拿AIGC给猫画了17版头像后,我摸透了它藏在代码里的小九九

上周六我窝在我姐家阳台的藤椅上,本来想赶完下周要交的选题提纲。

我姐家那只三花奶猫跳上来,一屁股踩在我的键盘上。

等我把它扒下来的时候,屏幕上已经弹出来半张猫脸。

耳朵尖是歪的,鼻子画成了粉嘟嘟的猪鼻子,但是眼神居然精准抓到了它每次偷喝我姐放在桌上的牛奶时,那种做贼心虚的劲儿。

我盯着那半张画笑了五分钟。

不是因为画得完美。

是因为这居然是我误触了快捷指令,让AIGC随机生成的。

之前我总觉得AIGC是那种离普通人很远的、科技圈吹得神乎其神的东西,那天我坐在太阳底下,看着那半张歪歪扭扭的猫脸,突然觉得之前听到的那些天花乱坠的宣传,好像突然就落了地。

你以为的“一键生成”,其实是它在翻几千万张旧图的抽屉

很多人对AIGC的第一印象是“它能凭空创造东西”,甚至有人说它是具有创造力的数字生命。说出来挺扫兴的,它真的不是。

它从来不会真的“看见”什么,只是对“什么东西和什么东西通常会挨在一起出现”这件事,记得比谁都牢。

你给它输入一句指令,它不是从空白的画布上从零开始画线条,也不是对着你描述的场景凭空想象。它是把过去训练阶段喂进去的几亿张图片、几千万段文字,全部拆成最小的、没有意义的碎块——是猫耳朵的弧度,是毛毯上掉的毛絮,是阳光落在木地板上的暖黄色块,是文字里常用的词语搭配。然后像一个玩了几百万次拼图的老玩家,按照你给的指令顺序,把这些碎块拼到对应的位置上。

Stable Diffusion训练时的图像patch特征聚类可视化
Stable Diffusion训练时的图像patch特征聚类可视化

我第一次搞明白这个原理的时候,坐在电脑前愣了快十分钟。合着我之前对着AI生成的画吹“神来之笔”,本质上是在夸一个拼图拼得特别快的玩家?

倒也不是说这没价值。你想想,一个能一秒钟拼完几百万块拼图的玩家,本来就已经够厉害了。只是很多人把它的能力吹得太玄乎,好像它真的有什么自己的想法似的。其实它什么想法都没有。它甚至不知道你说的“猫”是什么,只知道当你输入“猫”这个词的时候,对应的那些碎块,就是耳朵尖、胡须、圆眼睛、软爪子这些东西。

那些你以为是bug的地方,其实是它没说出口的真心话

我之前跟朋友吐槽,说现在很多AIGC生成的图都有离谱的bug——画手的时候能画出六根手指,写出来的字全是扭扭曲曲的乱码,画杯子的时候杯柄能长在杯底。一开始我也觉得这是技术不成熟,等过两年模型迭代完,这些问题就全解决了。

直到上次我让它生成一张“人坐在书桌前写毛笔字,桌上放着半杯凉掉的大麦茶”的图,生成的结果里,握笔的手指和笔杆融成了一团,饮料瓶标签上的字全是读不出来的笔画。我翻了下模型的训练来源才反应过来,这哪是bug啊。

AIGC生成的带畸形手指的书法场景实拍图
AIGC生成的带畸形手指的书法场景实拍图

它根本就没见过多少“手和毛笔紧紧贴在一起的清晰特写”——喂给它的训练图里,大部分拍人写字的照片,手都是离镜头远的,或者因为景深效果是虚的。它不知道手和笔接触的地方应该长什么样,所以就把能拼的碎块往上堆,堆出来个融在一起的怪东西。那些乱码字更简单:训练集里的饮料瓶标签,很多因为分辨率不够,字本来就是糊的,它不知道“大麦茶”这三个字的笔画是怎么排列的,只知道“饮料瓶标签上通常会有一块黑色的字区”,所以就给你拼一堆看起来像字、其实根本读不出来的笔画。

说个特别真实的感受,我当时看着那堆乱码字突然就笑了。就像你小时候没见过菠萝,只听大人说菠萝是长在地上的、皮是黄的、有硬刺,让你凭记忆画菠萝,你说不定能把刺画在菠萝的叶子上。它不是故意跟你对着干,是它的所有认知,全来自之前被喂进去的那些样本。样本里缺什么,它生成的内容里就会缺什么。

上次我那个做平面设计的朋友找我吐槽,说现在好多甲方找他做单,第一句话就是“你能不能用AI给我做,又快又便宜”,他当时差点把手里的冰美式泼对方脸上。他说他按那个甲方的要求,让AI生成了20版老巷口奶茶店的招贴海报,每一张都好看,色彩协调,构图规整,但是没有一张能直接用。因为所有海报上的元素,都是AI之前见过的:奶茶杯的形状,奶盖的颜色,太阳花的位置,全是之前别人用过的。没有一张能抓住那家小店的气质——就是老板会给常来的客人多放一勺芋圆,夏天的时候门口会摆个小凳子,让路过的邻居能坐下来歇脚的那种松弛感。

这种东西,AIGC拼不出来。

为什么?

因为它从来没在那个老巷子里蹲过一下午,没闻过夏天巷子里飘的梧桐叶味道,没见过老板给熟客递奶茶时,手上沾的那点芋圆粉。它只会拼见过的元素,拼不出来没被人喂过的、独一份的情绪。

别神化也别踩低,它本质上是个不会累的实习小弟

别神化也别踩低,它本质上是个不会累的实习小弟
别神化也别踩低,它本质上是个不会累的实习小弟

我现在用AIGC的状态,跟最开始接触的时候完全不一样了。最开始我总想着,能不能让它帮我把活全干了,我躺着就行。试了几次之后发现根本不行。

现在我把它当成那个刚进公司、手脚麻利但是没什么想法的实习小弟。

比如我写稿的时候卡壳了,想找几个不同角度的切入点,我就把核心问题丢给它,让它给我列10个方向,我从里面挑那个最有感觉的;比如我做设计的时候,想试几个不同的配色方案,我就让它给我出20版色卡,我挑最顺眼的那个,再自己往里面加细节。

它最值钱的地方,从来不是“替你创作”,是帮你把那些重复的、耗时间的基础杂活全揽下来,让你把省下来的精力,用在那些真正需要你自己的经验、自己的情绪、自己的记忆的部分。

上周我外婆翻出来一张1993年在南京中山陵拍的老照片,边角都磨花了,脸的地方有一块被虫蛀了。我之前找了好几个修图师,报价都要两三百,还得等三天。我就把照片丢给AIGC,给它的提示是“把这张老照片修复到刚拍出来的状态,不要改外婆本来的样子,她的眼角有一颗小痣,梳的是当时流行的齐耳短发,不要加多余的滤镜”。它花了40秒就修完了。

我当时盯着修好的照片愣了好久。

外婆凑过来看,指着照片上的自己说,对哦,那天我穿的就是这件藏青色的外套,你外公还给我买了一根绿豆冰棒,化了半根在我袖子上。

你说这张修复好的照片有温度吗?AIGC本身是没有温度的。它只是把训练集里所有那个年代的女性的外套、发型、神态,拼到了外婆的照片上,刚好没出错。但是它省下来的那几十块钱、那三天的等待时间,让我能拿着修好的照片,陪外婆坐一下午,听她讲当年爬中山陵爬得腿酸,坐在台阶上吃冰棒的故事。

这就够了。

哦对,之前我给我家那只三花画头像,前前后后折腾了17版,最后选的那版,它给猫的尾巴上多画了一撮黑毛——我家猫本来尾巴尖就是黑的,之前我根本没在提示里写这个细节,它不知道从哪次的记忆拼贴里,刚好把那撮黑毛拼上去了。我姐说这版比她之前花两百块找画师画的还像。

我们总在网上看到各种极端的说法,有人说AIGC要颠覆所有行业,要抢所有人的饭碗,要带来数不清的伦理问题;也有人说这东西就是个花架子,根本没什么实际用处。其实真的落到普通人的日常里,它就是个能帮你修老照片、帮你拼配色、帮你列提纲的工具而已。

就像当年刚出现的PS,刚出现的Word,刚出现的智能手机。

你不会因为有了计算器,就觉得自己学数学的能力被取代了。

对吧?

哦对,我上次让它写一句“夏天的风穿过老梧桐,吹得人后颈发痒”,它写出来的句子永远是那种规规矩矩的、没有任何情绪的句子。因为它从来没吹过那样的风。

这就够了。我们不需要它变成人。

它就安安稳稳当个好用的工具就行。

别给它加那么多戏。

作者|科技

排版|科技

审核|白杨

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:拿AIGC给猫画了17版头像后,我摸透了它藏在代码里的小九九
文章链接:https://www.lfdjt.com/p/keji/a/13363.html