歡迎來到科普中國特別推出的寒假精品欄目“給孩子的高新科技課”！

人工智能作為當(dāng)今最前沿的科技之一，正在以令人驚嘆的速度改變著我們的生活。從智能語音助手到無人駕駛汽車，從 AI 繪畫到機(jī)器學(xué)習(xí)，它為我們打開了一個(gè)充滿無限可能的未來。本欄目將以通俗易懂的方式，用視頻和文字給孩子講述人工智能的原理、應(yīng)用及其對(duì)社會(huì)的深遠(yuǎn)影響。

快跟我們一起開啟這場(chǎng) AI 之旅吧！

以下為文字版本：

（閱讀大約需要 5 分鐘）

這是一位英國小女孩蘇珊，這是她的爸爸，亞當(dāng)。在這對(duì)父女的照上有一個(gè)相同點(diǎn)，仔細(xì)看一看他們的照片，你能找到這個(gè)共同點(diǎn)嗎？

AI 生成圖片

好吧，揭曉答案。共同點(diǎn)就是，這兩張照片都是 AI 生成的，沒有什么蘇珊和亞當(dāng)父女，他們的身份是瞎編的。

看到這樣的照片，你可能會(huì)覺得有點(diǎn)驚訝，畢竟在過去，游戲、動(dòng)畫電影里的人物做的再逼真，還是能一眼看出這是 AI 合成的人像。但現(xiàn)在這兩張圖片上的人，看著幾乎跟真人差不多。

除了生成人類照片，AI 還可以根據(jù)我們的需求畫出各種各樣風(fēng)格的照片。今天這一集，我們就來說一說 AI 是怎么樣畫出這樣的圖片的？

生成式對(duì)抗網(wǎng)絡(luò)

AI 生成圖像的背后，有一項(xiàng)非常重要的技術(shù)——GAN。

GAN 是 Generative Adversarial Networks 的首字母縮寫，意思是生成式對(duì)抗網(wǎng)絡(luò)。它是 2014 年，伊恩·古德菲洛和他的同事一起提出的。GAN 聽起來很高大上，但它的原理其實(shí)非常好理解。

假如我們要建立一個(gè) GAN，專門畫人臉照片。在這個(gè)網(wǎng)絡(luò)里面，有兩個(gè)重要的成員，生成器和鑒別器。

生成器的任務(wù)就是負(fù)責(zé)生成人像圖片，這些生成的圖片，會(huì)和真人的照片混在一起，讓鑒別器去做判斷。鑒別器要識(shí)別出，哪些是生成器生成的，哪些是真正的人類照片。

如果生成器生成的照片如果騙過了鑒別器，那么生成器就得分，反之就是鑒別器得分。

可以想象，最開始的時(shí)候，生成器生成的照片其實(shí)非常簡(jiǎn)單，放在真實(shí)照片里面一眼就能看出來。

但隨著成千上萬次的學(xué)習(xí)訓(xùn)練，生成器生成的圖片會(huì)越來越接近真實(shí)的人類照片。在這個(gè)過程中，鑒別器為了得分，也需要提升自己的鑒別能力。

而為了騙過越來越聰明的鑒別器，生成器又要繼續(xù)提升自己的能力，就這樣，經(jīng)過幾千萬次的訓(xùn)練，AI就能畫出極其逼真的人像了。

圖庫版權(quán)圖片，轉(zhuǎn)載使用可能引發(fā)版權(quán)糾紛

當(dāng)然了，除了畫人像，人們也可以讓 GAN 去畫不同風(fēng)格的圖像。

比如讓 GAN 生成畢加索風(fēng)格的畫，那它的鑒別器就不再需要判斷圖片是不是像真人了，而是需要判斷出哪些圖片是畢加索的真跡，哪些是 AI 生成的作品，在這樣的訓(xùn)練下，就可以畫出不同類型風(fēng)格的圖片了。Style GAN 模型做的就是這件事。

除了 GAN，還有一種圖像生成技術(shù)——Stable Diffusion。最近比較火的 MidJourney 就是通過這種模型生成的。簡(jiǎn)單地說，Stable Diffusion 能夠?qū)⒁欢央s亂無序的噪聲圖像一步步去噪聲，最終生成預(yù)期圖片的過程。

當(dāng)然了，我們今天熟悉的圖像生成軟件還有一個(gè)很重要的功能，根據(jù)自然語言描述的內(nèi)容生成圖像。

這個(gè)過程可不簡(jiǎn)單，但幸好有兩項(xiàng)技術(shù)，讓這件事成為了可能。

首先是圖像識(shí)別技術(shù)。在過去幾十年里，無論是自動(dòng)駕駛、還是搜索圖片中的物品，它們都依賴于 AI 對(duì)圖像上內(nèi)容的識(shí)別。在這個(gè)過程中，人類已經(jīng)對(duì)大量圖片上的內(nèi)容進(jìn)行了標(biāo)注，并且用它們訓(xùn)練 AI，讓 AI 能夠識(shí)別出各種各樣的東西。

另一項(xiàng)重要技術(shù)，就是自然語言識(shí)別了。在過去幾十年時(shí)間里，人們也一直在想辦法讓 AI 看得懂我們寫的字，了解我們?cè)谡f什么。這讓 AI 能夠更好地理解我們給定的文本的含義。

當(dāng)你說“樹上有只貓頭鷹”的時(shí)候，計(jì)算機(jī)能夠知道你說的是一種鳥，而不是樹上有一只“貓”一個(gè)“頭”，外加一只“鷹”。

在圖像識(shí)別和自然語言處理技術(shù)日趨成熟之后，一種叫做跨模態(tài)檢索的技術(shù)出現(xiàn)了。

模態(tài)說的是數(shù)據(jù)的存在形式，比如文本、圖像、視頻等形式?？缒B(tài)檢索能夠?qū)⒉煌B(tài)的數(shù)據(jù)進(jìn)行關(guān)聯(lián)對(duì)應(yīng)，比如將文本中的“杯子”和圖片中杯子的圖像建立關(guān)聯(lián)。

在跨模態(tài)檢索技術(shù)的幫助下，AI 就可以把我們輸入的文本信息轉(zhuǎn)化成圖像信息了。

在今天，基于 GAN、stable diffusion 的 AI 圖像生成技術(shù)已經(jīng)有了非常多的應(yīng)用。除了在圖像生成上，在生成音樂、視頻、文字生成上面都有極其廣泛的應(yīng)用。

甚至從 2022 年末開始，很多公司就放出風(fēng)聲，要用 AI 畫師代替人類畫師。而在各種各樣的社交媒體上，我們也可能看到 AI 生成的圖片和視頻了。

當(dāng)然了，對(duì)于 AI 生成圖片、視頻之類的事情，有一些人也表示了擔(dān)憂，畢竟，它們生成的照片視頻實(shí)在是太逼真了，有些不懷好意的人，可能會(huì)拿這些照片進(jìn)行詐騙，或者造謠生事。

很多 AI 公司也考慮到了這一點(diǎn)，開始對(duì)提供的 AI 服務(wù)做出了一些限制。而很多國家也紛紛開始考慮，要完善對(duì) AI 生成式內(nèi)容的法律法規(guī)。

相信隨著規(guī)則的健全以及技術(shù)的進(jìn)一步發(fā)展，AI 技術(shù)給我們帶來的利會(huì)遠(yuǎn)遠(yuǎn)超它們的弊，AI 終將會(huì)更好地為人類服務(wù)。

策劃制作

本文為科普中國-創(chuàng)作培育計(jì)劃作品

出品｜中國科協(xié)科普部

監(jiān)制｜中國科學(xué)技術(shù)出版社有限公司、北京中科星河文化傳媒有限公司

作者丨北京云御紀(jì)文化傳播有限公司

審核丨秦曾昌 北京航空航天大學(xué) 自動(dòng)化科學(xué)與電氣工程學(xué)院 副教授

策劃丨符思佳

責(zé)編丨符思佳

審校丨徐來 林林