7.2 图像生成与扩散模型

说明 本讲核心：AI 画画不是在“拼贴素材”，而是在“雕刻噪点”。 一句话口诀：无中生有，始于噪点。

7.2.1 以前的 AI 画画：像拼贴

在 2022 年之前，AI 主要是靠 GAN（生成对抗网络） 画画。 简单说，就是让两个 AI 打架：

• 骗子（生成器）：拼命造假画。

• 警察（判别器）：拼命抓假画。 打到最后，骗子技艺大涨，连警察都分不清真假了。 但这有个问题：GAN 生成的图，往往细节很假，而且很难控制内容。

7.2.2 现在的 AI 画画：扩散模型（Diffusion）

2022 年，Stable Diffusion 和 Midjourney 横空出世。 它们用了一种全新的魔法：扩散模型。

你可以把它想象成 “修复文物” 的过程，但是是倒着来的：

1. 加噪（破坏）：把一张《蒙娜丽莎》一点点泼上墨水（噪点），直到它变成一张完全看不清的雪花屏。

2. 去噪（修复）：AI 学习这个过程的逆过程。

   • 给它一张雪花屏（随机噪声）。

   • 告诉它：“这就叫 '一只骑摩托的猫' 的雪花屏”。

   • AI 开始一点点把噪点擦掉。

   • 奇迹发生了！随着噪点消失，一只猫的轮廓浮现出来，然后是毛发，然后是摩托车...

7.2.3 为什么 AI 怕画手？

很多人发现，AI 画的脸美若天仙，但手经常是 6 根指头，或者长得像爪子。 这是因为在扩散模型的学习素材里，人脸通常是很清晰、很标准的。 但在照片里，手经常是模糊的、遮挡的、奇形怪状的（拿杯子、插口袋）。 AI 没学明白手的解剖结构，它只是在 “模仿像素的排列”。它觉得这里应该有一堆肉色的东西，至于是不是 5 根，它不太在乎。 （注：近两年的新版本在手部细节上已有明显改善，但复杂姿态下仍可能出现失真）。

7.2.4 思考题

AI 生成的画，算不算 “艺术”？ 如果 AI 学习了梵高所有的画，然后生成了一幅“梵高风格”的新作，那这幅画的 版权 应该归谁？ 是归开发 AI 的公司？归输入提示词（Prompt）的用户？还是归梵高（的后人）？ 这目前是法律界最头疼的问题。