人人都在谈论GPT，但它究竟是什么？

admin

ChatGPT是由美国OpenAI研发的能够通过自然语言驱动的人工智能技术工具，因为它强大的执行力和任务处理能力，一经亮相就引起了极大的关注。与之类似，在图像智能生成方面，新近崛起许多新型模型的AI，如Dall-E2 Midjourney V5等, 通过算法可以产生的逼真影像，让许多摄影师感觉到危机。一时间，人们都在热议我们究竟要如何与人工智能相处，摄影的未来会如何被AI所改变？

基于这样的话题背景，《中国摄影》杂志邀请美国加州库埃斯塔学院终身教授，艺术系数字设计方向主任刘灿国撰写了《AI摄影与GPT图像》一文，尝试厘清GPT和AI的基础概念和底层逻辑，并探讨AI与摄影相结合的各种可能。

这是刘灿国教授第二次为我们撰写讨论人工智能的文章。2019年1月刊上曾经发表了他的《平坦之境，或映成之影》，文中作为对科学技术对艺术的影响进行了展望，仅仅过去了4年时间，他的文章的一些预言已经成为了现实。未来已来，我们要如何应对人工智能的大潮，希望本文能为您提供一些思考的线索。

《AI摄影与GPT图像》原文刊发于《中国摄影》杂志4月刊，我们摘录了文章的核心观点在此呈现。如欲了解本文的全貌，欢迎点击文末的杂志封面购买4月刊杂志。

InstructPix2Pix: 给定图像和书面指令，然后按照指令来编辑图像。

GPT是什么？

GPT的含义

GPT 又称 (Generative Pre-trained Transformer) 是一种基于 Transformer（转换器） 的语言模型，通过大规模的自然语言数据训练，机器可以掌握和“学习”自然的语言表述方式和规律。

经过不断的演化，GPT-3基于万亿级别的单字训练，创建了史无前例的自然语言模型AI服务——ChatGPT。GPT的图像版本称之为 Dall E2，系使用同样的类似训练方法来发展。GPT的成功，代表了一种有效的知识学习模型，可以反向对于人类的学习和研究提供启迪和思路。

G 所代表的“生成式”（Generative）即一种创作仿生。

P 指“预训练”（Pre-Trained)说明了预先训练基础数据从而形成知识对创作的重要性。

“预训练”（Pre-Trained）的系统在摄影领域里早已存在

对于摄影领域而言，可用于个人 “预训练”（Pre-Trained）的系统化的知识早已存在和相对完善。譬如，对于设置器材、设备、灯光、存储等的技术控制特点的特性的认识，从而了解到其中的优缺点，在实际使用中进行最佳的组合。摄影基础理论，包括曝光、光学、镜头焦距，景深，空间构图等方面的知识，以及按摄影门类的拍摄技巧和后期技术都是系统化的知识。摄影史论，摄影作者和作品，则形成了这些基础理论知识的具体验证和匹配的模型。

百多年来的摄影知识体系是我们一切发展的基础。那么在这个基础上，算力和模型就是接下来要着重关注的要点。


基于NVIDIA的StyleGAN算法以及NVIDIA CUDA的“此人不存在网站”。每次刷新网页，就会由AI生成一个“真人”图像。


T 指代的Transformer（转换器）是由谷歌研究团队在2017年美国加州第31届神经信息处理系统会议上发表的一篇名为 “《你只需要注意力》（Attention Is All You Need）”(Vaswani et al., 2017) 的开创性论文中提出的一种神经网络架构。这篇文章指出，传统的神经信息大都需要通过编码器和解码器过程来进行语言分析，但该论文提出了一种新的简化的结构，完全基于一种称之为“注意力（Attention）”的机制。这是一种机器学习技术，用于对序列数据进行建模。


注意力机制与摄影注意力

前文提到了“注意力（Attention）”，那么什么是“注意力”机制？它对摄影有什么启示并和摄影有什么关联？Attention指的是一种机器学习技术，用于对序列数据进行建模。具体而言，在传统的序列模型中，如循环神经网络（RNN）和卷积神经网络（CNN），每个时间步只能访问输入序列中的一个位置。然而，在实际应用中，有些输入位置可能更加重要，需要更多考虑。这就是 “注意力” 机制的作用，它允许模型在计算输出时，动态地为每个输入位置分配不同的权重，以便更加关注重要的位置和数据。简而言之，只抓最关键的点。

就像我们的摄影创作一样，我们在场景中面对复杂的视觉“数据”，但我们总是会关注那些对我们来说的重点对象，随后才能将注意力集中于构图、取景和拍摄。摄影中的构图是指摄影师通过调整拍摄角度、取景范围和线条构成等方式，使得照片的布局和结构更加清晰、有条理，同时能够吸引观众的视线。

Transformer 的 “注意力” 机制也是通过对输入序列的不同部分进行加权，从而实现对序列的建模和组织。在摄影后期中，当我们打开图像，我们会优先关注需要优化调整的部分，强化重要的、更好的部分，然后忽略对主题无意义的内容和无效细节。这就是类似的 “注意力”在起作用。