Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

当艺术家感受到人工智能生成艺术的压力时,这是黎明时分的画笔

Posted on 2022-08-02

如果您最近接触过互联网,您就会听说过 DALL-E 和 MidJourney。神经网络可以产生的艺术类型——以及对技术优势和劣势的更深入理解——意味着我们正面临一个全新的伤害世界。通常是无味的笑话(你如何引起服务员的注意?喊“嘿,艺术家!?”),计算机生成的艺术是人类与机器“他们抢走了我们的工作”叙事中的另一个妙语。

对我来说,有趣的部分是机器人和机器从事某些工作已被勉强接受,因为这些工作是重复的、无聊的、危险的或通常很糟糕。焊接汽车底盘的机器比人类做得更好、更快、更安全。然而,艺术是另一回事。

与所有技术一样,总有一天你会不再相信自己的眼睛或耳朵。机器将以惊人的速度学习和进化。

在最近的电影《猫王》中,巴兹·鲁尔曼在汤姆·帕克上校的口中引用了一句名言,称一场精彩的表演“让观众感到他们不确定自己应该享受什么”。对我来说,这是我一段时间以来听到的关于艺术的最伟大的名言之一。

商业艺术并不是什么新鲜事。无论您的脑海中是皮克斯电影、音乐还是宜家相框附带的版画,长期以来,艺术品一直在大规模兜售。但总的来说,它的共同点是它是由具有某种创造性愿景的人类创造的。

本文顶部的图片是使用 MidJourney 生成的,因为我给算法提供了一个有点可笑的提示:一个男人跳舞,好像百忧解是一片笑声。作为一个一生都在精神健康方面摇摆不定的人,包括有些严重的抑郁和焦虑,我很好奇机器会想出什么。而且,我的天哪;这些生成的图形都不是我自己在概念上想出的。但是,不会撒谎,他们对我做了什么。我觉得这些机器生成的艺术作品比我见过的几乎任何其他作品都更形象地表现出来。疯狂的是,我做到了。这些插图不是由我绘制或概念化的。我所做的只是在 Discord 中输入一个奇怪的提示,但如果不是因为我的愚蠢想法,这些图像就不会存在。它不仅在本文顶部提供了图片,而且还吐出了四个完全不同——而且非常完美——的插图,这些插图让我难以理解:

[图库 ids=”2363670,2363669,2363671,2363661″]

很难准确地说出这对世界各地的概念插画家意味着什么。当某人只需点击一个按钮,就可以生成任何艺术品,模仿任何风格,在几分钟内创造出你能想到的几乎任何东西——作为一名艺术家意味着什么?

在过去一周左右的时间里,我可能有点过火了,生成了成百上千张蝙蝠侠的图像。为什么是蝙蝠侠?我不知道,但我想要一个主题来帮助我比较 MidJourney 能够创造的各种风格。如果您真的想深入兔子洞,请查看 Twitter 上的AI Dark Knight Rises ,我在这里分享了一些我遇到的最好的生成作品。有成百上千的候选人,但这里有一个选择显示可用样式的广度:

生成上述所有内容(以及数百个)只有三个瓶颈:我愿意在 MidJourney 订阅上花费的金额、我可以为提示提出的创意深度以及我只能生成 10 个的事实并发设计。

现在,我有一个视觉头脑,但我的身体里没有艺术骨。但我不需要一个。我想出了一个提示——例如,蝙蝠侠和德怀特·施鲁特正在打架——算法会吐出四个版本的东西。从那里,我可以重新滚动(即从同一提示生成四个新图像)、渲染其中一个图像的高分辨率版本或基于其中一个版本进行迭代。

蝙蝠侠和德怀特施鲁特正在打架。因为……好吧,为什么不呢。图片来源: Haje Kamps(在新窗口中打开) / MidJourney (在新窗口中打开)

该算法唯一真正的缺点是它倾向于“你将得到你所得到的”的方法。当然,您可以通过提示获得更详细的信息,从而更好地控制最终图像——无论是在图像中发生的情况、样式和其他参数方面。如果你是像我这样的视觉总监,算法通常会令人沮丧,因为我的创意很难用文字来捕捉,更难为 AI 解释和渲染。但可怕的事情(对于艺术家)和令人兴奋的事情(对于非艺术家)是我们正处于这项技术的起步阶段,我们将更多地控制图像的生成方式。

例如,我尝试了以下提示:蝙蝠侠(左侧)和德怀特·施鲁特(右侧)在宾夕法尼亚州斯克兰顿的一个停车场打架。戏剧性的灯光。照片逼真。单色。高细节。如果我把这个提示给人类,我希望他们会告诉我不要像机器一样与他们交谈,但如果他们要创作一幅画,我怀疑人类能够解释这一点以一种概念上有意义的方式提示。我试了很多次,但没有多少插图让我觉得“是的,这就是我要找的。”

[图库 ids=”2363836,2363837,2363838,2363839,2363840″]

版权呢?

这里还有一个有趣的怪癖;很多款式都可以辨认,有些面孔也可以辨认。以这个为例,我提示 AI 将蝙蝠侠想象成休·劳瑞。我不知道你,但我印象深刻;它有蝙蝠侠的风格,劳里在画中很容易辨认。不过,我无法知道的是,AI 是否会批量抄袭另一位艺术家,而且我不想成为 MidJourney 或 TechCrunch 在法庭上试图解释这是如何发生可怕错误的。

休·劳瑞饰 Batman

Hugh Laurie 饰演 Batman图片来源: MidJourney ,由Haje Kamps在BY-NC-40 许可下提供提示。

这类问题在艺术界出现的频率比你想象的要多。一个例子是 Shepard Fairey 案,据称这位艺术家将他著名的巴拉克奥巴马“希望”海报基于美联社自由摄影师 Mannie Garcia 的一张照片。整个事情变得一团糟,尤其是当一群其他艺术家开始以相同的风格创作艺术时。现在,我们有一个多层抄袭三明治,其中 Fairey 既涉嫌抄袭别人,又被抄袭。而且,当然,可以生成 Fairey 风格的 AI 艺术,这使事情变得无限复杂。我忍不住试了一下: Shepard Fairey 风格的蝙蝠侠,底部有 HOPE 字样。

他希望

他希望。一个很好的例子,展示了人工智能如何接近,但没有雪茄,以及我对这张图片的特定愿景。然而,这种风格与 Fairey 的风格非常接近,可以识别图片来源: Haje Kamps(在新窗口中打开) / MidJourney (在新窗口中打开)

凯尔对这项技术的法律未来在哪里有更多的想法:

商业图像生成人工智能引发了各种棘手的法律问题

那么,艺术家们在哪里呢?

我认为这种发展最可怕的事情是,我们很快就从一个摄影、绘画和写作等创造性利用不受机器攻击的世界转变为一个不再像以前那样真实的世界。但是,与所有技术一样,很快就会有一段时间你不再相信自己的眼睛或耳朵。机器将以惊人的速度学习和进化。

当然,也不全是厄运和悲观。如果我是一名图形艺术家,我会开始使用最新一代的工具来获取灵感。有多少次我对某件事的表现感到惊讶,然后对自己说,“但我希望它稍微多一点[在此处插入创意]”——如果我有平面设计技能,我可以采取什么我拥有并将其变成更接近我的愿景的东西。

这在艺术界可能并不常见,但在产品设计中,这些技术已经存在了很长时间。对于 PCB,机器多年来一直在创建第一个版本的迹线设计——当然,通常需要工程师进行调整。产品设计也是如此;早在五年前,Autodesk 就展示了其衍生式设计能力:

Autodesk Generative Design 接受约束并制作自己的 3D 模型

随着神经网络变得越来越智能,以及越来越多的综合数据集可供使用,这对每一项工作(包括我自己的工作——我让一个 AI 编写了 TechCrunch 故事的大部分内容)来说都是一个勇敢的新世界。


让我结束这张极其令人不安的图像,其中人工智能放置在图像中的几个人是我和 TechCrunch 工作人员的其他成员可以识别的:

“一张带有五彩纸屑的 TechCrunch Disrupt 员工合影。”图片来源: MidJourney ,由Haje Kamps在BY-NC-40 许可下提供提示

这篇文章中使用的 MidJourney 图像均在Creative Commons 非商业署名许可下获得许可。经 MidJourney 团队明确许可后使用。

原文: https://techcrunch.com/2022/08/02/ai-art-generated/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brent Simmons
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Slava Akhmechet
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2026 搞英语 → 看世界 | Design: Newspaperly WordPress Theme