī)相差無幾，但在藝術(shù)領(lǐng)域，絕不可能超過人類！”

　　這是人類藝術(shù)創(chuàng)作者的自信與尊嚴(yán)。

　　只不過...大家都覺得這話好像聽著有些耳熟了。

　　好像最開始下圍棋的時(shí)候，就曾經(jīng)聽過這番話。

　　隨著爭論越發(fā)激烈，谷歌與藝術(shù)院校合作的那篇基于GAN生成技術(shù)生成抽象畫的研究突然從默默無聞到家喻戶曉。

　　“誰說藝術(shù)繪畫就難的？我看這篇論文都說了，人類根本分不清哪些是藝術(shù)家畫的，哪些是AI畫的?！狈磳?duì)者找到了一個(gè)相當(dāng)充分的例證。

　　“那是你們不懂！你們門外漢知道什么??？我們專業(yè)人士一看就知道哪些是AI哪些不是！”

　　“啥意思？咱們普通人就沒資格發(fā)表意見了？人家圍棋下贏了就是下贏了，到你們藝術(shù)領(lǐng)域沒有一個(gè)勝負(fù)的標(biāo)準(zhǔn)，就全憑你們自己做裁判了唄？”

　　雙方爭論不休的同時(shí)，的確引出了一個(gè)新的難題。

　　AI終究來到了一個(gè)文無第一的領(lǐng)域。