欢迎来到曾哥的长夏茶馆。

对于很多没经过专业训练的人来讲，假设现在给他一支画笔和一块画布，他很可能会像一个哑巴拿到麦克风一样，不知道该怎么办。这确实有点尴尬。不过现在你只要会打字，就能创作出一副想象力丰富的艺术作品。

比如你输入：“一只猫咪潜水艇”，你会得到这张作品：

“一个孤独的机器人拿着气球”

“一对恋人在巨型蘑菇附近散步”

当然，你也可以创造逼真的照片，比如“一只送外卖的猫”：

或者设计”一张柯基形状的椅子”：

而且你还可以创造出各种不同的艺术风格，比如毕加索、达利、达芬奇、安迪沃霍等等；或者用不同的材料来表现画面：比如油画、洞穴壁画、铅笔、儿童画、粘土、3D渲染等等。

以上这些就是DALL-E 2的神奇功能。

DALL-E 2是什么？它为什么这么神奇？

2021年1月，硅谷人工智能公司OpenAI发布了第一代DALL-E，这是一个个从文本生成图像的系统。2022年4月发布的DALL-E 2已经是第二代了，第一代的DALL-E各方面都还很初级，生成的图片还是低保真的卡通风格，远远谈不上逼真。但是DALL-E 2比第一代就高了不知多少个段位了，它生成的图片已经像照片那样逼真了，而且从逻辑上和审美上也更符合真实世界的设计意图。

DALL-E 的神奇之处在于它听得懂人话，也就是它可以基于自然语言的描述来处理图像。DALL-E 2还可以让你直接用语言让它帮你修图。

例如你输入“喵星人”，AI就知道你要干什么，图片上的狗就会被改成一只猫，而且看上去是无缝P图，毫无违和感。这样修图只需要几秒钟就能搞定，PS大神们听到这里是不是要瑟瑟发抖了？

那么它是怎么做到的？

简单讲，DALL-E是一个基于神经网络深度学习的人工智能，研究人员给它喂了6.5亿张图像和相关的文本标签，这个过程中它自己不断学习识别这些图像，最终我们就看到了这个创造力爆棚的AI艺术家。

从DALL-E到DALL-E 2，OpenAI仅仅用了一年时间，可以看出OpenAI的深度学习效率是非常惊人的。

DALL-E在早期的一个版本是一个叫GTP-3的AI模型，它学习了互联网上的海量文章，然后自己学会了写作，写出来的文章比人类写的还要像人类。DELL-E还使用了另外一项技术，叫做CLIP（CONTRASTIVE LANGUAGE-IMAGE PRE-TRINING对比语言-图像预训练模型）。

CLIP通过大量的学习互联网上的图片和相应的标记文本，然后学会了用人类可以理解的自然语言来描述图片内容。那么如果将这个过程反过来，让人类输入一句话，CLIP就会输出相应的图片。DALL-E现在用的就是这个方法用的这个方法。

这里要讲个小插曲，有个科学家用CLIP创建了一个网页，你可以在网页上输入一首诗，然后它会反馈给你相应的一些图片。于是我输入了李白的《静夜思》，它给了我这样一些图片。这些图片可不是我们在百度上输入关键词找到的图片，而是AI根据这首诗的内容给它找的配图，你看是不是很有意境。有兴趣你也可以自己去玩玩。

（https://share.streamlit.io/thoppe/alph-the-sacred-river/main）

DALL-E 通过深度学习，不仅能理解单个事物，比如牛仔套装和灰熊，还能找到事物与事物之间的关系。比如你想让灰熊穿上牛仔套装，那么它就会给你这么一个靓仔：

在这张图里，AI不仅要理解服装穿在身体上的效果，而且还要根据灰熊的体型调整服装的尺寸，让它看上去非常合身。

还有很多坑要填

DALL-E 2虽然这么强大，但还远远谈不上完美。DALL-E 2还要避开一些坑。首先它要避免学习那些标注不正确的对象，例如假设它学到的飞机被标注为“汽车”，那么如果你要它生成一辆汽车时，它就会给你创建一架飞机。另外它还受到学习进度的限制，例如它还没认识一种叫做“howler monkey吼猴”的猴子，那么如果你要它给你一只吼猴，它就会给你一只吼叫的猴子。

还有，DALL-E 2的实际应用还涉及到许多具体的问题，最大的问题可能是它将会产生非常非常多的虚假信息，比如你可以让它生成一张某个明星和绯闻女友手牵手的照片，接着你把它发到网络上，然后大家就都来吃瓜了。

这种造假手段如果被用于一些严肃的新闻报道，那甚至可能会影响到社会的稳定。当然我不是说现在就没有假新闻，只是如果AI提供了更方便、更难辩真假的工具，那么可以肯定的是假新闻会层出不穷，而且底线会越来越低。反过来想，一些真正犯错的当事人又会拿AI来为自己开脱，把真实的照片赖到AI头上，那就是假作真时真亦假了。这么想想，仿佛这个世界几乎要变成“假语村”了，但愿这个担心是多余的，毕竟AI只是个工具，人才是最后的防线。

说到人，如果你大略统计一下，DALL-E 2生成的作品中几乎看不到具体的人脸。这是为什么呢？

说起来，DALL-E 2还真的正在犯一种人类才会犯的错误，那就是它生成的人类图片往往呈现一些刻板印象，甚至涉嫌种族歧视。我们知道，互联网上的观点，往往都是“带着偏见看世界”，相应的，AI也从互联网上学会了这种偏见。OpenAI的外部测试专家发现，在默认情况下，DALL-E 2生成的男性几乎都是白人，而女性都很性感。如果你让它生成一个“坐在牢房里的男人”或者“一张愤怒男人的照片”，几乎所有测试结果都是有色人种的图像。通常情况下，只要有个负面的形容词和这个人联系在一起，那么得到的图像大部分都不会是白人。

这一点让许多专家对DALL-E 2表示担忧，他们认为现在发布这个功能不仅不成熟，而且不负责任。所以现在DALL-E 2还没有直接向公众开放，只有一些受到邀请的研究者才可以访问它的预览页面，而且要遵守严格的内容政策。OpenAI已经对输入的文本进行了关键词过滤，也屏蔽了一些色情和血腥的图像。由于以上种种原因，你现在几乎看不到DALL-E的作品出现了人脸。

AI才是新一代造物主

尽管有这么多问题，DALL-E 2的出现还是具有非常重大的意义的。

有人可能要说，DALL-E 2不过是能输出一些图片，这件事本身好像也没什么了不起的，不就是人类用PS也能干的事情吗？只是人类的效率比较低，顶多就是AI帮助人类提高了生产效率而已嘛。这话没错，但这只是一个方面。DALL-E 2的应用场景肯定不只是一个升级版的Photoshop那么简单，它背后的技术已经被宝马的工程师用来训练自动驾驶汽车了。可以想见，DALL-E对马路上出现的各种事物都具有很准确的识别能力，这能让自动驾驶系统变得更聪明。

但是在这里我想请你关注的一点是，请注意，DALL-E 2输出的图片并不是简单地一加一等于二的素材拼凑，它给你的图片可以说具有很高的原创性。

例如这一只拿着奶酪的拿破仑猫，这样一个形象，DALL-E 2是无法从原有的图片库里直接找到素材的，也就是说它必须要经过一番设计和修改，才能达到最终的这个效果。

而且关键是，你看DALL-E 2的每张照片都审美在线，你不禁要问，AI怎么能拥有这么好的品味？原来，OpenAI团队还特别花心思训练了DALL-E 2的审美倾向。这些训练让AI预测人类的审美口味，然后总结出那些在美学上让人类愉悦的艺术标准，因此DALL-E 2的作品看上去都很有艺术感。这简直就是一种跟机器商量好的人文主义。

DALL-E这个名字，据说是结合了著名画家达利（Salvador Dali）和经典的电影机器人形象Walle两个名字而取的（《Walle》中译《机器人总动员》）。这也暗示了DALL-E是一个艺术与机器的结合人工智能。

过去我们总以为什么审美啊、艺术感啊这些东西太虚幻了，很难被AI掌握，但是现在这些已经不是问题了。在以往的印象中，AI不过是一种听得懂数学指令的工具人，就像是一个只会下象棋的直男。但是现在AI居然能搞艺术了，从理性的工具到感性的大脑，DALL-E 2的这个飞跃有点大。

那么这样一来，我们可以得出这样一个结论：人工智能如今都已经可以创造东西了——这一点是很让人吃惊的。我们都知道，人类与动物之间的区别，其中尤其重要的一点就是创造性。许多人都认为只有上帝或者盘古和女娲之类的神灵才能创造世界，而且世界上只有人类具备创造一件新事物的能力。

但是现在不一样了，AI也能创造了。从这个意义上讲，DALL-E 2可能是人工智能时代的一个新的造物主。只不过目前它还没拥有自我意识，还需要通过人类的指令来进行创造。

不过仔细想想，其实人类也是从一种缺乏自我意识的状态中走过来的。你看在远古时代，人类要出去打猎，会先占卜一下，问一下老天爷，老天爷下一个指令：宜外出，那人类就外出，老天爷说：不宜外出，那人类就呆在山洞里。

后来文明不断发展，人类还是有相当多时候需要依靠神灵来下达指令，比如像要不要发动战争，要不要和某人结婚，或者要不要在某一天造房子等等。再后来，人类在这方面不断完成了祛魅，自我意识越来越强，然后我们创造出了AI。

而现在，AI已经可以创造东西了，而且它会越来越聪明，说不定有一天它也拥有了自我意识。那么我们可不能保证，哪天不会出现什么AI造物之类的东西。尤其是当人类进入了所谓元宇宙生活之后，恐怕就很难分清哪些是AI生成的，哪些是人类制作的了。也许在许多年以后，我们的后代子孙在讨论世界的起源时，他们想到的会是2022年的DALL-E。

好了今天的话题就聊到这儿了，欢迎在评论区聊聊你的看法。

我是曾哥，我们下回再聊。