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⑨打通农技推广“最后一公里”******

　　作者：刘丽、孙炜琳，中国农业科学院农业经济与发展研究所

　　中央农村工作会议强调，要依靠科技和改革双轮驱动加快建设农业强国。党的二十大报告绘就了实现高水平农业科技自立自强的宏伟蓝图，中央农村工作会议进一步吹响了科技驱动农业强国建设的号角。科技驱动农业强国建设既要“顶天”，又要“立地”，既要着眼于世界前沿技术和基础研究，争取世界农业科技前沿领域的话语权，又要面向产业需求，让先进前沿的农业科技成果下沉进村、入户、到田，让农民学得会、用得上。农技推广作为连接科技和经济的关键环节，是将先进前沿的农业科技成果转化为现实生产力、促进农村经济高质量发展的重要利器。

　　一、打通农技推广“最后一公里”，对加快科技驱动农业强国建设意义重大

　　《“十四五”全国农业农村科技发展规划》指出，到2025年，我国农业科技整体实力稳居世界第一方阵，农业科技进步贡献率达到64%。要实现这一目标，在很大程度上取决于农技推广的效率和质量。中央农村工作会议强调要着力解决好农业科技创新体系中存在的各自为战、低水平重复、转化率不高等突出问题。数据显示，2019年我国农业科研院所以及农业高等院校的科技成果转化率分别为18.86%与16.79%；根据科学技术部“农业科技成果转化项目”数据统计，我国涉农企业科技成果转化率也不足50%。打通农技推广“最后一公里”将极大提高我国农业科技成果转化率，将更多的农业科技成果转化为现实生产力和农民收益，对于提升农业科技创新整体效能、加快科技驱动农业强国建设具有特别重要的意义。

　　二、打通农技推广“最后一公里”仍面临较多挑战

　　改革开放以来，经过多年建设，我国逐步建立起以政府公益性农技推广机构为主、以科研院所和高校为代表的准公益性推广机构和以农业社会化服务组织为代表的市场性推广机构多元共存的农技推广体系。农技推广体系不断改革创新，为当前农业科技进步贡献率超过61%发挥了关键支撑作用，为保障国家粮食安全、引领产业升级、推动农业现代化发展做出了突出贡献。近年来，随着农业生产新业态的不断涌现，广大农业生产主体对农业技术的需求呈现多样化，打通农技推广“最后一公里”仍面临较多挑战，主要表现在：

　　政府公益性农技推广机构投入不足，提供的农技服务内容及技术类型与农业生产的多样化需求匹配度不够。市场性农技推广机构服务范围覆盖面窄，服务群体较为分散，推广的技术相对单一，无法解决区域性产业发展面临的技术难题。政府公益性农技推广机构与市场性农技推广组织没有形成合力，力量分散。从整体来看，科技成果的市场转化机制尚不健全，农技推广模式较为单一，农技推广手段较为传统，运用大数据、云计算等现代信息技术手段不充分。

　　三、打通农技推广“最后一公里”，提升农业科技创新体系效能

　　构建多元互补、高效协同的农技推广体系。进一步深化建设以政府公益性推广机构为主导，以科研院所、高校、农业社会化服务组织等为补充的多元化农技推广体系，加快完善“一主多元”的基层农技推广服务网络。构建协同互补的农技推广运行机制，强化公益性农技推广机构与准公益性及市场性农技服务机构的有效对接，明确多元主体的角色定位与功能发挥，促进农业科技成果转化应用。坚持政府公益性推广体系的主导地位，加大基层农技推广投入，设立专项保障经费，强化政府农技推广的公益性职能。

　　立足产业需求，强化市场导向，全方位提高农技推广效率和质量。坚持立足农业生产一线，强化市场在农技推广的导向和筛选作用，加强政府公益性农技推广队伍建设，搭建基层农技推广人员和科技研发人员交流平台，切实提高基层农技推广水平。扎实推进农业社会化服务，以产业需求为基础，鼓励以“农资+服务”、技术托管、示范带动等多种方式开展农技服务，优化资源配置，加速实现技术服务的专业化。立足现代农业集约化、标准化特征，大力推广科技示范园区、科技小院、项目带动、企业参与等新兴技术推广模式，切实提高农业技术推广成效。

　　充分利用新手段、新平台推动农业科技与产业融合，成果与市场结合。加强科技服务载体和平台建设，搭建集“农技需求－交流培训－农资交易－技术服务”等为一体的农业技术服务数字化平台，为农业技术推广提供精准化、智能化服务，助推农业科技与产业融合。整合资源，以新电商平台为基础，健全市场转化机制，加速农业科技成果与市场结合，以市场反哺产业和科研，实现互惠互利、良性循环。利用互联网新媒体手段搭建与农业生产者的技术交流平台，建立低成本、高效率、便利化的反馈互动机制，提高农业技术推广效率。