ChatGPT之后，AI（人工智能）生圖工具如雨后春筍般涌現。從專業的Stable Diffusion（AI繪畫生成工具），到大眾化的文心一言、即夢，AI繪圖越來越沒有“門檻”了。當然，也有不少人發現，輸入相同指令AI生成的圖片卻千差萬別，甚至同一個人在同一個平臺重復相同命令，結果也可能天壤之別。

AI繪圖為何如此“任性”？其背后有什么技術原理呢？

從“復印機”到“藝術家”的演變

要理解AI的“任性”，得先了解其技術發展歷程。

早期的AI生圖技術就像高級復印機，只能復制已有圖像，缺乏真正的創造力。如今主流技術基于“擴散模型”，讓AI有了“創意生成”的能力。這就像從一團隨機彩色噪點開始，經過無數次去噪和優化，最終“雕琢”出一幅完整圖像。而且每次生成圖片時，系統會以“隨機種子”為起點，不同的種子會生成不同圖像，就像種花時不同種子開出不同花朵。

AI模型學習的是數據的概率分布，而不是確定性的映射關系。當輸入“一只可愛的小貓”，AI激活的不是某張特定的貓咪圖片，而是關于“可愛小貓”的無數種可能性，然后從中隨機選擇一個方向創作。

這種隨機性并不是技術缺陷，反而是AI技術的核心優勢。也正是這種不可預測性，讓AI有了無限的創意，成為創作者的伙伴。

給“任性”的AI套上可控韁繩

雖然隨機性是AI創作的特色，但用戶可以通過一些技巧讓結果更可控。

精確化提示詞是直接的辦法。與其輸入“一個美麗的風景”，不如詳細描述為“陽光明媚的春日午后，櫻花盛開的公園小徑，水彩畫風格”。越具體的描述，AI理解越準確，生成結果就越接近期望的樣子。

參數調優能顯著改善結果。通過調整采樣步數、引導強度等參數，用戶可以在創意性和可控性之間找到平衡。引導強度越高，AI就越嚴格遵循提示詞，但可能會損失一些創意。

選擇合適的采樣器也很重要，不同采樣器就像不同畫筆，有的追求速度，有的追求質量，有的則在兩者之間平衡；迭代優化是專業用戶的常用策略，能基于初始生成結果，不斷調整提示詞和參數，往往能獲得出色結果。

對于想要更精確控制的用戶，還有一些高級技巧。比如ControlNet（控制擴散模型生成結果）技術，可以像給AI提供“設計圖紙”一樣，通過草圖、人體姿態圖或深度圖精確控制生成結果的構圖和布局。圖生圖功能則讓用戶基于現有圖片修改和優化，既保持原有基礎結構，又能加入新元素……

此外，實際使用中還有一些容易被忽視的細節。不同顯卡和內存配置可能對生成結果產生細微影響；同一AI工具的不同版本可能產生不同結果；有時調整描述詞的先后順序也會影響最終效果；逗號、句號等標點符號在某些情況下也會影響AI的理解。

跟AI的“創造性偶然”共舞

隨著技術進步，AI圖像生成正朝著更可控的方向發展。

未來，我們或許能看到更智能的AI助手，它們不僅能生成圖像，還能主動建議優化方案?；诖笳Z言模型的提示詞優化工具也會不斷完善，幫助用戶更好地與AI溝通。

但我們也必須明白，AI的“任性”特質，反映了AI的一個重要特征：它不是簡單的工具，而是具有創造性的伙伴。

最好的AI藝術作品，往往來自人類創意想法與AI隨機創造力的完美結合。學會與AI的“任性”共舞，才能在充滿可能性的創作世界中發現獨特風格。

（作者劉延嘉系中國科學院計算技術研究所工程師）

來源: 科普時報