在游戏市场愈发精品化的现在，一款游戏除了玩法的创新、优秀的世界观故事，最开始玩家能够接触了解到，也是最直观能够展现游戏素质的元素就是美术风格，对于部分玩家而言，甚至可能是某一特定角色的立绘。优秀的美术也是为什么很多二次元游戏如此受玩家欢迎的原因之一。
但艺术对于许多有技术背景的开发者来说并不容易。优秀的艺术设计对于资金紧张的小团队来说是一笔不小的开销。但如果有问题，就会有解决办法。
近日日本科技公司 （后文简称PFN）旗下的团队在官网上更新了他们产品最新的成果：由人工智能生成的“立绘级”二次元人物。虽然团队目前还没有放出具体的商业化方案，只是有效果图，但是从质量上来看已经可以和很多游戏里的人物一较高下了。
PFN这家公司之前曾报道过，他们主要从事物联网方向“深度学习”的研究，公司在人工智能的方向上已经取得了不少的成果，机器人装机量世界第一的日本企业发那科（FANUC）以及丰田汽车都和他们有合作关系。
而就曾因为将人工智能和区块链两大技术联合起来，将所有二次元形象，以的形式，永久地印在了区块链网络上引发过媒体的关注。在当时，展示出来的技术还只是处于“做个二次元头像”的水平，此次的效果图可以说是在沉寂一段时间后放出的大招。
生成对抗网络GAN
近些年来，其实用AI作画或者是自动生成角色已经不是一项陌生的技术了，在去年日本游戏开发者大会上，《怪物弹珠》的开发商Mixi就展示了自己的生成游戏中的角色，虽然同样尚在研发之中，但是这项技术在未来对生产力的提升，对于游戏的长期开发和运营的意义，也同样得到了Mixi方面负责人的肯定。
包括、等众多项目在内，利用人工智能生成图像的技术通常都基于同一个机器学习的方法，那就是生成对抗网络（GAN，全称： ），该方法由伊恩·古德费洛等人于2014年提出。生成对抗网络由一个生成器与一个判别器组成。
生成器 ()通过机器生成数据，目的是“骗过”判别器，判别器 ()判断这个数据是真实的还是由机器生成的，目的是找出生成器做的“假数据”，GAN正是通过让两个神经网络相互博弈的方式进行学习。
两者间的博弈类似于警察和小偷
总之，首先，通过学习和训练，鉴别器有一定的真假辨别能力，但辨别能力不强。此时，我们将生成器生成的虚假数据提供给鉴别器进行判断。经过不断的训练，根据鉴别器的结果反馈，发生器的能力会越来越强。
一段时间后，发生器的能力将超过鉴别器的水平，鉴别器将失去其功能。此时，我们需要开始训练鉴别器。同样，经过一段时间的学习和训练，鉴别器的辨别能力进一步增强，生成器的虚假数据也无法欺骗鉴别器，两个网络之间进入了新一轮的循环。
在经过前面两道程序的不断重复之后，不论是生成器还是判别器此时的水平都已经非常高了，最终通过了判别器的判别，成功输出的结果也将更加接近于真实。
GAN这种将博弈论引入机器学习的做法，事实证明它对于机器的无监督学习，甚至是半监督学习、完全监督学习都有着正面作用。目前GAN被主要用于生成以假乱真的图片、生成影片、三维物体模型等领域，包括抖音的漫画滤镜、之前大火的“”等，都利用了这种方法。
在2019年，生成对抗网络甚至成功地模拟了暗物质在太空中特定方向的分布，并预测了将要发生的引力透镜。
AI生成的假照片
虚拟偶像的工业化制作
在经过长时间的训练之后，已经有了长足的进步，并且不仅仅是从生成头像变为了半身像，在日本的二次元盛会Comic 上，曾经展示过两个新功能，一个是用户通过鼠标或者数位板修改各个部位的形状时，这些变化将即时地反映到 生成的角色上，利用该系统，用户不需要绘画基础即可进行角色插图设计。
另一个则是利用深度学习技术，将插图自动分成可动的部位，不需要再手动添加骨骼，从而可以利用 E-mote™ 动画软件为角色添加动画。
对于，PFN在今日也成功将其使用在了自己新的企划当中，PFN联手唱片公司以及动画公司，为日本虚拟歌手HACHI制作了一个近两分钟的MV，MV当中角色的面部表情、角色的发型包括服装都是在 HACHI此前的官方形象上，通过自动生成的，因此HACHI在新的MV当中整个人的风格也有了一定的改变。
左：MV中形象 右：原版形象
画师的内卷竟然来自AI
在机器不断 “取代”各行各业的工作的时候，作为典型的创意领域，美术作为一个极具主观色彩，包含创作者个人情感和意志的行业，即使在同为创意产业的写作、作曲等被AI拿下的时候，作画却一直都是机器几乎不可能逾越的大山，但是以及Mixi的都在向我们展示另一种可能。
当然AI进入这一领域自然可以大幅度提高内容的生产效率，单单从目前展示的成果以及PFN新的企划来看，只需要通过生成角色形象，然后进行细节的修改，利用上文提到的方法以及PFN 6个小时完成 200件以上的3D模型化的技术，批量生产内容，这些都将大大提高动画等作品的制作效率。
并且这一技术对小型独立游戏开发团队而言，也将是福音，既能批量产出角色立绘甚至是游戏场景，即使最终产出的内容有穿模或者细节上的瑕疵，需要后期调整，这种批量生产的模式也将大大降低游戏的美术成本，保证游戏中人物立绘和美术质量的稳定性。
日本ACG内容众包公司先前在接受日媒采访时就曾表示：“使用生成的画面本身就已经被分成了数个部分，再使用PFN提供的工具，就能很轻松地和M2的Emote动画工具进行联动，制作出动画。在他们的工作中，有30%到40%的内容最终都可以通过AI来完成。”
但即便如此，依然坚定认为，实际上事实也证明了，AI在很长一段时间内在创意领域都不会也无法取代人脑，而是作为美术、作曲等人的辅助工具。
最简单的一点就是AI短期内无法形成独立的审美和风格。以美术为例，虽然经过训练，它可以产出精致的立绘，但是目前包括在内的所有AI，从GAN的逻辑来看，更多的是对真实的仿照和模拟，它无法生产出具有个体特色的内容，更不用谈审美这种本就因人，因场合而异的层面了。
画面的创造性来源于画师的个人意志，即使是商业作品，美术作品中最具有价值的部分依然是其中融合的情绪和思想，以及审美情趣。虽然绘画中有很多重复性的基础部分是非常有规律的，这一部分也是机器可以替代的，但是缺乏创造力和情感也就意味着机器人与创意领域之间的鸿沟，暂时依然无法被逾越。
对于非专业人士或者是小团队而言，这项技术，包括未来AI的发展将为它们带来巨大的红利，与此同时对于专业人士而言，在很长一段时间内，AI依然只是一种工具而已，灵活地利用工具只会提高自己的效率以及作品的质量，就像的董事齐藤隼大所说的：
“在技术不发达的情况下，摄影也是一件技术性很强的事情。随着科技的发展，不懂摄影的人也可以用智能手机拍漂亮的照片。人工智能在绘画领域可能最终也会如此。”
相关文章
