當藝術設計遇到人工智能

劉澤斌

摘 要：人工智能生成內容（AIGC）開創了“模型”主導內容生成的時代，人類將迎來傳統內容創作和人工智能內容生成并行的時代。藝術設計的本質在于創造和表達，設計師以創造力和技巧，將想法和情感轉化成形式和符號，通過作品與觀眾進行溝通。AI技術在快題設計和高頻設計領域將會被廣泛運用，這必將改變藝術內容的生產方式與市場邏輯，但永遠無法取代傳統人類設計的作用與價值。因此，專業設計應該參與整個“AI+”的創新設計，貢獻自己對交互的底層認知，讓互聯網充滿人性的溫度。

關鍵詞：人工智能；藝術設計；AIGC

一、AIGC在繪畫領域引起巨變

2022年8月，美國科羅拉多州博覽會上，數字藝術類冠軍頒發給了由AI生成的作品《太空歌劇院》（圖1）。11月30日，ChatGPT橫空出世，它不僅可以清晰了解用戶的問題，還能如人類一般流暢回答。目前，AI已經能夠輕松完成一些復雜任務，包括按照特定文風撰寫詩歌、假扮特定角色對話、修改錯誤代碼等。2022年是AI融入人類日常生活的一年，這一年人工智能成為一個廣泛的社會話題，人類獨有的創造力正在受到計算機的挑戰。

2022年下半年，美術院校就出現了學生通過AI生成圖片尋找靈感或表達自己創作意圖的現象。在設計市場，也有許多設計公司用AI生成的圖片進行項目的初期研討。

AIGC讓繪畫門檻無限降低，大量文員在制作公司PPT和海報時，都可以獲得AIGC圖片甚至排版設計資源。借助AIGC，很多網絡小說的封面都可以由作者本人完成，甚至可以生成很多角色和插圖。

目前，AIGC比較適合生成簡單的卡通形象和背景圖，受其影響的主要是那些剛入行的插畫師和圖片庫平臺。現在，AIGC在很多藝術設計公司屬于伴生狀態，AIGC的操作流程雖然對用戶已經十分友好，用戶能通過關鍵詞的反復輸入，最大限度地從系統中獲得意向圖片，但設計往往會對畫面內容、主題有明確訴求，AI生成的內容過于寬泛，所以AIGC目前還只能停留在輸出參考這一環節，包括動畫、游戲行業的大量角色設計完稿還必須由插畫師最終手繪輸出。

Diffusion模型應用最廣泛的領域就是AI繪畫，并且迅速表現出了較大的商業潛力，拓展出了大量相關應用。任何一張圖，通過一次次增加噪點，可以慢慢變成一張完全隨機的噪聲圖像，再將這個過程翻轉，讓神經網絡學習噪聲擴散的過程后逆向擴散（圖2），Diffusion模型就是基于這個思想實現的。

此外，AI繪畫的成功還歸功于CLIP（Contrastive Language-Image Pre-Training，文本－圖像預訓練）模型。CLIP類似人類嬰兒時期認知事物的方法。人們指著圖片告訴計算機“這是向日葵”或者“向日葵在綠葉叢中盛開”，這個過程就發生了文本和圖像的匹配。OpenAI在互聯網上搜集到了4億對質量過關的圖像文本，分別將文本和圖像進行編碼，讓CLIP模型學會計算文本和圖像的關聯程度。

反之，AIGC為我們創作圖像，就必須先輸入一堆描述性關鍵詞。關鍵詞一般架構為主體（服裝配飾、行為動作等）+場景（環境、天氣、氛圍、光線、視角等）+風格（插畫、水墨、宮崎駿、像素風等）+畫質（質感、渲染器）+設置（參數指令、畫面大小）。

以圖3為例，通過填充以下關鍵詞架構進行生成圖像：插畫設計，近景，仰視，吳道子風格，一個小女孩正在收集露水的圖片，3只在天空中飛翔的鳥，植物，明亮生動的色彩，精致的細節，夸張的手法，漸變背景，平的插畫。

許多公司在CLIP模型和Diffusion模型的基礎上開發了相關應用工具，其中Stable Diffusion、DALL·E2、Midjourney是最知名的工具。因為數據、算力、算法不同，上述三個知名AI繪畫工具都具有各自的特點。我們仍需要看到，AIGC仍然面對不少挑戰。

首先，生成的圖像往往缺乏多樣性，這是因為生成模型只能學習到數據分布的一個模式，無法捕捉原圖像表達的全部藝術信息。其次，生成模型的訓練過程需要大量的計算資源和時間，限制了其在實際應用中的推廣。最后，生成模型的生成結果往往是無法解釋的，所以有些成功帶有偶然性。

產品評價有三個層級：有用、可用、易用。按此劃分，目前AIGC處于可用向易用的過渡階段。

AIGC在一定程度上為沒有美術基礎的人們提供了草圖再創作的機會，AI繪畫工具根據草圖中簡單的線條、形狀和筆觸可以快速生成效果圖，通過關鍵詞的輔助，不斷優化或添加細節，使效果圖更加符合理想中的圖像（圖4）。

AIGC需要對非藝術專業用戶實現更精準的服務。PPT、微信公眾號對背景圖、氣氛圖有著廣泛的需求，降低圖片生成難度，或進行圖文復合生成，甚至智能生成GIF動畫，這些需求和AIGC技術路徑高度吻合。

AIGC的“易用”，可把大系統細分成更多的專用設計領域，引入有關業務和用戶信息以及關鍵專項主題（如日本食品包裝、商業展會、文博展覽等），聯合細分的設計公司構建更好、更專業的數據資源，形成數據共享和數據交換等新的商業模式，最終增強模型的專業能力。

二、推薦算法重塑影視文化

相較于AIGC在C端的“美麗輸出”，而不是“精準輸出”，AI技術在B端服務方面表現出超越傳統的精準度。傳統產業迫切需要AI技術來實現降本增效，未來，我們所有的行業都會被AI改造一遍。

傳統海報是電影制作重要的一部分，海報是電影思想的一次藝術再創作。

《發條橙》（圖5）是斯坦利·庫布里克在1971年執導的犯罪片，其海報也堪稱經典。匕首三角和象征社會尖利的三角通過眼神刺向每一個觀者，像是在咄咄逼問蕓蕓眾生的公德與私欲。

《下班后》（圖6）是馬丁·斯科塞斯早期的作品之一，他借此拿到了1986年戛納電影節最佳導演獎和1986年獨立精神獎最佳導演獎。劇情的荒誕與瘋狂也同樣出現在了海報當中。

當我們習慣拿著平板電腦追劇的時候，那些充滿才華的海報在不知不覺中消失了，并成為流媒體平臺的普遍現象。打開奈飛網站，人們很難看到一張經過藝術設計的海報，幾乎所有封面都是一個大字標題，再配上突出的主角形象，簡單又粗陋。

在平板或手機上看視頻，屏幕尺寸不大，每屏要呈現2至3排10多部電影或電視劇的縮略圖。2012年，奈飛開始研發推薦引擎，發現用戶最多為首頁上展示的視頻停留1.8秒，如果用戶在90秒內沒有點擊任何一個視頻，就可能會直接關閉軟件，去競爭對手的平臺。

一張海報用1.8秒時間，如何讓用戶選擇點擊呢？“大字標題+主角形象”的配置，就是奈飛算法研究出來的最優解。這是一種AVA算法，在一部時長一小時的影視劇中有86000幀畫面，算法會逐個分析這些畫面，記下出鏡角色、構圖、亮度、銳度等數據，建立起一個名叫“元數據”的數據庫，然后進行圖像排序，算法會對“元數據”進行分級篩選，再考慮畫面清晰度、有無主要人物、有無劇集特色等，從中找出那些最容易吸引用戶點擊的照片，再讓設計團隊加上標題做成封面（圖7）。

奈飛在海報上還實現了個性化推薦。同一部作品，用戶觀影習慣不同，可能會看到不同的封面。比如，一名常看喜劇的用戶，會看到劇集中串場的知名喜劇演員出現在封面上；更喜歡看愛情片的用戶，則會在封面上看到一對情侶。

當影視內容與用戶觀看被置于推薦算法之下時，用戶的喜好被統計學原則提煉，它替代了以美學為核心的設計和億萬用戶相連接。近年來，推薦算法之于影視節目數字分發的重要性日益凸顯，奈飛精心設計的推薦算法已經影響了80%用戶的觀看選擇，只有20%的用戶通過搜索來選擇影片。

傳統流媒體影視的內容生產，在很大程度上仍依賴傳統影視生產經驗和人才資源，但在數字分發領域，推薦算法卻給傳統影視文化帶來了巨大沖擊。流媒體影視的藝術性、審美性、文化性等柔性維度必然會與推薦算法的數理邏輯等非人類性的、剛性的維度相遇，前者也將被后者改造、重塑。藝術創作中的偶然性、批判性將受到算法的制約。

三、“AI玩家”助力游戲設計

游戲是目前集合大多數字模態的綜合體，熱門游戲又能做到千萬數量玩家同時在線，這些優異條件讓游戲成為研究和驗證AI技術的絕佳場景，游戲也必將在AI技術的發展過程中起到至關重要的作用。

開發ChatGPT的OpenAI公司在2023年8月17日宣布了自創立以來的第一筆公開收購案，它收購了一家初創的游戲公司，并將其整個團隊納入麾下。

2022年騰訊官網發布“王者榮耀AI開放研究環境”申請及下載，提供用于人工智能研究的驗證場景，以便開發者能夠快速便捷地測試自己的新算法和模型。這標志著騰訊旗下的開悟平臺邁向了開放科研基礎設施的新征程。從某種意義上說，《王者榮耀》早就超出了一款游戲的范疇，它是一個由上億游戲玩家共同參與的多智能體AI研究平臺，也是一項通往未來的基礎設施。

（一）《王者榮耀》里的“AI玩家”

《王者榮耀》在2020年上線了一個新模塊，名叫“挑戰絕悟”，這個“絕悟”就是“AI玩家”。這位“AI玩家”既要會復雜的走位和動作技巧，也要會考慮團隊配合，更要能贏。為了快速提高“絕悟”的戰斗力，騰訊AI團隊決定邀請上億游戲玩家與之博弈，幫助它進步。“絕悟”花費三年時間，從一開始連地圖小怪都打不過的“弱雞”，到后來可以完爆《王者榮耀》職業聯賽冠軍，成為目前世界上最先進的“智能玩家”。

騰訊開發“絕悟”不是一時興起，而是為了解決一個現實問題。《王者榮耀》會不斷推出新的英雄角色，這個新角色的武力值需要與老角色保持平衡，既不能太強也不能太弱，勝率需要操持在50%左右。保證這個勝率的一般做法是，在新角色發布前，找專業游戲測試員，用新角色跟老角色組隊打上幾千場，各種技能和場景都盡量測試一遍。這個方法人力成本高、效率低，還有新角色被提前泄露給公眾的風險。那就需要研發一個AI系統，由它操控各種角色來自動測試，這就是“絕悟”的來歷。

從數學上說，想要搞清楚勝率，需要采用窮舉法，也就是把每一步中所有可能出現的變數全部推演一遍，自然可以得出結果。不過，這種做法只在理論上可行，現實中它需要的算力超越了計算機的極限。單一維度的AlphaGo圍棋程序都無法采用窮舉法，更別說更復雜的“智能玩家”了。

事實上，絕悟1.0版本和AlphaGo一樣，采用了“模仿學習”的辦法。AlphaGo學習的是人類棋譜，而“絕悟”學習的是《王者榮耀》職業聯賽的比賽錄像。不過，單純把這些錄像信息錄入系統里，還不夠精準。騰訊AI團隊找了一群游戲高手，手動標記比賽錄像，把經過“提純”后的武功秘籍輸入給“絕悟”。通過“模仿學習”，“絕悟”的水平相當于一個比較厲害的業余選手。

絕悟2.0版本，和AlphaGo的下一代Alpha Zero一樣，不再是“模仿學習”，而是完全拋開人類經驗，從一張白紙開始，通過自己跟自己對戰、左右手互搏，自己總結戰斗經驗。在人工智能領域為“強化學習”。“強化學習”和“模仿學習”不同，機器“強化學習”的過程是個黑匣子，人類無法理解，更無法干預和引導。研究團隊苦苦琢磨，最后想到雖然無法幫它，但可以給它降低難度。他們為“絕悟”制定了一個從易到難的訓練計劃，在訓練之下，“絕悟”學習曲線直線向上。最終，在2019年《王者榮耀》世界冠軍杯上，“絕悟”戰勝了頂尖職業選手，一戰封神，成為游戲界的AlphaGo。

（二）網易對游戲中AI的全面研究

網易在游戲+AI方面已然成為國內游戲+AI技術的引領者。在2023年新發布的手游《逆水寒》中，網易為游戲中400多名NPC角色（非玩家角色，用于推動游戲劇情）配置了智能AI系統，為其注入“靈魂”，他們就像活在游戲世界里的真人一樣，有自己的職業、性格、喜好，會主動跟玩家們聊天、交互。因此，游戲公測后，這些智能NPC就成為很多玩家在閑暇時的傾訴對象。《逆水寒》上線，有兩個月一直穩占iOS暢銷榜第二。

目前，網易自研AI技術已應用于游戲工業化全流程，涵蓋AI語音生成、AI原畫生成、AI視頻動捕、AI模型生成等諸多環節，推動游戲制作效率全面提升。游戲行業在前期游戲開發的美術概念設計、人物合成配音以及后期運營都開始使用人工智能技術。伴隨以ChatGPT為代表的新一代通用性AI算法實現重大突破，未來將有越來越多的AI技術運用于游戲場景中。

四、AIGC對于未來藝術的意義

縱觀互聯網發展，我們經歷了Web1.0、Web2.0，正在邁進Web3.0時代。

Web1.0由專家生產內容PGC（Professional-Generated Content），門戶網站形式就是這一時期的代表。此時的互聯網是靜態互聯網，大多數用戶只能在網上瀏覽和讀取信息，內容的創建與發布只掌握在極少數專家手中。

Web2.0是用戶生產模式UGC（User-Generated Content）再到AIGC的發展。在抖音、快手等自媒體平臺上，用戶可以拍攝并上傳自己創作的短視頻，并在獲取大眾關注的同時，獲得各種流量變現的獎勵。時代發展也逐漸從高質量PGC內容，轉向有利于UGC創作者生態。

用戶生產模式（UGC）極其豐富的內容背后存在著內容質量參差不齊的問題，平臺方需要投入大量精力和成本去進行創作者教育、內容審核、版權把控等方面的工作。雖然從平臺層面，內容生產供給問題得到了解決，但對于每個創作者個體而言，難以在保證內容質量、原創程度的情況下兼顧更新頻率。與此同時，創作者數量的增多使競爭變得更加激烈，許多創作者不得不選擇降低質量、洗稿抄襲等捷徑，用高頻率的更新留住關注者。

Web3.0雖然還沒到來，但可以預見在Web3.0的環境下，AIGC內容將出現指數級增長。元宇宙的本質是社會系統、信息系統、物理環境形態通過數字構成一個動態耦合的大系統，需要大量數字內容來支撐，人工設計和開發根本無法滿足需求，AIGC可以最終完善元宇宙生態的底層基礎設施。未來人們必然難以分辨哪些是用戶生成，哪些是人工智能生成。人類社會也必將建立一種新秩序去規范這種創作邏輯。

五、結 語

本文探討了人工智能生成內容（AIGC）在繪畫和設計領域的運用，指出AIGC使繪畫門檻大幅降低，但人類設計師的作用仍然不可或缺。本文強調了傳統海報作為電影思想藝術再創作的重要性，揭示了人工智能技術在數字化時代對傳統藝術形式的沖擊，以及游戲行業利用人工智能技術提高游戲的互動性，并通過AI模型生成和語音生成等技術來提高生產效率。本文還探討了AIGC對未來藝術的意義，提出了Web3.0環境下AIGC內容增長的預期。盡管AI技術將在藝術設計領域扮演越來越重要的角色，但人類的創造力和藝術感知仍將保持其核心價值。

（上海視覺藝術學院）

參考文獻

[1] 杜雨，張孜銘．AIGC智能創作時代[M]．北京：中譯出版社，2023.

[2] 陳家洋．推薦算法與流媒體影視的算法文化[J]．電影藝術，2021（3）：153-160.