上线一个月成为准独角兽、上万人排队注册，AI Art是下一个NFT？

作者 | 刘雨洁、王与桐

如果说人们对于效率性人工智能的定义是自动驾驶、数据分析、无人工厂等等，那么创造性人工智能的边界在哪里？

在文字创作领域，彩云小梦、Jasper、清华九歌等AI写作服务早已给出过令人震撼的答案。为无数网文作者开拓了思路，也在将文字创作的门槛压得更低的同时，收到了种种非议。而在美术创作领域，一直到今年上半年Disco Diffusion红极一时，才引发热议。

短短几个月内，AI Art成为了全球VC都在追捧的赛道：符合目前最火的PLG模式、拥有底层壁垒的AI技术、是科技和人文完美的交叉点、大批体验者蜂拥而至。

来源网络

上图为国内最大的平面设计师社区UISDC上首次出现关于Disco Diffusion的科普文章，设计师是对图像创作工具最敏感的群体之一，彼时大多数C端用户还并不知道这一“黑科技”的存在，即使知道，也会因为它复杂的调试环境失去参与测试的欲望。

不过五个月，Disco Diffusion的流行引发了一场从Google Colab Notebook发酵而来的共享式实验革命。据知情人透露，解决了Disco Diffusion技术痛点的追随者、上线于2022年8月22日的Stable Diffusion，目前正在以5-10亿美元的估值接触融资。上线一个月，就有望跻身全球独角兽阵营，足以见得一级市场对于AI Art未来的看好。

网友十月十七用Disco Diffusion生成了24节气。

AI Art即AI生成艺术，是AIGC里面的一个分支。AIGC（Artificial Intelligence Generated Content）是“继专业生成内容（Professional Generated Content,PGC）和用户生成内容（User Generated Content,UGC）之后，利用人工智能技术自动生成内容的新型生产方式”。在国际上对应的术语是“人工智能合成媒体（AI-generated Media或 Synthetic Media）”，其定义是“通过人工智能算法对数据或媒体进行生产、操控和修改的统称”。

事实上，AI生成图像与画作，从技术和商业化角度，也已经分别拥有相当长的历史，并非新兴领域，而是一个不断革新迭代的技术领域。

早在2015年，Google就发布并开源了DeepDream，通过算法生成迷幻和超现实的图像。近十年的时间里，大到数字化合成，小到曾经风靡互联网的“一键生成新海诚风格照片”、“生成童年照片”等图片效果等，都在体现着AI能力和算力基础的不断优化成熟。

Google DeepDream生成效果，生成痕迹非常明显

AI Art今年以来的热度，是因为一种呈现为文字转图像（Text-to-image）特性的崭新交互方式，正在向大众宣告AI Art正在进入一个“民主化”的时代。使用文字描述，或者基于画面意象和故事，或者基于艺术家风格、构图、色彩、透视方法等专业名词，就能在数十秒内生成完整的绘画作品，这让艺术创作成为了一件像跑步一样的事：人人都会跑步，只不过是专业的人跑得更快。

还原到底层技术方面，则是一场Diffusion对GAN的彻底革新。

传统AI Art的的技术原理是生成对抗网络（GAN）或VAE等，目前，GAN作为上一代AI Art工具与平台最主流的图像生成模型，在模型训练方面已经有了很大的突破，但在实际应用的过程中仍然拥有严重的结构性问题。

随着热度升温，可能会取而代之的是Diffusion。Denoising Diffusion Models（去躁扩散模型）作为一种基于分数的生成模型，是一种非常强大的新型生成模型。其工作原理就是通过反复地向训练数据添加高斯噪声来破坏训练数据，然后通过反转添加噪声的过程来学习如何取回数据。Diffusion还提供大量样本多样性和学习数据分布的准确模式覆盖，这意味着Diffusion适用于具有大量不同和复杂数据的学习模型，从而解决了GAN的问题。Diffusion缓慢改变输入数据将数据映射到噪声的正向变换，通过学习的、参数化的反向过程来完成数据生成。该过程从随机噪声开始，一次一步地进行清理。

来源网络

Diffusion对图像生成效果的提升十分显著，数字生成的痕迹也得到了有效削弱，用户自己可选执行步数，步数越多图像越精细的特点也激起了更多的“硬核”需求。

来源网络

这也就是为什么AI Art工具其实从很早之前就有了，但此前的图像效果经常会有“太假”或者不够完整等种种问题，甚至不如直接用Photoshop做一些风格化处理，因此这些作品也就失去了如今Diffusion时代作为艺术品的收藏与分享价值。