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(chǎn)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(qū)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，并在7月對100萬個用戶開放測試，盡管要收費，還是吸引了大量用戶涌入。

目前，AI生成的藝術品正悄悄開始重塑文化。過去幾年里，機器學習系統(tǒng)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(lián)網(wǎng)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(chuàng)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(chuàng)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(chuàng)造力的涌現(xiàn)，仍然只是冰山一角。

以下為采訪內容，有刪減。

問：你有什么背景？是怎么進入這個領域的？什么是Midjourney——一家公司，一個社區(qū)？如何描述它？

答：我2011年左右搬到舊金山，創(chuàng)辦了名為Leap Motion的科技公司，運營12年后離開，再創(chuàng)辦了Midjourney。

我們認為，（AI繪畫工具）不是關于藝術或深度偽造（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，這意味著什么？這并不意味著我們將停止想象。汽車比人的速度快，但并不意味著我們不再行走。遠距離移動大量物體時，我們需要發(fā)動機，無論是飛機、船只還是汽車。我們認為這項技術是想象力的發(fā)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(fā)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的愿景與這個領域的其他人有什么不同？

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(chuàng)建圖像的能力，結合后可以通過理解語言來創(chuàng)建圖像。這些工具將比人類更擅長制作圖像，而且速度會非常快，在未來一兩年內將能夠實時制作內容：每秒30幀，高分辨率。會很貴，但是是可能實現(xiàn)的。然后在10年后，將能買到帶有巨型人工智能處理器的Xbox，所有游戲都像夢一樣。

我們去年9月開始測試原始技術，很快發(fā)現(xiàn)，大多數(shù)人不知道他們想要什么。你說：“這里有一臺機器，你可以用它畫任何東西，你想要什么？”他們說：“狗”。你說：“真的嗎？”然后他們說：“粉紅色的狗”。所以你給他們一張狗的圖片，他們就說“好吧”，然后去做別的事情。

然而，如果你把他們放在一個小組里，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”，然后突然之間，人們明白了這些可能性，你正在創(chuàng)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(huán)境。因此，我們發(fā)現(xiàn)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(qū)，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(tǒng)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(fā)動機，發(fā)動機不會自己去哪，但人會去。

社區(qū)內有一百萬人在制作圖像，你必須支付額外費用才能退出社區(qū)——如果這么做，說明你是某種類型的商業(yè)用戶。所以每個人都在互相撕裂，產(chǎn)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(qū)，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(fā)生？答：當你在某人制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(guī)范了。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，因為這是制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(chǎn)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，所以我們專注于讓一切看起來美麗和具有藝術性。

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

問：你從哪里獲得模型中的訓練數(shù)據(jù)？答：和其他人一樣，我們的訓練數(shù)據(jù)幾乎來自同一個地方——差不多就是互聯(lián)網(wǎng)。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(shù)據(jù)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(shù)據(jù)中）放入大量繪畫來做到的，但并沒有。我們只是使用了用戶作品的數(shù)據(jù)。

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(shù)大學所能支付得要多，但也不至于貴到10億美元或需要購買一臺超級計算機。

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(shù)據(jù)，一個有爭議的方面是所有權問題。美國現(xiàn)行法律規(guī)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(shù)據(jù)中使用的圖像擁有版權。藝術家和設計師努力創(chuàng)造一種特定的風格，但如果他們的作品現(xiàn)在可以被人工智能機器人復制，會發(fā)生什么？

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

許多使用該平臺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(chuàng)作圖像時，就像要求藝術學生創(chuàng)作一些受我藝術啟發(fā)的東西。一般來說，作為一名藝術家，我希望人們從我創(chuàng)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(fā)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，盡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，它傾向于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(chuàng)作。所以，我們不知道為什么會發(fā)生這種情況，但它喜歡畫一張?zhí)貏e的女人臉——我們不知道它來自哪里，來自我們的12個訓練數(shù)據(jù)集之一——但人們只是稱它為Miss Journey。還有一個家伙的臉，有點方正，帶著壓迫感，也出現(xiàn)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于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。你覺得怎么樣？答：一段時間以來，我一直在試圖弄清楚什么是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(fā)動機，但也有別的東西。這就像攝影的發(fā)明嗎？攝影被發(fā)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，那么我為什么要畫畫呢？

是這樣的嗎？不，不是那樣的。感覺就像發(fā)動機的發(fā)明：就像你每分鐘都在創(chuàng)作一堆圖像，你沿著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(chuàng)作4張圖像，而是1000或10000張，那就不同了。有一天，我做到了：我在幾分鐘內制作了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(huán)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，看著游泳池的深處，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(fā)動機，而是像一股洪流。我花了幾周來消化，我想了想，然后我意識到，你知道嗎？這實際上是水。

現(xiàn)在，人們完全誤解了人工智能是什么。他們把它看作是一只老虎。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，但你也可以在里面游泳，你可以制造船只，可以用水壩發(fā)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，你可能淹死在里面，但這并不意味著我們應該禁止水。當你發(fā)現(xiàn)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(fā)現(xiàn)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？如何制造船只？如何建造水壩？如何從害怕溺水的人變成將來在海水中沖浪的孩子？我們正在制造沖浪板，而不是制造水。

將人工智能描繪成水的插圖：一種可以用于善或惡的強大力量。（圖 The Verge / Midjourneynone）

• 來源：https://www.theverge.com/2022/8/2/23287173/ai-image-generation-art-midjourney-multiverse-interview-david-holz