撰文/ 張 鷗

編輯/ 吳 靜

(資料圖片僅供參考)

設(shè)計/ 趙昊然

來源/ Driving.ca，作者：Elle Alder，圖源：AUTOMOTIVE.AI，STABLE DIFFUSION

如果將豐田Supra送回20世紀50年代會是什么樣子？如果寶馬早在1979年就開始出售與Wagoneer相媲美的X5又會如何？

現(xiàn)在，我們能夠用文字描述這些天馬行空的想象，并且利用計算機算法將它視覺化——新一代“人工智能”軟件可以快速圖像化我們腦海中的任何畫面。

這是一項在短短幾個月內(nèi)推動了整整一代人的技術(shù)，幫助人們充實想法，將從未出現(xiàn)過的事情圖像化看起來確實很有趣，但它也引發(fā)了有關(guān)創(chuàng)意倫理、數(shù)字權(quán)利，甚至整個創(chuàng)意產(chǎn)業(yè)未來的敏感問題。

AI愛好者倫尼·伍德（Rennie Wood）、3D渲染師阿比米萊克·阿雷拉諾（Abimelec Arellano）和底特律汽車設(shè)計師亞當·休伯斯（Adam Hubers）是不同類型的設(shè)計工作者，而他們的職業(yè)都與這種新技術(shù)息息相關(guān)。

AI渲染的1968年梅賽德斯-奔馳Gelandewagen

AI生成，從文本到圖像

通過AI文本-圖像生成器，用戶可以使用文字描述他們所想的東西，以此創(chuàng)建圖像。這些生成器通常通過網(wǎng)絡(luò)界面訪問，使用計算機學(xué)習(xí)來分析關(guān)鍵詞或句子的含義，利用模型從數(shù)十億現(xiàn)有圖像中學(xué)到的“知識”，最終拼湊出所述主題的視覺畫面。

用戶可以用具體的條件和參數(shù)來指導(dǎo)模型，以更緊密地定義他們所期望的結(jié)果，例如，“圓形的擋泥板后視鏡”，“在Indy 500的斜坡上賽車”，“數(shù)碼相機拍攝效果”，甚至“使用藝術(shù)家的風(fēng)格”。

AI圖像生成已被證明是這一代最快、最引人注目的技術(shù)革新之一，公眾在短短一年的時間里見證了令人眼花繚亂的發(fā)展。2022年初，OpenAI推出Dall-E，標志著在半識別圖像方面的第一個主流文本-圖像生成器的成功。

如今流行的AI生成器將它們的知識建立在有標題的圖像數(shù)據(jù)庫上（從整個互聯(lián)網(wǎng)上搜刮而來），這個“語料庫”通常反映了已經(jīng)存在的圖像材料。一些開發(fā)者的模型訓(xùn)練語料庫來源公開透明，另一些開發(fā)者則避而不談。對前者的分析顯示，大量未經(jīng)授權(quán)或受版權(quán)保護的材料來源于Pinterest等標簽豐富的素材網(wǎng)站，包括個人創(chuàng)作、商業(yè)來源，以及其他藝術(shù)家作品。

這意味著用戶可以指定某種類型，“借用”別人努力創(chuàng)造而來的美學(xué)風(fēng)格。如果你選擇了梵高的風(fēng)格去渲染一個物品，那可能沒關(guān)系，但如果你輸入的文本借鑒了一個當代藝術(shù)家的風(fēng)格，并且未經(jīng)允許進行二次發(fā)布或商業(yè)用途，那就難堪了。

Open AI網(wǎng)站上Dall-E的生成示例。文本為：牛油果形狀的扶手椅

倫尼·伍德是一名攝影記者，木制玩具修復(fù)家和零售商，他同時也是網(wǎng)站Automotive.AI的創(chuàng)立人。這里夢幻般的汽車、場景吸引了成千上萬的Instagram粉絲。

伍德使用網(wǎng)絡(luò)上公開可用的AI生成器進行了一次又一次的試驗，他很快就找到了符合自己設(shè)想的方案。

“當我接觸到這一技術(shù)時，我想做的第一件事就是制作汽車，因為這是我小時候的夢想。”他說。

網(wǎng)站的一些早期產(chǎn)物看起來相當糟糕，那個時候的文本處理似乎總是顯得不盡人意。“每次有人使用它，它都在學(xué)習(xí)，現(xiàn)在的數(shù)據(jù)庫好多了。”伍德補充道。

他為自己的網(wǎng)站設(shè)置了公式，一套修飾語，以及一個每周都在改進的工具。一個30-50個字的長提示現(xiàn)在可以可靠地生成一個干凈的圖像。

伍德說：“攝影是一種減法藝術(shù)，它從存在的一切開始，然后通過改變你的位置、焦距和曝光，你可以消除東西。AI生成恰恰相反，它從一張空白的畫布開始。所以我很享受。”

AI生成的1955年道奇Viper

與人類搶飯碗？

在這之前，渲染這樣一個圖片往往需要特定技能，無論是用素描本還是用CAD。阿比米萊克·阿雷拉諾便是一位一直以來使用CAD的數(shù)字藝術(shù)家。

阿雷拉諾曾經(jīng)出版過自己的作品，他的“如果”系列作品跨越了50多個概念，設(shè)想了從1966年的阿斯頓-馬丁Cygnet到2014年的瑪莎拉蒂克萊斯勒TC。

在他年輕的時候，他沉浸在YouTube和論壇驅(qū)動的“虛擬調(diào)校”，直到Photoshop的二維限制變得陳舊，他開始在Blender中自學(xué)三維建模，并使用Keyshot進行渲染，最后用Photoshop進行編輯。他現(xiàn)在使用這些技能為各種客戶承包項目，工作時間從幾小時到幾周不等。

阿雷拉諾承認，當他看到AI模型之后，他感到了一絲憤怒。

“我的工作就這樣沒了。”他想。直到幾天后，一位轉(zhuǎn)而使用AI的老客戶重新找到了他——這個客戶稱，雖然人工智能很方便，但它缺乏人類的判斷力。

當然，這種引人注目的新工具總會有合適的用途。早在一些年前，美聯(lián)社已經(jīng)通過自動化系統(tǒng)輸出文章，如今的AI生成器則有可能影響到基本成像領(lǐng)域。

底特律的汽車設(shè)計師亞當·休伯斯曾在Stellantis擔(dān)任Ram 1500 Rev設(shè)計團隊的負責(zé)人，他提到了Photoshop剛剛興起的時候，他的許多前輩們一度非常擔(dān)心，不過他們很快把這個工具納入了自己的創(chuàng)作過程。

休伯斯表示，專業(yè)設(shè)計界的一些人同樣已經(jīng)開始嘗試將AI工具引入自己的工作流程。他說：“我不認為它會消除人類汽車設(shè)計者。”

部分原因是，真正的人工智能還不存在——這些系統(tǒng)仍然是參數(shù)化的，并依賴于現(xiàn)有的媒體，它們不會想象、無法表達偏好、不能構(gòu)思出新的想法或創(chuàng)造根本性的東西。它們的輸出只可以反映現(xiàn)有的東西。

如果僅僅是出于愛好，為車型改朝換代，那就沒關(guān)系了。它能夠借鑒特定時代的既定設(shè)計語言和現(xiàn)有的模型陣容，使作品具有可信性和可識別性。伍德用AI生成的1979年寶馬X5看起來幾乎以假亂真，因為它主要借鑒了廣為人知的e12代設(shè)計線索，并將其延伸到寶馬今天的轎車風(fēng)格。

AI渲染的1979年的寶馬X5

令阿雷拉諾感到欣慰的是，他的客戶重視他作為人類設(shè)計師的能力——根據(jù)需求進行微調(diào)的能力，能夠處理特別精細的細節(jié)——這是AI無法做到的。

總的來說，三位創(chuàng)意工作者都認為這樣的工具更多的是作為一個墊腳石，幫助塑造或勾勒出模糊的想法。阿雷拉諾進一步強調(diào)，這些工具特別有助于闡明那些看起來很直觀的解決方案，因為有時候，人們很容易將某些問題過度復(fù)雜化。休伯斯則表示它們提供了一種 “故事板”，可以繪制盲點，給出更多種可參考方案。

AI圖像生成從新奇的學(xué)術(shù)好奇心發(fā)展到范式轉(zhuǎn)變只用了不到一年的時間，而像ChatGPT這種語言模型的成熟也為書面文章等領(lǐng)域指向了類似的軌跡（和危機）。通過開放測試版供公眾使用，開發(fā)者甚至有效地加速了大眾的接受度和熱情。

通常來講，一個行業(yè)的專業(yè)化程度越高，受到軟件威脅的可能性就越小。

只不過可以肯定的是，短期內(nèi)的困難似乎是不可避免的，因為一些目光短淺的經(jīng)理人和風(fēng)險資本類型的人已經(jīng)在研究如何裁員，用AI模型取代創(chuàng)意工作者。

阿雷拉諾表示，他看到的是一個復(fù)雜但最終令人鼓舞的畫面：“當它竊取藝術(shù)時，它讓你感到憤怒。但是，你可以剖析一下，它實際上根本無法取代一切。”

本文由汽車商業(yè)評論原創(chuàng)出品

轉(zhuǎn)載或內(nèi)容合作請聯(lián)系說明

違規(guī)轉(zhuǎn)載必究