當(dāng)Google的AI正在涂鴉時(shí)，微軟的繪畫AI 已經(jīng)學(xué)會(huì)如何畫鳥了。近日，微軟對(duì)外宣稱正計(jì)劃推出一項(xiàng)新的人工智能技術(shù)——繪圖機(jī)器人（drawing bot）。使用者僅需說出想要繪制物體的名稱，機(jī)器人便可以進(jìn)行相關(guān)素材的匹配，也就是說，未來可以通過口述的方式進(jìn)行繪畫，說啥畫啥。

人工智能系統(tǒng)單純透過文字描述就能夠創(chuàng)作圖像，該技術(shù)在文字描述中尋找關(guān)鍵字詞，然后再用來創(chuàng)作高畫質(zhì)的圖像，據(jù)悉這個(gè)關(guān)注重點(diǎn)的技巧讓圖像的畫質(zhì)較之前提升3倍。

隨著人工智能時(shí)代的到來，藝術(shù)與科技的碰撞，越來越頻繁地現(xiàn)身熱門話題榜。AI“看文作畫”的技術(shù)展現(xiàn)了具有藝術(shù)表現(xiàn)力的潛能，對(duì)藝術(shù)創(chuàng)作的影響已經(jīng)可以預(yù)見。但微軟的繪畫AI，在撬動(dòng)智能體想象力方面，意義絕對(duì)不只是“藝術(shù)助手”所能概括的。

所以，AI口述繪畫這件事，不可小瞧！

1.什么是AI口述繪畫

AI口述繪畫，看起來好像是機(jī)器接受人類指令給出圖畫，但遠(yuǎn)遠(yuǎn)不止這么簡單。智能相對(duì)論（微信id：aixdlun）了解到，正如負(fù)責(zé)研發(fā)的Microsoft深度學(xué)習(xí)技術(shù)首席研究員何曉東說的，圖像是人工智能由零開始，逐像素逐像素創(chuàng)作。他以一幅人工智能創(chuàng)作的黃色雀鳥圖像做解說，表示人工智能分析文字后，再透過一項(xiàng)名為生成對(duì)抗性網(wǎng)絡(luò)（GAN，Generative Adversarial Network）的技術(shù)將文字轉(zhuǎn)化成圖像，人工智能創(chuàng)作的黃色雀鳥并不一定在現(xiàn)實(shí)世界存在，只是電腦的一種想像。

GAN通過從高維的分布中采樣，生成模型輸出與訓(xùn)練樣本類似的新樣本。這就意味著，若生成模型的訓(xùn)練數(shù)據(jù)是鳥的圖像集，那么訓(xùn)練后得到的模型也能輸出類似于鳥的合成圖片。

研究員稱人工智能系統(tǒng)能夠創(chuàng)作出任何類型的形象，例如飄浮的雙層巴士、放牧中的牲畜等，而且在文字中欠缺的一些細(xì)節(jié)，系統(tǒng)會(huì)在影像中自行補(bǔ)完。

GAN結(jié)構(gòu)用到了兩個(gè)神經(jīng)網(wǎng)絡(luò)：一個(gè)是生成器，它試圖基于輸入的數(shù)據(jù)生成更像真實(shí)數(shù)據(jù)的結(jié)果；另一個(gè)是判別器，它的目的在于正確分辨哪些是真實(shí)的數(shù)據(jù)。簡單地來理解就是，生成器總是在試圖“騙過”判別器。

生成器必須反復(fù)用隨機(jī)輸入的噪音數(shù)據(jù)合成有意義的內(nèi)容，直到判別器無法區(qū)分合成內(nèi)容的真?zhèn)巍＿@套框架正在被擴(kuò)展應(yīng)用到許多數(shù)據(jù)模式和任務(wù)中。如仿真時(shí)間序列的特征；超分辨率圖像；從二維圖像復(fù)原三維結(jié)構(gòu)；小規(guī)模標(biāo)注數(shù)據(jù)集的泛化;預(yù)測視頻的下一幀；生成自然語言的對(duì)話內(nèi)容；藝術(shù)風(fēng)格遷移；語音和音樂的合成。

值得一提的是，微軟研究人員在此基礎(chǔ)上創(chuàng)建了他們稱之為注意力生成式對(duì)抗網(wǎng)絡(luò)或AttnGAN的技術(shù)，這個(gè)AttnGAN生成的圖像的質(zhì)量比之前最好的GAN生成的圖像質(zhì)量提高了近三倍。而這種仿人類注意力的生成式對(duì)抗網(wǎng)絡(luò)對(duì)AI界的影響十分重大，這標(biāo)志著在類人類智能的發(fā)展實(shí)現(xiàn)了質(zhì)的突破。

2.AI據(jù)文繪畫，或許漫畫領(lǐng)域最受沖擊

“看文作畫”的AI在現(xiàn)實(shí)生活中又會(huì)發(fā)揮什么樣的用處呢？

讓我們來想象一下，未來，可能會(huì)發(fā)生這樣的對(duì)話——

“Drawing bot，請你為我畫一個(gè)花園?！?/p>

接著，一座美麗的花園躍然于紙上，花園中有各色的花朵，飛舞的蝴蝶，甚至有兩個(gè)小孩在其中嬉戲。

從文本到圖像的生成技術(shù)可以找到很多實(shí)際應(yīng)用，它既可以作為漫畫家和室內(nèi)設(shè)計(jì)師的素描助理，或者作為語音美化照片的工具。如果有更多的計(jì)算能力，這項(xiàng)技術(shù)能夠根據(jù)電影劇本生成動(dòng)畫電影，進(jìn)行一些重復(fù)且繁瑣的手工繪畫，比如動(dòng)畫背景中的一棵樹、一顆草，進(jìn)而改善動(dòng)畫電影制片人的工作。

人工智能可以模仿披頭士寫歌，當(dāng)然也可以模仿各種名家作畫。試想一下，一個(gè)沒有任何繪畫基礎(chǔ)的編劇，卻能在網(wǎng)上發(fā)布自己漫畫劇作，其作品還頗有當(dāng)代某著名漫畫家的畫風(fēng)。在動(dòng)漫方面，如果微軟的這款繪圖智能大力發(fā)展，完全可以大大降低創(chuàng)作門檻。當(dāng)然，這種另類的“漫畫創(chuàng)作”也可能面臨素材版權(quán)的問題。

目前來說，微軟這個(gè)繪圖AI還是有比較大的提升空間，而在不斷改進(jìn)后，在將來，它可能會(huì)對(duì)漫畫領(lǐng)域產(chǎn)生極大的沖擊，甚至于對(duì)室內(nèi)空間設(shè)計(jì)行業(yè)也會(huì)產(chǎn)生影響。當(dāng)然，其主要作用還是節(jié)省畫家和設(shè)計(jì)家的人力和時(shí)間，而令人期待的是，未來的電視上極有可能會(huì)出現(xiàn)由AI自導(dǎo)自演的動(dòng)畫片。

3.想象力——讓AI區(qū)別于死物

除了知道繪畫AI可以充當(dāng)更好的人類幫手之外，我們?yōu)槭裁匆P(guān)注AI繪畫這件事？其中關(guān)鍵，或許是我們應(yīng)該知道“想象力”在AI世界中的重要程度和期待指數(shù)。

想象力是人在已有形象的基礎(chǔ)上，在頭腦中創(chuàng)造出新形象的能力。比如當(dāng)我說起牛奶，你想到的圖景可能是杯子中盛著白色的牛奶，這個(gè)想象是基于你生活中的經(jīng)驗(yàn)所得到的，也就是說，想象一般是在掌握一定的知識(shí)面的基礎(chǔ)上完成的。

繪畫機(jī)器人能夠想象出標(biāo)題中沒有包含的細(xì)節(jié)，這是因?yàn)?，它有一點(diǎn)自己的常識(shí)和想象力，當(dāng)然，這要依賴于它大量的訓(xùn)練數(shù)據(jù)。

在鳥的例子中，機(jī)器人畫的鳥通常是站在枝頭上的，然而文本內(nèi)容中其實(shí)并沒有提到這一細(xì)節(jié)。這是因?yàn)閿?shù)據(jù)庫中提供給它的圖像經(jīng)常出現(xiàn)類似的內(nèi)容。這意味著，AI在掌握了一定的知識(shí)面后也能將其利用起來形成自己的想象。

目前，AI只是在小的細(xì)節(jié)中進(jìn)行補(bǔ)充，而下一步，應(yīng)該是試圖在更自主地描繪圖像上完成突破。如果這個(gè)突破到來，意味著AI模型在“想象力”這一特質(zhì)上得到了進(jìn)一步升級(jí)。這個(gè)能讓AI區(qū)別于死物的能力，終于拉開了表演的大幕。

AI先天具備的是運(yùn)算能力，從而進(jìn)行仿人類智慧的智能模擬，第二步就是模仿人類的感知，比如機(jī)器識(shí)別、語音識(shí)別、語義分析等等，都是在做這件事。而第三步，就是讓AI 有自己的“想象”和“思考”。

假如單純的感知卻無法自主輸出，那么AI無非是更靈活的傳感器而已。

從這個(gè)邏輯上來看，微軟AI“看文作畫”絕不僅僅是一個(gè)商業(yè)應(yīng)用的技術(shù)加持，也不僅僅是藝術(shù)與科技的碰撞，更重要的應(yīng)該是開啟了AI世界里使AI具有想象力的新紀(jì)元。