新一代梗圖之王，也可以是個 AI。

(相關(guān)資料圖)

最近我完全迷上了一個推特賬號。

上面發(fā)的全都是些描述十分離譜，卻、又有一種獨特風格的梗圖。

比如“懷孕的婦女將投石車瞄準最高法院”：

“達斯·維達偷走一輛獨輪車的監(jiān)控畫面”：

還有“蜘蛛俠和古埃及”：

很難用文字來描述這些圖片，有多么的離譜卻又傳神了。自從我每天開始轉(zhuǎn)發(fā)這個賬號，網(wǎng)友們都驚訝于我哪兒找來的這么多梗圖……

這個賬號，就是“奇怪的 Dall-E mini 生成圖片” (Weird Dall·E Generations @weirddalle)。

在這個梗圖橫行網(wǎng)絡，人們已經(jīng)不能好好說話的年代，@weirddalle 成為了最新、最時髦，也最“古靈精怪”的梗圖來源。它今年2月才注冊，現(xiàn)在粉絲數(shù)量已經(jīng)快要突破百萬了。

然而，很多人其實并不知道，這個賬號的背后，并非一位腦洞清奇和高產(chǎn)的畫手，而是一個在最近已經(jīng)火出天際的神經(jīng)網(wǎng)絡項目：DALL·E mini.

一個免費公開的項目，讓所有人都變成“靈魂畫手”

近兩年，超巨大參數(shù)量規(guī)模的語言模型，是進展最迅猛的一個創(chuàng)新方向。包括 OpenAI 的GPT-3、谷歌的 LaMDA 等，處理起各種各樣的語言類任務，效果非常強大。

這些科技公司還在專門研究一個具體的語言任務：根據(jù)文字描述生成圖片。在這個任務方向上，OpenAI 的 DALL·E、谷歌的Imagen，以及 MidJourney 模型，都是非常知名的項目。

但是這些知名項目都是不公開或半公開的。比如 DALL·E 2，OpenAI 只給數(shù)量極其有限（大約幾百人）的外部開發(fā)者和研究人員開放了使用權(quán)限。于是，家住美國休斯頓的開發(fā)者 Boris Dayma 決定，照著 DALL·E 2 的樣子自己做一個小規(guī)模的免費版本出來，讓大家玩?zhèn)€夠。

這個項目，就是后來的 DALL·E mini。

Boris Dayma圖片來源：本人

這個項目 本來是 Dayma 拿來參加 Hugging Face 挑戰(zhàn)賽的， 因為效果實在太棒，又是開源免費使用的，沒過半年它就成功 破圈， 進入了 主 流社 會的視野 。

至于為什么一個出于愛好性質(zhì)，由個人開發(fā)者做出來的圖片生成模型，能夠和 OpenAI 的 DALL·E 一代不相上下，在于這個小項目用了三個圖片-描述平行數(shù)據(jù)庫，分別為300萬、1200萬和1500萬張圖片，其中1500萬的這個數(shù)據(jù)庫正好是 OpenAI 的 YFCC100M 數(shù)據(jù)子集。

現(xiàn)在，大家正在瘋狂地使用 DALL·E mini 進行創(chuàng)作輸出。粉絲們甚至在 Reddit 上專門建立了一個subreddit社區(qū)，目前已經(jīng)有超過8萬名用戶，在一個尋常的周四晚上，都有超過一千人同時在線：

在這個 subreddit 里，各式各樣腦洞清奇的作品更是層出不窮：

有強迫模型生成 PPT 藝術(shù)字的：

有用它來偽造歷史照片的：

圖注：《星戰(zhàn)》角色佳佳賓克斯在紐倫堡受審

雖然名字有點像，功能也基本一樣，但 DALL·E mini 除了名字和訓練數(shù)據(jù)庫之外，跟 OpenAI 的 DALL·E 完全沒有任何關(guān)系。也是因為它最近實在太火，搞得 OpenAI 有意見了，Dayma 只好把自己的項目名稱改成了 Craiyon（https://www.craiyon.com/）

聽說此事之后，粉絲們還做了一張梗圖，嘲笑 OpenAI 那邊還在控制測試權(quán)限，這邊 DALL·E mini 早就給全網(wǎng)玩嗨了……

Dayma 在本周三透露，目前 DALL·E mini 后臺正在面臨巨大的算力和流量壓力，每天要處理大約500萬次生成指令。 他表示 “ 做 了這么一個怪怪的但是能用的東西出來，反而大家都挺喜歡的的 ”，自己還是挺開心。

更重要的是，把過去只有少數(shù)“AI 特權(quán)人士”才擁有工具，交到每一個普通網(wǎng)民的手上，才是正確的事情。

Dayma 在接受英國媒體“i”采訪時指出，那些能夠使用類似圖片生成模型的 AI 精英們，通常只會把讓他們自己感到滿意的生成結(jié)果發(fā)出來，這容易讓其它看熱鬧的人誤以為這些模型已經(jīng)非常厲害了，然而實際情況可能并非如此。所以他才會搗鼓出 DALL·E mini 這個小玩意，讓所有人都能用上，“這樣大家才能真正明白這些模型到底水平如何?！?/p>

無所不能的語言模型，終于染指了藝術(shù)創(chuàng)作

2020年，OpenAI 的研究者揭開了 GPT-3 模型的蓋頭，當時的論文題為“Language Models are Few-Shot Learners”，直接點出了超大語言模型在多種非訓練任務上具備強大的快速學習/掌握能力。

而在語言模型基礎(chǔ)之上，面向圖片生成這一專門任務方向而調(diào)試訓練出的結(jié)果，像 DALL·E、DALL·E mini、Imagen、Midjourney 等的圖片生成模型，更是展示出了令人驚訝的“藝術(shù)創(chuàng)作”能力。

2022年6月的一個星期一下午，傳媒巨頭赫斯特旗下時尚雜志《COSMO》位于紐約市的編輯開了一個視頻電話會。會議的目的是為該雜志的6月刊設計一個封面，但和往常不同的是，位于西海岸的 OpenAI 員工也參與到了會議里?！禖OSMO》的編輯們震驚于 OpenAI 在 AI 藝術(shù)創(chuàng)作上取得的驚人進展，決定邀請這家公司一同在傳媒行業(yè)做一件從未發(fā)生過的事情：

讓 DALL·E 2 來設計一本頂級時尚雜志的整版封面。

封面，對于傳媒人來說是頂禮膜拜的一種存在，時尚媒體更是如此。對于一本時尚雜志，封面濃縮了編輯部的社交關(guān)系能力和藝術(shù)審美水準，讓人一眼即可領(lǐng)略本期內(nèi)容的精華，和雜志本身的積淀。 而當《COSMO》讓 AI 來設計封面的決定 在業(yè)界傳開之后，難免有人詰問：是否傳媒創(chuàng)意行業(yè)也江郎才盡，將要和其它很多藍白粉領(lǐng)工作一樣，最終難免讓位給 AI？

如果僅從這次視頻會議的工作效率來看，肯定的答案似乎是顯而易見的：DALL·E 2 以平均每次輸入20秒的用時，就可以根據(jù)編輯輸入的字句，生成對應的圖片，而且一次可以出六版，相比人工畫師，效率簡直高出天際了。

只是，這些圖片都令人不甚滿意。

最終，六位參會者不斷地打磨和迭代輸入的文本，又經(jīng)過了一整夜之后，DALL·E 2 才終于生成了令所有人都滿意的封面結(jié)果。

輸入語句: "從下往上的廣角拍攝，一個有著健美女性身材的女性宇航員，在火星上和無限的宇宙背景中中大搖大擺地走向相機，采用合成波風格 (synthwave)，"圖片來源：COSMO 雜志

采用 DALL·E 2 “outpainting”功能，根據(jù)初始生成的圖片，不斷在邊緣處進行“補完”，最終生成一張連貫的圖片圖片來源：OpenAI/COSMO 雜志

在今天，DALL·E 2、DALL·E mini、MidJourney、Imagen 在生成視覺藝術(shù)上的確展現(xiàn)出極大的潛力。但如果你仔細想，它更大的意義，其實在于為那些“空有靈感”卻沒有視覺創(chuàng)作技藝的人，也即互聯(lián)網(wǎng)上的每個你和我，賦予了一件強大的工具。

DALL·E 項目產(chǎn)品經(jīng)理 Joanne Jang 表示，OpenAI 最終肯定還是希望能夠?qū)?DALL·E 2 商業(yè)化的，但希望在藝術(shù)生成的這個方向上，把它做成一個創(chuàng)作者的工具，而不是替代品。

沒有任何工具應該替代創(chuàng)作者本人的藝術(shù)理解和表達對創(chuàng)作產(chǎn)物所造成的影響。但是，當文字生成圖片技術(shù)進一步普及過后，難免出現(xiàn)大批入門級創(chuàng)作者淪為模型的“操作員”，過度依賴工具。

參與了《COSMO》封面項目的數(shù)字藝術(shù)家 KarenCheng 認為，AI的采用確實會對各行各業(yè)造成深遠影響，讓很多人失去工作，

“不過與此同時，創(chuàng)意將會迎來一次爆發(fā)，新的工種也將被創(chuàng)造出來，那種可能性是今天的我們所無法想象的?！?/strong>

未注明 來源圖片均來自于 推特賬號 @weirddalle 以及所引用的 用戶， 版權(quán)屬于原作者。

本文來自微信公眾號“硅星人”（ID：guixingren123），作者：光譜 杜晨，36氪經(jīng)授權(quán)發(fā)布。