100年前这个人就预言了AI绘画？大年夜聊AI~

先给各位拜个年，虽然估计能点进来的人也早不在乎这个了。这里主要是总结一些最近了解到的内容，给忙着过年但还在想着AI发展到哪一步这件事的朋友们打个底。

Stable Diffusion 3.0可能已经在进行训练了，而我这两天才开始通过一些英文文章了解到和Stable DIffusion原理有关的东西。这方面我准备整理一下单独发，就是在非计算机专业和不看代码和数学公式的前提下，我们外行能理解到到的一种比较大层面的原理解释。其实在这事情上，有很多老外写的英文简明解释可供参考，而且我还发现，arXiv.org上的CS(计算机科学)论文没有那么难看懂，很多都是在讲AI和社会层面的事情，即使是纯技术方面的东西，不看那些代码和数学公式也能从文本中了解到它的用途。这个资源应该是了解当下AI技术进展最快的方式了。这个网站不用教育网等特殊线路，可以随便上随便看。实际上几乎所有和Stable Diffusion中的重要模型和概念有关的论文都在上面。虽然没有同行评审，但CS的论文很多都会有Demo的，所以我看国外社区的人都很看重这里的文章。某乎说这里是用来占坑的，有成果都是先发这里再投学术期刊（万一几个月以后被拒了还是能保留原创证明）。反正就是只要你能看懂英文，就不要放过这个网站，比看自媒体上那些拼凑起来的二手信息强。

多说一句，以后单靠翻译肯定是越来越难生存的，这一行的消失可能还真不是天方夜谈。尤其是口译，如果AI能用你自己的声音来说外语，对方又何必要听第三个人的声音呢？但是语言技能是绝不会被淘汰的，英语的信息和交流优势仍然有效，因为以后认真给你翻译和校对的人会越来越少，而机翻又不能保证100%无误。所以各位还是别放弃英语，只是不要再钻口音和考证的牛角尖了。

标题里说的，就是下面这张图，这真的是100年前的漫画，那时美国的电力系统才刚刚开始普及，这位漫画家已经开始想象让“主意电机” Idea Dynamo 和“卡通电机” Cartoon Dynamo 替他完成画画工作了（罐子里是墨水）。左下角写着，“到2023年我们所有的工作都是靠电力完成的。"而右边的漫画家在打电话约朋友一起去钓鱼。

膜拜一下这位漫画家！所以说很多科幻小说搞不好真的就是在预言未来。其实最后的结果可能都是一样的，只是技术路径不可预测吧。

如微软CEO所说的2023年五点预测之一提到的，AI技术正在进入S型上升轨道，用他的原话讲，互联网在全球进入主流用了30年，云技术和移动互联网用了15年，而AI只用了几个月。Stability AI的CEO也说我们现在所处的阶段是一种指数级的发展。这就是一场Revolution，而且是一场所有人都没有准备好迎接的变革。AI对全社会产业结构的改造是肯定会发生的，而且速度会非常地快。

微软、谷歌和亚马逊的万人大裁员，除了新冠居家时代的流量红利消退和经济衰退大环境之外，AI的冲击也是一个很重要的原因。谷歌就明确表示裁员是为了重整结构以满足AI时代的需求。不过根据某咨询公司的报告，很多非互联网行业大公司的IT部门，其实最近在推迟2023年与人工智能有关的新项目投资，因为现在的经济下行压力还是比较大。

领头羊Stable Diffusion的麻烦，除了艺术家团体的集体诉讼和政策游说（他们已经众筹了22万美元）外，还有了图库巨头Getty Images的诉讼挑战。和同行ShutterStock、Adobe在AI生成模型上的加速追赶不同，Getty Images在这方面相对保守，尽管他们也有AI生成方向的合作伙伴（BRIA），但一直禁止AI艺术品在自己的平台上出现。Adobe最近也否认了会用用户图像进行训练的传闻。

提到艺术家的抱怨，其实他们的抵制目标不止SD、Midjourney和Artstation，还包括Deviantart，因为后者自己也上线了一个AI生成模块。而且他们对SD的指责是”不负责任地放出开源模型“。这些艺术家可能不知道，其实SD里的核心模块之一CLIP，是来自OpenAI的开源模型，而且使用的训练集是Open AI的专有数据集。Sd v2换到了量级更大的OpenCLIP上，它的训练集就是没有经过I筛选的，所以画质有所下降。而能让AI画出很相似作品的Dreambooth“插件”，其实是来自谷歌的开源模型。这么深挖下去的话，是不是应该把微软和谷歌也拉进战场？

我对AI绘画争议的看法还是一样的，提供不出解决思路的抵制是没有意义的，一切只能在发展中摸索。从去年开始的这一轮爆炸式发展是所有人都始料未及的，甚至连“AI生成技术”都是生造出来的词汇。了解到一定原理的人多半会赞同SD的开源路线，尤其是像我这样的穷人。基于SD最便宜的云应用现在是一个月免费1000张图，你还要啥自行车？但愿AI技术能一直这样流程透明和技术开源下去，否则这一轮产业变革中的弱势群体，可能会比以前更难受。

最后提一下刚发的视频，这个模型是利用Gpt-3+SD1.5做的一组文本指导下的图生图数据集训练而成的，它的效果明显比现有的图生图和Depth-Image来得有用得多。我六个月前在Disco Diffusion里折腾半天都搞不出来的东西，这个模型已经可以一步完成了。发展就是这么快。

我还看到一个有趣的项目是训练AI画你自己的风格，这个大概才是100年前那位漫画家，也是一般艺术家们最想要的AI了。不过那个Demo好像暂时运行不了。后面再关注了。

（完）