AI绘画的“小秘密”都在这一篇文章里******

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　上传一张图片，或者输入一些简单的关键词，系统就能自动生成一张卡通图像……最近一段时间，AI绘画开始在互联网社交平台走红。

　　AI绘画，顾名思义就是利用人工智能进行绘画，是人工智能生成内容的典型应用场景之一。其主要原理是收集大量已有作品，通过算法对其内容和风格特征进行解析，最后再生成新的作品，所以算法是AI绘画的核心。

　　当前，“凭空”生成图像的AI绘画，其实也会动辄“翻车”：也许上一秒AI通过你的照片绘出的是一张充满艺术感的二次元画像，下一秒你的宠物猫、狗则可能被画成可爱少女或肌肉猛男。

　　事实上，AI绘画早已火爆全球。第一张公开展出的、由人工智能创作的绘画作品《埃德蒙·贝拉米的肖像》曾于2018年在佳士得拍卖行以43.25万美元成交，那是一张由机器学习了从14世纪到20世纪的1.5万张肖像画之后自动生成的一张肖像画作品。

　　AI绘画是如何实现“凭空”生图的？除了娱乐外，AI绘画还有哪些潜在的应用前景？

　　从“以图生图”到“语音生图”

　　2022年，由人工智能创作的《太空歌剧院》一度火出圈。在美国科罗拉多州举办的新兴数字艺术家竞赛中，《太空歌剧院》获得“数字艺术/数字修饰照片”类别一等奖。它的构图、配色以及画面的细节堪称精致。然而，这个作品的创作者不是艺术家，而是来自美国科罗拉多州的游戏设计师。

　　这位游戏设计师在一个名为“Midjourney”的AI创作工具里，先输入几个关键词，如光源、构图、氛围等，得到了100幅作品，再进行约80小时的修图修饰，最终选出3幅作品，最后把图像打印到画布上。

　　通过简单交互式对话在短时间内生成的“艺术”作品，让人类艺术家展开了一场关于“AI绘画作品参赛是否属于作弊”的争论。这场声势浩大的争论也令大众直观地意识到如今的AI绘画水平已经发展到了何种程度。

　　“人工智能在艺术方面的创作最早可以追溯到上个世纪末，当时的人工智能绘画技术叫作‘图像的风格化滤镜’。”中国科学院自动化研究所多模态人工智能系统全国重点实验室研究员董未名说，最初的AI绘画方法比较简单，比如一张普通的照片，通过一些图像处理的算法，把照片像素进行几何或者色彩上的变换，然后再调节不同参数，就可以模拟出类似油画或者水彩画的风格。

　　经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　AI绘画主要依靠三种技术模式实现

　　董未名介绍，目前AI绘画主要借助图像风格迁移技术、图文预训练模型和扩散模型实现。

　　“图像风格迁移技术指的是图像处理算法通过对输入的真实图像内容特征和对参考的艺术图像风格特征的提取，实现真实图像内容特征和艺术图像风格特征的融合，从而生成新的艺术图像。”董未名举例，如果将美国旧金山艺术宫的外景照片和印象派创始人莫奈绘制的作品，通过图像风格迁移技术进行融合，就能得到一张看起来像是由莫奈绘制的美国旧金山艺术宫的绘画作品。最初的AI绘画采用的正是这种技术。

　　不过，在董未名看来，图像风格迁移技术大多依赖的是生成式对抗网络（GAN）算法，它最大的问题是生成的绘画作品艺术性不强，笔触和构图让人觉得与真实的绘画有差距，所以长久以来，AI绘画一直“籍籍无名”。

　　当图像风格迁移技术还在挣扎于输出作品的审美问题时，图文预训练模型的出现，加速了AI绘画的崛起。

　　“依托图文预训练模型，只要输入一句话或者上传一幅风格明显的图片，算法就能将图像特征和文字特征‘对齐’。生成的绘画作品的内容特征和上传图片的内容相似，艺术性也比图像风格迁移技术生成的图片强很多。”董未名举例，比如支撑图文预训练模型的可对比语言—图像预训练（CLIP）算法，就是利用图文特征“对齐”的能力，再结合已有的生成模型，实现“以图生图”或者“图+文”生图。

　　不过，董未名坦言，图文预训练模型的推广也存在一些争议，有部分人认为，该模型在训练前期，需要用大量的图形处理器（GPU）进行数据训练，耗电量大、成本很高，而该模型的应用场景却不够清晰。但也有人认为，也许该模型未来可以打造为通用的人工智能模型，用它完成更多的算法作业，只是这还需要时间的验证。

　　诚然没有一项技术是完美的，这也为人类探究更先进的技术提供了无限动力。当下最流行的扩散模型便是其中之一。

　　“目前最新的AI绘画技术采用的就是扩散模型，这种模型可以把一个随机采样的噪声输入模型，然后尝试通过去噪来生成图像。”董未名表示，扩散模型也存在弱点，由于模型对图片内容识别的能力不足，或者难以完全理解识别文字的意义，以及训练数据的偏差，有时便会生成“四不像”的作品。此外，扩散模型生成图片的速度比较慢，目前还达不到实时生成图片。

　　互联网治理、元宇宙或潜藏应用前景

　　AI绘画目前的应用场景，更多聚焦于社交软件。近期在国内社交网络“火出天际”的AI绘画软件主要集中在小程序及App。随着AI绘画小程序的火爆，短视频平台抖音也迅速上线了AI绘画特效。同时，此前腾讯上线了“QQ小世界AI画匠”活动，百度也推出了首款AI艺术和创意辅助平台“文心一格”。

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”“AI现在已经完美实现了这一目标，人们可以通过机器计算来绘制出很多现实中见不到的场景。”董未名畅想，不远的将来，AI绘画或许还将展现更丰富的应用场景。

　　“现在网络上充斥着很多不良内容，这些内容为了逃避监管经常以绘画的形式出现，而当前很多内容识别模型对真实图片识别得很准确，但缺乏不良内容艺术作品的相关训练数据，所以对不良内容识别不准确。也许可以用AI绘画技术，积累不良内容艺术作品的数据，并用以训练识别模型，以提升互联网内容的安全监管能力和识别的准确率。”董未名建议。

　　在董未名看来，作为一种艺术呈现形式，AI绘画也将在元宇宙、设计、文旅等行业催生新的商业模式。例如AI绘画目前在AI辅助创作、短视频、影视制作和元宇宙等方面都有布局，因为这些赛道都离不开创意，AI绘画可以帮助创作者通过简单的特征输入，实现对其创意的预览，甚至可以直接进行创作。

　　不过，董未名并不讳言，当下AI绘画仍然存在版权争议问题。AI绘画的核心是模型，而训练模型需要使用大量图像、文本数据。对于未经授权的图片，经过运算之后所生成的图像版权归属尚难界定。“有的画家风格特别明显，如果用画家的画去训练算法模型生成作品，那最后的版权属于谁呢？”董未名提出的问题，正是多数AI绘画作品所面临的现实问题。

　　AI绘画掀起了一场资本的群体狂欢，希望有一天它能走出“照猫画虎”的尴尬，真正服务艺术创作、创造更多价值。（科技日报记者 金凤）

我们距离“三体世界”还有多远？这些“黑科技”正在走向现实…...******

　　最近，《三体》动画开播。被翻译成不同语言、畅销世界多地的小说《三体》，除了其庞大的设定、对宇宙的恢宏描写以及跌宕起伏的剧情外，最令人着迷的就是作者刘慈欣对未来航天科技的设想。

　　这些天马行空的“黑科技”，有哪些是正在实现或部分实现的呢？我们一起去看看：

    图源：《三体》微博

　　从“飞刃”到碳纳米技术

　　在《三体》中，“飞刃”被用来执行代号“古筝行动”的秘密军事行动，这种极细的丝状纳米材料，将叛军船只“审判日”号切割成了条状。

    图源：《三体》动画

　　按原著设定来看，“飞刃”是一种超高强度的纳米材料。

　　在现实中，最接近其特征的就是具有超高机械强度和低密度的碳纳米管，但它目前还无法做到像三体中“飞刃”一样，横跨运河两端几十个来回那么长。

　　 2022年4月，美国《国家科学院院刊》（PNAS）刊载，中国科学家首次在高压下合成高度有序晶态金刚石结构纳米线。这种金刚石纳米线在长度方向可以无限生长，粗细仅相当于一根头发丝的十万分之一，具有与碳纳米管相当或更高的拉伸强度和极强的柔韧性，想来在实践中运用指日可待。

    金刚石纳米线

    图源：科普中国

　　从头盔感应技术到虚拟现实设备

　　《三体》中不止一次提到了头盔感应技术。

　　每次进入三体游戏世界，科学家汪淼都需要穿上虚拟现实装备，装备包括一个全视角显示头盔和一套感应服构成的“V装具”。通过记录视网膜特征，感应服可以使玩家从肉体上感觉到游戏中的击打、刀刺和火烧。

    图源：《三体艺术插画集》by 山野

　　按照原著设定，“V装具”就是虚拟现实设备（Virtual Reality，VR）。它和增强现实技术（Augmented Reality，AR）不同，虚拟现实可在虚拟信息里模拟出现实世界。

　　现今，大部分虚拟现实技术更强调视觉体验，一般是通过电脑屏幕、特殊显示设备或立体显示设备获得的。

　　与V装具头盔接近的设备便是VR头显。

    VR头显

    图源：凤凰网

　　 VR头显可将人的对外界的视觉、听觉封闭，引导用户产生一种身在虚拟环境中的感觉。如果要使用VR头显进行游戏，往往还需要配套的手柄或手套用以操控。就目前的实际情况来说，还很难形成一个高逼真的虚拟现实环境，无法拥有三体游戏里那种身临其境的丝滑体验。

　　从“思维透明”“思想钢印”到脑机接口

　　《三体》刻画了两种信息感知机制。

　　其一是思维透明。三体人的信息感知方式是直接发射自己的思维，三体人一开始思考，他的想法别人就能够知道，无法隐藏；

　　其二是思想钢印。第三位面壁者比尔·希恩斯发现了人类思维做出判断的机制，成功研制出一种设备，通过对神经元网络施加影响，使大脑不经思维就作出判断，相信某个信息为真。

　　按照原著设定，思维透明和思想钢印，都是对心智这一神秘领域的重新认识。

    图源：《三体》动画

　　而现实中，让机器直接解码神经活动的技术被称为“脑机接口”。

　　单向脑机接口的情况下，计算机接受大脑传来的命令，或者发送信号到脑，但不能同时发送和接收信号，类似于三体中的思想钢印。

　　双向脑机接口允许脑和外部设备间的双向信息交换，就像三体人的透明思维，可以感知别人，也无法隐藏自己。

　　脑机接口已经在医疗领域有了很多应用，脑控智能轮椅、脑控打字机、脑控机械外骨骼、脑控智能假肢等等都是试图绕开已经坏损的神经或者部位，让机器直接解码神经活动。

　　如何准确地对思维进行解码和编码，是现在脑机接口面临的最大挑战，也是目前无法实现思维钢印，思维透明的根本原因。

    脑机接口

    图源：网易号“蓝海长青智库 ”

　　从无穷能源到可控核聚变试验

　　《三体》世界中的人类社会虽然没有实现罗辑口中的“无穷的能源”，却也是有极度充盈的能源供给支撑起整个地球的无线供电，而这个能源就来自可控核聚变。

    图源：《三体设定集》

　　现实世界中，早在上世纪 50 年代，人类便开始研究用于民用目的的可控核聚变。近几年，“核能新浪潮”抬头，这一“终极能源”的研究更是得到了世界各国的大力推崇。

　　2022年12月5日，美国科研人员在劳伦斯 · 利弗莫尔国家实验室（LLNL）进行了历史上首次可控核聚变实验。

　　核聚变是太阳和恒星的能量来源。在这些星体核心的巨大热量和重力下，氢原子核相互碰撞，聚合成更重的氦原子，并在此过程中释放出大量能量。与其他核反应不同，核聚变不会产生放射性废物。核聚变技术有望为人类提供近乎无限的清洁能源，帮助人类摆脱对化石燃料的依赖。

　　2021年，中国的“人造太阳”全超导托卡马克核聚变实验装置（EAST）便实现了1056秒的长脉冲高参数等离子体运行。依靠该技术，最终建成可控核聚变发电站。

    全超导托卡马克核聚变实验装置（EAST）

    图源：新华社

　　把时间拉长，科技和科幻没有分界线。

　　科技与未来接轨的脚步在不断加速，科幻的无限想象为“黑科技”画出蓝图。期待在未来科学家们通过试验，将《三体》中“飞刃”“思想钢印”“水滴”等表述具象化，展现科技力量！

　　(审核：张宁 策划：李政葳 统筹：穆子叶 撰文：雷渺鑫)

　　参考 | 北京科技报、知乎、科普中国、三体社区、海峡卫视、凤凰网