作者 ｜ 圖形起源CEO史海天

編輯 ｜ 石亞瓊

今年AI生成圖像能力進步得非?？??？斓绞裁闯潭饶?？三四月份的時候，AI還很難畫出一個正常的人臉，到九月份的時候，AI已經(jīng)可以把人臉畫的惟妙惟肖了。

(資料圖片)

要知道，我們對人臉的觀察是非常敏銳的，很容易能察覺到哪怕很細(xì)微的錯誤。

而下面這幾張圖都是用戶使用今天的AI在30s的時間里畫出來的圖：

用戶在Draft.art上創(chuàng)作的人像作品

可見，今天的AI對“人應(yīng)該長什么樣”的理解已經(jīng)非常準(zhǔn)確了。

AI和人不同的是，一旦它畫出了一張漂亮的人臉，它就可以持續(xù)地畫。而且隨著從更多的數(shù)據(jù)中學(xué)習(xí)，水平還能不斷提高。

因此也難怪周圍美術(shù)行業(yè)的朋友感慨要失業(yè)了。

那么，AI“畫”一張圖的原理是什么？它的學(xué)習(xí)方式是什么？未來AI作畫會以多快的速度進步？AI作畫會如何影響創(chuàng)作者們的利益？

我們可以從第一性原理出發(fā)，來逐個分析這幾個問題：

AI作圖的原理

AI創(chuàng)作能力的根源來自神經(jīng)網(wǎng)絡(luò)這項技術(shù)。

我們爭取用最簡單的方法給沒有知識背景的同學(xué)講清楚什么是神經(jīng)網(wǎng)絡(luò)，為什么神經(jīng)網(wǎng)絡(luò)可以在30s的時間里把一張精美的圖像畫出來。

人的神經(jīng)元長這樣：

人的神經(jīng)元

科學(xué)家受人類神經(jīng)元啟發(fā)，設(shè)計出的人工神經(jīng)網(wǎng)絡(luò)長下面這樣：

人工神經(jīng)網(wǎng)絡(luò)

一般講神經(jīng)網(wǎng)絡(luò)就是指這種人工的網(wǎng)絡(luò)。

其實實際的神經(jīng)網(wǎng)絡(luò)都是用數(shù)學(xué)公式表示的，沒有實體結(jié)構(gòu)，圖里面的這些圈和連線是對神經(jīng)網(wǎng)絡(luò)的一種可視化呈現(xiàn)。

這些圓圈起什么作用呢，我們想象每個圓圈里都有一個計數(shù)器，當(dāng)這個計數(shù)器接收到左邊連線傳來的數(shù)時，會進行一次簡單的計算，然后把計算結(jié)果（也是一個數(shù)）輸出，通過連線傳給右邊的圓圈，繼續(xù)重復(fù)類似的過程，直到數(shù)字從最右側(cè)的圓圈輸出。

我們腦子里的不同神經(jīng)元之間連接的強度是不一樣的，有些粗一點，有些細(xì)一點。正是這些連接強度，讓我們產(chǎn)生了記憶和知識。

對于計算機神經(jīng)網(wǎng)絡(luò)來說，也有相似的規(guī)律：圓圈和圓圈之間的連線的“權(quán)重”不同。權(quán)重是連線的一個屬性，當(dāng)數(shù)字在一條連線上傳遞的時候，要乘上這個連線代表的“權(quán)重”。因此，當(dāng)數(shù)字經(jīng)過這些連線以后，會因為乘過了不同的權(quán)重，導(dǎo)致輸出結(jié)果的改變。

因此，對于整張神經(jīng)網(wǎng)絡(luò)而言，其中的各個圓圈之間的連接權(quán)重，決定了神經(jīng)網(wǎng)絡(luò)的輸出！

神經(jīng)網(wǎng)絡(luò)連接

神經(jīng)網(wǎng)絡(luò)運行的過程是：

我們給神經(jīng)網(wǎng)絡(luò)左邊輸入一系列數(shù)字，神經(jīng)網(wǎng)絡(luò)會按照圓圈里的計算規(guī)則，和連線上的權(quán)重，把數(shù)字從左到右計算和傳遞，最終，從最右側(cè)的圓圈輸出一系列數(shù)字。輸入一組數(shù)、輸出另一組數(shù)，這就是神經(jīng)網(wǎng)絡(luò)的運行過程。

為什么這樣一個網(wǎng)絡(luò)可以“生成圖片”呢？

我們看看圖片是什么：

計算機里的圖片是由像素組成的，每個像素代表一個顏色，當(dāng)像素排列的足夠多、足夠密集的時候，一張有內(nèi)容有顏色的圖片就出現(xiàn)了。

我們知道，眼睛看到的顏色是由光的三原色組成的，相似地，計算機里的顏色也是由3種基本色組合成的。

每個像素的顏色都可以用三種基本色（紅、綠、藍(lán)）疊加出來。

像素顏色

那么，如果用數(shù)字來記錄每個像素中紅、綠、藍(lán)的比例，我們就可以把一張圖片表達成一張由數(shù)字組成的表格了：

圖片的像素表格

當(dāng)我們把這堆數(shù)字展開，按特定順序排成一排的時候，圖片就變成了一串?dāng)?shù)字。

反之，我們把一串符合長度要求的數(shù)字堆在一起，再從里面按照紅、綠、藍(lán)的比例還原出色彩的時候，我們就把一串?dāng)?shù)變成了一張“圖片”。

而文字又是什么呢？

假設(shè)計算機共存儲了10w個漢字，我們把十萬個數(shù)字“0”從左到右排列起來，讓每個漢字對應(yīng)一個位置并記錄其對應(yīng)關(guān)系。

當(dāng)我們想表達某個字的時候，我們找到這串?dāng)?shù)里對應(yīng)這個字的位置，然后把這個位置的0改為1，其余位置仍然是0。這樣，我們就可以把一個漢字轉(zhuǎn)化成這樣 0,0,0, ..., 1, ...,0,0 的一串?dāng)?shù)。

當(dāng)我們用多串這樣的數(shù)連在一起的時候，我們就可以表達一個包含多個漢字的句子了。

當(dāng)句子可以被轉(zhuǎn)化成一串?dāng)?shù)以后，就可以被輸入“神經(jīng)網(wǎng)絡(luò)”了。

比如我們把 1, 5, 4, 9, 3 這串?dāng)?shù)輸入神經(jīng)網(wǎng)絡(luò)，意思就是，讓計算機把 1、5、4、9、3 分別加到第一排的這些圓圈上，并按照規(guī)則繼續(xù)往后傳遞。

數(shù)字輸入神經(jīng)網(wǎng)絡(luò)

數(shù)字們在神經(jīng)網(wǎng)絡(luò)的圓圈和連線之間不斷傳遞，最后通過最右側(cè)的圓圈輸出：

神經(jīng)網(wǎng)絡(luò)運算

輸出的結(jié)果也是一串?dāng)?shù)字。

此時，我們按照數(shù)字轉(zhuǎn)圖片的規(guī)則把輸出的這串?dāng)?shù)轉(zhuǎn)換成一張圖片，那么從原理上我們就實現(xiàn)了“通過句子生成圖片”的目標(biāo)。

只不過，當(dāng)我們沒有對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練的時候，其輸出的數(shù)字是很隨機的，因此轉(zhuǎn)換出來的圖片內(nèi)容也是完全混亂的。

為了讓神經(jīng)網(wǎng)絡(luò)輸出“正確”的圖片，我們需要對神經(jīng)網(wǎng)絡(luò)進行“訓(xùn)練”。

按照前面的知識，我們知道影響神經(jīng)網(wǎng)絡(luò)輸出的是神經(jīng)網(wǎng)絡(luò)的權(quán)重。

那么如何改變神經(jīng)網(wǎng)絡(luò)里的連接權(quán)重，來讓神經(jīng)網(wǎng)絡(luò)輸出我們希望輸出的內(nèi)容呢？

比如我們想讓神經(jīng)網(wǎng)絡(luò)生成一只貓的圖片。

第一步，讓沒有訓(xùn)練過的（也就是隨機權(quán)重的）神經(jīng)網(wǎng)絡(luò)接收到“貓”這個詞，直接進行計算。按照我們上面的知識，代表“貓”的一串?dāng)?shù)經(jīng)過從左到右的傳遞后，出來的這串?dāng)?shù)可以轉(zhuǎn)化成一張圖片。

但此時因為沒有訓(xùn)練，得到的這個圖片是一堆亂碼，和貓沒有關(guān)系。

神經(jīng)網(wǎng)絡(luò)生成貓圖

我們粗略認(rèn)為，如果神經(jīng)網(wǎng)絡(luò)輸出的圖像和貓的圖像比較接近的話，說明神經(jīng)網(wǎng)絡(luò)“更理解”貓長什么樣，說明神經(jīng)網(wǎng)絡(luò)更會畫“貓”；如果和貓的圖像差距很大的話，證明神經(jīng)網(wǎng)絡(luò)不太會畫“貓”。

有知識背景的同學(xué)知道這里面存在很多隱含假設(shè)，但是通俗來講，訓(xùn)練神經(jīng)網(wǎng)絡(luò)的基本思路就是希望就是通過改變神經(jīng)網(wǎng)絡(luò)的權(quán)重，使得神經(jīng)網(wǎng)絡(luò)輸出的圖片和正確圖片之間的差距變小。

如何量化兩張圖片之間的差距呢？

方法就是用代表兩張圖片的那兩串?dāng)?shù)直接做減法，相減后結(jié)果越接近0，說明兩張圖片“越像”。

訓(xùn)練后神經(jīng)網(wǎng)絡(luò)生成貓圖過程

那么我們?nèi)绾巫屔窠?jīng)網(wǎng)絡(luò)的權(quán)重朝著這種“結(jié)果差距變小”的方向改變呢？

這里用到了一個“反向傳播”的方法。“反向傳播”就是我們可以讓輸出結(jié)果之間的“差距”，去返回去改變神經(jīng)網(wǎng)絡(luò)的權(quán)重，讓代表結(jié)果的差距的信號在神經(jīng)網(wǎng)絡(luò)中“反向”傳播。感受一下這個過程：

訓(xùn)練過程

怎么用結(jié)果的差距改變權(quán)重呢？

最簡單的理解是，你讓一個權(quán)重增大一點，試試結(jié)果如何，如果結(jié)果的“差距”變小了，說明權(quán)重增大是正確的，那么你就真的增加這個權(quán)重；如果“差距”反而變大了，那就說明權(quán)重增大是錯誤的，你就減小這個權(quán)重。以此類推，在固定住其他權(quán)重的情況下，把每個權(quán)重都按這種方法優(yōu)化一下。經(jīng)過漫長的很多次循環(huán)之后，理想情況下，整個神經(jīng)網(wǎng)絡(luò)的權(quán)重分布就會讓輸出的結(jié)果越來越接近“正確”結(jié)果了！

訓(xùn)練結(jié)果反向訓(xùn)練

比如當(dāng)這樣優(yōu)化500輪之后，神經(jīng)網(wǎng)絡(luò)輸出的數(shù)字轉(zhuǎn)化成的圖片已經(jīng)很接近“正確”的貓的圖片了，那我們就可以認(rèn)為，這個神經(jīng)網(wǎng)絡(luò)已經(jīng)學(xué)會畫“貓”啦！

那么，理解了最基本的神經(jīng)網(wǎng)絡(luò)原理以后。我們看看今天最先進的AI生成技術(shù)是什么樣的。

它其實就是幾個不同神經(jīng)網(wǎng)絡(luò)的組合！大概長這個樣子：

（右圖是簡化版本）

里面有三個神經(jīng)網(wǎng)絡(luò)在起作用。

【句子轉(zhuǎn)換網(wǎng)絡(luò)】的作用就是把輸入的提示語轉(zhuǎn)化成一個后面網(wǎng)絡(luò)更好理解的數(shù)串。

【生成網(wǎng)絡(luò)】的作用是接收到代表提示語的數(shù)串和處理后的參考圖后，輸出一張圖像。

【放大網(wǎng)絡(luò)】的作用是把生成網(wǎng)絡(luò)輸出的圖像進一步放大，提高分辨率和清晰度。

根據(jù)上面的原理，其實一個網(wǎng)絡(luò)經(jīng)過大量訓(xùn)練，理論上就可以完成詞語轉(zhuǎn)換和生成圖片的全部任務(wù)。為什么要設(shè)計多個網(wǎng)絡(luò)分工的結(jié)構(gòu)呢，是因為經(jīng)過大量科學(xué)家的探索，發(fā)現(xiàn)這樣的結(jié)構(gòu)，在訓(xùn)練成本上和出圖效果上都比較理想。

未來可能會出現(xiàn)更復(fù)雜的生成式AI模型設(shè)計，但神經(jīng)網(wǎng)絡(luò)的這種基本原理不會有太大的變化。

AI創(chuàng)作能力會如何變化？

明白了AI作圖的原理后，我們想知道未來AI創(chuàng)作會如何變化呢？

我們來做一個小實驗：

打開Draft.art，輸入提示語：“精靈寶可夢照片”

Draft官網(wǎng)

等待30s，得到的結(jié)果如下：

訓(xùn)練結(jié)果

可以發(fā)現(xiàn)，AI畫出來的寶可夢不夠理想。

為什么AI有時候能畫出讓人驚喜的完美作品，比如前面的人臉；有時候又不夠理想？

這和AI學(xué)習(xí)到（用于訓(xùn)練）的數(shù)據(jù)有關(guān)。

我們找到今天知名的AI生成模型Stable Diffusion所用的真實訓(xùn)練數(shù)據(jù)看一看：

Stable Diffusion訓(xùn)練數(shù)據(jù)

可以發(fā)現(xiàn)，Stable Diffusion主要學(xué)習(xí)的是真實照片，還有一少部分美術(shù)作品。

使用什么樣的數(shù)據(jù)訓(xùn)練AI，AI就會掌握這種數(shù)據(jù)代表的知識。因此如果數(shù)據(jù)里面缺少比如“寶可夢”等元素的時候，輸入“寶可夢”等關(guān)鍵詞，AI當(dāng)然就很難生成理想的結(jié)果。

我們進一步來驗證以上觀點：

我們試著對模型進行單獨地訓(xùn)練，增加一些我們希望學(xué)習(xí)的數(shù)據(jù)。

搜集一組寶可夢的圖片，我們讓AI針對這26張圖片進行新的一輪訓(xùn)練，

AI針對模型訓(xùn)練

訓(xùn)練約半個小時后，再次運行AI模型，輸入：“精靈寶可夢照片”

得到了下面一組截然不同的結(jié)果：

AI針對模型訓(xùn)練后生成結(jié)果

能看出來，訓(xùn)練后的AI明顯學(xué)習(xí)到了寶可夢的線條、配色、動物的特征和調(diào)皮的風(fēng)格。甚至能有機地把不同小精靈的特征結(jié)合在一起了。

而實現(xiàn)以上過程，我們只用了26張圖和20分鐘的訓(xùn)練時間。

可見，AI目前最大的問題不是“不夠聰明”，而是“書讀得太少”。

如果我們使用大規(guī)模的、精準(zhǔn)整理、完善標(biāo)注過的圖片數(shù)據(jù)，供AI學(xué)習(xí)，在特定領(lǐng)域下，AI生成的能力將會大幅度提高。

AI創(chuàng)作能力在未來短時間內(nèi)的進步速度，也將取決于各行各業(yè)收集和訓(xùn)練行業(yè)優(yōu)質(zhì)數(shù)據(jù)的工作。

AI會引發(fā)創(chuàng)作行為的范式轉(zhuǎn)移

首先說結(jié)論：

從2022年開始，AI生成會對視覺內(nèi)容的創(chuàng)作和分發(fā)帶來一次巨大的范式轉(zhuǎn)移。

范式轉(zhuǎn)移是托馬斯·庫恩在《科學(xué)革命的結(jié)構(gòu)》中提出的一個概念。

蒸汽機、電話、火車、計算機、互聯(lián)網(wǎng)行業(yè)的出現(xiàn)都是范式轉(zhuǎn)移的典型代表。

想象一下，在這些產(chǎn)業(yè)出現(xiàn)之前，人們已經(jīng)有了一整套成熟的辦法去解決生產(chǎn)、通信、交通等問題。

但當(dāng)這些新技術(shù)出現(xiàn)之后，此前的解決方案和相關(guān)產(chǎn)業(yè)在短時間內(nèi)就被徹底顛覆了；同時，圍繞新技術(shù)路線產(chǎn)生的產(chǎn)品快速接管了人們的需求。比如互聯(lián)網(wǎng)上出現(xiàn)的各種網(wǎng)站和智能手機上出現(xiàn)的各類app，分別替代了互聯(lián)網(wǎng)出現(xiàn)之前的各類線下服務(wù)——這就是范式轉(zhuǎn)移的力量。

為什么AI會帶來一次視覺創(chuàng)作的范式轉(zhuǎn)移呢？

我們從第一性原理出發(fā)，看一看今天的視覺創(chuàng)作流程長什么樣：

以概念設(shè)計師為例，今天一位概念設(shè)計師的工作流程是：

接到需求——搜集參考——構(gòu)思——出圖——和甲方溝通修改

設(shè)計師理解需求后，一般會先找一找相關(guān)的作品，獲取思路。

概念設(shè)計師會在哪里找作品：

概念設(shè)計師常用官網(wǎng)

搜索引擎、Pinterest這樣的推薦引擎、Artstation這樣的原創(chuàng)作品網(wǎng)站。

設(shè)計師在搜索引擎上找到的圖片來自更上游的原創(chuàng)作品網(wǎng)站，比如artstation、behance等。

比如我們在Pinterest和A站上搜索“機器人”，能看到大量機器人的設(shè)計方案。

Pinterest和A站

設(shè)計師從這些作品中獲得什么？

獲得創(chuàng)意和想法。

比如，機器人的體型怎么設(shè)計好看；有哪些好看的配色方案；應(yīng)該選取圓潤還是銳利的線條特征；畫面中應(yīng)該有哪些機械元素；機器人的表情應(yīng)該長什么樣；有哪些材質(zhì)；什么樣的光影更有表現(xiàn)力...

設(shè)計師人腦思考

這些創(chuàng)意由知名的設(shè)計師或藝術(shù)家，根據(jù)自己的生活觀察、天賦和行業(yè)經(jīng)驗創(chuàng)作出來，以圖片的形式發(fā)布在各個網(wǎng)站上，受到版權(quán)的保護，獲取收益。

而設(shè)計師為了獲取創(chuàng)意，通過搜索引擎、推薦系統(tǒng)、付費購買等辦法來搜集這些作品。

這些作品給設(shè)計師提供的創(chuàng)意，是設(shè)計師用來構(gòu)思方案的重要“原材料”。設(shè)計師用這些原材料結(jié)合自己的想法，圍繞設(shè)計需求，反復(fù)組合、探討、篩選，最終產(chǎn)生了新的方案。

AI創(chuàng)作帶來了什么改變呢？

AI因為能夠直接從互聯(lián)網(wǎng)上學(xué)習(xí)幾乎所有的圖片作品，并具有強大的抽象能力，因此AI幾乎可以把設(shè)計師需要的配色、構(gòu)圖、筆觸、線條、光影等細(xì)節(jié)都學(xué)習(xí)到。

AI擁有了這些視覺知識后，當(dāng)使用者給出一段提示語時，就能夠立刻在自己高達數(shù)百維的高維知識空間中尋找匹配的特征，快速進行排列組合，然后畫出一張組合了多個藝術(shù)家風(fēng)格和創(chuàng)意的作品。

AI模型創(chuàng)作

整個過程都是在1分鐘以內(nèi)完成的。

比如之前舉的機器人和仙人掌怪物的例子：

AI生成圖片效果

設(shè)計師的目標(biāo)是要設(shè)計一款致敬某個游戲畫風(fēng)的、方塊形態(tài)的仙人掌怪物角色。

雖然荒野亂斗、方塊形態(tài)、仙人掌、怪物，都不是生僻的概念，但是想在互聯(lián)網(wǎng)上直接找到一張同時結(jié)合了以上特征的方案，很難，很少。

而AI生成就不一樣了，這種多個特征的有機組合對AI來說非常容易

只要AI通過數(shù)據(jù)分別學(xué)習(xí)到了什么是荒野亂斗、什么是方塊、什么是仙人掌、什么是怪物角色，AI就可以毫不費力地把這些概念完美地融合在一起，真的像一個設(shè)計師一樣想出來一個靠譜的方案給你。

這是今天的互聯(lián)網(wǎng)圖片網(wǎng)站不具有的能力。

這顯然是非常鮮明的“新范式”特征——過去的解決方案望塵莫及。

“新范式”特征

這種范式帶來的核心變化是：

建立了一個可以不通過圖像傳遞創(chuàng)意的通路。

新范式核心變化

當(dāng)AI從源頭學(xué)習(xí)到藝術(shù)家的創(chuàng)意和情緒，并在終端按照具體需求畫出來的時候，中間大部分的圖片文件存儲、傳輸、分發(fā)和交易環(huán)節(jié)，就失去了其價值。

所以我想AI創(chuàng)作最大的價值并不是畫圖本身，而是它帶來了一種全新的創(chuàng)意流通方式，在“創(chuàng)意—圖片—網(wǎng)站—圖片—創(chuàng)意”之間建立了一個更短的：

“創(chuàng)意—AI—創(chuàng)意”通路。

對創(chuàng)作者的影響

那么，這種新范式下，上游的創(chuàng)作者會受什么影響呢？

自AI創(chuàng)作逐漸走入公眾視野后，大量反對的聲音來自上游的藝術(shù)家。原因是AI對原有的圖片版權(quán)造成了巨大的破壞。

我們看下面這張圖：

500px上攝影作品

這是一張500px上的攝影作品。

500px是一個版權(quán)保護很好的攝影網(wǎng)站，當(dāng)你在這個圖片上點擊右鍵想保存的時候，他會提醒你這是某位藝術(shù)家的原創(chuàng)作品。

而計算機會怎么獲取這張圖片呢？

進入開發(fā)者模式，逐個檢查網(wǎng)頁元素，直到找到這張圖片所在的元素：

開發(fā)者模式對該照片的分析

點擊其來源鏈接：

https://drscdn.500px.org/photo/1054244408/q%3D80_m%3D2000/v2?sig=a7273d918c7482ba81dae3be9c139849e29ad29e442e8e8480eb7e17d8687b50

我們就直接得到了這張圖片的高清原始文件。

原始圖片

因此，計算機用腳本拿到一張圖片比人容易很多。哪怕圖片網(wǎng)站做了層層保護，讓我們無法用腳本獲取原圖，從原理上說，只要是人能看到的圖片，從技術(shù)上都變成被AI學(xué)習(xí)的數(shù)據(jù)。

因為可以截圖。

對于AI來說，裁掉一些邊角、有水印，都不是問題，你把截圖交給AI，它仍然能學(xué)習(xí)到圖片特征。

所以AI從原理上確實會對今天互聯(lián)網(wǎng)圖片版權(quán)產(chǎn)生影響。

如果AI會影響版權(quán)生意，那么過去以版權(quán)作為收入的藝術(shù)家們該怎么辦呢？

其實藝術(shù)家反而可以利用這個變量為自己獲得新的收益。

藝術(shù)家的貢獻在于能夠產(chǎn)生優(yōu)質(zhì)的“創(chuàng)意”，而下游創(chuàng)作者需要的正是“創(chuàng)意”本身。

創(chuàng)意是比圖片更本質(zhì)的價值載體，是這些圖片背后的價值。

因此如果能夠把藝術(shù)家在“創(chuàng)意”交易中的貢獻進行定價，那么理論上我們就可以為藝術(shù)家?guī)硪环N適應(yīng)AI創(chuàng)作的新型收益模式。

我們能不能量化藝術(shù)家在AI創(chuàng)作中的貢獻呢？

可以。

研究生成式AI的算法會發(fā)現(xiàn)，在生成圖像的過程中引入一種“注意力機制”，就可以準(zhǔn)確定位詞語對畫面的影響。

比如我們用AI生成“一只熊和一只鳥的照片”，得到以下結(jié)果：

AI生成“一只熊和一只鳥的照片”

在生成過程中，如果我們對“熊”這個詞引入注意力機制，就可以把“熊”這個詞對畫面的貢獻記錄下來：

熊

同理，也可以把“鳥”這個詞對畫面的貢獻記錄下來：

鳥

我們可以清楚地看出“熊”和“鳥”兩個關(guān)鍵詞分別在不同的區(qū)域，以不同的強度對最終的圖像產(chǎn)生了影響。通過計算每個關(guān)鍵詞影響的區(qū)域面積和強度，我們就可以量化各個關(guān)鍵詞的貢獻了。

對神經(jīng)網(wǎng)絡(luò)來說，“熊”“鳥”等詞，和一位藝術(shù)家的名字是沒有差別的，可以使用同樣的方法量化它們的貢獻。

如果我們將藝術(shù)家關(guān)鍵詞對生成圖像的貢獻視為藝術(shù)家本人的貢獻，我們從原理上就可以為藝術(shù)家的創(chuàng)意價值定價了。

如何具體計算藝術(shù)家應(yīng)得的收益呢？

一次的生成費用乘以本次生成過程中某位藝術(shù)家的貢獻比例，就是這位藝術(shù)家在這次生成任務(wù)中產(chǎn)生的價值。

產(chǎn)生的價值扣除平臺的分成，就是藝術(shù)家理論上因貢獻創(chuàng)意產(chǎn)生的收益。

假設(shè)一個月內(nèi)，平臺共生成1000w張作品，涉及該藝術(shù)家關(guān)鍵詞的作品有50w張，平均每張貢獻為0.2，每張的平均生成費用為1元，平臺分成20%，那么藝術(shù)家本月在平臺上的稅前收入為：50w×0.2×1元×80%=8萬元。

如果藝術(shù)家的關(guān)鍵詞出圖效果很好，被足夠多的用戶反復(fù)使用的時候，他的收入很快會超過傳統(tǒng)的版權(quán)收入。

需要注意的一點是，在AI新范式下創(chuàng)作，要考慮什么樣的內(nèi)容更利于AI學(xué)習(xí)和AI生成使用。

因為AI學(xué)習(xí)的是圖片內(nèi)容和提示詞的對應(yīng)關(guān)系，因此與其花大量時間創(chuàng)作一張包含很多內(nèi)容、畫面特征復(fù)雜、很難用一句畫描述清楚的作品，不如創(chuàng)作很多小作品。

比如，用統(tǒng)一的尺寸和構(gòu)圖、最好是三視圖，創(chuàng)作出一個角色后，更換不同的裝備、發(fā)色、身材，出一整套圖。然后清晰、詳細(xì)地用語言描述每個圖的特點，用的什么裝備、代表哪種身材、發(fā)色是什么、角度是什么。

創(chuàng)作的時候就想象使用者在進行AI生成的時候，會對AI提出哪些要求，按照這些維度去創(chuàng)作圖像和提示語。這樣的數(shù)據(jù)會更容易被AI學(xué)習(xí)，更利于用戶使用和付費。

AI新范式下創(chuàng)作

經(jīng)常使用AI創(chuàng)作的朋友會發(fā)現(xiàn)，國外AI創(chuàng)作論壇里公開的提示語中經(jīng)常會包含一些特定的人名，他們很多是CG領(lǐng)域的知名藝術(shù)家。

比如上圖的這位greg rutkowski，就是A站上的一位波蘭藝術(shù)家。

A站上的一位波蘭藝術(shù)家

他的作品估計被收錄進了訓(xùn)練數(shù)據(jù)當(dāng)中，所以可以被AI生成出來。

因為他的畫面風(fēng)格鮮明，類似油畫的厚重筆觸和有史詩感的配色風(fēng)格，放在提示語中會大大提高最終的畫面效果，因此今天很多用戶都把他的名字作為提示語的一部分。

藝術(shù)家的風(fēng)格分析

如果greg rutkowski在一個根據(jù)關(guān)鍵詞計算貢獻給他分成的平臺上入駐，為這個平臺提供自己作品的高清數(shù)據(jù)集，號召用戶使用其關(guān)鍵詞生成作品，按照他今天可能每天上百萬次的關(guān)鍵詞引用頻率，也許已經(jīng)實現(xiàn)日入數(shù)萬甚至數(shù)十萬的收益了。

總結(jié)

最后放一些作者的思考。

一直以來，藝術(shù)創(chuàng)作和設(shè)計都是少數(shù)人的工作。

雖然大多數(shù)人都有審美，能判斷好的內(nèi)容，但兩個因素限制了普通人創(chuàng)作它們：一個是創(chuàng)意，普通人不可能每天在海量的作品中學(xué)習(xí)積累創(chuàng)意；另一個是表達，就算腦子里有一個畫面，要做成圖像，總得借助些技能。比如素描、油畫、水彩，包括3D建模，對普通人來講都有很高的門檻。

今天的AI解決兩個問題：一個是學(xué)習(xí)創(chuàng)意，它比以往的模型都能更準(zhǔn)確地學(xué)習(xí)畫面中的創(chuàng)意，而且學(xué)習(xí)的范圍是整個互聯(lián)網(wǎng)當(dāng)中的圖像，沒有任何一個勤奮的畫家能夠?qū)W這么多作品。二是視覺表達，AI在理解創(chuàng)意的基礎(chǔ)上，生產(chǎn)出一張圖像的速度遠(yuǎn)遠(yuǎn)高于人類畫師。同時邊際成本也很低，畫一張畫，也就是正向傳播一次神經(jīng)網(wǎng)絡(luò)的算力成本，大約在幾分錢到幾毛錢之間。也就是說今天的AI從底層改變了游戲規(guī)則，接下來會看到以下變化：

1）不會畫畫的人用AI生產(chǎn)高質(zhì)量視覺作品

2）互聯(lián)網(wǎng)上難以估量的圖像數(shù)據(jù)被重新組織起來，圍繞模型訓(xùn)練和數(shù)據(jù)標(biāo)注產(chǎn)生新的生意

3）圖片版權(quán)名存實亡，參與建立AI數(shù)據(jù)集成為藝術(shù)家的主要收益

4）傳統(tǒng)圖像處理軟件、3D建模軟件被圍繞AI范式建立的新工具取代

10年后再往回看，這可能會成為一個歷史節(jié)點。

新的節(jié)點

“鐵匠在啤酒中灑下眼淚，悲嘆自己沒有辦法在鐵路時代賣馬掌，但是這并不會使他們的馬掌更受歡迎。那些學(xué)習(xí)變成機械師的鐵匠才會保住自己的飯碗?！?/p>

關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò) 生成圖片 第一性原理