合成創造力：從攝影到AIGC，技術進步如何塑造藝術形態

"歷史上第一次，人類得以按需、實時、大規模、廉價地開展日常創意活動。"

分析師）Yini Lin

核心內容

(資料圖片)

1、Text-to-Image模型的數據規模需求決定了研究人員嚴重依賴基于網絡抓取并且大部分未經整理的巨型數據集，由于這些數據集往往攜帶社會和文化偏見。

2、當攝影成為逼真繪畫的競爭者，畫家轉向新的表達方式。1870年代，法國興起印象派運動。

3、創造力獨立于意識，可以被合成、放大和操縱。AI藝術創所便是鎖定目標、按下快門的過程——當攝影第一次出現，這便是攝影師的所有工作。

近日，中國AI繪畫平臺由于技術尚未成熟帶來的基于錯愕的幽默效果使AIGC作為社交貨幣廣受熱議。從自拍濾鏡到Deepfakes，在過去十年中，人工智能驅動的現實扭曲能力與日俱增。

早在2018年10月，巴黎藝術團體Obvious曾以432,000美元的價格售出一幅名為Edmond Belamy的AI畫作，這一首件在大型拍賣行落槌的人工智能藝術品基于GAN算法，其數據集來自14世紀至20世紀期間多達15,000幅肖像畫。

Edmond Belamy（來源：The Guardian）

今年8月，合成媒體藝術創作中Jason Allen憑借人工智能生成作品Thtre D"opra Spatial在擁有150年歷史的藝術賽事Colorado State Fair中獲獎，人工智能將創意產業帶入一個轉折點。面對關于AI藝術倫理的激烈辯論，以及高科技剽竊的指責，Allen表示，其作品以“Jason M. Allen via Midjourney”名義提交，“我不會為此道歉”。

Thtre D"opra Spatial通過Midjourney呈現“太空歌劇院”超現實主義場景（來源：New York Times）

AI藝術在文化價值中的地位無疑值得讓人深思。縱觀人類文明發展歷程，技術變革往往能夠顛覆社會生產方式和消費模式，從而攪動社會秩序、甚至世界秩序。事實上，技術進步也是塑造藝術形態的關鍵因素。

AI藝術的生產機制包括基于數學模式的圖像生成，模擬筆觸和其他繪畫效果的算法，以及諸如GAN（Generative Adversarial Networks），即生成對抗網絡等人工智能或深度學習算法。早期AI藝術系統至少追溯至1972年，彼時，Harold Cohen開發的AARON基于符號規則生成技術圖像，由此成為GOFAI（Good Old-Fashioned Artificial Intelligence，一種符號AI）編程時代AI藝術的著名案例。盡管 AARON僅限于按照Cohen編碼的風格，即其個人繪畫風格進行創作，但是它能夠產生無限量的圖像。

在2014年6月Ian Goodfellow及其同事發布關于GAN的文章后，包括Google（TensorFlow）、Meta（Torch）和荷蘭NPO廣播公司 （pix2pix）在內的科技公司開源其未經訓練的原始GAN。時至2017年，這一機器學習框架已被AI藝術創作者廣泛使用。GAN類似于機器版本的“擬態”（進化生物學）——兩個神經網絡以零和博弈的形式進行關于視覺效果真實性的競爭。因此，AI藝術生成過程即是“藝術模仿者”和“藝術偵探”之間互動持續循環的過程，直至藝術偵探無法再分清真偽。

深度神經網絡的技術進步使得Text-to-Image Model，即文本到圖像模型，于 2010年代中期誕生。該機器學習模型使得輸入自然語言描述并生成匹配圖像成為可能。在深度學習興起之前，構建Text-to-Image模型的嘗試僅限于通過排列現有圖像組件生成的“拼貼畫”。University of Toronto研究人員于2015年推出的現代首個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Text-to-Image任務。

由Elon Musk、Sam Altman等人于2015年12月創立的人工智能研究實驗室OpenAI旨在促進發展“人類友好人工智能”。2021年1月，OpenAI基于其開創性的GPT語言模型推出的DALL-E是首個引起公眾廣泛關注的文本Text-to-Image模型之一，其命名是皮克斯動畫角色Wall-E與超現實主義藝術家Salvador Dal 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、更準確的圖像，分辨率較上一代提升了4倍。

今年以來，從Google Brain的于5月發布的Imagen和 StabilityAI 于8月發布的Stable Diffusion，Text-to-Image模型生產圖像使得機器與人類在藝術生產方面的鴻溝迅速收縮。

Imagen公開Text-to-Image詼諧示例（來源：Imagen）

Stable Diffusion已向公眾開放（來源：Stability AI）

繼Text-to-Image模型之后，諸如Runway、Make-A-Video、Imagen Video、Midjourney和Phenaki等由語言模型支撐的Text-to-Video（文本到視頻）平臺應運而生。

人工智能具有創造力的假設往往受到藝術家嘲諷，但是這取決于創造力的定義。AI能夠以空前、有效的方式創造事物，只是這種創造并非“意圖”驅動——解釋和篩選輸出的是人。AI藝術從業者Mario Klingemann評論道，“機器無意創造任何東西……你生了火，火產生了形狀，它并沒有創造力，是你看見了圖案——AI便是從不重復、一次又一次給人帶來新奇和驚喜的火焰”。

Synthetic Media，即合成媒體，代指任何類型的AI生成圖片、視頻、虛擬對象（e.g. 虛擬人）、聲音或文字。該類別包括且不限于Deepfake內容、基于文本的AI藝術、VR和AR環境中的虛擬內容。Nina Schick曾于2020年在一書中表達了深刻的技術恐懼，由于Deepfakes讓人類無法分辨什么是真實的，什么不是，該技術被認為將對西方民主制度構成巨大威脅——選民操縱可能被推至前所未有的高度，而這場“信息災難”的危險的后果關乎公眾信任、甚至國家安全。

盡管Text-to-Image模型很難帶來以上災難，但是該技術仍然不乏令人不安的應用情景。想象一個可以生成幾乎任何圖像的系統，技術進步或為制造假新聞、惡作劇和騷擾提供更為高效的工具。此外，系統本身攜帶社會偏見，其輸出通常涉及種族主義和性別歧視。Google研究人員在報告中指出，Text-to-Image模型的數據規模需求決定了研究人員嚴重依賴基于網絡抓取并且大部分未經整理的巨型數據集，而這些數據集傾向于反映社會刻板印象、壓迫性觀點，以及針對邊緣群體的貶損。

此前，研究人員在評估DALL-E時已經遭遇相似問題，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。正是出于這個原因，OpenAI遲遲不愿公開發布DALL-E，雖然公司允許部分測試人員進行訪問。據悉，該系統已經著手過濾某些文本輸入，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。與之類似的是，Google認為Imagen“目前尚不適合公眾使用”，同時表示公司計劃開發一種新方法來衡量并測試“社會和文化偏見”。由于龐大數據庫的偏見源自藝術史——世界歷史的視覺呈現，University of Southampton教授Sunil Manghani將其稱為“歷史偏見”。

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

對藝術創作新技術的爭論并非首次。AI藝術能否被視為藝術這一問題與攝影術的發明曾經引發的擔憂極為類似，二者均降低了藝術創作的技術門檻。19世紀法國詩人Charles Pierre Baudelaire曾稱攝影為“藝術最致命的敵人”。

然而，將技術進步普遍解讀為“對人類藝術的貶低”在現實中無益，這不能阻止技術普及帶來的創作民主化——只需按下快門，人人都能捕捉到任意場景的逼真描繪。當攝影成為逼真繪畫的競爭者，肖像、風景等場景中追求逼真效果的需求驟然萎縮，這一擾動使得畫家轉向新的表達方式。自1870年代起，法國興起印象派運動，這一繪畫風格在接下來的五十年中席卷整個歐洲。

1873年12月，Claude Monet、Pierre Renoir、Camille Pissarro等藝術家創立了畫家、雕塑和雕刻家匿名協會，以獨立展出其此前被沙龍評審團拒絕的作品。評論家Louis Leroy在報紙Le Charivari以“印象派展覽”嘲諷這一風格，“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。攝影技術推動印象派掀起革命，而隨之而來的后印象派讓位于20世紀藝術界技術、主題和形式的進一步“解放”。

Water Lilies by Claude Monet 1906（來源：Artsy）

The Sower by Vincent Van Gogh 1888（來源：Artsy）

如今，AI藝術被諸多評論家視作人類藝術家終結的標志。視覺素材平臺Getty Images已經禁止了 AI生成圖像，一些DeviantArt平臺藝術家正在要求類似禁令。與之相比，較為善意的聲音呼吁為AI藝術貼上標簽，以便將其與人類藝術區分開來。不少藝術家可能擔心企業通過其作品獲利而自己卻得不到任何補償，因而努力避免其作品被用來訓練AI，然而這種努力顯然是徒勞——想象一下，即使從數據集中刪除所有Van Gogh作品，該藝術家的風格仍將深植于模仿者或深受其影響的浩瀚視覺海洋中。

Wired認為，正如一個世紀前的機械攝影，AI藝術不會扼殺藝術本身，而是開辟了更多可能性，“創造力不是某種超自然的力量。它可以被合成、放大和操縱。事實證明，我們不需要獲得智能來孵化創造力。創造力獨立于意識...這種新藝術介于繪畫和攝影之間，存在于一個和繪畫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，探索，發現” 。

因此，AI藝術創所便是鎖定目標、按下快門的過程——當攝影第一次出現，這便是攝影師的所有工作。

本文作者認為，創作民主或許伴隨著更為普遍的審美平庸，但是當創造力已經成為一種商品，一個或許平庸但是全面的視覺搜索引擎顯然能夠大幅降低成本，無論對于企業或個人。相較于通過視覺素材平臺搜索人類藝術創作者制作的昂貴圖像，AI視覺素材的獲取效率更高、價格更為低廉，同時貼合個性化需求。

正如Wired所言，歷史上第一次，人類得以按需、實時、大規模、廉價地開展日常創意活動，“我們可能有點像中世紀的農民，當被問及拿250馬力做什么，他們毫無想法。如今，我們的創造力引擎能夠用以瞄準任何陳舊角落。這是一份非凡的禮物”。

關鍵詞： 技術進步