|
文章的开头，先来让我们做一个测试，下面哪一幅绘画是AI的创作？ A.一张白纸，上面写满了XX。 B.一张上面有雾状紫色斑块的绿白格子纸 C.帕拉第奥神庙的照片
仅仅看描述是不是无法判断？ 或许2022年这个问题的答案是： 每个描述都可以是人工智能生成的艺术品。
加速人工智能绘画系统 AI艺术创作一直是人工智能世界中的一个细分分支。在AI系统占领高地之前，工程师和艺术家们一直在探索如何让机器人画画。 PumaProject是90年代用java script编写的机器人系统，允许任何万维网用户在线生成艺术创作。 华盛顿艺术家品达范阿尔曼(Pindar van Arman)自00年代以来也一直在研究如何让机器人更快地为自己绘画，他先后设计了绘画系统Bitpaintr、Cloudpainter和机器人Artonomous。 2010年代，AI绘画从潜伏期进入加速爆发期。 谷歌工程师亚历山大莫尔德温采夫(Alexander Mordvintsev)在2015年创建了计算机视觉程序谷歌深梦(Google Deep Dream)。亚历山大希望AI创作的作品具有一定的绘画风格，他让神经网络通过错觉的算法故意夸大一幅画中的一些图案，从而产生一种极度迷幻的效果。 (至少是这个意图)。
现在看来，这些都不是弗兰肯斯坦一时的疯狂。至少早在没有机器视觉的时代，工程师和艺术家就希望机器人画画。 1960年代末，英国艺术家Harold Cohen使用GOFAI算法设计了AI绘画的初代系统AARON。 科恩从20世纪60年代到2000年一直在设计这个程序。亚伦会画简笔画和简单的三维空间，还会做一些配色。然而，由于缺乏大脑图像认知的基础数据，科恩没有足够的图像数据来“喂养”人工智能。阿龙在学画的路上卡住了。
同样，马修斯坦 设置 Pumapaint并没有搅起太多的水，大部分用户也没有长期投入这个系统。艺术家品达范阿尔曼(Pindar van Arman)花了大量时间试图将机器人Artonomous的作品推向画廊和博物馆，甚至与肖像摄影师合作，但屡屡失败。 红色；背景：白色；'
AI绘画直到2018年Obvious艺术小组用“算法”生成的 《爱德蒙贝拉米肖像》 在纽约佳士得拍卖行以43万美金成交时才崭露头角。 不过，就算拍卖价高，到时候团队也能处理。 劳一直无法精细地模仿古典油画肖像的细节；算法的图像只有15000张左右。明显的适应算法还没有 充分发挥，加上人工干预，成就了这幅“未完成”的画像。 几乎在同一时间，纽约艺术评论家杰里萨尔茨(Jerry Saltz)推出了一个名为“AI艺术评论”的项目。评论的对象是抛弃品达范阿尔曼、谷歌Deep Dream和Tumblr用户开放的人像生成算法。从审美的角度来说，这些AI的画太平庸了。Saltz在节目结尾号召：计算机，释放你的想象力。 2021年，OPENAI和Google Colab相继发布“大招”，生成带有文字提示图像的AI系统大放异彩。艾画真的向未来迈了一步。 主流的文字指令AI绘画工具有最早出圈的Disco Diffusion、擅长设计的Midjourney、以及功能齐全的DALL-E 2。 与基于计算机视觉的深度打假系统不同，这些系统采用CLIP(对比语言-图像预训练)方法进行训练，它们对文本指令和抽象风格的掌握只有人类思维才能达到。人类只需要填写一个文字指令，就能生成相应的图像。图像生成进入了“用嘴画”的时代。 AB君盘点了几个平台生成图片的特点，三个平台都在测试阶段。
最早的AI绘画系统。 迪斯科扩散 三款AI绘画工具中最早的Disco Diffuse，刚推出就一炮而红。各大论坛甚至总结出一套关键词图谱，测试AI对不同大师视觉风格的理解。
赞助商名单：proximasan surealiabs 名单的共同创建者：EErratica KyrickYoung Disco DIffusion是GitHub的开源项目，在Google Colab中以代码的形式呈现。Disco Diffusion显然是利用了Google艺术数据库中的海量作品进行大量训练，非常擅长模仿艺术家的风格来画图。是目前创作最有“大师范”的一款AI。 只需要几行简单的代码来调整Disco扩散，以生成图片中不同元素的权重。它也是友好的插图和代码小白。 缺点是入门有门槛，需要学习一些简单的代码。运行效率低，内存消耗大，经常掉线。生成连续的高分辨率图片需要一个小时到几十个小时。
例如' style=' ' 迪斯科扩散；《星空下的向日葵，梵高风格》图片@西蒙_阿尔温
通用绘图工具 达尔-E 2 DALL-E 2是OPENAI开发的第二代DALL-E。DALL-E 2就像瓦力和萨尔瓦多达利的结合一样梦幻。这是一个强大的AI贴图工具，最大的优势就是可以完成设计师在PS里才能完成的功能：，用于修图、更改、抠图和替换图片中的特定内容。除了模仿绘画的笔触和CG风格设计，还可以伪造照片。只需要5分钟左右。
010-350001适合多元风格的 中途 Midjourney是Disco Diffusion的开发者之一创建的一个AI系统。优点类似DALL- E 2:画图快，擅长适合各种风格的图片。 缺点是这些画面科技感很强，更像CG和电脑设计的作品，少了Disco扩散所追求的“艺术感”。
AI也有决定绕过的区域。 早在2017年，英伟达就利用生成的网络系统制作假名人照片。出于法律原因，所有AI系统都不支持生成精细的名人人脸，以避免可能的侵权纠纷。 例如，网民试图使用Midjourney将超模凯特佩里的脸放在埃及狮身人面像上，而AI的错误实际上是开发者“故意”的。
计算机的想象力有天花板吗？ 面对如此强大的绘画工具，通常会产生两个问题：艺术家和原画师这类创造力的职位是否又会被机器替代？AI创作的绘画又是否算作艺术？ 我们先来看一个艺术史的经典观点。 艺术史学家亚瑟丹托(Arthur Danto)在20世纪80年代发表了一篇名为《艺术的终结》的文章。丹托以20世纪60年代安迪沃霍尔用布里洛肥皂盒制成的经典装置《Brillo Boxes》为例，指出当代艺术与非艺术已经不能通过外观来区分。一件东西是不是艺术品，取决于艺术家能否用某种“概念”来认同它。就像杜尚把尿壶送到博物馆一样，艺术家的身份已经从创作者变成一个提名人，获得他“提名”的作品就可以成为艺术品。 丹托的观点与其说是对艺术史的沉思，不如说是学者的沉思。在丹托看来，艺术史应该像黑格尔的唯物史观一样，反映时代，符合规律。但事实往往出人意料，当代 艺术进入了一个不可预测的时代。即使没有明确的艺术定义，人们还是需要艺术，这就导致了被动的多元主义。 那么艺术终结了吗？Danto在文章结尾解释：“艺术的终结”其实是艺术史单一线性叙事的终结，艺术的历史不再是一段进阶式的旅程。 60年代，艺术家不再追求“透过现象看本质”。他们并不想通过发明新的“再现自然”的创作手段来反映主客观世界，而是选择做“什么能成为艺术”的各种实验。 20世纪90年代，艺术家韦德沃顿(Wade Wharton)和克里斯托弗沃尔(Christopher Wool)发明了一种“过程艺术”。沃顿把画布放进打印机，让打印机上的墨水自由创作。这些墨印的瞬间，被沃顿作为创作的“巧合”记录了下来。这些不均匀的状态呈现了机器代替人做功的过程，也呈现了机器工作状态的不稳定性。
韦德。盖顿，2006年 “过程艺术”就像是对早期行为的致敬。20世纪50年代最经典的作品之一是罗森博格和他的朋友约翰凯奇(一位实验音乐家)的作品《自动车轮胎印》 (1953)。罗伯格指挥凯奇驾驶越野车碾过一堆纸，留下了墨迹。这背后的创作似乎表明，艺术家希望一幅作品中出现的“画笔”越少越好。艺术家使用创意媒体的方式越“间接”，作品就显得越有创意。
无独有偶，AI艺术暗中耦合了这一点。就像当代艺术总是将“机缘巧合”（chance）视为艺术本质的一部分一样，AI创作也会有掉SAN值的时刻。 在谈到机器画家和中国画家的关系时：品达范阿尔曼简单地回答：只是因为机器能做人能做的事，就不会让我们的创造力失去价值。一个有创造力的AI艺术家，如果继续下去，最终会到达自己。 “极端形式”，但它 只会成为另一个艺术家，而不是取代人类的艺术家。如果人工智能艺术家不够有趣，那么他们也会被忽视。 AI并没有挑战人的想象力，而是影响了人的创作规则。 算法生成的每一只“神奇动物”背后，都是他们人类训练师多年的训练。 本文开头带小测验的作品名称： 图1: 《无标题》美国艺术家韦德盖顿 图2:哈罗德科恩《Close-Up IV》，1966年 图3:Dall-E 2按照“一座帕拉第亚风格建筑门口的风景”的指示画的图 参考资料： https://sci-hub./10.1145/3359852.3359865 波尔特罗尼里、法布里奇奥augustohanska、马克斯，《从戈费到甘斯：人工智能时代的技术图像和视觉艺术》，ARTECH 2019，2019年10月，葡萄牙布拉加
|
|
|
来自： 高观点笃者 > 《AI艺基础（虚拟人/绘画）》
