深度神經(jīng)網(wǎng)絡(luò)的技術(shù)進(jìn)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(xué)習(xí)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(xué)習(xí)興起之前，構(gòu)建Text-to-Image模型的嘗試僅限于通過排列現(xiàn)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(xiàn)代*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(jìn)Text-to-Image任務(wù)。

　　由Elon Musk、Sam Altman等人于2015年12月創(chuàng)立的人工智能研究實驗室OpenAI旨在促進(jìn)發(fā)展“人類友好人工智能”。2021年1月，OpenAI基于其開創(chuàng)性的GPT語言模型推出的DALL-E是*引起公眾廣泛關(guān)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(xiàn)實主義藝術(shù)家Salvador Dalí 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(zhǔn)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(fā)布的Imagen和 StabilityAI 于8月發(fā)布的Stable Diffusion，Text-to-Image模型生產(chǎn)圖像使得機器與人類在藝術(shù)生產(chǎn)方面的鴻溝迅速收縮。

　　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(yīng)運而生。

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

　　Text-to-Image的社會和文化偏見

　　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(nèi)容、基于文本的AI藝術(shù)、VR和AR環(huán)境中的虛擬內(nèi)容。Nina Schick曾于2020年在一書中表達(dá)了深刻的技術(shù)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(shù)被認(rèn)為將對西方民主制度構(gòu)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(zāi)難”的危險的后果關(guān)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(zāi)難，但是該技術(shù)仍然不乏令人不安的應(yīng)用情景。想象一個可以生成幾乎任何圖像的系統(tǒng)，技術(shù)進(jìn)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(tǒng)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(shù)據(jù)規(guī)模需求決定了研究人員嚴(yán)重依賴基于網(wǎng)絡(luò)抓取并且大部分未經(jīng)整理的巨型數(shù)據(jù)集，而這些數(shù)據(jù)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(jīng)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(fā)布DALL-E，雖然公司允許部分測試人員進(jìn)行訪問。據(jù)悉，該系統(tǒng)已經(jīng)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(rèn)為Imagen“目前尚不適合公眾使用”，同時表示公司計劃開發(fā)一種新方法來衡量并測試“社會和文化偏見”。由于龐大數(shù)據(jù)庫的偏見源自藝術(shù)史——世界歷史的視覺呈現(xiàn)，University of Southampton教授Sunil Manghani將其稱為“歷史偏見”。

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

　　技術(shù)進(jìn)步推動藝術(shù)創(chuàng)作民主化

　　對藝術(shù)創(chuàng)作新技術(shù)的爭論并非首次。AI藝術(shù)能否被視為藝術(shù)這一問題與攝影術(shù)的發(fā)明曾經(jīng)引發(fā)的擔(dān)憂極為類似，二者均降低了藝術(shù)創(chuàng)作的技術(shù)門檻。19世紀(jì)法國詩人Charles Pierre Baudelaire曾稱攝影為“藝術(shù)最致命的敵人”。

　　然而，將技術(shù)進(jìn)步普遍解讀為“對人類藝術(shù)的貶低”在現(xiàn)實中無益，這不能阻止技術(shù)普及帶來的創(chuàng)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(dāng)攝影成為逼真繪畫的競爭者，肖像、風(fēng)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(zhuǎn)向新的表達(dá)方式。自1870年代起，法國興起印象派運動，這一繪畫風(fēng)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(shù)家創(chuàng)立了畫家、雕塑和雕刻家匿名協(xié)會，以獨立展出其此前被沙龍評審團(tuán)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(fēng)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(shù)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(jì)藝術(shù)界技術(shù)、主題和形式的進(jìn)一步“解放”。

　　如今，AI藝術(shù)被諸多評論家視作人類藝術(shù)家終結(jié)的標(biāo)志。視覺素材平臺Getty Images已經(jīng)禁止了 AI生成圖像，一些DeviantArt平臺藝術(shù)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(shù)貼上標(biāo)簽，以便將其與人類藝術(shù)區(qū)分開來。不少藝術(shù)家可能擔(dān)心企業(yè)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(xùn)練AI，然而這種努力顯然是徒勞——想象一下，即使從數(shù)據(jù)集中刪除所有Van Gogh作品，該藝術(shù)家的風(fēng)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(rèn)為，正如一個世紀(jì)前的機械攝影，AI藝術(shù)不會扼殺藝術(shù)本身，而是開辟了更多可能性，“創(chuàng)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(chuàng)造力。創(chuàng)造力獨立于意識...這種新藝術(shù)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(fā)現(xiàn)” 。

　　因此，AI藝術(shù)創(chuàng)所便是鎖定目標(biāo)、按下快門的過程——當(dāng)攝影*次出現(xiàn)，這便是攝影師的所有工作。

　　本文作者認(rèn)為，創(chuàng)作民主或許伴隨著更為普遍的審美平庸，但是當(dāng)創(chuàng)造力已經(jīng)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(yè)或個人。相較于通過視覺素材平臺搜索人類藝術(shù)創(chuàng)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*次，人類得以按需、實時、大規(guī)模、廉價地開展日常創(chuàng)意活動，“我們可能有點像中世紀(jì)的農(nóng)民，當(dāng)被問及拿250馬力做什么，他們毫無想法。如今，我們的創(chuàng)造力引擎能夠用以瞄準(zhǔn)任何陳舊角落。這是一份非凡的禮物”。

　　參考資料：

　　Vincent, J. (2022) All these images were generated by Google's latest text-to-image ai, The Verge. The Verge. Available at: https://www.theverge.com/2022/5/24/23139297/google-imagen-text-to-image-ai-system-examples-paper (Accessed: December 6, 2022).

　　Bogost I. (2019) The AI-Art Gold Rush is Here. The Atlantic. Available at: https://www.theatlantic.com/technology/archive/2019/03/ai-created-art-invades-chelsea-gallery-scene/584134/ (Accessed: December 6, 2022).

　　Kelly K. (2022) Picture Limitless Creativity at Your Fingertips. Wired. Available at: https://www.wired.com/story/picture-limitless-creativity-ai-image-generators/ (Accessed: December 6, 2022).