OpenAI 人工智能绘图工具 DALLE 好用吗？

王树义

发布于 2023-01-18 10:41:05

1.4K0

发布于 2023-01-18 10:41:05

文章被收录于专栏：玉树芝兰

用朴素的语言，还原你天马星空的想象。

喜悦

早上，终于收到了 OpenAI 的通知 —— 漫长的排队后，我可以用 DALLE 了。

这款人工智能绘图工具让我种草了多长时间？其实都快忘了，哈哈。查了一下，我是 4 月 7 日申请的，到被批准差不多 100 天吧 😂

激动的心，颤抖的手，我赶紧按照信件提示，点链接进去。欢迎我的，是这样一个霸王条款：

DALLE 生成的图片，严禁商用，更别提上 NFT 交易了；而且 OpenAI 对于我创作出来的图片拥有所有权。用户只对「自己上传到系统的图片」有所有权。但是，为了改进模型，人家可能还要用你上传的图片作为训练数据……

搁以前我的脾气，早就扭头走人了。但是这回不行，DALLE 的吸引力太大，而且前面沉没成本较高。忍一忍吧。

尝试

我进入 DALLE 后，发现页面非常清爽，只有一个文本框。

我在其中输入了这样一段描述文字：

a kung fu panda is fighting with a T-rex in the woods

应用自动开始工作，通过训练好的大模型来进行图像生成。等候过程中，会有一些提示和样例。

例如这个：

进度条往后走，还有这样的提示：

这些不断变化的提示，既缓解了用户焦躁等待的心情，同时还帮你改进后续的内容输入方式。这种一举两得的方式，值得其他应用借鉴。

几十秒钟之后，进度条终于挪动到头儿了，于是我看到了生成的结果，一共 6 张图片。我一一点进去。

其中这张很不错：

这张嘛，也还行：

最搞笑的，是这张：

喂，你拿恐龙当玩具吗？

这是 6 张图片的全景。你更喜欢其中哪一张呢？

我正玩儿得不亦乐乎，大儿子进来了。他刚放假，最近在和弟弟养小鸡。于是他出的题目自然是：

Two little boys, teasing two fluffy chicks

DALLE 做出来的结果，他不是很满意。

因为这俩小孩儿，看上去明显是外国人嘛。于是我帮着修改了一下描述：

Two little Asian boys, teasing two fluffy chicks

嗯，这回看起来好多了。

对比

其实，这已经不是我第一次为你介绍人工智能自动绘图工具了。

还记得吗？去年那篇《如何把你的想法一键变成图画？[1] 这款工具的绘图能力。

下面咱们来对比一下 Text to Image Art Generator[2] 和 DALLE 对同样的文字绘制图像结果的差别。

这是第一句：

a small boy on the shark in deep ocean

Text to Image Art Generator[3] 当初绘制的图形是这样。

我把同样的内容，输入到了 DALLE ，咱们再来看看。

果然是「没有对比就没有伤害」啊，哈哈。当时的文章里，还有一句话，是：

a t-rex playing in olympics 100 meters running game

Text to Image Art Generator[4] 做的图是这样的：

咱们看看同样的话，在 DALLE 里面是啥样？

我现在只能用「不可同日而语」来形容二者之间的差距了。

顺便，我也想对比一下前些日子非常火的 Disco Diffusion 和 DALLE 的区别。

刚开始用 Disco Diffusion 的时候，我做了不少测试。其中写过这样一段：

a beautiful landscape painting of A wizard in black robes, and a Tyrannosaurus rex in a fierce battle in the primeval forest. a 9-year-old boy and a 5-year-old boy are watching them in the corner.

这是当时 Disco Diffusion 在 Google Colab 里经过几十分钟生成的结果：

而这，是 DALLE 几十秒内画出来的：

好吧，再来对比另外一组：

A comic with a robot wearing a cowboy hat in the center is painting a landscape on a drawing board. The right side of the painting has a creek running through it, with mountains and sunset in the distance in the background by Pablo Munoz Gomez Trending on artstation

这是 Disco Diffusion 的结果，够抽象的。我要不说，你能看出是机器人画家在作画吗？

而这，是 DALLE 的绘图：

其中，我最喜欢的是这张。

你喜欢哪张？

图片生成图片

除了文字生成图片以外，注意文本框下面还有一行小字儿 —— 你可以上传图片，然后由 DALLE 进行调整生成新的图片。

我尝试了几张图片。发现并不是所有图片都可以。例如说图片里面包含人脸，就不行。

人脸不行，咱们就试试牛脸好了。我上传了一张水牛的照片。然后 DALLE 生成了另外 5 张图。

我觉得其中第 3 张最为有趣。

因为它包含了原始图形中根本没有涉及的角度。可以看得出来，这种图片生成可不只是旋转、镜像这种低级简单操作。

挑战

我给你不厌其烦展示这种机器作画的能力，并不是显摆「看我电脑画得多棒」，或跟你鼓吹「艺术家要失业了」之类的危言耸听。

艺术家不会失业。他们会和 AI 联合，把工作做得更高效，进一步挑战人类创造力的边界。

但是，DALLE的绘画能力，展现了一些潜在的挑战，我们可能需要注意。

首先，那些从事非艺术的绘画创作的人（例如低等级的插画师），可能会遭受到职业危机。

原先如果你需要一个特定的图画，又没有现成的，也许就需要找人来绘制。绘制的效果不一定要多么艺术，但是得美观能用，符合要求。所以只要你会画画，又对报酬没有过高的要求，总有一些生存的空间。

但是，现在只要有了想法，我用文字写出来，就可以由人工智能画出。我对这些图画，也没有啥太高的要求，够用就行。例如今天早上，为了给知识星球的新文章弄个题图，我直接让 DALLE 绘制了这样一副场景：

a highly intelligent robot finding things among different databases, digital art

然后嘛，下面这些题图就能用了。

我前面提到过，DALLE生成的图片，版权依然是个问题。如果你把机器生成的图片用作商用，DALLE 并不适合。不过好在技术的进步，会带来更快的迭代速度，和更好的绘画质量。而且根据以往的经验，随着热度提升，先进技术还会迅速扩散。我们可以期待，后续会有更多类似 DALLE 的人工智能绘画服务，便宜、好用，而且没有那么多的霸王条款。

而另外一件事情，可能带来的挑战更为剧烈一些。

我思考这个问题，是因为前些日子我们学院主办了一次《数据分析与信息服务发展国际会议》。

其中一位主讲嘉宾 Daniel E Acuna 提出了科研伦理中的典型问题——图片抄袭。你在新闻报道中可能已经听说过，不少很多论文的抄袭、剽窃都是用图片对比来发现的。

（图片来源：Mazaheri et al., 2021）

你可能会感到奇怪，为什么这些作者非得要原封不动像素级拷贝别人论文的图片呢？这是因为，科研中的证据照片（例如显微镜观察到的）或分析结果绘图要想「无中生有」，其实挺困难的。诸多因素牵扯，使得你「生造」图像的话，很容易会被专业人士识别出来。

因此更多人的铤而走险，选择的方向是把已经出现在图片里面的元素，稍加改动或者干脆拷贝粘贴。他们的侥幸心理作祟，期盼别人发现不了这张图和原图之间的联系。

（图片来源 t.ly/D6PH[5]）

我在想，DALLE 这样强悍的工具出现，对于学术论文插图的剽窃甚至造假活动，会意味着什么？

在很多领域，例如生物、医学，都有大量的图片和它们对应的文字描述。难免有人出于种种目的，把这些内容进行采集，并且微调 DALLE 这样的图像生成模型。在并不遥远的将来，他完全可以瞒天过海，仅用自己的语言描述，就把想要的结果直接变成制式、风格全都无懈可击的「新」照片或图形。或者直接上传原始图片，用语言进行调整修改，结果会让原论文作者自己都认不出来。这些操作，将给研究结果真实性和原创性审核带来严峻的挑战。

有什么好办法来应对吗？我没有进行深入研究，无法回答。目前我能想到的，也就是用技术对抗技术。只有同样见多识广的模型，才能打败这种违背学术道德的「无中生有」。咱们拭目以待吧。