新生彩票 - -(中国)360百科

AI绘画的“小秘密”都在这一篇文章里******

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　上传一张图片，或者输入一些简单的关键词，系统就能自动生成一张卡通图像……最近一段时间，AI绘画开始在互联网社交平台走红。

　　AI绘画，顾名思义就是利用人工智能进行绘画，是人工智能生成内容的典型应用场景之一。其主要原理是收集大量已有作品，通过算法对其内容和风格特征进行解析，最后再生成新的作品，所以算法是AI绘画的核心。

　　当前，“凭空”生成图像的AI绘画，其实也会动辄“翻车”：也许上一秒AI通过你的照片绘出的是一张充满艺术感的二次元画像，下一秒你的宠物猫、狗则可能被画成可爱少女或肌肉猛男。

　　事实上，AI绘画早已火爆全球。第一张公开展出的、由人工智能创作的绘画作品《埃德蒙·贝拉米的肖像》曾于2018年在佳士得拍卖行以43.25万美元成交，那是一张由机器学习了从14世纪到20世纪的1.5万张肖像画之后自动生成的一张肖像画作品。

　　AI绘画是如何实现“凭空”生图的？除了娱乐外，AI绘画还有哪些潜在的应用前景？

　　从“以图生图”到“语音生图”

　　2022年，由人工智能创作的《太空歌剧院》一度火出圈。在美国科罗拉多州举办的新兴数字艺术家竞赛中，《太空歌剧院》获得“数字艺术/数字修饰照片”类别一等奖。它的构图、配色以及画面的细节堪称精致。然而，这个作品的创作者不是艺术家，而是来自美国科罗拉多州的游戏设计师。

　　这位游戏设计师在一个名为“Midjourney”的AI创作工具里，先输入几个关键词，如光源、构图、氛围等，得到了100幅作品，再进行约80小时的修图修饰，最终选出3幅作品，最后把图像打印到画布上。

　　通过简单交互式对话在短时间内生成的“艺术”作品，让人类艺术家展开了一场关于“AI绘画作品参赛是否属于作弊”的争论。这场声势浩大的争论也令大众直观地意识到如今的AI绘画水平已经发展到了何种程度。

　　“人工智能在艺术方面的创作最早可以追溯到上个世纪末，当时的人工智能绘画技术叫作‘图像的风格化滤镜’。”中国科学院自动化研究所多模态人工智能系统全国重点实验室研究员董未名说，最初的AI绘画方法比较简单，比如一张普通的照片，通过一些图像处理的算法，把照片像素进行几何或者色彩上的变换，然后再调节不同参数，就可以模拟出类似油画或者水彩画的风格。

　　经过20年左右的发展，目前基于不同类型或者模态元素的AI绘画发展情况不尽相同，发展最久的是“以图生图”，再到近期火爆的“文+图”生图。当然，也有团队已经研发出由语音生成图像的技术。

　　AI绘画主要依靠三种技术模式实现

　　董未名介绍，目前AI绘画主要借助图像风格迁移技术、图文预训练模型和扩散模型实现。

　　“图像风格迁移技术指的是图像处理算法通过对输入的真实图像内容特征和对参考的艺术图像风格特征的提取，实现真实图像内容特征和艺术图像风格特征的融合，从而生成新的艺术图像。”董未名举例，如果将美国旧金山艺术宫的外景照片和印象派创始人莫奈绘制的作品，通过图像风格迁移技术进行融合，就能得到一张看起来像是由莫奈绘制的美国旧金山艺术宫的绘画作品。最初的AI绘画采用的正是这种技术。

　　不过，在董未名看来，图像风格迁移技术大多依赖的是生成式对抗网络（GAN）算法，它最大的问题是生成的绘画作品艺术性不强，笔触和构图让人觉得与真实的绘画有差距，所以长久以来，AI绘画一直“籍籍无名”。

　　当图像风格迁移技术还在挣扎于输出作品的审美问题时，图文预训练模型的出现，加速了AI绘画的崛起。

　　“依托图文预训练模型，只要输入一句话或者上传一幅风格明显的图片，算法就能将图像特征和文字特征‘对齐’。生成的绘画作品的内容特征和上传图片的内容相似，艺术性也比图像风格迁移技术生成的图片强很多。”董未名举例，比如支撑图文预训练模型的可对比语言—图像预训练（CLIP）算法，就是利用图文特征“对齐”的能力，再结合已有的生成模型，实现“以图生图”或者“图+文”生图。

　　不过，董未名坦言，图文预训练模型的推广也存在一些争议，有部分人认为，该模型在训练前期，需要用大量的图形处理器（GPU）进行数据训练，耗电量大、成本很高，而该模型的应用场景却不够清晰。但也有人认为，也许该模型未来可以打造为通用的人工智能模型，用它完成更多的算法作业，只是这还需要时间的验证。

　　诚然没有一项技术是完美的，这也为人类探究更先进的技术提供了无限动力。当下最流行的扩散模型便是其中之一。

　　“目前最新的AI绘画技术采用的就是扩散模型，这种模型可以把一个随机采样的噪声输入模型，然后尝试通过去噪来生成图像。”董未名表示，扩散模型也存在弱点，由于模型对图片内容识别的能力不足，或者难以完全理解识别文字的意义，以及训练数据的偏差，有时便会生成“四不像”的作品。此外，扩散模型生成图片的速度比较慢，目前还达不到实时生成图片。

　　互联网治理、元宇宙或潜藏应用前景

　　AI绘画目前的应用场景，更多聚焦于社交软件。近期在国内社交网络“火出天际”的AI绘画软件主要集中在小程序及App。随着AI绘画小程序的火爆，短视频平台抖音也迅速上线了AI绘画特效。同时，此前腾讯上线了“QQ小世界AI画匠”活动，百度也推出了首款AI艺术和创意辅助平台“文心一格”。

　　有了AI，人人都可以是艺术家。AI绘画的出现，恰如瑞士艺术家保罗·克利所言：“艺术不是再现可见，而是使不可见成为可见。”“AI现在已经完美实现了这一目标，人们可以通过机器计算来绘制出很多现实中见不到的场景。”董未名畅想，不远的将来，AI绘画或许还将展现更丰富的应用场景。

　　“现在网络上充斥着很多不良内容，这些内容为了逃避监管经常以绘画的形式出现，而当前很多内容识别模型对真实图片识别得很准确，但缺乏不良内容艺术作品的相关训练数据，所以对不良内容识别不准确。也许可以用AI绘画技术，积累不良内容艺术作品的数据，并用以训练识别模型，以提升互联网内容的安全监管能力和识别的准确率。”董未名建议。

　　在董未名看来，作为一种艺术呈现形式，AI绘画也将在元宇宙、设计、文旅等行业催生新的商业模式。例如AI绘画目前在AI辅助创作、短视频、影视制作和元宇宙等方面都有布局，因为这些赛道都离不开创意，AI绘画可以帮助创作者通过简单的特征输入，实现对其创意的预览，甚至可以直接进行创作。

　　不过，董未名并不讳言，当下AI绘画仍然存在版权争议问题。AI绘画的核心是模型，而训练模型需要使用大量图像、文本数据。对于未经授权的图片，经过运算之后所生成的图像版权归属尚难界定。“有的画家风格特别明显，如果用画家的画去训练算法模型生成作品，那最后的版权属于谁呢？”董未名提出的问题，正是多数AI绘画作品所面临的现实问题。

　　AI绘画掀起了一场资本的群体狂欢，希望有一天它能走出“照猫画虎”的尴尬，真正服务艺术创作、创造更多价值。（科技日报记者 金凤）

中央农村工作会议系列解读⑤强化种业企业创新能力 切实推进种业振兴行动******

　　作者：林青宁、毛世平、王晓君，中国农业科学院农业经济与发展研究所

　　近期，习近平总书记在中央农村工作会议上强调“要抓住耕地和种子两个要害”“把种业振兴行动切实抓出成效，把当家品种牢牢攥在自己手里”。作物育种和种子产业发展对于保障我国粮食安全和农业可持续发展意义重大。科技创新是突破前沿育种关键技术，培育战略性新品种的源头，对我国种业发展至关重要。当前，以市场化为导向的育种模式已是种业创新大势所趋，然而我国种业企业科研创新能力相对较弱，严重制约了我国种业创新链的延长。亟须强化种业企业创新能力，切实推进种业振兴行动。

　　近年来，我国种业企业在技术创新方面取得了一定进步，表现在三个方面：一是生物育种企业创新平台建设已较为完善。当前国内典型种业企业普遍拥有国家级、省部级重点实验室、博士后工作站等具有行业影响力的技术创新平台，具有较强的技术开发和创新能力。且隆平高科等种业企业已具备了较完善的国外研发体系布局。二是典型生物育种企业科企合作模式初步形成。当前国内典型种业企业不仅与高等院校、科研院所建立了产学研合作关系，还与各类学会建立了长期深入的合作。且首农集团等企业与国外机构在生物技术育种等方面建立了稳定的合作关系。三是典型种业企业创新产出逐渐丰富，在市场准入（审定、登记）品种、发明专利、科技进步奖等方面取得明显进步。“十三五”以来，隆平高科、登海种业等种业企业不断培育出双抗绿色高产的动植物品种。

　　当然，在成绩的背后，我国种业企业创新发展仍面临诸多难题：一是知识产权保护体系不完善。种业创新知识产权保护存在制度、认知和执行层面的问题，导致品种侵权行为仍较为普遍。二是种业品种同质化严重。新《种子法》实施以来，市场新品种“井喷”，但突破性品种缺乏，种子供给低价竞争，影响企业研发投入。三是种业项目偏离产业化应用。当前项目申报管理基本由科研人员出题并答题，产业需求导向不足。企业在科技论文等方面的劣势，影响了项目申报的成功率。四是科企合作形胜于质。目前科企合作多是联合申请项目，一旦项目结束合作关系就解体，两者为松散型合作。人才合作也多局限在简单的技术指导层面。五是科研院所与企业存在“同质竞争”。目前科研院所种业创新也偏向于生物育种，打破了原有科研院所基础研究、企业应用研究的平衡，挤压了种业企业的利润空间。

　　针对当前制约种业企业创新发展的系列问题，必须进一步优环境、活机制，提高种业企业创新动力与效能。

　　一是构建知识产权利益分享机制，完善知识产权保护体系。构建知识产权参与分配的利益机制，建立原始品种权人和实质性派生品种权人的利益分享机制。完善知识产权保护的政策体系，加强知识产权保护平台建设，推动知识产权社会共治，打通知识产权保护通道，培育知识产权保护的良好环境。

　　二是优化品种审定制度，推动品种由“多乱杂”向“多专优”转变。完善现行主要农作物品种审定制度，提高审定门槛，适当提高现行审定指标标准，减少品种数量，提高品种质量，使真正有实力品种脱颖而出，提高企业创新的内在动力。加快建立分作物分子指纹库，严格和规范品种审定和登记“特异性、一致性、稳定性”测试，通过技术手段把牢品种准入关。强化品种标准样品管理，开展品种符合性验证试验，为强化品种事中事后监管提供有力支撑。

　　三是加强种业科技项目产业化属性，增加种业企业经费支持。增加种业专项科技创新项目数量，增加种业企业获取科研经费支持的渠道，保障有实力的种业企业能够获得相应的科研项目以及研发经费支持。对种业企业融资方面给予支持，对产业化发展企业实施低息支持，尤其企业用于科技创新研发、基地建设方面的投资可给予无息支持。

　　四是引导科企合作深度融合，促进联盟运行由虚转实。创新项目形成机制，由企业根据产业需求提出技术难题，政府组织监督在全国范围内进行项目招标，构建企业“出榜”“评榜”+政府“发榜”+科研院校“揭榜”的机制。建立共建共享机制，完善联盟成员间的利益联结和分配机制，促进产学研协同创新效率。积极推动联盟实体化，适合以股份合资的方式实现实体化的要加快引导，适合以协会等社会团体法人方式实现资源整合的要给予政策支持。

　　五是强化科研院所生物育种基础研究属性，完善生物种业科研成果共享机制。多措并举强化科研院所做好种质资源的收集、分析、挖掘工作，进行基础性、前沿性、公益性研究，并完善科研成果信息共享机制，在合法合规的前提下，鼓励科研院所向社会公众公布科研成果和相关的知识产权信息，将生物种业科研成果转让给典型种业企业进行新品种培育，实现科研成果的开放共享。

　　（文图：赵筱尘 巫邓炎）