它不是”会画画的机器人”，是个背了几亿本书的复读机
好多人刚接触AIGC的时候，总觉得它是个藏在服务器里的天才画师，你说什么它就能画什么。 错。 你现在用的所有主流AIGC工具，本质上都没”学过”任何一张图、任何一段文字的”意思”。 它只是在数概率。 数什么？数训练集里，哪两个词挨在一起出现的次数最多，哪张图里的像素块，和哪段文字的匹配度最高。 举个最通俗的例子。 你输入”冰杨梅奶盖”，它根本不知道奶盖是咸的还是甜的，不知道杨梅泡久了会掉色，它只是记得，之前看过的几千万张图里，只要出现”奶盖”两个字，上面的像素块大概率是奶白色的，带点细碎的茶沫；只要出现”冰杨梅”，下面的液体大概率是紫红色的，浮着点果粒。 那为什么会画出穿汉服的猫？ 因为它训练的图库里，老巷、凌霄花、奶茶店这类关键词的关联图里，有接近17%的比例带了宠物元素。 它没判断这东西合不合理。 只是觉得，放只猫，好像也没什么不对。
别信”AI要取代设计师”的鬼话，它连自己的错都认不出来
上次刷到个短视频，博主举着个AI生成的logo说，”以后设计岗要消失一半”。 我当时正啃外卖的卤味，差点把骨头卡喉咙里。 你去问问真的用AIGC赶过项目的人，谁没为它擦过屁股？ 就说阿凯那次，前前后后改了37版。 AI能10秒出一张构图，但它永远算不准”这家店的老客就认我们那个圆滚滚的杯子”——这个杯子是阿凯自己开模打的，全网没有第二张同款图，训练集里根本没有记录，AI根本不知道长什么样。 你跟它说”杯子要圆一点，杯口要比杯底宽两厘米”，它给你画的杯子，一会儿杯口宽十厘米，一会儿杯底漏个洞。 最后还是我把阿凯拍的杯子实拍图喂进去，又逐像素调了三次提示词，才把杯子的形状卡对。 更离谱的是文字。 好多人用AIGC写文案，写出来的东西读着特别顺，但是一核对细节就露馅。 上次有个做农产品的朋友，让AI写自家水蜜桃的介绍，AI写”产自海拔1800米的高山果园，昼夜温差15度，甜度能到22度”。 听着特别专业对吧？ 结果他那个果园在浙江奉化，海拔才300多米，甜度最高也就14度。 AI根本没去过他的果园。 它只是把所有能搜到的”水蜜桃产地介绍”里的好词，按概率拼到了一起。 它不会为自己说的话负责。 你要是直接把这段文案印到包装上，到时候消费者吃着水蜜桃骂甜度不够，没人会帮你兜底。 说真的。 现在所有喊着”AIGC能一键搞定所有工作”的人，要么是卖课的，要么是从来没真的用它干过活。 它是个效率放大器。 你自己对事情有明确判断的人，用它能把原来3天的活，压到3小时干完。 你自己都不知道要什么的人，用它只会多出3小时的返工时间。那些藏在工具界面后面的”小心思”，没人会主动告诉你
我用AIGC快两年了，踩过的坑能绕我家小区三圈。 说几个没人会在教程里写的冷常识。 别信那些”零提示词就能出大片”的宣传。 你看到的那些效果炸裂的案例，背后都是作者反复调了几十上百次提示词，甚至垫了好几张参考图的结果。 我见过最夸张的一个，为了生成一张符合品牌调性的海报，前后写了400多字的提示词，从光线角度、纸张纹理到字体的字重，全给写得明明白白。 哪有什么一键生成。 都是把原来给设计师说的话，原封不动说给AI听而已。 还有个最容易踩的坑——别把所有素材都扔到公共AIGC平台上。 你传上去的设计稿、客户资料、未公开的产品图，平台是有权拿去做训练数据的。 我有个做服装设计的朋友，之前把自己的新款设计稿传到某公共平台生成效果图，半个月后，某1688的厂家已经把同款衣服挂到链接上卖了。 你说气不气？ 现在她只用本地部署的开源模型，哪怕出图慢一点，至少不会把自己的核心创意喂给别人。 再者就是，别跟AI较劲。 好多人刚用的时候，总觉得”我都把话说这么明白了，你怎么还画不对”，跟AI生一下午的气。 没必要。 它就是个概率机器。 你说三遍它画不对，换个思路，找个参考图垫上，比你跟它掰扯半小时管用多了。 哦对，还有个最容易被忽略的点。 现在好多人用AIGC生成的内容，根本不标注来源。 之前有个高校的学生，用AI写的论文交上去，被查出来整段抄了某篇2019年的硕士论文，因为AI训练的时候把那篇论文的内容原封不动拼进去了。 你用它写的每一个字，本质上都是之前几亿人留下的内容的拼接。 别拿它当你自己的原创。 该署名的地方署名，该核实的地方核实，比什么都强。 昨天阿凯的活动海报终于贴到店门口了。 路过的小姑娘举着手机拍海报，说”这凌霄花画得跟我们去年拍的一模一样”。 阿凯站在柜台后面笑，给我递了一杯冰杨梅奶盖。 我喝了一口。 冰碴子硌得牙酸。 你看。 AI能算出海报上的凌霄花要开几朵，能算出来奶盖要多厚才好看。 但它算不出来，这杯冰饮在35度的夏天，递到手里的时候，那股凉丝丝的爽感。 这才是人和机器的区别对吧。作者|科技
排版|科技
审核|小北