对AI绘画原理的小澄清
本文包含了ChatGPT（GPT3.5-Turbo）生成的内容，但并非全部照搬。
人工智能技术在发展，AI绘画这一领域也受到社会各界关注。其中的AI绘画，自2022年底开始，作为一项富有争议的新兴技术，就触动了不少人的神经。然而，许多针对AI绘画发表自己见解的人，在对AI绘画原理的误解上就产生了很多偏差。其中最为常见的一个，是认为AI绘画只是简单地把画师的作品拼合而成，最多在接缝处用所谓的技术平滑处理一下，没有任何独创性和创造力。这种想法，既是对严谨的科研精神的背叛，也是对实事求是的艺术精神的羞辱，无论对于AI绘画还是对于传统艺术的研究和发展都不利，因此，具体说说以Stable Diffusion为首的一批AI绘画的原理，还是十分必要的。还要补充的是，Stable Diffusion虽作为AI绘画中最先引起轰动的那个，却并不是现代CS界最先进的绘画程序，尤其在非人物方面，Midjourney可能更胜一筹。
Stable Diffusion 官方仓库 NovelAI 官方网站 Midjourney 官方网站
首先，我们需要承认，固有的思维方式，无疑会引导我们对于AI绘画的产生不同的立场、认知。对于习惯了传统思想的人而言，认为AI绘画只是简单地将画师的作品拼合起来是非常自然的想法。因为他们的思路已经固定，在看到大量的标准化、批量复制传统艺术或商业化艺术的美学后，将AI绘画自然地当作传统艺术的延续，因此难以从根本上理解AI绘画的形式与意义。这种固有的观念禁锢，让他们局限在传统的艺术框架内，很难看到AI绘画的全新解构和超越。而拼图的这一种观点，就是旧观念和一种半瓶水的学习态度所共同造成的恶果，或者是别有用心之人面向公众散播恐慌的方式。许多画师轻易地相信AI绘画是拼图，也是因为拼图作为一种经典的抄袭手段，正好和AI的版权争议这一不争的事实相吻合。
然而，我们也不能否认，AI绘画确实存在一些缺陷。对于绘制某些特定对象方面，AI绘画依然存在一些局限性，不如人类艺术家灵活多变，难以自然地表达出情感和情感细微的表情，难以刻画具体事物，如画手、画面条。同样，AI绘画的创造也不是完全独立的，它们需要提取先前的画作来进行学习和模仿，因此存在着一定的“套路化”和“创意受限”，且因为训练集里的内容侵犯版权甚至人权，这些作品还要面临复杂的舆论风暴和法律争议。但是，这并不能够说明AI绘画只是单纯的拼接，或者如某些人所想，是所谓的“炼丹”工艺。恰恰相反，这更加体现出，AI是难以妄下定论的复杂工业品，它们可以通过加强自学习及深度学习的算法，无限接近于人类的思维和表达，在发展中更加自然地表达出“情感”与“意境”——因为若只是简单的拼图，那对于那些手、面条等元素，又怎么会变得模糊不清呢？难道是“原图”本来就很模糊而一笔带过吗？想想，大抵是不会的。面对不曾了解过的技术，与其胡诌一通，揣测它的内部原理，还不如把它当成简单的“黑箱子”，这样都比胡编乱造来得实在一些。
逻辑的论证是空虚的，然而，真的落到实处来看，Stable Diffusion的官方仓库中已经阐释了其内部具体的工作原理。只是涉及了很多专业术语，而“拼图”则是一个错误的过度简化。Stable Diffusion的本质，在生成的时候其实是一种降噪算法。可以理解为是让不清楚的图片变得清楚的一项“黑科技”。一个形象的比方是，到了冬天，窗户上凝结了许多水汽，窗外的世界都变得模糊了。而这就是Stable Diffusion生成一张图片时第一步所做的——它通过NLP（自然语言处理）分析用户的提示词，并根据这一讯息生成模糊至极的色块，就好像玻璃上厚重的雾。但通过对噪声图像进行多轮迭代，也就是拿一张纸去擦玻璃，逐渐就能生成分辨率高、真实感强的图像。这个纸就是一切AI中经常出现的一项技术，“梯度下降算法”，以它的力量来擦掉名为“图片噪音”的雾。在数学上，用初中的知识来解释，就是去找一个开口向上的函数图像的顶点，譬如是一个二次函数，那它的定点横座标就是-b/2a,原理都是相似的。只是计算机所处理的这个函数，不像初中学的那些函数，只有一个参数。相反，它可以有几亿个参数。凭借着CPU或GPU的强劲算力，计算机得以将一个特定的损失函数最小化，也就是一步步逼近某个n次n维函数的最低点，从而生成出与特定输入条件相匹配的图像。
Diffusion的英文原意是“扩散”，这就是这个AI的本职工作。（Stable则是自卖自夸，形容稳定。）这个过程中涉及图像具体处理的部分，首先是需要准备一个噪声图像。该图像包含了一些随机噪声的元素，并且极不清晰；而这个图像的生成，就是根据NLP对用户提示词的处理结果和一些随机数而从训练集里选择的。其实和人类绘画的过程并无大差，只是迭代的次数要多得多了——人类绘画是要打草稿的，这个噪声图像就是AI的草稿，AI就像人一样在这个时候便会确定什么地方该有什么，它该是什么颜色的。然后，利用一个深度神经网络（这个网络的形成当然也是依靠大量的图像训练，对其中的权重、参数进行调整）对其进行迭代，每一轮迭代都会对噪声图像进行“扩散”，即将它转化为一个更加细致、复杂的图像。所以擦窗户的纸或者布也正是用那些图片揉合起来造的。在每一轮迭代后，也会通过数学函数来评估生成的图像的质量，并根据反馈调整进行下一轮迭代。
由此看来，Stable Diffusion的原理也没有那么邪恶，至少不是明目张胆的狂抄。但这也并不是说用Stable Diffusion所制作的作品可以声称完全的版权，并接受来自法律的完全保护。这个问题实际上应该深发到更高的层面上，是关于版权本身的拷问。因为SD的原理是否可以看作和人类相同的一种学习行为，所以产生的作品可以主张完全版权，还是应该看作一种技术实验，一种产品，注定只能被放到公共领域里，作为CS爱好者的小众爱好，且严禁商业使用？
但无论如何，我们也不能忽视AI绘画的实际价值，不能对AI绘画简单的选边站。通过AI绘画，我们可以大大提高数字制图和算法绘制的效率，加快科技进步的步伐；通过AI绘画，小创作者可以越过知识和资金的限制，为自己的作品提供更好的创意，可以筹得一些捐款（不是直接用AI绘画盈利），获得选择人类画师来更好合作的自由，推动艺术的发展到一个全新的阶段。同时，AI绘画也将赋能技术，给CS带来新的机遇，有利于完善计算机这一伟大的互联网工具。
综上所述，我们在理解和认识AI绘画的时候，要有辩证的思考方式并比较分析。我们不能只看到其局限性，也不能过分夸大其优势和实际价值。许多CS工作者已经发现，2022到2023年的这些爆炸式增长的AI，在原理上其实没有什么创新。它们只不过是运用了更大、更大的训练集，仅此而已。无论有多大的阻碍，AI也会不断进化发展，技术的迭代也势必对艺术产生诸多影响。同时，也应该尊重传统的艺术创作者，艺术不是工业，而是人类对美好事物追求和一种社会手段。推进人工智能和文化艺术的共同发展，才是今后最有可能的主流声音。