AI绘画出圈史：是天才画师还是潘多拉魔盒？
写在前面：这是今天在中国数据内容大会上的演讲分享。我把内容归纳整理了一下，补充了一些资料，也算是对过去一段时间的回顾。这篇文章可以让大家更好的了解AI绘画如何发展到今天的，作为一个科普文，里面不涉及任何高深的技术点。
————————
AI生成绘画本来是一个特别小众的领域，但是在今年越来越多圈子外的人都已经开始了解和使用它。那么今天我想带大家一起回顾一下AI绘画是如何开始的，又是怎么在今年突然出圈？
我们几乎每个人都会说话，但是只有极少数的一部分人会画画，我们管这一小部分会画画的人叫画师。画画在大家眼里是一件需要天赋和长期艰苦训练的事情，很多人从小就接受美术训练，花了长达7~8年的时间可能才可以达到一个及格的水平。
那么大家有没有想过有一天？只要你会说话，会使用语言，就能够创造出一副画。用语言画画这件事听起来就跟魔法一样，但是它在今年已经通过AI变成了现实。
用midjouney生成的蒸汽朋克猫咪
缘起：2015年 用文字画画
这件事的源头得从7年前，2015年开始说起，那一年出了一项人工智能的重大进展——智能图像识别。机器学习可以标记图像中的对象，然后他们还学会了将这些标签放入自然语言描述中去。
这件事让一组研究员产生了好奇。如果把这个过程翻转过来会怎么样？
我们可以把图像转换成文字，那么我们是否同样可以把文字转换成图像？
这是一项异常艰巨的工作，它跟你从搜索引擎上用文字搜索图像完全不一样。他们希望用文字去生成那些这个世界上没有的图像。
于是他们向计算机模型询问了一些他们从未见过的东西。举个例子，你见过的所有的校车都是黄色的，那么如果你写红色或者绿色的校车，它真的会尝试生成绿色么？它真的做到了。
这是一个32X32像素的小图片，糊的你几乎分辨不出来这是什么东西，但是这是一切的开始。这些研究人员在2016年的论文显示了未来的无限可能。
而现在未来已来。
如今想要得到一副图像已经可以不通过任何绘画，相机，软件或者代码等工具。你只需要输入一行文字。
2021年 Dalle 与 开源社区的程序员们
openAI与它并不open的Dalle
让我们把时间倒回去一年，回到2021年一月。一家叫openAI的人工智能公司宣布了dalle，他们声称可以从任何文字中创建图像。他们今年4月公布了dalle2，生成的图像更加的逼真和精确了。而且还可以对这些图像进行无缝编辑。
但是openai一直都没有公开dalle的算法和模型。直到现在，哪怕dalle2都开始商用了，它的限制仍然很多。
AI开源社区
所以在过去的一年里，一个由独立开发人员组成的开源社区，根据现有的所有已知的技术模型，做了各种各样的开源文本图像生成器。
在这个时期我把它称之为colab时期，这些免费开源的生成器都需要你在google colab上才可以使用，需要一定程度的代码知识，而且生成的图像还非常的抽象，像素也比较低。我周围也有几个朋友在21年开始玩AI绘画，但是都局限在非常非常小的圈子。
Dream by wombo
2021年11月的时候一款叫dream by wombo的APP出现了，它把AI的生成器封装到了APP里，这个举动让所有人都可以零学习成本的使用它。所以它从2021年底一直从国外火到了国内。
但是因为模型算法的局限性，它生成的图像质量还是比较低的，但是已经引起了大家的好奇心。
2022年：AI绘画程序爆炸式增长
2月 disco diffusion V5
在2022年的2月，由somnai等几个开源社区的工程师做了一款叫disco diffusion的AI图像生成器。从这款图像生成器开始，AI绘画得到了质的飞跃。而且它建立了完善的帮助文档和社群，disco diffusion本身也拥有非常完善强大的功能。
同样是赛博朋克城市的提示词，DD与dream的对比
3月国内开始出现disco diffusion的教程，随着这些教程的不断完善完善。越来越多的人开始使用disco diffusion创作作品，但是DD有一个致命的缺点就是它生成的画面都十分的抽象，这些画面用来生成大场景和抽象画还不错，但是几乎无法生成具象的人或者物。
3月 midjouney
这个时候一款叫midjouney的AI绘画生成工具出现了。
3月14日，mid开始内测，这是一款由disco diffusion的核心开放人员参与开发的AI生成器，mid与dd不同，它是一款搭载在discord上的聊天机器人程序，不需要之前繁琐的操作，也没有DD十分复杂的参数调节，你只需要向mid输入文字就可以生成图像。而且mid的模型更加的精准，dd只能生成抽象的风景，但是mid在人像上也能表现的比较好。
而且midjouney最大的优势其实并不是它的生成效果多么优秀，而是在于它是一个社区形式的产品。跟DD每个人都是独立创作不同，在mid上所有人的作品都是公开的，你用的提示词和相关的作品都是对社区里所有人可见的，你再也不需要问其他人这幅画用了什么提示词？这个特性让社区每天都不断的涌现越来越多优秀的作品和创意，每个人都可以尽情的学习他人的作品。
我把它称之为养蛊式创作。
4月 Dalle2
4月10日，dalle2开始内测，dalle2可以生成非常精确复合逻辑的图像。它还可以根据提示词来重新修改编辑的你图片。我们来看一段dalle2的宣传片。
我们可以从dalle2的宣传片可以看出跟之前的AI生成器都不同，无论是DD还是mid，我们都是可以看出是AI生成的，dalle2的生成图你已经无法跟人类的作品做区分了。
这是我用用dalle2创作的画，是由左边的提示词直接生成的。如果我不做说明，这幅画跟正常的人类作品几乎没有区别。
它还可以直接生成非常有质感的3D图像，这是我用dalle2直接生成的3D金属质感的十二生肖图标。
它还可自动补充无限拓展图像，所以特别适合用来生成无限流动画。类似这种。
看到这里大家可能觉得dalle2已经很完美了，但是其实直到今天，dalle2的相关技术都是对公众封闭的，而且dalle2的使用也需要申请，而且通过率很低。dalle2的研发人员觉得他们做了一款很可能用来作恶的工具，所以它设置了非常多的限制，死亡，色情，人脸，暴力，公众的人物等等都是禁止在dalle2上使用的。
跟openai这个名字不同，dalle2一点都不open。
dalle2的担忧是多余的么？不是的，这个工具确实非常可怕，不法分子可以利用它来轻松生成各种各样的假图片。但是历史的车轮会因为dalle2的这些限制停下来么？
7月 Stable diffusion
7月29日 一款叫 SD的AI生成器开始内测，它可以生成媲美dalle2的精确度的图像。共分 4 波邀请了 15000 名用户参与了内测。只用了十天它的活跃数据已经到了每天一千七百万张。
SD的背后是一家英国的人工智能方案提供商，它的slogan就是“ai by the people，for the people”。跟dalle2的封闭不一样，这家公司十分推崇开源。
所以在8月22号，他们内测刚开始二十多天，SD正式宣布开源，这意味着所有人都通过它开源的技术，在本地使用SD生成自己想要的图像。SD开源属性让它在短短的一个月跟各种各样的工具结合。甚至mid也使用了开源的sd模型，并且得到了巨大的反响，这个功能只内测了24小时，但是是目前mid社区里呼声最大的。24小时里mid结合SD生成了大量的作品。
除此之外它还被做成了figma和ps的插件，在figma的插件里你只需要简单的画出草图，就能根据文字生成非常完整的设计稿。在ps里面你可以无缝拼接补完图像。可以说现在的SD把前面所有的AI生成工具的功能全部结合到了一起，然后还把它开源了。
被做成figma插件的SD
AI绘画发展时间线
现在，我们来回顾一下这一切，2015年的时候，一群好奇的工程师，把图像识别生成文字这个过程翻转过来了，他们生成了最开始的32像素的小图片，在经过了漫长的六年的缓慢发展后，2021年openai和一群开源工程师分别用他们自己的方式完善算法和模型。到了今年2022年，这个技术突然就爆发了，对于国内的大部分接触AI绘画人来说只有短短的四个月，这四个月里发生了mid内测，mid公测，dalle2内测，dalle2商用，sd内测，sd开源等等，还有无数的AI绘画小工具。
哪怕是像和菜头这样完全绘画圈外的人也在不断的讨论和使用AI绘画的功能。
很多创意相关的人已经开始用AI辅助了，我的一个朋友说，他的老板让他不要对外说他们的工作中加入了AI辅助。
“不要跟别人说我们的工作中使用了AI辅助。”
现在已经有大量的创意人和公司在使用AI绘画辅助，但是他们又不希望有太多的人知道。还有大量的创意与艺术行业的从业者内心十分抵触这项技术，觉得它根本就不应该出现。在8月15号就发生过一件非常有趣的事件，SD的推特账号突然挂了，因为被大量艺术家举报，SD的创始人在社群里表达了他对这件事的看法，他说：他们在嫉妒AI画的比他们好。不过这件事最后被证实为乌龙，因为这个账号其实只是个粉丝账号，并不是官方账号。
历史的车轮呼啸而过，是选择跳上这辆车，还是停留在原地，都是个人的选择。但是无论你是否参与，它都不会因为你的看法而停下来。
相关推荐：
数据大会相关：https://m.thepaper.cn/newsDetail_forward_19628241
微信扫码关注该文公众号作者