“AI毕加索”号称什么也画得出 人们输入指示 结果是这样
由“企鹅”构成的“炸鸡”长什么样？用“长颈鹿”组成的“鸡”是什么鬼……长颈鸡吗？你或许觉得这种并不存在的事物过于荒诞，而且靠自身的想像力有点难以描述，但最近，有AI能把这些东西画出来了。
例如当你给出设定，用“大象”构成的“鸡”，一般人还在愁鸡头应该安排在哪，这款最新的AI已经画完了，而且一口气画了几十张。
点击放大浏览OpenAI图像生成器DALL·E的“作品”▼▼▼
情不自禁的想来一个“看懂，掌声”。没错，OpenAI又成热话了，今天要介绍的这位AI界的新晋毕加索正是他们最近训练出的图像生成器，DALL·E。关于会画画的AI，狂丸之前没少介绍过，但DALL·E有点特别，在一定的框架下，它能按照人类的文字描述，给出画面图像，无论这段描述有多不着调。如果让你画一幅“一个小白菜宝宝穿着芭蕾舞裙遛狗”，你可能会一脸懵，但DALL·E直接就整出来了；主角换成比卡超也没问题，而且每只狗子都不一样。所以，这看起来就是一个可以利用文本描述生成图像的AI。人类的指令就是像是完成填空题，有一些可选选项，模式类似：绘制一个“xxx”的“xxx”，比如选取了“绿色，六边形，钟表”，得到了绿色的表。于是，不同的关键词就组成了千奇百怪的东西，虽然看着有一丝丝恶搞味，但其实这款AI在制图方面有着比较全面的功能。
DALL·E都能“画”些什么？比较基础的就是“控制属性”。我们刚才介绍过，例如“立方体”的“老虎”，通过两个简单的关键词构成的一组词汇，然后生成画面，或是“环面”的“水”，还可以“绘制多个对象”，包括他们的空间关系，像是一个“小”的“红色”的方块，“立”在一个大的“绿色”方块上。此时AI不仅要将词组正确组合，而且要形成正确的关联，避免混淆。上方图辑中的“一只绿色的大象坐在一只红色老鼠身上”，足可以感受到AI的抽像画法。另外还可以根据“画面的视角”生成图片，如“美洲狮”“坐在山上”的“鸟瞰图”，当然也可以选择平视或者特写等多个视角选项；根据“画面风格”变动生成图片，“狐狸”“坐在森林里”的“3D渲染图”；类似的关键词，还可以换成前几年比较火的低多边形风格，也可以改成像素风格；还可以生成“横截面图”，将西瓜切的稀碎。
其他的功能还有很多，例如“推理背景细节”，给出一个大概的方向让AI补充画面；像是“早晨，一只水豚坐在森林里的画”，AI会根据关键词，推断光线一类的需求，然后生成不同风格的“画”这个结果，看效果确实艺术极了。而我最喜欢的是“合并不相关的概念”。通常来说，我们组合一个词汇都是用于描述真实存在的事物，例如木质的桌子。不过好玩的是，DALL·E可以将不同概念的对象“强行”缝合，创造出新的东西，举个例子，设置由“蜗牛”组成的“汉堡”，于是就出现了汉堡蜗牛，感觉类似的生成方式，很适合做设计。更进一步还可以制作“脑洞插画”，“比卡超”“穿着西装”“擤鼻涕”；“动物与动物之间的嵌合体”，用“长颈鹿”组成的“鸡”；还有神话中的不太好想像的“猫龙”，在AI眼里，竟然是长成这样的（点击上方图辑浏览）？
DALL-E是什么？怎么做到的？
如果你对GPT-3有印象，就能更简单的理解DALL·E。对，GPT-3就是那个给一些词或者句子，就能够自己写文章的那个AI。这次的DALL·E也是类似的功能，只不过变成给文字生成图片了。其本质跟GPT-3一样，还是变压器语言模型。在GPT-3那里，变压器是从“文字到文字”，这个DALL·E则更进一步，变成了“文字到图片”。是不是很神奇？那么，这个AI又是如何做到的呢？根据DALL·E创造者OpenAI的介绍，实现这个DALL·E，有两个关键的核心。第一个，是接收数据流进行训练。 DALL·E会接收图像和文字所组合的数据流，在模型训练之前，需要对数据进行预处理，一次接受后，会用到1280个标记，其中256个用于标记文本，1024个用于标记图像。之后，便是对这些数据进行自回归建模，这时候，DALL·E使用了一种名为“自注意力层”以及其中的“注意遮罩”。
怎么理解这个概念呢？大家可以回想一下，平时你在聚精会神地观察某个东西的时候，是不是会忽略周围的东西，这时候，你的注意力都集中在那个事物上？是的，在AI上，也有类似的概念：注意力机制。简单来说，就是用算法，让AI可以在不同外界需要下去选择性地观察，找出最有用的点。不同的算法得出的不同结果，就类似于咱们对同一事物的不同聚焦点，正如诗云“横看成岭侧成峰”。而在“自注意力”上，其实与注意力，只差了一个字，它是后者的一种变体。二者的区别，就是“自注意力”减少了对外部信息的依赖，在原本就具有的“注意力”分析上，更侧重于分析数据流内部各标记的相关性。在这个DALL·E中，这样的不同注意力“遮罩”，一共有着64个。正是有了足够多关注和分析的角度，保证了训练中同一输入中的每个图像标记，都能或强或弱地与文字标记产生关联。其次，DALL·E还有另外一个核心：看看自己画得好不好。你让他画画，他其实会先画出512幅画，不过嘛，AI在给你输出结果前，还会自己斟酌斟酌。这个使用的便是CLIP网络，这是一个评价系统，它会对自己的作品进行评分，然后根据高低顺序排列，排名靠前的，才会输出给你。不过无论是哪一种，都挺萌，而且看起来似乎也挺好吃的。
【本文获“狂丸研究所”授权转载，微信公众号：kuangwanplay】