當Google的AI正在涂鴉時，微軟的繪畫AI 已經學會如何畫鳥了。近日，微軟對外宣稱正計劃推出一項新的人工智能技術——繪圖機器人（drawing bot）。使用者僅需說出想要繪制物體的名稱，機器人便可以進行相關素材的匹配，也就是說，未來可以通過口述的方式進行繪畫，說啥畫啥。

人工智能系統(tǒng)單純透過文字描述就能夠創(chuàng)作圖像，該技術在文字描述中尋找關鍵字詞，然后再用來創(chuàng)作高畫質的圖像，據悉這個關注重點的技巧讓圖像的畫質較之前提升3倍。

隨著人工智能時代的到來，藝術與科技的碰撞，越來越頻繁地現身熱門話題榜。AI“看文作畫”的技術展現了具有藝術表現力的潛能，對藝術創(chuàng)作的影響已經可以預見。但微軟的繪畫AI，在撬動智能體想象力方面，意義絕對不只是“藝術助手”所能概括的。

所以，AI口述繪畫這件事，不可小瞧！

1.什么是AI口述繪畫

AI口述繪畫，看起來好像是機器接受人類指令給出圖畫，但遠遠不止這么簡單。智能相對論（微信id：aixdlun）了解到，正如負責研發(fā)的Microsoft深度學習技術首席研究員何曉東說的，圖像是人工智能由零開始，逐像素逐像素創(chuàng)作。他以一幅人工智能創(chuàng)作的黃色雀鳥圖像做解說，表示人工智能分析文字后，再透過一項名為生成對抗性網絡（GAN，Generative Adversarial Network）的技術將文字轉化成圖像，人工智能創(chuàng)作的黃色雀鳥并不一定在現實世界存在，只是電腦的一種想像。

GAN通過從高維的分布中采樣，生成模型輸出與訓練樣本類似的新樣本。這就意味著，若生成模型的訓練數據是鳥的圖像集，那么訓練后得到的模型也能輸出類似于鳥的合成圖片。

研究員稱人工智能系統(tǒng)能夠創(chuàng)作出任何類型的形象，例如飄浮的雙層巴士、放牧中的牲畜等，而且在文字中欠缺的一些細節(jié)，系統(tǒng)會在影像中自行補完。

GAN結構用到了兩個神經網絡：一個是生成器，它試圖基于輸入的數據生成更像真實數據的結果；另一個是判別器，它的目的在于正確分辨哪些是真實的數據。簡單地來理解就是，生成器總是在試圖“騙過”判別器。

生成器必須反復用隨機輸入的噪音數據合成有意義的內容，直到判別器無法區(qū)分合成內容的真?zhèn)?。這套框架正在被擴展應用到許多數據模式和任務中。如仿真時間序列的特征；超分辨率圖像；從二維圖像復原三維結構；小規(guī)模標注數據集的泛化;預測視頻的下一幀；生成自然語言的對話內容；藝術風格遷移；語音和音樂的合成。

值得一提的是，微軟研究人員在此基礎上創(chuàng)建了他們稱之為注意力生成式對抗網絡或AttnGAN的技術，這個AttnGAN生成的圖像的質量比之前最好的GAN生成的圖像質量提高了近三倍。而這種仿人類注意力的生成式對抗網絡對AI界的影響十分重大，這標志著在類人類智能的發(fā)展實現了質的突破。

2.AI據文繪畫，或許漫畫領域最受沖擊

“看文作畫”的AI在現實生活中又會發(fā)揮什么樣的用處呢？

讓我們來想象一下，未來，可能會發(fā)生這樣的對話——

“Drawing bot，請你為我畫一個花園?！?/p>

接著，一座美麗的花園躍然于紙上，花園中有各色的花朵，飛舞的蝴蝶，甚至有兩個小孩在其中嬉戲。

從文本到圖像的生成技術可以找到很多實際應用，它既可以作為漫畫家和室內設計師的素描助理，或者作為語音美化照片的工具。如果有更多的計算能力，這項技術能夠根據電影劇本生成動畫電影，進行一些重復且繁瑣的手工繪畫，比如動畫背景中的一棵樹、一顆草，進而改善動畫電影制片人的工作。

人工智能可以模仿披頭士寫歌，當然也可以模仿各種名家作畫。試想一下，一個沒有任何繪畫基礎的編劇，卻能在網上發(fā)布自己漫畫劇作，其作品還頗有當代某著名漫畫家的畫風。在動漫方面，如果微軟的這款繪圖智能大力發(fā)展，完全可以大大降低創(chuàng)作門檻。當然，這種另類的“漫畫創(chuàng)作”也可能面臨素材版權的問題。

目前來說，微軟這個繪圖AI還是有比較大的提升空間，而在不斷改進后，在將來，它可能會對漫畫領域產生極大的沖擊，甚至于對室內空間設計行業(yè)也會產生影響。當然，其主要作用還是節(jié)省畫家和設計家的人力和時間，而令人期待的是，未來的電視上極有可能會出現由AI自導自演的動畫片。

3.想象力——讓AI區(qū)別于死物

除了知道繪畫AI可以充當更好的人類幫手之外，我們?yōu)槭裁匆P注AI繪畫這件事？其中關鍵，或許是我們應該知道“想象力”在AI世界中的重要程度和期待指數。

想象力是人在已有形象的基礎上，在頭腦中創(chuàng)造出新形象的能力。比如當我說起牛奶，你想到的圖景可能是杯子中盛著白色的牛奶，這個想象是基于你生活中的經驗所得到的，也就是說，想象一般是在掌握一定的知識面的基礎上完成的。

繪畫機器人能夠想象出標題中沒有包含的細節(jié)，這是因為，它有一點自己的常識和想象力，當然，這要依賴于它大量的訓練數據。

在鳥的例子中，機器人畫的鳥通常是站在枝頭上的，然而文本內容中其實并沒有提到這一細節(jié)。這是因為數據庫中提供給它的圖像經常出現類似的內容。這意味著，AI在掌握了一定的知識面后也能將其利用起來形成自己的想象。

目前，AI只是在小的細節(jié)中進行補充，而下一步，應該是試圖在更自主地描繪圖像上完成突破。如果這個突破到來，意味著AI模型在“想象力”這一特質上得到了進一步升級。這個能讓AI區(qū)別于死物的能力，終于拉開了表演的大幕。

AI先天具備的是運算能力，從而進行仿人類智慧的智能模擬，第二步就是模仿人類的感知，比如機器識別、語音識別、語義分析等等，都是在做這件事。而第三步，就是讓AI 有自己的“想象”和“思考”。

假如單純的感知卻無法自主輸出，那么AI無非是更靈活的傳感器而已。

從這個邏輯上來看，微軟AI“看文作畫”絕不僅僅是一個商業(yè)應用的技術加持，也不僅僅是藝術與科技的碰撞，更重要的應該是開啟了AI世界里使AI具有想象力的新紀元。