AI繪畫工具Midjourney創始人：AI繪畫技術是想象力的發動機

來源：澎湃新聞

作者：方曉

原標題：《AI繪畫工具Midjourney創始人：人工智能像水》

汽車比人的速度快，但並不意味着我們不再行走。遠距離移動大量物體時，我們需要發動機，無論是飛機、船隻還是汽車。我們認為AI繪畫技術是想象力的發動機。”

“人們完全誤解了人工智能是什麼。他們把它看作是一隻老虎。老虎很危險，可能會吃掉我，是一個對手。水也有危險，你會淹死在水中，但你也可以在裡面游泳，可以製造船隻，可以用水壩發電。水是危險的，但它也是文明的驅動力。”

AI繪畫會讓藝術家們集體失業嗎？

Midjourney是一款AI繪畫工具，只要輸入你想到的文字，就能通過人工智能產出相對應的圖片，耗時只有大約一分鐘。自今年5月推出beta版后，這款搭載在Discord社區上的工具迅速成為討論焦點。

今年4月，另外一款大熱的AI繪畫工具DALL-E升級到第二代，並在7月對100萬個用戶開放測試，儘管要收費，還是吸引了大量用戶湧入。

目前，AI生成的藝術品正悄悄開始重塑文化。過去幾年裡，機器學習系統從文本提示生成圖像的能力，在質量、準確性和表達能力方面都得到了顯著提高。這些畫作在互聯網上流傳，給人們帶來了一種新奇感。藝術家和設計師也正在把這些軟件集成到工作流程中，很快，由人工智能生成和增強的藝術將無處不在。

但是，這些工具從實驗室轉移到日常用戶手中，在創造新的視覺表達語言的同時，也很可能帶來新的問題，比如版權糾紛、輸出錯誤信息的潛在危險，都必須引起注意。

近日，科技媒體The Verge專訪了Midjourney的創始人David Holz。這家公司目前只有約10個員工，但雄心勃勃。Holz說：人工智能增強下創造力的湧現，仍然只是冰山一角。

以下為採訪內容，有刪減。

問：你有什麼背景？是怎麼進入這個領域的？什麼是Midjourney——一家公司，一個社區？如何描述它？

答：我2011年左右搬到舊金山，創辦了名為Leap Motion的科技公司，運營12年後離開，再創辦了Midjourney。

我們認為，（AI繪畫工具）不是關於藝術或深度偽造（deepfake）的問題，而是，我們如何擴大人類物種的想象力？當計算機比99%的人類更擅長視覺想象力時，這意味着什麼？這並不意味着我們將停止想象。汽車比人的速度快，但並不意味着我們不再行走。遠距離移動大量物體時，我們需要發動機，無論是飛機、船隻還是汽車。我們認為這項技術是想象力的發動機。因此，這是一件非常積極和人性化的事情。

問：許多實驗室和公司正在開發類似的技術，將文本轉化為圖像。谷歌有Imagen，OpenAI有DALL-E，還有一些較小的項目，如Craiyon。這種技術從何而來，你覺得它未來會走向何處？Midjourney的願景與這個領域的其他人有什麼不同？

答：（人工智能帶來圖像生成工具）取得了兩個突破。一個是理解語言，另一個是創建圖像的能力，結合后可以通過理解語言來創建圖像。這些工具將比人類更擅長製作圖像，而且速度會非常快，在未來一兩年內將能夠實時製作內容：每秒30幀，高分辨率。會很貴，但是是可能實現的。然後在10年後，將能買到帶有巨型人工智能處理器的Xbox，所有遊戲都像夢一樣。

我們去年9月開始測試原始技術，很快發現，大多數人不知道他們想要什麼。你說：“這裡有一台機器，你可以用它畫任何東西，你想要什麼？”他們說：“狗”。你說：“真的嗎？”然後他們說：“粉紅色的狗”。所以你給他們一張狗的圖片，他們就說“好吧”，然後去做別的事情。

然而，如果你把他們放在一個小組裡，他們會說“狗”，其他人會說“太空狗”，還有人會說“阿茲特克太空狗”，然後突然之間，人們明白了這些可能性，你正在創造一種被增強的想象力，一個可以用這種新能力學習和娛樂的環境。因此，我們發現人們真的喜歡一起想象，所以我們讓（Midjourney）更具社交性。我們有一個巨大的Discord社區，大約有100萬人在這些共享空間中共同想象。

問：你認為這種人類的集體與機器的集體是平行的嗎？可以作為這些人工智能系統的某種制衡？

答：不存在機器的集體。每次你要求人工智能作畫時，它都不記得或知道它做過的任何東西。它沒有意志，沒有目標，沒有意圖，沒有講故事的能力。所有的自我、意志和故事都是我們人類的。它就像一個發動機，發動機不會自己去哪，但人會去。

社區內有一百萬人在製作圖像，你必須支付額外費用才能退出社區——如果這麼做，說明你是某種類型的商業用戶。所以每個人都在互相撕裂，產生新的美學。幾乎就像審美加速主義。它們不是人工智能美學，而是新的、有趣的人類美學，我認為它們會溢出到真實世界。

一個由百萬人組成的社區，他們的想象力被人工智能增強了。（圖 The Verge / Midjourneynone）

問：這種開放性能確保安全嗎？因為有很多討論，說人工智能圖像生成器被用來生成潛在的有害內容，無論是令人討厭的圖像——血腥和暴力——還是錯誤信息。你如何阻止這種情況發生？

答：當你在某人製作的所有圖像上寫上他的名字時，他們在使用方面就更加有規範了。這很有幫助。

每當我們看到時都會禁止。如果必須的話，會禁言。

問：那真實的面孔呢，因為這是製造錯誤信息的另一個載體。模型是否生成逼真的面孔？

答：會產生名人面孔這類東西。但我們一般不會，我們有默認的風格和外觀，既具有藝術性又美觀。如果花100個小時嘗試，也許可以找到一些合適的單詞組合，讓它看起來非常逼真，但你必須非常努力，讓它看起來像一張照片。就我個人而言，我認為世界不需要更多的深度偽造，但它確實需要更多美麗的東西，所以我們專註於讓一切看起來美麗和具有藝術性。

蘇聯時代的宣傳海報警告流氓人工智能的危險。（圖 The Verge / Midjourneynone）

問：你從哪裡獲得模型中的訓練數據？

答：和其他人一樣，我們的訓練數據幾乎來自同一個地方——差不多就是互聯網。幾乎每個大型人工智能模型都會提取它所能獲得的所有數據和所有文本，以及能夠提取的所有圖像。

所以，我們最近的更新做了很大改進，你可能認為我們是通過（在訓練數據中）放入大量繪畫來做到的，但並沒有。我們只是使用了用戶作品的數據。

問：訓練花了多少錢？

答：我不能談論具體成本，但我可以說個大概。訓練圖像模型每次大概在5萬美元左右。一次嘗試無法正確理解，所以必須嘗試3次、10次或者20次。很貴，比大多數大學所能支付得要多，但也不至於貴到10億美元或需要購買一台超級計算機。

我相信培訓和運營的成本都會下降。但運行成本實際上相當高。每張圖片都花錢。每個圖像都是在2萬美元的服務器上生成的，我們必須按分鐘租用這些服務器。

問：說到訓練數據，一個有爭議的方面是所有權問題。美國現行法律規定，不能對人工智能生成的藝術作品擁有版權，但我們不太清楚是否可以對訓練數據中使用的圖像擁有版權。藝術家和設計師努力創造一種特定的風格，但如果他們的作品現在可以被人工智能機器人複製，會發生什麼？

答：我們的社區中確實有很多藝術家，他們對這個工具普遍持積極態度，認為這將使他們更有效率，並改善他們的生活。我們經常和他們交談，問：“你還好嗎？你對此感覺好嗎？”

許多使用該平台的知名藝術家都在說同樣的話，真的很有意思。他們說：“我覺得Midjourney是一個藝術學生，它有自己的風格，當你用我的名字來創作圖像時，就像要求藝術學生創作一些受我藝術啟發的東西。一般來說，作為一名藝術家，我希望人們從我創作的東西中獲得靈感。”

問：您在對話中多次提到Midjourney的默認藝術風格，每個人工智能圖像生成器都有自己的偏好和表達方式。你如何描述Midjourney的獨特風格，你是如何有意識地發展它的？

答：我們嘗試了很多東西，每次嘗試新事物時，都會渲染出一千張圖像。我們絕對不希望它看起來像照片。完美的照片讓我有點不舒服，儘管我知道你有理由想要更逼真的東西。

我認為這種風格會有點異想天開、抽象和奇特，它傾向於以你可能不會要求的方式進行融合，以一種令人驚訝和富有美感的方式。它喜歡使用很多藍色和橙色，有一些最喜歡的顏色和最喜歡的面孔。如果你給它一個非常模糊的指示，它會用它喜歡的方式來創作。所以，我們不知道為什麼會發生這種情況，但它喜歡畫一張特別的女人臉——我們不知道它來自哪裡，來自我們的12個訓練數據集之一——但人們只是稱它為Miss Journey。還有一個傢伙的臉，有點方正，帶着壓迫感，也出現了一段時間，但他還沒有名字。

Journey小姐的油畫肖像。（圖 The Verge / Midjourneynone）

問：人工智能領域的一些人傾向於以宏大的術語來思考這項技術，他們將其與神比較，與有感知的人生相比。你覺得怎麼樣？

答：一段時間以來，我一直在試圖弄清楚什麼是Midjourney的人工智能圖像生成器？你可以說它就像一個想象力的發動機，但也有別的東西。這就像攝影的發明嗎？攝影被發明時，繪畫就變得奇怪了，因為任何人都可以拍一張臉的照片，那麼我為什麼要畫畫呢？

是這樣的嗎？不，不是那樣的。感覺就像發動機的發明：就像你每分鐘都在創作一堆圖像，你沿着想象的道路飛來飛去，感覺很好。但是，如果你再向未來邁出一步，你不是一次創作4張圖像，而是1000或10000張，那就不同了。有一天，我做到了：我在幾分鐘內製作了4萬張圖像，突然之間，我面前有如此巨大的廣度——所有這些不同的生物和環境——我花了四個小時才看完一切，在這個過程中，我感覺自己好像要淹死了。我覺得我是個小孩子，看着游泳池的深處，就像知道自己不會游泳，對水的深度有這種感覺。突然間，（Midjourney）感覺不像發動機，而是像一股洪流。我花了幾周來消化，我想了想，然後我意識到，你知道嗎？這實際上是水。

現在，人們完全誤解了人工智能是什麼。他們把它看作是一隻老虎。老虎很危險，可能會吃掉我，是一個對手。水也有危險，你會淹死在水中，但流水的危險與老虎的危險大不相同。水是危險的，是的，但你也可以在裡面游泳，你可以製造船隻，可以用水壩發電。水是危險的，但它也是文明的驅動力，作為知道如何與水一起生活和共事的人，我們相處得更好。這是一個機會。它沒有意志，沒有惡意，是的，你可能淹死在裡面，但這並不意味着我們應該禁止水。當你發現一個新的水源時，這真的是一件好事。

問：Midjourney是新的水源嗎？

答：我覺得我們作為一個物種，共同發現了一種新的水源，Midjourney試圖弄清楚的是，好吧，我們如何讓人們使用它？我們如何教人們游泳？如何製造船隻？如何建造水壩？如何從害怕溺水的人變成將來在海水中衝浪的孩子？我們正在製造衝浪板，而不是製造水。