由「企鵝」構成的「炸雞」長什麼樣？
用「長頸鹿」組成的「雞」是什麼鬼...長頸雞嗎？
你或許覺得這種並不存在的事物過於荒誕， 而且靠自身的想像力有點難以描述， 但最近，
有AI能把這些東西畫出來了。
例如當你給出設定， 用「大象」構成的「雞」， 一般人還在愁雞頭應該安排在哪， 這款最新的AI已經畫完了， 而且一口氣畫了幾十張：
情不自禁的想來一個「看懂， 掌聲」。
今天要介紹的這位AI界的新晉畢卡索正是OpenAI最近訓練出的圖像生成器， DALL·E。
DALL·E有點特別， 在一定的框架下， 它能按照人類的文字描述， 給出畫面圖像， 無論這段描述有多離譜。
如果讓你畫一幅「一個小白菜寶寶穿著芭蕾舞裙遛狗」， 你可能會一臉懵， 但DALL·E直接就生成了：
主角換成皮卡丘也沒問題， 而且每只狗子都不一樣：
所以， 這看起來就是一個可以利用文本描述生成圖像的AI。 人類的指令就是像是完成填空題， 有一些可選選項， 模式類似：繪製一個「xxx」的「xxx」， 比如下圖中， 選取了「綠色」， 得到了綠色的表。
於是， 不同的關鍵字就組成了千奇百怪的東西， 雖然看著有一絲絲沙雕，
DALL·E都能「畫」些什麼？
比較基礎的就是「控制屬性」。 我們剛才介紹過， 例如「立方體」的「老虎」， 通過兩個簡單的關鍵字構成的一組詞彙， 然後生成畫面：
「環面」的「水」， 很有美感：
還可以「繪製多個物件」， 包括他們的空間關係， 像是下圖：
一個「小」的「紅色」的方塊， 「立」在一個大的「綠色」方塊上。
此時AI不僅要將片語正確組合，而且要形成正確的關聯，避免混淆。下圖是「一隻綠色的大象坐在一隻紅色老鼠身上」，可以感受一下AI的抽象畫法：
另外還可以根據「畫面的視角」生成圖片。
如「美洲獅」「坐在山上」的「鳥瞰圖」，當然也可以選擇平視或者特寫等多個視角選項：
根據「畫面風格」變動生成圖片，「狐貍」「坐在森林裡」的「3D渲染圖」：
類似的關鍵字，還可以換成前幾年比較火的低多邊形風格，也可以改成圖元風格：
還可以生成「橫截面圖」，這西瓜讓AI切的稀碎：
其他的功能還有很多，例如「推理背景細節」，給出一個大概的方向讓AI補充畫面。
像是「早晨，一隻水豚坐在森林裡的畫」，AI會根據關鍵字，推斷光線一類的需求，然後生成不同風格的「畫」這個結果，看效果確實藝術極了：
而我最喜歡的是「合併不相關的概念」。
通常來說，我們組合一個詞彙都是用於描述真實存在的事物，例如木質的桌子。不過好玩的是，DALL·E可以將不同概念的物件「強行」縫合，創造出新的東西，舉個例子，設置由「蝸牛」組成的「漢堡」，於是就出現了漢堡蝸牛：
感覺類似的生成方式，很適合做設計。下圖的關鍵字是，一個「冰川」「形式」的「茶壺」：
更進一步還可以製作「腦洞插畫」，「皮卡丘」「穿著西裝」「擤鼻涕」：
「動物與動物之間的嵌合體」，用「長頸鹿」組成的「雞」：
還有神話中的不太好想像的「貓龍」，在AI眼裡，竟然是長成這樣的：
DALL-E，是什麼？
如果你對去年的GPT-3有印象，就能更簡單的理解DALL·E。GPT-3就是那個給一些詞或者句子，就能夠自己寫文章的那個AI。
這次的DALL·E也是類似的功能，只不過變成給文字生成圖片了。
其本質跟GPT-3一樣，還是變壓器語言模型。在GPT-3那裡，變壓器是從「文字到文字」，這個DALL·E則更進一步，變成了「文字到圖片」。
是不是很神奇？那麼，這個AI又是如何做到的呢？
根據DALL·E創造者OpenAI的介紹，實現這個DALL·E，有兩個關鍵的核心。
第一個，是接收資料流程進行訓練。DALL·E會接收圖像和文字所組合的資料流程，在模型訓練之前，需要對資料進行預處理，一次接受後，會用到1280個標記，其中256個用於標記文本，1024個用於標記圖像。
之後，便是對這些資料進行自回歸建模，這時候，DALL·E使用了一種名為「自注意力層」以及其中的「注意遮罩」。
怎麼理解這個概念呢？大家可以回想一下，平時你在聚精會神地觀察某個東西的時候，是不是會忽略周圍的東西，這時候，你的注意力都集中在那個事物上？
是的，在AI上，也有類似的概念：注意力機制。簡單來說，就是用演算法，讓AI可以在不同外界需要下去選擇性地觀察，找出最有用的點。不同的演算法得出的不同結果，就類似於咱們對同一事物的不同聚焦點，正如詩雲「橫看成嶺側成峰」。
而在「自注意力」上，其實與注意力，只差了一個字，它是後者的一種變體。二者的區別，就是「自注意力」減少了對外部資訊的依賴，在原本就具有的「注意力」分析上，更側重於分析資料流程內部各標記的相關性。
在這個DALL·E中，這樣的不同注意力「遮罩」，一共有著64個。
正是有了足夠多關注和分析的角度，保證了訓練中同一輸入中的每個圖像標記，都能或強或弱地與文字標記產生關聯。
其次，DALL·E還有另外一個核心：看看自己畫得好不好。
你讓他畫畫，他其實會先畫出512幅畫，不過嘛，AI在給你輸出結果前，還會自己斟酌斟酌。
這個使用的便是CLIP網路，這是一個評價系統，它會對自己的作品進行評分，然後根據高低順序排列，排名靠前的，才會輸出給你。
DALL·E畫出的作品
瞭解完來龍去脈，接下來就是作品時間了。
儘管DALL·E推給你的作品都是精挑細選的，但依然有很多鬼畜他媽給鬼畜開門——鬼畜到家的作品。
例如「地球的橫截面」，有的像是Minecraft裡的方塊，有的像是切了一塊火腿。
美洲獅在森林裡的黏土動畫，獅子看完想離開森林：
我這一輩子已經坐過數千次馬桶，但「粉色」、「六邊形」馬桶還是第一次看見：
同時這樣的馬桶，它一秒就畫了一堆。
我們都沒有見過「環形」的「西瓜」，但DALL·E給出的答案似乎也有點道理：
而這個「四面體」的「斑馬」徹底給我笑吐了。
大自然看完，直呼內行。
還有用長頸鹿構成的烏賊：
下圖分別是用貓熊構成的鱷魚、羊駝、企鵝、鯨、烏賊，哪個最可愛？
用企鵝構成的黃瓜:
由企鵝構成的炸雞...那這到底算是炸雞還是炸企鵝？
不過無論是哪一種，都挺萌，而且看起來似乎也挺好吃的。
最後推薦一波DALL·E繪製的最匪夷所思的畫作，「企鵝與肉餅」。真正的——「企鵝肉」。
此時AI不僅要將片語正確組合，而且要形成正確的關聯，避免混淆。下圖是「一隻綠色的大象坐在一隻紅色老鼠身上」，可以感受一下AI的抽象畫法：
另外還可以根據「畫面的視角」生成圖片。
如「美洲獅」「坐在山上」的「鳥瞰圖」，當然也可以選擇平視或者特寫等多個視角選項：
根據「畫面風格」變動生成圖片，「狐貍」「坐在森林裡」的「3D渲染圖」：
類似的關鍵字，還可以換成前幾年比較火的低多邊形風格，也可以改成圖元風格：
還可以生成「橫截面圖」，這西瓜讓AI切的稀碎：
其他的功能還有很多，例如「推理背景細節」，給出一個大概的方向讓AI補充畫面。
像是「早晨，一隻水豚坐在森林裡的畫」，AI會根據關鍵字，推斷光線一類的需求，然後生成不同風格的「畫」這個結果，看效果確實藝術極了：
而我最喜歡的是「合併不相關的概念」。
通常來說，我們組合一個詞彙都是用於描述真實存在的事物，例如木質的桌子。不過好玩的是，DALL·E可以將不同概念的物件「強行」縫合，創造出新的東西，舉個例子，設置由「蝸牛」組成的「漢堡」，於是就出現了漢堡蝸牛：
感覺類似的生成方式，很適合做設計。下圖的關鍵字是，一個「冰川」「形式」的「茶壺」：
更進一步還可以製作「腦洞插畫」，「皮卡丘」「穿著西裝」「擤鼻涕」：
「動物與動物之間的嵌合體」，用「長頸鹿」組成的「雞」：
還有神話中的不太好想像的「貓龍」，在AI眼裡，竟然是長成這樣的：
DALL-E，是什麼？
如果你對去年的GPT-3有印象，就能更簡單的理解DALL·E。GPT-3就是那個給一些詞或者句子，就能夠自己寫文章的那個AI。
這次的DALL·E也是類似的功能，只不過變成給文字生成圖片了。
其本質跟GPT-3一樣，還是變壓器語言模型。在GPT-3那裡，變壓器是從「文字到文字」，這個DALL·E則更進一步，變成了「文字到圖片」。
是不是很神奇？那麼，這個AI又是如何做到的呢？
根據DALL·E創造者OpenAI的介紹，實現這個DALL·E，有兩個關鍵的核心。
第一個，是接收資料流程進行訓練。DALL·E會接收圖像和文字所組合的資料流程，在模型訓練之前，需要對資料進行預處理，一次接受後，會用到1280個標記，其中256個用於標記文本，1024個用於標記圖像。
之後，便是對這些資料進行自回歸建模，這時候，DALL·E使用了一種名為「自注意力層」以及其中的「注意遮罩」。
怎麼理解這個概念呢？大家可以回想一下，平時你在聚精會神地觀察某個東西的時候，是不是會忽略周圍的東西，這時候，你的注意力都集中在那個事物上？
是的，在AI上，也有類似的概念：注意力機制。簡單來說，就是用演算法，讓AI可以在不同外界需要下去選擇性地觀察，找出最有用的點。不同的演算法得出的不同結果，就類似於咱們對同一事物的不同聚焦點，正如詩雲「橫看成嶺側成峰」。
而在「自注意力」上，其實與注意力，只差了一個字，它是後者的一種變體。二者的區別，就是「自注意力」減少了對外部資訊的依賴，在原本就具有的「注意力」分析上，更側重於分析資料流程內部各標記的相關性。
在這個DALL·E中，這樣的不同注意力「遮罩」，一共有著64個。
正是有了足夠多關注和分析的角度，保證了訓練中同一輸入中的每個圖像標記，都能或強或弱地與文字標記產生關聯。
其次，DALL·E還有另外一個核心：看看自己畫得好不好。
你讓他畫畫，他其實會先畫出512幅畫，不過嘛，AI在給你輸出結果前，還會自己斟酌斟酌。
這個使用的便是CLIP網路，這是一個評價系統，它會對自己的作品進行評分，然後根據高低順序排列，排名靠前的，才會輸出給你。
DALL·E畫出的作品
瞭解完來龍去脈，接下來就是作品時間了。
儘管DALL·E推給你的作品都是精挑細選的，但依然有很多鬼畜他媽給鬼畜開門——鬼畜到家的作品。
例如「地球的橫截面」，有的像是Minecraft裡的方塊，有的像是切了一塊火腿。
美洲獅在森林裡的黏土動畫，獅子看完想離開森林：
我這一輩子已經坐過數千次馬桶，但「粉色」、「六邊形」馬桶還是第一次看見：
同時這樣的馬桶，它一秒就畫了一堆。
我們都沒有見過「環形」的「西瓜」，但DALL·E給出的答案似乎也有點道理：
而這個「四面體」的「斑馬」徹底給我笑吐了。
大自然看完，直呼內行。
還有用長頸鹿構成的烏賊：
下圖分別是用貓熊構成的鱷魚、羊駝、企鵝、鯨、烏賊，哪個最可愛？
用企鵝構成的黃瓜:
由企鵝構成的炸雞...那這到底算是炸雞還是炸企鵝？
不過無論是哪一種，都挺萌，而且看起來似乎也挺好吃的。
最後推薦一波DALL·E繪製的最匪夷所思的畫作，「企鵝與肉餅」。真正的——「企鵝肉」。