陰霾穩定擴散中...【2022/10】

陰霾穩定擴散中...【2022/10】

更新於 發佈於 閱讀時間約 3 分鐘

自 NovelAI 官方發推提及自家 AI 模型學習 Danbooru 圖庫後,有網友抓包 AI 餵太多帶有繪師簽名的圖片,連自己生成的圖片都出現簽名了。

但這大概不是人工智慧覺醒黎明,是 AI 發覺圖片較高機率角落出現一點小小色塊差異,那就沿用這種特徵,生成圖片時在那裡加些斑點吧。倘若 AI 能理解文字應用,我近幾週接觸 Stable Diffusion 不會落差感這麼大。

實際上Novelai模型生成的"文字",和之前用過的SD、WD差不多都是鬼畫符

實際上Novelai模型生成的"文字",和之前用過的SD、WD差不多都是鬼畫符


對我而言換 Novelai 模型後的問題,在於如果沿用原本萬用海報 prompt,產出來的圖片光害嚴重好似聖杯戰爭正發生,而且還是火力全開的 Ufotable 動畫製作。

我 : Explosion behind people running, city background.    AI : Excalibur!!!

我 : Explosion behind people running, city background. AI : Excalibur!!!


評估熟練這個模型可能還需要時間,我繼續埋頭產圖研究,倒是網友腦子轉得快,網路報導 10/5 已有人在 FB 插畫交流社團開出 AI 約稿收費服務,雖然引發討論後離開社團了。


Novelai 產圖驚艷眾人、官方發言帶出版權問題、然後有人嘗試用來賺錢,短短幾天內繪畫的執行過程、變現方式、做這件事代表的意義都遭到挑戰。如果機器幾秒生成的圖像就有一定水準、如果案主比起完美更想要便宜迅速,用手繪畫能替作者帶來什麼?供給下一個更強大的 AI 生成模型養分嗎?


所以 AI 生成作品沒有靈魂,或許是最能慰藉的說法。

動人的是作品背後的靈感、體悟、呼籲,唯有想要表達什麼,才有耐著生活柴米油鹽醬醋茶、耐著漫長創作過程中凝視作品也凝視自己、耐著投入未必產出成果、耐著任何階段可能產生的問題也要完成這件作品的動力。或許這股熱誠即便面臨 AI 來勢洶洶,也終究能在某個時刻觸及某位陌生人心中最軟的一塊,科技始終來自人性,僅以自己的靈魂吶喊,將眼光投放在更長遠的未來。


但是 10/17,波蘭藝術家 Greg Rutkowski 受訪,抱怨自己的作品在網路上未免太多了,多到其中很多都不是自己所畫,而是提示詞包含 "by Greg Rutkowski" 的 AI 生成圖像。


差不多時間,日本網友抱怨 Pixiv 短時間出現大量畫風、姿勢、長相近似的 AI 生成圖像,顯然有帳戶用同樣提示詞跑了數十甚至上百張圖,一股腦倒進這個插畫交流網站去。


對繪師而言,AI 圖像生成大概是天邊越來越難以忽視的陰霾,要擔心的事情又多一件了 :

如果 AI 生成作品上傳太多太快,連自己的靈魂吶喊都被淹沒了怎麼辦?


10/20,Pixiv宣布不排斥AI創作,並且AI作品將會與一般作品分開顯示排行榜。

avatar-img
Bsh的沙龍
3會員
48內容數
記錄我在 2022 年 9 月之後使用 AI 生成圖像的嘗試。 這個主題總有一天會沒東西好寫,那就走一步算一步吧...…
留言
avatar-img
留言分享你的想法!
Bsh的沙龍 的其他內容
或許舊作品消滅與 AI 生成風潮,只是證實內心對圖像價值的質疑。諷刺的是,我竟因為懶得開 SD 、漫無目的上網而看到新的可能性。
測過 ChatGPT 寫提示的效果,我再無懸念,自己目前的流程問題開張 Google sheet 便能解決,用不著 AI。
追根究底,如何確認提示詞在圖裡確實有發揮作用?問問 DAAM
或許舊作品消滅與 AI 生成風潮,只是證實內心對圖像價值的質疑。諷刺的是,我竟因為懶得開 SD 、漫無目的上網而看到新的可能性。
測過 ChatGPT 寫提示的效果,我再無懸念,自己目前的流程問題開張 Google sheet 便能解決,用不著 AI。
追根究底,如何確認提示詞在圖裡確實有發揮作用?問問 DAAM
本篇參與的主題活動
在生成式AI與大型語言模型(Large Language Model, LLM)蓬勃發展下,有許多工具可以幫助我們學習與撰寫程式,這篇文章提供了實作範例與一些經驗,分享如何使用ChatGPT(免費的GPT-3.5)協助程式語言的學習,並且完成屬於自己的程式。
前幾個禮拜,AWS 舉行 Startup Day Taiwan。想當然爾,最熱門的主題非生成式 AI (Generative AI) 莫屬。既然 AWS 有現成的工具,身為一名工程師,自然看看無妨,這篇文章算是新手開箱文,會說明如何部署一套基礎模型,並使用 AWS SDK 與其互動。
前言 我在工作中沒有什麼機會接觸到機器學習,學生時期也沒有學習過相關知識。 作為一個業餘小白,我對機器學習非常感興趣。在自學的過程中,我逐漸意識到利用機器學習可以做很多有趣的事情。 因此,我決定嘗試使用 AWS SageMaker JumpStart 來實驗文字生成式繪圖 AI ,以了解機
在生成式AI與大型語言模型(Large Language Model, LLM)蓬勃發展下,有許多工具可以幫助我們學習與撰寫程式,這篇文章提供了實作範例與一些經驗,分享如何使用ChatGPT(免費的GPT-3.5)協助程式語言的學習,並且完成屬於自己的程式。
前幾個禮拜,AWS 舉行 Startup Day Taiwan。想當然爾,最熱門的主題非生成式 AI (Generative AI) 莫屬。既然 AWS 有現成的工具,身為一名工程師,自然看看無妨,這篇文章算是新手開箱文,會說明如何部署一套基礎模型,並使用 AWS SDK 與其互動。
前言 我在工作中沒有什麼機會接觸到機器學習,學生時期也沒有學習過相關知識。 作為一個業餘小白,我對機器學習非常感興趣。在自學的過程中,我逐漸意識到利用機器學習可以做很多有趣的事情。 因此,我決定嘗試使用 AWS SageMaker JumpStart 來實驗文字生成式繪圖 AI ,以了解機