而且在大部分用来训练的图片中，手部经常不是最核心的部位，所以角度不同、距离不同、手势不同、还会被阴影和其他物体遮挡。
甚至还有些更加奇特的“手”，它们的手的形状和手指数都不相同，但也都会被标注成“手”，让模型觉得它们的形状——以及它们形状的平均形态，可能都是合理的，也就因此产生了各种崎岖的手。
甚至这些也可以被标注为“手”，图片来源：《精灵宝可梦》《黑猫警长》《机器猫》和《忍者神龟》的动画介绍截图。
另一个有趣的例子是，一家公司的团队照片几乎都是通过人工智能技术生成的。如果仔细看的话，还是能发现一些线索。例如，第一排左起第二个人只带了一个耳环，第二排左起第二个人的耳朵轮廓不太正常。
图片来源： 截取了这家公司的网页截图。
可以看到，和开头的获奖作品不同，AI 作画在写实风格上还是存在不少问题的，但这并不妨碍人们对 AI 作画的尝试和使用，同时还在帮助设计者们对 AI 不断优化。毕竟让机器有创造力一直是人工智能的最高理想之一，所以生成任务就成了衡量机器创造力的标准。
02
AI 也会产生偏见和刻板印象
除了质量问题外，人工智能生成的内容还有可能产生各种伦理问题。比如在语言模型上时常会出现的偏见和刻板印象，在图片生成中也有体现，例如生成“大公司 CEO”大概率会出现一个白人成熟男性的形象。更大的担忧在于大量虚假内容很可能会操纵公众注意力和观点。
每一次修改或生成内容的新技术出现，都会引发这样的担忧。技术的进步让生成虚假内容的门槛变得越来越低，人们认为，AI 技术有可能会让虚假信息空前繁荣，因此伤害社会。除了推动立法外，开发便捷的生成检测技术也是必要的。
03
AI 生成的历史
除了最近非常受欢迎的图片生成，AI 创作还包括文字（问答、对话、诗歌、小说）和视频生成，只不过，AI 在创造上还需要更多的训练和学习。
第一个能保证质量水准的 AI 创造模型是对抗生成网络（ ，下简称：GAN），它包括了一个生成器（G）和一个对抗（分类）器（A）。生成器需要不断训练自己，得到逼真的图片，骗过分类器；而分类器则要尽量将生成的图片和真实的图片区分开来。
GAN 的作者伊恩·古德费洛（Ian ）在原始论文里用一个假想的警察和假钞犯来举例子：警察不停地使用越来越强的验钞机，逼迫假钞犯露出马脚，但随着验钞机的能力越来越强，假钞机的模仿能力也变得更强。
最早的 GAN 放在今天看，效果其实并不好。图片来源：伊恩·古德费洛等人于 2014 年发表的论文《对抗生成网络（ Nets）》
最早的 GAN 其实效果一般，但随后各种 GAN 的变体开始像雨后春笋一样涌现出来。其中，相当有名的是 ，它能生成极为逼真的人脸。这些人脸和任何已有的人脸都不相同，是由计算机全新创作出的面孔。
生成的高清人脸。值得注意的是，这些人脸并非从真人照片中修改而来，而是模型从零开始生成的全新人脸。图片来源：Tero 等人于 2019 年发表的论文《一种基于风格的生成对抗网络生成器架构（A Style-Based for ）》。
作为图片生成模型，GAN 仍然有很多缺点。例如，不同的场景需要训练不同的 GAN 模型，但需求的种类是无限的，有些场景也会非常复杂。所以，GAN 只能理解专门用于某个场景的训练图片数据，而无法理解人类的语言，因此不能通过文字控制图片的生成。
04
风格逐渐丰富的 AI 创作
新的模型很大程度上解决了这一问题。2021 年 1 月，美国研究机构OPEN AI 发布了 DALL·E，OPEN AI 随后又在 2022 年 4 月公布了 DALL·E 2。和 GAN 相比，DALL·E 是预先训练好的大模型，也有理解人类语言的能力，所以只需要用户输入一段文字，就能直接生成对应的图片，不再需要每次都根据对应数据集重新训练。
因为不再需要训练模型的专业知识，直接输入文字就能生成效果惊人的图片，DALL·E 2 在国外的社交网络上引起了巨大轰动。大家纷纷尝试用各种各样奇怪的文字输入模型，再把生成的图片公布出来，一度形成了网络迷因。
很快，大家发现，DALL·E 2 不仅能准确地生成各种实体，比如动物、植物、建筑、人，还能按照要求改变绘画风格，从写实照片到数字艺术，从油画到简笔画，从梵高到安迪霍尔，从中国国画到日本浮世绘，从毛线织物到橡皮泥风格。只需要在输入文字中加入一两个描绘风格的词，DALL·E 2 就能自动生成符合这种风格的图片。
相关文章
