“文生圖”里的機器邏輯：AIGC時代的攝影教育探索

一、AIGC時代下攝影教育的最大“誤區”

隨著以ChatGPT（自然語言對話）、Midjourney（文本生成圖像/文生圖）、Sora（文本生成視頻）為代表的通用大模型人工智能（AGI）的到來，很多人對于攝影發展的理解持“技術替代”論。攝影術從1839年誕生以來，它的進化方向一直是“簡易化、移動化和計算化”：從早期的銀版法、火棉膠，到手持相機、柯達膠卷，再到數碼相機、數字后期處理，現在則是以手機為載體的移動計算攝影，都遵循這一路線。但是，攝影的核心教育并沒有變，依然是學習“如何用光影塑造現實之事物”，令人驚愕的是，在人工智能時代，這一點也正在被懷疑，“光影塑造現實之事物”，也可以變成“人工智能下的攝影圖像的機器生成”。很多大學居然將攝影教育視為一種“落后的教育”“該淘汰的教育”，以及“不必要的教育”，甚至有大規模取消攝影課的趨勢。

當然，也有維護攝影的說法，這類觀點強調攝影的客觀性基礎，這里的“客觀性”不是文化狡辯意義上的客觀性。蘇珊·桑塔格經常反對攝影的客觀性，她講述的其實是“拍攝者主觀意識中的偏見”[1]。攝影的拍攝對象的確是現實存物，即使這是由拍攝者用自己的意圖去“非客觀”地表現出來，但它的確是一個實在的東西。然而，在AIGC（生成式人工智能）時代，以Midjourney、Stable Diffusion為代表的工具是“生成的”，這是一種“子虛烏有的創造”。所以，攝影唯一能阻擋AIGC的是它的“新聞紀實性”。如果用不到紀實，都是可以被AIGC取代的。言下之意，如果不是單純培養攝影記者或者紀實攝影師，攝影沒有必要存在。

上述觀點不僅低估了攝影之于反映人類真實生存狀態和文明生存境地的重要性，而且還高度誤解了AIGC的操作原理—以“提示詞驅動”（Prompt Engineering）為界面所必需的“操作素養”。該觀點似乎將這種“操作素養”當作是無源之水、無本之木。

以“文生圖”中最熱的人工智能Midjourney為例，用它來生成“類攝影圖像”（Midjourney可以生成更廣泛性的圖像，比如漫畫、油畫等），需要用一個提示詞（Prompt）格式—“/imagine”。沒有“操作素養”的人可以隨意填寫一些簡單的詞語，比如“一個亞洲中年婦女”，Midjourney會理解輸入的自然語言，生成與該描述匹配的圖像。用戶描述得越籠統，它就越會根據機器學習到的“亞洲中年女性”的“最大公約數”來生成圖像。

Midjourney已經給出了“提示詞”的指引，它的基本結構如下：

（1）主體描述

清晰地描述生成圖像的主題或主體，如“一個亞洲婦女”，對其人體結構、面部細節也要做出準確、細致的描述。

（2）藝術風格

指定所需的藝術流派，比如“快照式黑白照片”。

（3）視角/構圖

注明希望的視角、角度以及構圖方式，如“正側取景”“對稱構圖”等。

（4）光影細節

描述期望的光線方向、質感、陰影投射等，這就需要掌握相應的專業術語和描述方式。

（5）色彩關系

包括色調、飽和度、對比關系等方面，運用色彩關系能夠生成理想中圖像的色彩效果。

（6）主題修飾

為主題增加細節和修飾性描述，如“被雨水打濕的玫瑰花瓣”等。

（7）場景陳設、細節堆積

一張優秀的攝影作品往往富有細節，要對場景細節描述有好的堆疊和渲染能力。

（8）質感描述

對畫面中物體的材質和質感做出描述，如“絹緞般光滑的花瓣”。

（9）情緒氛圍渲染

為畫面渲染一種情緒基調，如“北野武電影”式的青春殘酷。

毫無疑問，撰寫出優質的提示詞，就是AIGC時代商業攝影教育新增的重要內容，但這與傳統攝影教育并不沖突。筆者所著的《商業攝影實訓教程》 [2]就是扎根于“傳統”商業攝影教育的高校教材。該書自2010年初版以來，在不斷的修訂中，融入商業攝影業界的革新技術和觀念，正在修訂的第4版將增加AI圖像生成的提示詞教學，并展現AIGC教學實踐成果。

撰寫出準確、細致的提示詞，是AIGC時代的關鍵能力，這些關鍵能力可以通過攝影課程的學習來獲得。只不過，它不是一個“怎么拍”的教學，而是“想著怎么拍”的攝影意識和攝影想象力的養成。從這個意義上說，扎實全面的攝影課程，能夠培養學生理解和把握攝影技術、視覺美學以及藝術風格的能力，最終能讓他們具有撰寫令人賞心悅目的提示詞的能力，從而讓Midjourney這樣的工具不是根據“最大公約數”概率來生成圖像，而是根據提示詞的指引，精準地刻畫出理想中的攝影畫面。

二、準確理解AIGC的“生成原理”

撰寫出優質的提示詞可以視為商業攝影教育在AIGC時代重要的教學目標之一，但并非唯一目標。因為AIGC并不僅僅是“生成”，還蘊含著其他更重要的技術理解問題。這些問題，也應當通過攝影教育予以講解，讓學生們知道AIGC的來龍去脈以及AIGC的可為與不可為。

首先，AIGC“文生圖”（Text-to-image model）的技術，并不是于Midjourney、DALL-E和Stable Diffusion在2022年“橫空出世”之后才有的，早在2015年，加拿大多倫多大學的研究人員就提出了“文生圖”的第一個模型：alignDRAW。alignDRAW模型是一種機器學習的“注意力機制”，通過關注圖像的特點來學習圖像（集中注意力于圖像的特定區域），然后與“輸入的文字”進行匹配，所以它生成的圖像經常是“圖像拼貼”，這尚且是一種非常幼稚的方法。

2016年，生成對抗網絡（Generative Adversarial Network，簡稱GAN）在“文生圖”上開始流行。GAN的核心思想是訓練兩個互相競爭的神經網絡：生成器（Generator）和判別器（Discriminator）[3]。生成器的任務是生成與訓練數據相似的新數據樣本。判別器的任務是對生成器生成的數據進行分類，區分生成的數據與真實的訓練數據。判別器接收生成器生成的樣本以及真實的訓練數據，并嘗試將其分類為真實數據和虛假數據。判別器的目標是準確識別生成的數據，使其與真實數據區分開。生成器的目標是盡可能地“欺騙”判別器，使其無法區分生成的數據和真實的訓練數據。經過足夠多次訓練，生成器就能夠生成以假亂真的高質量圖像。GAN的進步之處在于，它并非通過簡單復制、拼接已有圖像元素，而是學習底層數據分布，“創造”出新圖像。[4]

2022年是“文生圖”發生革命性變化的一年，出現了擴散模型（Diffusion Model）。“擴散模型”讓Midjourney這類人工智能的“文生圖”的能力呈指數級提高。想象這里有一幅完整的圖像，我們往上面不斷噴灑“顏料霧”，使整個圖像變得越來越模糊，直到它完全變成一片噪聲。這就是所謂的“前向過程”（forward process）。然后，我們訓練一個模型，它的目標是從這片噪聲中還原出原始的清晰圖像，學會“反向”執行前面那個噴灑“圖像噪聲”的過程，一步步地將“噪聲”去除，還原圖像細節，這叫作“逆向過程”（reverse process）。訓練時，我們給模型大量的“圖像—噪聲”對比作為示例，讓它學習如何從噪聲中識別出原始圖像的結構和特征。經過足量的訓練，模型就能掌握數據集中圖像的內在分布和規律了。一旦模型學會了“去噪”這個技能后，我們就可以執行采樣過程（sampling procedure）—我們給模型一個完全隨機的噪聲圖像，它會自動地將噪聲去除，最終“生成”出一幅全新的、有意義的圖像。擴散模型的魔力在于，盡管我們給它的只是隨機噪聲，但它能利用學到的知識，重建出逼真并有意義的新圖像。擴散模型的“添加噪聲—逆向去噪”過程在Midjourney“文生圖”任務中扮演著核心角色。[5]

三、“文生圖”里的機器邏輯引發攝影教育變革

了解“文生圖”的原理，并不意味著我們要將攝影課變成人工智能課，而是要清楚地知道AIGC能夠給攝影課堂帶來何種改變。

第一，提示詞不能是否定性的表述，否則就會出現理解偏差。這是因為生成對抗網絡（GAN）與擴散模型（Diffusion Model）是一個“對抗”和“去噪”的過程，它本身就是一個“否定性”的生成過程。因此，攝影課老師在講解“如何撰寫出優質提示詞”的時候，一定要講清楚背后的原理，否則“文生圖”會生成出大量的機器圖像幻覺。

第二，提示詞中細節越多，生成的圖像質量通常會越高，但過于細節化也可能引導模型產生一些意料之外的元素，故而需要平衡細節和開放性[6]。從上述“文生圖”的原理中看到，AI圖像生成的創造性受到其訓練數據和算法的限制，大而化之的提示詞讓它們傾向于生成與訓練數據中的常見模式相似的圖像，而缺乏創新和想象力。

第三，“文生圖”提示詞訓練本質上是一種新形式的視覺編碼研究，它將傳統攝影、人工智能和視覺傳播學融合在一起。在傳統攝影中，攝影師通過構圖、光線、色彩等手段來編碼視覺信息，這種視覺編碼過程需要攝影師具備專業的視覺造詣和審美能力，而在“文生圖”中，提示詞就相當于一種新型的視覺編碼方式。從這個角度來看，“文生圖”提示詞訓練正在拓展視覺編碼研究的全新維度，也將極大拓展人類進行視覺表達和藝術創作的能力。

第四，在攝影教學實踐中，我們要在攝影課程中融入對AIGC工具和技術的學習，同時加強對人文素養、創新思維、審美能力的培養。我們要用實踐教學和項目驅動來重構攝影作業體系，要求學生結合傳統技藝和AIGC工具完成作業。例如，筆者最近主講的本科生《廣告攝影》課程，除了從產品、時尚、建筑等類別的商業攝影教學中讓學生掌握最基本的攝影語言和視覺傳播策略外，還引導學生使用 Midjourney進行攝影風格的主題性創作，為三甲醫院的“藝術療愈”項目生成攝影風格的作品—《AI的療愈》[7]。藝術療愈是通過藝術創作和藝術欣賞等活動，幫助人們提升心理健康、調節情緒、緩解壓力及焦慮的一種療愈方法。它包括視覺藝術療法、音樂治療、舞蹈治療、戲劇治療等形式，通過創作、表達、觀賞和體驗藝術，幫助人們解決心理健康問題、康復心靈創傷。在《AI的療愈》中，學生們用想象力驅動Midjourney生成具有情感治愈力量的“攝影圖像”，淬煉出寧靜、祥和、希望的氣息，以期觀者能夠“被療愈”。

另外，我們也必須講授AIGC所帶來的版權和知識產權等法律層面的挑戰。深度偽造是目前AIGC最令人擔憂的全球性問題，在攝影教育中，一定要注意培養學生的職業道德操守，規范使用 AIGC，尊重原創。AIGC時代的攝影教育不僅僅是一種與時俱進的技術教育，也是一種堅守初心的道德教育。

（楊莉莉，深圳大學傳播學院副教授）

注釋：

*本文為國家社科基金項目“‘他塑視角下中國故事的圖像敘事機制和策略研究”（20BXW064）階段性成果。

[1][美]蘇珊·桑塔格：《論攝影》，黃燦然譯，上海譯文出版社2021年版，第13-17頁。

[2]楊莉莉：《商業攝影實訓教程（第3版）》，中國人民大學出版社2021年版。

[3]關于“生成對抗網絡”的原理描述，可見：https：//proceedings.neurips.cc/paper_files/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf

[4]關于“生成對抗網絡”如何用于“文生圖”的機器學習機制，可見：https：//proceedings.mlr.press/v48/reed16.pdf

[5]關于擴散模型（Diffusion Model）如何用于“文生圖”的機器學習機制，可見Jay Alammar的教學演示：https：//jalammar.github.io/illustratedstable-diffusion/

[6]哈佛大學網站有關于“文生圖”的通俗課程講解，可見：https：//scholar.harvard.edu/files/binxuw/files/stable_diffusion_a_tutorial.pdf

[7]《AI的療愈》為“深圳大學全國教材建設獎優秀教材培育項目”的階段性成果。

實習編輯/邢樹宜