人工智能為什么無法取代創(chuàng)作者？

2023-07-08 10:00 作者:原力總督 0人讀過 | 我要投稿

#文案（逐字稿）

一、未卜先知

先以我身邊兒發(fā)生的一則故事作為引入罷。我之前經(jīng)?；燠E的MC-GFX圈子主要是以游戲《我的世界》為藍(lán)本給主播、模組或服務(wù)器設(shè)計橫幅頭圖和宣傳海報，這項工作在前期通常都是使用三弟軟件兒來對人物和場景進(jìn)行建模、渲染；然而，圈子里卻有著一位劍走偏鋒的存在：他幾乎從不使用三弟軟件兒，而是通過在手機繪畫的過程中對皮膚展開圖進(jìn)行人工折疊來實現(xiàn)立體的透視……顯然，為了達(dá)到與計算機渲染相同的效果，他的創(chuàng)作流程必然是更加辛苦、繁瑣且漫長的；然而，他的每一期制作過程展示視頻都享有著比我們更高的播放量，他在圈子里的威望也是相當(dāng)之高的——觀眾和甲方們并沒有因為他“土法創(chuàng)作”的低效率而嗤之以鼻；恰恰相反，他超越同行的美術(shù)功底反而為自己積累了不小的人氣，甚至自成一派地開創(chuàng)了“平面建模”這一概念。這位被我們一致崇拜、敬仰的大神，就是自稱為“小人物”的@寒楓凌霜。

@寒楓凌霜的故事及其帶來的啟發(fā)，這里暫且先按下不表。讓我們言歸正傳：兩年前的2021年3月31日，我投稿了一期名為《自動化“面點光”，從此擺脫手畫√》（BV1Z64y1U7Zf）的PS教程——在那期稿件兒的簡介中，我曾寫下過這樣一句話：“眾所周知，崇尚人工智能的@原力總督希望將MC-GFX的處理盡可能地工業(yè)流水線化√”；而早在一個半月前的2月10日，圈子里的另一位合成風(fēng)設(shè)計玩家@DS愛吃鉆石的羽光便在其視頻《PS：快速打地面高光的方法（萌新教程）》（BV1mK4y1D7Ls）給出了自動為場景中的棱角兒生成邊緣高光的方法；這種追求用智能化、自動化的方式取代創(chuàng)作過程中重復(fù)勞作部分的思潮產(chǎn)生最早甚至可以追溯到動畫制作者@暗影苦力怕在同年1月31日發(fā)布的《BLENDER MC人物的自動擠出雙層皮膚原理解析》（BV1M5411H776）。[1-3]

在過去漫長的歲月中，無數(shù)MC-GFX創(chuàng)作者都曾幻想過這樣一種情境：在未來某個人工智能技術(shù)高度發(fā)達(dá)的時代，對人物模型中頭發(fā)與服飾等身體細(xì)節(jié)的立體化處理、對角色動作的布置、對場景的合成、對文字標(biāo)題的包裝與對非渲染風(fēng)格化光影色彩的繪制等從前到后的一系列操作都可以通過計算機自動識別、自動解算的方式直接實現(xiàn)——到那種時候，創(chuàng)作者們所需要提供的將僅僅是描述故事的創(chuàng)意、對于細(xì)節(jié)的微調(diào)以及最終的排版工作；而這一切的暢想，在以StableDiffusion、MidJourney為代表的AI圖像生成技術(shù)大行其道的今天，似乎都已不再是天方夜譚……

二、不攻自破

由@默橙發(fā)表于2023年4月16日的兩幅商單可以被看作是MC-GFX圈子第一次將AI輔助引入到工作流程中的標(biāo)志；然而，伴隨著新技術(shù)而來的不僅是更多元、高效且簡潔的制作方式，還有與其他藝術(shù)領(lǐng)域創(chuàng)作者相同的焦慮：AI會從全流程上徹底取代MC-GFX創(chuàng)作者嗎？

道理上講，這種想法在技術(shù)上應(yīng)該是可以實現(xiàn)的——然而截至目前，我還沒有看到一則使用AI直接生成MC-BANNER的案例；互聯(lián)網(wǎng)上能搜索到的也不過是些用寫實畫風(fēng)還原MC生物的展示……這是為什么呢？既然連復(fù)雜度、精細(xì)度都要遠(yuǎn)高于MC的寫實繪畫都可以被AI生成出來，那直接生成MC-GFX的成品圖又算得上什么難事兒呢？況且現(xiàn)在AI已經(jīng)能直接生成體素塊兒堆砌出的場景了，自動生成這種精度的小人兒并把它合成進(jìn)場景中又有什么不可實現(xiàn)呢？

答案其實很簡單：因為樣本量不夠！據(jù)悉，目前對AI進(jìn)行系統(tǒng)訓(xùn)練需要使用約7萬張圖像和70萬個問題；哪怕只是簡單的符號模型，也至少需要5000張圖像和10萬個問題。[4]

不知道你們有沒有聽說過這樣一則寓言：盡管在科技如此發(fā)達(dá)的現(xiàn)代，跨越國際的血汗工廠依舊廣泛地存在于世界各地——倒不是因為自動化無法取代人力；而是諸如非洲一類的欠發(fā)達(dá)地區(qū)勞動力價格極低，雇傭當(dāng)?shù)馗F苦勞工所需要付出的成本要遠(yuǎn)小于置辦機器設(shè)備的投資，進(jìn)而讓自動化改革被資本家們認(rèn)為成一種利潤率低、不劃算的策略。顯然，哪怕把古今中外所有的MC-GFX作品加總起來，恐怕也到不了訓(xùn)練模型所需數(shù)目的九牛一毛——且不說這個圈子的人本就不多；原本對這方面有需求的客戶也是少之又少，也就是說這個領(lǐng)域本身就達(dá)不到能形成行業(yè)的規(guī)模……換言之，哪怕沒有AI，想通過做我們這種活兒來謀生也是難如登天；不用AI出手，直接快進(jìn)到失業(yè)！ˉ\_(ツ)_/ˉ

三、推點及面

不過和我們這種窄眾垂直的賽道相比，真正的繪畫圈子對AI圖像生成技術(shù)的恐懼可不是用一句“五十步笑百步”就能調(diào)侃過去的……

從前甲方找創(chuàng)作者約稿兒，不僅要支付給對方勞動報酬，還要等候漫長的創(chuàng)作時間；而旦如果作品發(fā)過來不滿意，雙方還得反復(fù)協(xié)商、多次修改，整個兒過程可以說是相當(dāng)繁瑣。然而歸功于AI繪畫工具StableDiffusion的開源屬性，現(xiàn)在任何個人都可以在電腦上對其進(jìn)行本地部署，從而一毛不拔地把圖做了——用戶只要加載現(xiàn)成的模型、輸入提示詞指令并拉動滑塊兒調(diào)節(jié)相關(guān)參數(shù)就能快速生成腦中構(gòu)想的畫面兒；不滿意了還可以反復(fù)試驗……當(dāng)然，前提是你有一張“3”打頭兒的顯卡，否則大概也得花點兒小錢去用MidJourney、NovelAI之類的云端服務(wù)。

但是無論如何，相較真人而言，AI作圖都是成本更低、速度更快的選擇——拋開對版權(quán)和情懷等次要矛盾的考慮，對于甲方而言：AI產(chǎn)出的圖像在質(zhì)量上確實和人類畫師的作品相差無幾，二者之間已經(jīng)形成了互為替代品的關(guān)系；且以ControlNet為代表的相關(guān)技術(shù)發(fā)展態(tài)勢來看，諸如穩(wěn)定畫面內(nèi)容與人設(shè)等目前暫時難以實現(xiàn)的功能也正以越來越快的速度逐步被攻破——就像卡爾·馬克思前輩在當(dāng)年所提出的“機器排擠工人”一般，具備充足競爭力的AI繪畫要搶走人類畫師的飯碗似乎也不再是什么危言聳聽了……[5]

由此觀之，畫師；或者說涵蓋面兒更為廣泛的人類創(chuàng)作者——乃至整個藝術(shù)體系，真的要被AI取代了嗎？

亖、異化勞動

依照經(jīng)驗，經(jīng)常來看我視頻的觀眾大多都是圈子中人——不知道同樣作為藝術(shù)創(chuàng)作玩家的各位有沒有過相似的感受：當(dāng)你腦中靈感涌現(xiàn)、或是有什么想要表達(dá)的情緒時，你在把這些思想描繪出來的過程中是十分積極且享受的；而當(dāng)你的創(chuàng)作動機轉(zhuǎn)化為實現(xiàn)甲方的需求、為甲方創(chuàng)作商單以換取報酬時，一種不自由、不耐煩的消極情緒便隨之產(chǎn)生，所謂專注、沉浸的“心流體驗”也便蕩然無存……[6]

對這一問題的討論依舊可以追溯到卡爾·馬克思前輩所寫下的觀點——在私有制的生產(chǎn)關(guān)系下，勞動被資本異化成了換取生活資料的手段。[7]

如何用通俗易懂的大白話來類比著理解這件事兒呢？據(jù)我了解，大部分畫師之所以走上藝術(shù)學(xué)習(xí)的道路，最根本的動機都不是為了利益——畢竟商業(yè)性質(zhì)的藝術(shù)創(chuàng)作本身就是一條卷上天的賽道，在AI繪畫尚未誕生的時候就有“勸人藝考天打雷劈”的段子；而傳統(tǒng)的家庭觀念在孩子的教育過程中對藝術(shù)的態(tài)度又是十分貶損的，我所接觸過的不少家庭都出現(xiàn)過孩子熱衷于繪畫而被父母當(dāng)做“不務(wù)正業(yè)”、“耽誤學(xué)習(xí)”的現(xiàn)象……在這樣追求功利的社會風(fēng)氣之下，能堅持練習(xí)畫工、考上相關(guān)專業(yè)乃至進(jìn)入行業(yè)的人必然是對繪畫這一行為本身有著極其濃郁的興趣——競爭的激烈與前途的渺茫對他們來說可不是什么新狀況，而是在整條逐夢道路上自始至終都從未退散過的現(xiàn)實。那么對于藝術(shù)創(chuàng)作者而言，“沒錢賺”就等同于“被取代”嗎？如果按照這種理解，藝術(shù)的唯一價值就在于賺米；一旦無利可圖，人們就都不畫畫兒了！這種實用主義思想顯然是片面的——它否定了創(chuàng)作者對繪畫這一行為本身的熱愛，而是把盈利看作繪畫技能存在的唯一目的；甚至把能否盈利看作世間一切行為是否值得存在的標(biāo)準(zhǔn)，進(jìn)而將本該順應(yīng)天性、為勞動者帶來存在感與價值感的社會活動異化成枯燥乏味的“任務(wù)”。顯而易見，AI的出現(xiàn)其實在某種程度上都或多或少地打破了這一局面——從個人的角度講，它的確讓許多以繪畫為謀生手段的工薪階層面臨著失業(yè)的風(fēng)險；但對于藝術(shù)本身而言，這又何嘗不是讓它回歸了最本真、最純粹的狀態(tài)呢？由此觀之，被取代的只是以繪畫為謀生手段的職業(yè)；而“繪畫”這一行為本身及其背后所代表的藝術(shù)反而得到了解放。

五、另辟蹊徑

不過馬克思前輩的歷史唯物主義中也有另外兩組同等重要的表述，它們分別是“生產(chǎn)力決定生產(chǎn)關(guān)系”以及“社會存在決定社會意識”。誠然，我在上一段兒中純理論層面的表述并沒有切實解決畫師們的焦慮——它過于理想化地暢想了超前的未來，而沒有腳踏實地為當(dāng)今時代的畫師們給出養(yǎng)家糊口、維持生計的具體出路；某種程度上說，這些天馬行空的言論沒有嚴(yán)格遵循“實事求是”、“具體問題具體分析”的原則，在當(dāng)今的社會運轉(zhuǎn)模式下歸根結(jié)底還是脫離現(xiàn)實的空想……那么，面臨即將到來的失業(yè)潮，畫師們可以如何應(yīng)對呢？答案其實很簡單：既然AI與人工畫作從質(zhì)量上難以決出勝負(fù)；那干脆換一個角度，把受眾的關(guān)注點從作品成果轉(zhuǎn)向創(chuàng)作過程！

有的朋友可能會問了：這樣結(jié)構(gòu)性的轉(zhuǎn)型是否有些舍本逐末了呢？其實不然：早在數(shù)位板、圖像編輯等技術(shù)誕生之前，就已經(jīng)有人通過架攝像機拍攝的方式來記錄制作過程；而對于數(shù)字創(chuàng)作日漸民用化的今天，屏幕錄像、非線性剪輯工具的普及與短視頻平臺的崛起更讓自媒體的搭建變得輕而易舉——在海外，這種將藝術(shù)創(chuàng)作的過程加速、配以音樂制成短片兒節(jié)目的形式通常被稱為“SPEED ART（極速藝術(shù)）”或“SPEED PAINT（速涂）”；而在國內(nèi)，雖然沒有統(tǒng)一稱呼，但這種操作也早就不是什么新鮮事兒了×

現(xiàn)在，我們可以嘗試對開篇提到的案例給出合理的解釋了——因為如此這般操作，最大的好處就是保留并放大了藝術(shù)的人文氣息與社交屬性。畢竟，一張基于穩(wěn)定擴(kuò)散算法自動生成的作品是不存在一筆一劃勾勒過程的；但人工的過程所展現(xiàn)的可不只是一幅圖，更有這幅圖創(chuàng)作背后的各種思路與技法——而這正是被人們引以為榮的亮點：就好像在電子合成、印刷技術(shù)如此成熟的今天，那些樂器演奏、書法寫作的視頻依然能讓刷到的觀眾瞠目結(jié)舌；又或者本身并不產(chǎn)出物質(zhì)成果的魔方復(fù)原、武術(shù)棍法等文體運動，因為其本領(lǐng)的高難度與優(yōu)雅依然能引來大量路人的駐足圍觀。熱愛音樂的聽眾們哪怕已經(jīng)把某首曲子在家單曲循環(huán)過成百上千遍，他們也更愿意搶門票去演唱會現(xiàn)場與作者互動；同理，哪怕網(wǎng)絡(luò)直播再怎么把比賽還原得惟妙惟肖，線下的體育賽事也依舊吸引著全世界的球迷去現(xiàn)場一睹運動健將們的真容……相比產(chǎn)出的結(jié)果，掌握技能本身的魅力與它背后所蘊含的人文情懷才是最吸引人的；而這，才是現(xiàn)階段AI的生成邏輯所真正無法取代的√

尾聲

以上是我為擔(dān)心被AI取代的藝術(shù)創(chuàng)作者們給出的一套解決方案……當(dāng)然——當(dāng)你再面對外行以AI為借口的挑釁、或是對版權(quán)的質(zhì)疑時，自豪地搬出自己上傳的極速藝術(shù)也能當(dāng)場堵住對方的嘴～

——@原力總督（FORCE_VICEROY）

立項日期：2023-06-11

截稿日期：2023-07-01

發(fā)布日期：2023-07-07

#借物表

參考文獻(xiàn)

原力總督. [教程-PS]自動化“面點光”，從此擺脫手畫√[DB/OL]. 嗶哩嗶哩, 2021-03-31. https://b23.tv/5GfvwAB
DS愛吃鉆石的羽光. PS：快速打地面高光的方法（萌新教程）[DB/OL]. 嗶哩嗶哩, 2021-02-10. https://b23.tv/tMYulrz
暗影苦力怕. BLENDER MC人物的自動擠出雙層皮膚原理解析[DB/OL]. 嗶哩嗶哩, 2021-01-31. https://b23.tv/2nUOHic
Kim Martineau. Teaching machines to reason about what they see[EB/OL]. MIT Quest for Intelligence, 2019-04-02. http://news.mit.edu/2019/teaching-machines-to-reason-about-what-they-see-0402
Lvmin Zhang, Maneesh Agrawala. Adding Conditional Control to Text-to-Image Diffusion Models[J]. Cornell University, 2023-02-10. arXiv:2302.05543. https://arxiv.org/abs/2302.05543
Marcus du Sautoy. 天才與算法：人腦與AI的數(shù)學(xué)思維. 程國建, 程浩, 王曉燕譯. 機械工業(yè)出版社, 2020-03-26: 212.
中文馬克思主義文庫. 1844年經(jīng)濟(jì)學(xué)哲學(xué)手稿[M/OL]. https://www.marxists.org/chinese/marx/marxist.org-chinese-marx-1844.htm

背景音樂