图片|文本转图片的危险算法“达利”降临：“造假”程度绝了算法|AI|文本转图片的危险算法

论算法创新，OpenAI好像永远都不会让我们失望。
这个世界最牛逼的人工智能实验室之一，推出过包括GPT2、GPT3等极为强大的自然语言处理模型，威震人工智能圈。而在创始人马斯克退出，微软数十亿美金重金接手后，他们便开始逐步向技术商业化之路做出妥协。
但这并没有影响他们在“无人之境”的奔跑速度。
这一次，我们又在不同领域一流期刊杂志上，看到了OpenAI的名字。这一次与他们名字同时出现的，是大量色彩斑斓到让人心生愉悦，但却似真非真、似假非假的图片。
以及图片背后一个具有致命创造力和吸引力的新算法。

文章图片

OpenAI新算法生成的图像，这些图像未曾在现实中出现
这个算法的名字叫DALL-E2（达利），据说是为了致敬2008年的动画电影《机器人瓦力》和超现实主义画家萨尔瓦多·达利而取的。这就意味着，算法可能具备了一些超出人类想像的能力。
简单来说，它是一个可以将文本描述转换为图像的系统——只要写下你想看到的东西，达利就会为你绘制出来，非常像一个二维版的3D打印机。
举个例子，当你在达利搜索栏里，输入“长得像牛油果的茶壶”，它会在大约5秒时间内，生成多达10张与“牛油果茶壶”词义相符的图片。
结果显然100%扣题。而且因为分辨率很高，所以这些图像看起来更像是真实的照片。
但这个例子其实非常“现实主义”，因为牛油果形状的茶壶，我们极有可能在创意商店中买到。但是“会下棋的猫”呢？OpenAI工程师Alex Nichol在输入“会下棋的猫”后，生成了这样一张图片：

文章图片

老夫的少女心……看起来毫无违和感
还有难度更高的文字描述词，譬如“一个雨夜，一个超级英雄栖息在城市上空，风格就像一本漫画书”，输出结果没有一处不符合词义：

文章图片

而输入“位于城市中心的巴比伦空中花园，达利画风”，输出的艺术效果简直妙不可言：

文章图片

此外，达利系统还输出了很多文字描述复杂，但输出结果不仅精准，而且堪称艺术品的图片，都被放在了 OpenAI 的instergram上：
想想我们平时在百度里搜图时出来的垃圾结果，就隐约能明白达利的强大创造力意味着什么。
本质上，与很多人工智能算法模型一样，DALL-E就是一个模拟了大脑神经元网络的数学系统，它自然需要分析大量数据来学习技能。
譬如刚才讲的牛油果茶壶，在识别出一颗牛油果之前，OpenAI说，达利至少观摩了上千个大大小小、奇形怪状的牛油果。而更重要的是，它还需要在图像与描述图像的文字之间，找到一种关系模式。
事实上，这个系统引发人工智能研究圈讨论的关键之一，便在于它能够同时处理文字语言与图像，并且在自然语言理解与计算机视觉之间构建起更加紧密的关系。而此前的研究，的确还没有到达这样的水平。
《MIT技术评论》给出的评价，一定程度上代表了学术领域对达利系统的部分态度：“虽然这些被制作的图像既超现实又呈现卡通化，但它们证明了，人工智能已经学会‘世界被组合在一起的基础逻辑’ 。这些图像实在是令人惊叹。”