最近的AI產圖很夯,想分享一下自己的看法
首先先介紹一下,這邊就不帶入什麼困難的專業,簡單說。
目前的人工智慧,被稱為弱人工智慧,就是一個較複雜且具有一定模糊性的資料庫搜尋後再利用功能,那所謂的學習就是給予大量的樣本,讓他去抓裡面的特徵,然後進行判斷後修正特徵抓取以及輸出的過程,所以判斷的依據會影響AI的輸出結果,資料庫內的參考資料類型也會影響輸出的結果,我們再給AI學的時候會事先進行資料清理,會把該分出來的東西分出來。
舉個例子,我要讓AI判斷這張圖是不是貓,我得先準備很多貓的照片讓他學,未來才能判斷其他照片,那你今天希望他生出一張貓的圖片,他也就從他學到的貓去生成,假設你今天又希望他生出貓娘,那你也得先餵給他很多人形的圖片,然後讓他去融合兩邊抓到的特徵,結合成新的特徵類型,當然這之中一定有一堆獵奇怪物跑出來,所以你得寫判斷,至少也是對與否的答案,目前來講,都還是處於有鼻子嘴吧眼睛以及他們相對位置這樣的大特徵的狀態下的作法,沒甚麼問題
那接下來我們今天放到設計的層面,設計師常有靈感來源,但這些靈感來源可能與他想做的作品差很遠,比如一個服裝設計師,看到大好河山,突然靈感爆發,做出了一件具有這位設計師認為的大好河山特徵服裝,那如果要把這段實現在AI上,我們就需要告訴AI,風景圖上什麼什麼是什麼,然後他可以變成衣服上的什麼什麼,當然你也可以一直用對與否去判斷,但那個到穩定的學習次數大概會是天文數字。
這就是人與目前的弱AI最大的差異性,電腦始終是電腦,沒有感情,目前連模仿感情都沾不上邊,自主的聯想與發想,以及破壞原先規則後的合理再創新是目前AI很難達到的功能,其實AI的模糊性還是存在著一定的量化,電腦是沒辦法跑真正的模糊的,畢竟後面跑的都是數字,那想要越精細,就得有更強的運算能力以及更完善的資料庫、更好更強的模型等。
另外這方面可以深入探討,人為什麼會思考的哲學問題,基本上若能把人怎麼思考的過程給列舉成SOP,硬體夠強大的狀態下,AI就能達到跟人一樣的功能,但哲學問題會是問題就代表他還沒辦法被理性論正,這邊也就不探討
另外一般AI很難做到的還有局部的修改,對於AI要模糊化的去做局部修改,比如我希望腰細一點,腿粗一點之類的,需要定義的資料跟訓練的次數可能還更多,對於AI來講他也還是重新產生了整張圖,為了修改局部,要更動的大小該如何被判定正確還是不正確,以及能夠協助學習的方向該怎麼定義都是很難的,甚至好不容易訓練好的模型,應用在其他圖上還高機率失敗。
目前AI的發展還是在一個可見的框框裡打轉,所以我想,至少10年內應該不會出現這麼強大的AI。
而且到頭來,電腦不會累,而且我們多半給一個軟體只做一件事情,若人也不會累且只學一件事情,我想能得出結果的速度一定比電腦快上很多
但是如同當年的自動化、半自動化設備,產生出低廉快速,又尚可接受的東西大量出現在市場,對市場一定是個很大的衝擊,而且還是藝術作品這種價值沒辦法被量化的類型,將來會不會給人一種,繪圖很廉價的氛圍,是值得擔心的
但可預見的是,將來在低細緻度狀況,用一次就不用的廣告插圖、甚至免洗手遊的腳色繪製等類似情形,會大量出現這種圖庫學習跑出來的圖片運用(而且這個的版權仍處一種模糊的界線),就如同你去超商跟去宴會一樣,去超商隨便穿穿,穿一般T-shirt就去,去高級宴會盛裝打扮,手工西裝、名牌套裝,低要求市場會被學習產圖的功能佔去
但也不用擔心,AI想完全取代一般工作,我估計這輩子應該看不到,甚至到我們下一代或許也還看不到,AI只能針對性的進行訓練,沒有人類的高靈活度,承接前面的,電腦沒辦法主動做聯想發想,面對狀況不同都得重新訓練,目前時間成本跟訓練的實質成本都相當高,甚至部分事情用一般的演算法或窮舉就能搞定,也不需要用AI這麼麻煩的東西,用AI可能還沒有比較好,那小東西用不著AI,大東西要AI又需求高,想要普及還有很長一條路要走。