人工智能，如何妙笔“生”画******

　　核心阅读

　　输入一段话，“绘”出一幅画——人工智能的绘画本领，吸引众多职业画师和零基础用户尝鲜。人工智能绘画的本质是计算，接受“语言描述”指令后根据自身的理解还原出图像。未来，人工智能技术应用于艺术创作等领域，还要注意防范潜在风险，让技术进步更好地造福社会。

　　不用画笔、颜料，输入一段描述性文字，计算机就能自动解析，生成相应的画作。2022世界人工智能大会上，人工智能绘画的展示令观众惊叹。

　　一些过去专属于人类创作的领域，比如绘画、书法、写作、作曲，如今人工智能也已开始涉足。人工智能是如何绘画的？当前沿技术与艺术相遇，将碰撞出怎样的火花？在内容、版权等方面又是否存在问题？

　　从文本到图像，人工智能绘画本质是计算

　　人工智能绘画是一个从文本到图像的生成过程，输入一段话，生成一幅画，本质是计算。简要地说，计算机通过大量学习，能识别特定图片元素和文本之间的关联。同理，人工智能程序在收到“语言描述”指令后，可以根据自身的算法还原出图像。

　　设定计算机程序作画的想法由来已久。早在20世纪70年代，就有艺术家开发了操作机械臂的电脑程序，让机械臂按照指令在画纸上作画。近些年，人工智能技术日新月异，科研人员尝试设计自动作图的计算机程序。但过去很长一段时间，人工智能“画”出的作品普遍不够好，往往只是一些模糊的图像元素的组合，还称不上是完整的画。

　　今年以来，人工智能画技迅速“进化”。谈及技术突破原因，百度文心一格总架构师肖欣延认为，这是预训练大模型的兴起、大数据的训练和扩散模型的出现3方面共同作用的结果。

　　具体来说，预训练大模型增强了人工智能的通用性，成为人工智能技术及应用的新基座；大数据的训练中，通过在众多高性能GPU(图形处理器)算力资源中进行并行学习，计算机能够在短时间内完成大量的数据学习。近年来，几乎所有人工智能的技术发展都受益于这两方面的进展。而对人工智能绘画来说，扩散模型的出现至关重要。

　　扩散模型的原理是，通过人为逐步添加噪声，让图像逐渐变“模糊”，再不断学习去噪过程，如此人工智能就能从完全是噪声的图片中逐渐还原出清晰的图片，即“画”出图像。

　　“这一过程与人类学习相似。通常，人们学画从临摹开始，机器也是如此。它最初生成的图像可能很模糊，但计算机会不断修正，从而输出越来越清楚、层次越来越丰富的图像。”肖欣延说。

　　扩散模型让人工智能绘画技术实现跨越，不仅作画质量快速提升，生成时间也缩短到几秒钟。

　　众多用户尝鲜，大量应用加速“画技”进化

　　汤林杰是某互联网公司的运营人员。工作中，他需要借助一些图片来丰富文案，而网络上找到合适的配图并不容易。今年10月，了解人工智能绘画程序后，他尝试自己“画”图。现在，人工智能绘画工具已经是他工作的重要辅助。

　　随着算法模型对公众开放以及训练数据成本的下降，人工智能绘画门槛越来越低，一些简易化操作平台在国内外兴起。如今，不仅一些职业插画师尝试用人工智能绘画程序辅助作画、激发灵感，许多没有绘画基础的用户也开始尝鲜，并“晒”在社交平台上。

　　大量需求的涌现也加速了技术的更新迭代。“用人工智能绘画的人越多，算法就越能理解输入的描述文本，画作质量就越高。”肖欣延表示，当前人工智能绘画水平与今年初相比，已经有很大进步。

　　不过，目前的人工智能绘画技术并不完美。首先，可控性仍然不高，即计算机不能很好理解人类指令的含义，即便是输入“画两个苹果，左边红色，右边绿色”这样的简单描述，生成的图像也可能有很大偏差；其次，细节呈现能力还不够。比如，对空间、透视和光影的刻画就很不如意。不少人工智能渲染出的画作，初看上去惊艳，认真观察问题却不少。

　　但肖欣延认为，人工智能绘画在技法上的缺陷未来有望得到弥补。比如，基于跨模态大模型和强大的深度学习框架，百度开发的技术一定程度上已经缓解这些问题。此外，未来人工智能不仅能作画，还能根据文本描述生成视频，并直接配上解说文字，“可以把视频生成看作是维度更高的绘画，从技术层面看，这是可以实现的。”

　　防范潜在风险，守住法律和伦理底线

　　人工智能进入绘画领域，计算机会取代人类画师吗？

　　在肖欣延看来，好的绘画与构图、设计语言、视觉情绪息息相关，即使人人都可以用人工智能技术作画，但通常只有高水平的画师才能制作出优秀的人工智能绘画作品，“人工智能只是作画的辅助工具”。此外，虽然有的人工智能绘画语言娴熟，也包含细腻的情感，但并不意味着机器有意识、情感，它不过是学过类似的作品，又恰好呈现出来了。“优秀的艺术作品往往是人的思想的投射，目前机器并没有真正具备思考能力。”肖欣延说。

　　不少业内人士认为，不妨以开放的心态拥抱人工智能绘画，接受新事物。可以预想，将来绘画中一些繁琐、重复性的工作可能由计算机完成，创作者能腾出更多时间去构思想法与创意，调整构图、色彩、光影氛围等。

　　“人工智能可能会激发绘画创造的活力。”肖欣延表示，20世纪前后，照相技术让传统肖像画失去市场，促使一些画家向非写实方向创新。与人工智能技术融合，或许能激发画家创作出别开生面的作品。

　　不过，由于人工智能绘画发展刚刚起步，技术发展也引发关于版权、内容把控等问题的争议。比如，有人认为，未经授权人工智能画作模仿原画的内容、构图和风格等，侵犯了原作者的版权，有违法嫌疑。也有人认为，“机器学习”过程是一种类人化的创作行为，同样体现了创造者的思想和劳动，应当获得版权保护。此外，还有人担忧，人工智能绘画技术若被滥用，可能滋生暴力等令人不适的图像。面对新技术发展，有必要前瞻潜在的风险，只有守住法律和伦理底线，技术进步才能更好地造福社会。

　　不只是绘画，写作、作曲、生成短片，人工智能日益强大的深度学习能力，让它与不同艺术门类发生着奇妙的碰撞。展望未来，业界专家认为，人工智能与艺术融合，一方面会降低一些艺术门类的创造门槛，让更多人参与到当代的审美创造中来；另一方面新技术会带来新的审美风格，人们或许能从中扩展对自身和世界的认识。

　　记者 喻思南

让“无声世界”感受赛场魅力！带你看看冬奥手语数字人有哪些奥秘******

　　2022年2月4日，第24届冬季奥林匹克运动会在北京举行，让世界目光再次聚焦中国。本届北京冬奥会秉持绿色、共享、开放、廉洁的办赛理念，凝聚中国科技力量，面向世界、面向未来，向全球奉献了一场精彩、非凡、卓越的奥运盛会。

　　本届冬奥会运用最新科技手段，为全世界观众提供了惊艳的现场转播和全方位覆盖报道，北京冬奥会也成一场上科技含量高的奥运会。赛事活动期间，为了让各类人群都能平等地享受本届冬奥盛会，北京电视台上线了智能手语播报数字人，在《北京新闻》和《北京您早》等节目中进行冬奥专题手语播报，为听障人士带来精彩赛事报道。

　　最新数据显示，我国听障人群超过2700万，这部分人群与健听人一样，他们对教育、社交、娱乐等信息获取都有巨大的需求。但长期以来，传统人工手语翻译工作量大，且主持人和手语主持人配合难度极高。手语动作表情复杂，语序与正常语序差异大，正常情况下想要熟练掌握手语大约需要2年左右的时间，还要结合语境进行猜测。

　　受北京市科委科技冬奥专班委托，北京电视台联合凌云光、智谱AI等业内科技公司，在北京市残疾人联合会和市残联聋人协会等支持下，用3个多月时间，让手语播报数字人完成了近10万条手语语料学习，且翻译准确率高达90%。

　　在如此短的时间内实现这项高难度动作，智能手语数字人是如何做到，在这背后又有哪些技术创新难点？

　　在多位业内人士看来，近年来人工智能体系建设重点布局在算法层和应用层，数据层建设远远不足，并且针对数字人相关产业，底层数据库的数量、质量和开源程度还明显不足。尤其是国内现有的手语语料数据库数量少，且多以图像、视频等二维平面为主，无法满足AI（人工智能）训练的需求。

　　同时，因手语语序与中文语序差异大，方言分化更加复杂，且需要通过表情、口型、动作等方式来传达信息。除了传统的二维平面图像、视频采集，三维肢体运动、表情信息数据采集及结构化参数表达外，手语语料数据库建设对三维运动信息捕捉也十分重要。

　　凌云光手语数字人产品相关负责人介绍，在建设高质量手语语料库的同时，他们充分调研了2022北京冬奥专用手语术语，并联合北京市残联、聋人协会等相关组织机构，进行数据标注，建设手语语义映射关系，不仅完善了国内手语数据库的建设，也为手语推广和AI研究留下了宝贵的数据资产。

　　该负责人举例说，基于“悟道2.0”超大规模人工智能模型的技术支撑，手语数字脑用计算机模仿听障人士的大脑，将看到的中文文本信息转换成手语词汇序列，包括中文语义蒸馏模型和AI手语分词快编算法的研究。中文语义蒸馏模型用于从输入的文稿或文本中提取出关键的语义信息，将中文文本语义提炼和精简，形成精准匹配适合手语表达的文本；AI手语分词快编算法则用于将蒸馏得到的中文文本，根据冬奥手语语料库划分成相应的手语词汇序列，供数字人做表达输入。

　　该负责人还提到，数字人是冬奥手语播报的载体和展现形式，通过高精度写实数字人全流程制作方案，可实现一键数字建模，高度还原真人发肤，重新毛孔等细节，更加真实亲切。同时，通过跨模态拟人生成算法，还可以将手语词汇序列，生成相应的动作信息，驱动数字人模型做出相应的动作、手势和表情。（姚坤森）