人人都在談論GPT，但它究竟是什么？
ChatGPT是由美國OpenAI研發(fā)的能夠通過自然語言驅(qū)動的人工智能技術(shù)工具，因為它強大的執(zhí)行力和任務處理能力，一經(jīng)亮相就引起了極大的關(guān)注。與之類似，在圖像智能生成方面，新近崛起許多新型模型的AI，如Dall-E2 Midjourney V5等, 通過算法可以產(chǎn)生的逼真影像，讓許多攝影師感覺到危機。一時間，人們都在熱議我們究竟要如何與人工智能相處，攝影的未來會如何被AI所改變？ 基于這樣的話題背景，《中國攝影》雜志邀請美國加州庫埃斯塔學院終身教授，藝術(shù)系數(shù)字設計方向主任劉燦國撰寫了《AI攝影與GPT圖像》一文，嘗試厘清GPT和AI的基礎概念和底層邏輯，并探討AI與攝影相結(jié)合的各種可能。 這是劉燦國教授第二次為我們撰寫討論人工智能的文章。2019年1月刊上曾經(jīng)發(fā)表了他的《平坦之境，或映成之影》，文中作為對科學技術(shù)對藝術(shù)的影響進行了展望，僅僅過去了4年時間，他的文章的一些預言已經(jīng)成為了現(xiàn)實。未來已來，我們要如何應對人工智能的大潮，希望本文能為您提供一些思考的線索。 《AI攝影與GPT圖像》原文刊發(fā)于《中國攝影》雜志4月刊，我們摘錄了文章的核心觀點在此呈現(xiàn)。如欲了解本文的全貌，歡迎點擊文末的雜志封面購買4月刊雜志。 GPT是什么？ GPT的含義 GPT 又稱 (Generative Pre-trained Transformer) 是一種基于 Transformer（轉(zhuǎn)換器） 的語言模型，通過大規(guī)模的自然語言數(shù)據(jù)訓練，機器可以掌握和“學習”自然的語言表述方式和規(guī)律。 經(jīng)過不斷的演化，GPT-3基于萬億級別的單字訓練，創(chuàng)建了史無前例的自然語言模型AI服務——ChatGPT。GPT的圖像版本稱之為 Dall E2，系使用同樣的類似訓練方法來發(fā)展。GPT的成功，代表了一種有效的知識學習模型，可以反向?qū)τ谌祟惖膶W習和研究提供啟迪和思路。 G 所代表的“生成式”（Generative）即一種創(chuàng)作仿生。 P 指“預訓練”（Pre-Trained)說明了預先訓練基礎數(shù)據(jù)從而形成知識對創(chuàng)作的重要性。 “預訓練”（Pre-Trained）的系統(tǒng)在攝影領域里早已存在 對于攝影領域而言，可用于個人 “預訓練”（Pre-Trained）的系統(tǒng)化的知識早已存在和相對完善。譬如，對于設置器材、設備、燈光、存儲等的技術(shù)控制特點的特性的認識，從而了解到其中的優(yōu)缺點，在實際使用中進行最佳的組合。攝影基礎理論，包括曝光、光學、鏡頭焦距，景深，空間構(gòu)圖等方面的知識，以及按攝影門類的拍攝技巧和后期技術(shù)都是系統(tǒng)化的知識。攝影史論，攝影作者和作品，則形成了這些基礎理論知識的具體驗證和匹配的模型。 百多年來的攝影知識體系是我們一切發(fā)展的基礎。那么在這個基礎上，算力和模型就是接下來要著重關(guān)注的要點。 T 指代的Transformer（轉(zhuǎn)換器）是由谷歌研究團隊在2017年美國加州第31屆神經(jīng)信息處理系統(tǒng)會議上發(fā)表的一篇名為 “《你只需要注意力》（Attention Is All You Need）”(Vaswani et al., 2017) 的開創(chuàng)性論文中提出的一種神經(jīng)網(wǎng)絡架構(gòu)。這篇文章指出，傳統(tǒng)的神經(jīng)信息大都需要通過編碼器和解碼器過程來進行語言分析，但該論文提出了一種新的簡化的結(jié)構(gòu)，完全基于一種稱之為“注意力（Attention）”的機制。這是一種機器學習技術(shù)，用于對序列數(shù)據(jù)進行建模。 注意力機制與攝影注意力 前文提到了“注意力（Attention）”，那么什么是“注意力”機制？它對攝影有什么啟示并和攝影有什么關(guān)聯(lián)？Attention指的是一種機器學習技術(shù)，用于對序列數(shù)據(jù)進行建模。具體而言，在傳統(tǒng)的序列模型中，如循環(huán)神經(jīng)網(wǎng)絡（RNN）和卷積神經(jīng)網(wǎng)絡（CNN），每個時間步只能訪問輸入序列中的一個位置。然而，在實際應用中，有些輸入位置可能更加重要，需要更多考慮。這就是 “注意力” 機制的作用，它允許模型在計算輸出時，動態(tài)地為每個輸入位置分配不同的權(quán)重，以便更加關(guān)注重要的位置和數(shù)據(jù)。簡而言之，只抓最關(guān)鍵的點。 就像我們的攝影創(chuàng)作一樣，我們在場景中面對復雜的視覺“數(shù)據(jù)”，但我們總是會關(guān)注那些對我們來說的重點對象，隨后才能將注意力集中于構(gòu)圖、取景和拍攝。攝影中的構(gòu)圖是指攝影師通過調(diào)整拍攝角度、取景范圍和線條構(gòu)成等方式，使得照片的布局和結(jié)構(gòu)更加清晰、有條理，同時能夠吸引觀眾的視線。 Transformer 的 “注意力” 機制也是通過對輸入序列的不同部分進行加權(quán)，從而實現(xiàn)對序列的建模和組織。在攝影后期中，當我們打開圖像，我們會優(yōu)先關(guān)注需要優(yōu)化調(diào)整的部分，強化重要的、更好的部分，然后忽略對主題無意義的內(nèi)容和無效細節(jié)。這就是類似的 “注意力”在起作用。 當GPT和AI遇到攝影 攝影總是要解決拍什么、怎么拍、選片修片、展示分析等環(huán)節(jié)和問題。那么AI會，或者該怎樣融入攝影的世界呢？ AI 攝影選題的智能化 攝影選題是攝影創(chuàng)作前期最重要的一個環(huán)節(jié)，AI介入選題后，可以將許多攝影選題、陳述和評論納入資料庫進行學習，通過建立相應的學習模型，可以為攝影師在題材和項目研究階段，提供更多的創(chuàng)意樣本和激發(fā)更多的想法。 使用現(xiàn)有的AI生成技術(shù)如ChatGPT，以及知識管理工具Whimsical， Notion，Carft等軟件或系統(tǒng)的AI組件，用戶可以直接將所設想的攝影計劃加以分析，AI將依據(jù)你的輸入，不知疲倦地提供更多的相似想法和延伸方案。 AI化攝影計劃 當AI介入我們的攝影流程，我們會發(fā)現(xiàn)一個更為智能的行程規(guī)劃。譬如AI可以通過歷史數(shù)據(jù)分析某個地區(qū)最佳的拍攝時間、地點，甚至角度、拍攝點，這樣就會對攝影師產(chǎn)生很有價值的參考。AI工具如roamaround.io 可以根據(jù)目的地生成建議的行程表，提供可以去的信息以及詳細的行程安排，占用時間，等等。隨著數(shù)據(jù)的增加或擴大化，針對攝影的計劃行程可以最大限度的得到提升。 由這類工具出發(fā)，譬如我們可以融合攝影為主題的計劃以及歷史上某地區(qū)的圖像后藝術(shù)數(shù)據(jù)，等等，開放性地構(gòu)建一個智能攝影協(xié)助平臺，這樣會極大地減少攝影師的時間消耗，也能推動地方經(jīng)濟的發(fā)展。 AI化相機和攝影 相機的AI化是一個長久以來的趨勢，主要體現(xiàn)在相機對于場景的分析上面。雖然從AI化場景來說，現(xiàn)代相機早已實現(xiàn)很多通過現(xiàn)場信息分析來進行拍攝配置優(yōu)化的“自動”設定，但有人工智能參與以后，這種參與就可以更為具體和具有更有可能的想象力。 光圈、焦距、快門配置的AI助理化，使得拍攝即有可能進入新的“自動”模式。具備更豐富的選擇，相機可以通過內(nèi)置的AI引擎來實時分析場景，提供更多的專業(yè)拍攝選擇。甚至隨著技術(shù)的進步，可以達到攝影的“萬能底片”。即拍攝完成后，按需生成不同的專業(yè)攝影組合搭配樣本。 另外AI的介入，相機除了更好地滿足我們的這些要求外，還可以變成一個數(shù)據(jù)學習的捕獲器。現(xiàn)有的技術(shù)下，AI可以識別樣本，對每張拍攝的圖像作以文本描述。AI可以做到根據(jù)場景的相似性臨場提供實時的視覺相似攝影名作對比，這樣可以作為一個學習的機器來提高攝影水平。雖然沒有直接具體的產(chǎn)品出現(xiàn)，我們可以通過整合技術(shù)、創(chuàng)建流程的方式在該領域?qū)崿F(xiàn)不斷創(chuàng)新。 AI化圖像后期 圖像后期其實早就是用了預先訓練的方式來生成特定的圖像風格，比較典型的就是膠片模擬軟件，通過生成風格樣本來直接轉(zhuǎn)換普通的數(shù)字照片。典型的有Exposure系列軟件或Nik的系列軟件。簡單而言，AI概念在數(shù)字后期領域主要用于用AI生成可以優(yōu)化圖像的細節(jié)或風格。譬如已經(jīng)非常成熟的AI放大、AI圖像自動優(yōu)化，AI去噪點等方面，都在近些年AI的飛躍之下有了更多的發(fā)展空間。 圖像專業(yè)軟件如Photoshop近些年接連推出許多AI的智能化的工具，鞏固在該領域的領導者地位。 如果說橡皮圖章類的工具是較為原始形態(tài)的數(shù)字圖像修復的話，那么后續(xù)的新型“內(nèi)容感知縮放”“內(nèi)容感知填充”則顯得更為智能。內(nèi)容感知填充（Content-Aware Fill）基于機器學習算法，能夠自動識別圖像中的對象和背景，并生成新的像素信息，將指定區(qū)域中的對象或不需要的元素刪除或填充，使得圖像看起來自然而完整。 Adobe較早布局AI產(chǎn)品線，從Adobe Sensi開始，使用AI來優(yōu)化和改善現(xiàn)代數(shù)字圖像工具。從2020年的Photoshop22.0版本開始，推出了純AI的 “神經(jīng)元濾鏡”（NeuralFilters），從此不斷迭代升級。將圖像處理過程語言化、具體化和助理化。用AI來處理具體特定的任務，是AI設計的概念基礎。因為可以通過機器學習來學習特定類型的數(shù)據(jù)，來解決具體的常見問題。 AI 化攝影圖像分析、研究與傳播 使用逆向提示分析工具，可以使用AI技術(shù)來對現(xiàn)有圖像進行分析，獲得一系列對于AI而言所相關(guān)的識別數(shù)據(jù)，提供和擴散延伸研究的范圍和創(chuàng)意。譬如我所分析的一張威廉·艾格斯頓的經(jīng)典街頭攝影作品，分析出來彩色攝影、街頭攝影、喬伊·斯滕菲爾德(Joel Sternfeld)、1970年代街頭、中畫幅、埃里克·索斯（Alec Soth）等關(guān)聯(lián)性，達到了一定專業(yè)儲備。如果以此為核心，更有針對性的AI訓練，創(chuàng)建一個圖像創(chuàng)意、學習和教育模型平臺，則可以為攝影史、研究和創(chuàng)作提供強有力的創(chuàng)意支持。 AI亞當斯，使用AI增加圖像攝影細節(jié)的綜合后期實驗，2023 劉燦國 AI可以將相關(guān)的藝術(shù)家、作品、流派和風格自動加以歸類和整理。就像一個動態(tài)的信息目錄，有了AI的幫助，攝影研究者能更容易找到特定選題的信息、規(guī)律和方法，從而推進學術(shù)創(chuàng)新。 技術(shù)會對傳播媒介和方式產(chǎn)生影響和變化，AI的幫助下，攝像機可能能創(chuàng)作、優(yōu)化、提示、生成更具平臺吸引力的AI動態(tài)或靜態(tài)作品，并根據(jù)趨勢實現(xiàn)自動發(fā)文、自動標簽、自動優(yōu)化和風格化。更進一步考慮的話，AI攝影的組合和管理工具，結(jié)合相機圖庫的整理，可以將拍攝的影像自動進行差異化的編輯。根據(jù)AI學習數(shù)據(jù)庫對于組照的一般搭配方式，自動選擇圖像進行整合展示。這都為攝影的研究和學習帶來了新的助力。 人工智能對攝影美學的影響 AI給攝影帶來了許多可能性，也帶來了許多可能的技術(shù)發(fā)展的弊病。譬如形成對技術(shù)的過度依賴，減弱了媒介的美學和藝術(shù)價值，過于雷同的“完美攝影圖像”，等等。這都需要我們在不斷的實踐過程中逐步摸索、完善、發(fā)展，對其展開也超過了本文的定位和設計。 無論何種行業(yè)，在這個領域內(nèi)的核心的人類需求和需要還是基本恒定的，只要我們還服務的是一個以人為主的社會，我們就可以以AI來幫助我們更好更快地處理問題，但AI就像一個越來越高的水桶的最短板一樣，會逐步拉高某些領域的門檻，對行業(yè)的進入要求和底層工作提出了新的要求。 AI與攝影目前仍在探索期，可以預見會在短時間造成信息爆炸和垃圾雜訊，產(chǎn)生許多新的問題。新型AI可以生成可用性極高的文本報告、論文、圖像、音樂、視頻、動畫、3D模型、產(chǎn)品設計、程序代碼、藝術(shù)創(chuàng)作概念。內(nèi)容（文明）生產(chǎn)模式變成了一種復雜的，又符合邏輯的選擇模式。我還是偏向于認識這是一種“先進”形態(tài)生產(chǎn)力，會深遠地影響人類社會的諸多層面。
