從2022年開始，突然冒出了許多自動生成圖片的AI繪畫神器：Disco Diffusion、 DALL·E 2代等。

2022年8月31日，出自AI之手的《空間歌劇院》在美國科羅拉多州博覽會一項(xiàng)美術(shù)競賽中斬獲一等獎后，AI的作畫能力迅速成為焦點(diǎn)。

人們突然發(fā)現(xiàn)，仿佛是一夜之間，AI作畫的能力已經(jīng)發(fā)展到了難以想象的地步，甚至直言：AI 就能生成可以「打敗 98% 人類畫家」的作品。

不過，最近有人發(fā)現(xiàn)，幾乎就要“亂拳打死老師傅”的AI，卻畫不好一只手，這是為什么呢？《紐約客》特約撰稿人凱爾·柴卡對此展開深入的探討。

01

人與AI都是畫手困難戶

畫手是高中藝術(shù)課上的經(jīng)典練習(xí)：一個學(xué)生坐在桌子前，一手拿著炭筆，穩(wěn)穩(wěn)地放在一張紙上，另一只手在她面前攤開，手掌朝上，手指放松，向內(nèi)彎曲。然后她用握筆的手在紙上畫出另一只攤開的手。這是每一個初學(xué)者的任務(wù)。

雖然看似簡單，但畫出令人信服的手卻是寫實(shí)藝術(shù)中最可怕的挑戰(zhàn)之一。我記得那十分令人沮喪——確保每根手指的角度和比例都是正確的，確定拇指與手掌的連接方式，表現(xiàn)一根手指恰好重疊在另一根手指上。通常情況下，我畫的小指會出奇地長，或者拇指以一個不可能的角度伸出來，就像一根斷了的骨頭。

“這就是學(xué)生開始學(xué)習(xí)如何畫畫的方式：學(xué)習(xí)仔細(xì)觀察，”我在美國康涅狄格州的高中美術(shù)老師克里斯蒂·蘇西最近給我打電話時告訴我，“每個人都以為他們知道手的樣子，但直到你真正看到它時，你才會明白?！?/p>

人工智能也面臨著類似的問題。Midjourney、Stable Diffusion和Dall-E等AI繪圖新工具能夠渲染逼真的風(fēng)景，復(fù)制名人的臉，以任何藝術(shù)家的風(fēng)格重新混合圖像，并無縫地替換圖像背景。

AI畫作《空間歌劇院》

去年9月，一張AI生成的圖像在科羅拉多州博覽會上獲得了數(shù)字藝術(shù)一等獎。但當(dāng)被要求畫手時，這些工具就會產(chǎn)出一張張噩夢般的圖：一只有十幾個手指的手，一只有兩個拇指的手，還有一只像某種植物突變體一樣長出超多手的手。手指要么關(guān)節(jié)太多，要么根本沒有。它們看起來就像來自外星世界的醫(yī)學(xué)教科書上的圖表。

機(jī)器在這項(xiàng)特定任務(wù)上的無能已經(jīng)成為了一個關(guān)于人工智能缺點(diǎn)的流行笑話，就像有人在推特上說的那樣，“永遠(yuǎn)不要問一個女人的年齡或一個AI模型為什么要把手藏起來。”

正如其他報(bào)道，手的問題在一定程度上與生成器從訓(xùn)練過的大量圖像數(shù)據(jù)集中推斷信息的能力有關(guān)。當(dāng)用戶在生成器中輸入文本提示時，它會提取無數(shù)相關(guān)圖像并復(fù)制它已學(xué)習(xí)到的模式。

AI畫作

但是，就像考古學(xué)家試圖從羅塞塔石碑上翻譯埃及象形文字一樣，機(jī)器只能從給定的材料中推斷，而且它的知識存在空白，特別是在全面理解復(fù)雜的有機(jī)形狀時。有缺陷或不完整的數(shù)據(jù)集從而導(dǎo)致產(chǎn)生有缺陷的輸出。

02

大腦和AI的區(qū)別

語言學(xué)家諾姆·喬姆斯基和他的合著者最近在《紐約時報(bào)》的一篇專欄文章中指出，機(jī)器和人類的學(xué)習(xí)方式不同。他們寫道:“人類的大腦不像ChatGPT和它的同類那樣，是一個笨重的模式匹配統(tǒng)計(jì)引擎，吞噬著數(shù)千億字節(jié)的數(shù)據(jù)。”相反，它“使用少量信息；它不尋求推斷數(shù)據(jù)點(diǎn)之間的強(qiáng)力關(guān)聯(lián)，而是創(chuàng)造一種解釋?！?/p>

生成器可以計(jì)算出手有手指，但很難訓(xùn)練它知道人只有五個手指，或者手指之間有或多或少的固定長度。畢竟，從不同的角度看，手的樣子是不一樣的。當(dāng)我在筆記本電腦鍵盤上打字時，低頭看著自己的手指，我的手指被縮短了，被手掌遮住了一半；人們無法從靜態(tài)圖像中確定它們確切的X射線結(jié)構(gòu)。

倫敦大學(xué)學(xué)院計(jì)算機(jī)科學(xué)教授彼得·本特利表示，AI工具“已經(jīng)知道手有手指、指甲和手掌等元素。但他們不理解手究竟是什么?！?/p>

同樣的問題有時也會出現(xiàn)在AI試圖繪畫更小的特征時，比如耳朵，看起來像沒有復(fù)雜軟骨結(jié)構(gòu)的肉質(zhì)漩渦；或者牙齒，不正確地放在嘴里；或者瞳孔，變成了小山羊的斑點(diǎn)。AI可以掌握視覺模式，但無法掌握潛在的生物邏輯。

03

如何讓AI畫出更好的手

部分問題在于，大多數(shù)人的照片都沒有聚焦他們的手。AI面對的是人臉照片，而不是手指的特寫鏡頭?！叭绻麛?shù)據(jù)集是百分之百的人手，我認(rèn)為AI會做得更好，因?yàn)樗鼤迅嗟娜萘糠峙浣o人手?！盋reative公司的聯(lián)合創(chuàng)始人亞歷克斯·查潘達(dá)爾說道。

一種解決方案可能是在專門的專題數(shù)據(jù)集上訓(xùn)練AI程序。比如，查潘達(dá)爾目前正在制作完全由瀝青或磚塊圖像組成的訓(xùn)練集，以便電影制作人或視頻游戲開發(fā)者可以快速添加表面紋理。

本特利教授認(rèn)為，另一種可能是在AI數(shù)據(jù)集中添加三維效果圖。目前，AI工具還沒有可訓(xùn)練的3D數(shù)據(jù)，但去年12月，OpenAI發(fā)表了一篇論文，介紹了一種創(chuàng)建三維模型的工具，這可以幫助圖像生成器獲得更多的空間意識，即對二維皮膚下骨骼結(jié)構(gòu)的了解。不過，在新版的GPT-4中的并未著重展示此項(xiàng)功能。

在為AI生成器編寫提示時，用戶通常不是很精確。他們可能會輸入“手”這個詞，但沒有具體說明這只手應(yīng)該做什么或它應(yīng)該如何擺姿勢。

吉姆·南丁格爾曾是一名廣告文案，現(xiàn)在是一名人工智能顧問。他建議人們“想象一下訓(xùn)練圖片可能是如何被貼上標(biāo)簽的，轉(zhuǎn)而逆向設(shè)計(jì)你的提示?！边€有，命名一些“可識別的手勢”，如握緊的拳頭，以及特征，如毛茸茸的指關(guān)節(jié)，用于幫助生成器自主分離更具體或詳細(xì)的源圖像。

然而，這樣的把戲并不總是奏效。南丁格爾的一位客戶是一位需要電子書封面的作家。AI生成了一個完美的人形，卻無法畫出作者想要的特定手勢，南丁格爾為此不得不請來一位自由職業(yè)的人類藝術(shù)家，手動將它們畫進(jìn)這張圖像中。

04

人類的想象力是AI無法替代的

至少到目前為止，在生成式人工智能的生命周期中，用戶傾向于尋找盡可能接近現(xiàn)實(shí)的圖像。我們對AI的評價(jià)是基于它如何精確地復(fù)制我們已經(jīng)看到的東西?？粗植诘腁I手，我們陷入深深的恐懼，并體驗(yàn)到一種發(fā)自內(nèi)心的厭惡感。雖然兩只手都是真實(shí)的，有紋理，有皺紋，有斑點(diǎn)，比大多數(shù)人類藝術(shù)家所能達(dá)到的細(xì)節(jié)要多，但是完全不是手應(yīng)該有的樣子。

在某種程度上，這臺機(jī)器的故障令人欣慰。手是人性的象征，正如帕蒂·史密斯所說，“這是想象力和執(zhí)行力之間的直接對應(yīng)”。只要我們是唯一理解它們的人，也許我們的計(jì)算機(jī)不會完全取代我們。

AI手的奇怪扭曲讓人產(chǎn)生一種期待的懷舊之情，因?yàn)樵谖磥?，?dāng)技術(shù)不可避免地得到改進(jìn)時，我們會把這些缺陷視為“早期人工智能”時代的庸俗遺跡，就像粗糙的數(shù)碼相機(jī)照片讓人想起2000年。

隨著時間的推移，我們對哪些圖像是由人工智能生成的，哪些是由人類手繪完成的越來越模糊。就像查潘達(dá)爾所說，雖然AI畫的奇怪的手指和不完整的爪子越來越多，但“只是一個暫時性的問題。”

美術(shù)老師蘇西在AI圖像和她學(xué)生的畫中指出了一個相似的新手問題。她說:“一個八年級或九年級的學(xué)生畫畫時，他們也總是把注意力集中在輪廓上。”

當(dāng)一名年輕的藝術(shù)家在畫褶皺皮膚的扭動線條時，分心了，他就無法思考手的整體形狀。就像任何努力學(xué)習(xí)的藝術(shù)學(xué)生一樣，AI工具也需要更多的培訓(xùn)，才能精進(jìn)繪畫水平?！皩τ谝粋€學(xué)生來說，當(dāng)手的結(jié)構(gòu)和輪廓結(jié)合在一起的那一刻，才能畫出一只真正的手，”蘇西說，“那通常是在他們大學(xué)二年級的時候?！?/p>

而AI能何時學(xué)會畫出一只“真正的手”，還需一定的時間，不過也許不用太久，讓我們一起盡請期待吧！

編譯/陳怡蕓 排版/阿桃 監(jiān)制/April

原標(biāo)題：《AI繪畫“打敗 98% 人類畫家”，卻為何畫不出一只好看的手？》

閱讀原文