DALL-E 2是一种新型人工智能算法，只需不到一分钟，就能根据一个短语或句子生成图像。
该程序使文本生成图像系统的质量和逼真度实现了重大飞跃，能够高度准确地模仿特定风格。
但这项技术也引发了关于创造力的疑问：当DALL-E 2将创作过程中的许多环节自动化后，创造究竟意味着什么？
该程序也可能造成危害，例如依赖刻板印象，以及可能被用于传播虚假信息。
一幅图胜过千言万语，但得益于一款名为DALL-E 2的人工智能程序，你只需寥寥数语，就能得到一张看起来像专业作品的图像。
DALL-E 2是一种新型神经网络算法，只需根据你提供的一个短语或句子，就能生成图像。该程序由人工智能研究实验室OpenAI于2022年4月公布，目前尚未向公众开放。但已有一小群人（包括我在内）获得了使用权限，并且人数还在增加。
作为一名研究技术与艺术交汇领域的学者，我很想看看这个程序表现如何。经过数小时的试用，很明显，DALL-E虽然并非毫无缺点，但远远领先于现有的图像生成技术。它立即引发了一些问题：这些技术将如何改变艺术的创作和消费方式？当DALL-E 2似乎将创作过程本身的许多环节自动化时，创造力又意味着什么？
风格与主题之丰富令人惊叹
OpenAI的研究人员利用海量带有说明文字的图像构建了DALL-E 2。其中一些图像是在网上搜集的，另一些则通过授权获得。
使用DALL-E 2很像在网上搜索图像：你在文本框中输入一个短语，它就会返回六张图像。
但该程序并非从网上搜罗图像，而是生成六张全新的图像，每张都以某种方式呈现输入短语。（直到最近，该程序每条提示还会生成10张图像。）例如，我和几位朋友向DALL-E 2输入“戴着Devo帽子的猫”这一文本提示时，它生成了10张图像，风格各不相同。
几乎所有图像都足以以假乱真，看起来像专业摄影作品或绘画。算法虽然没能完全理解“Devo帽子”——那种奇特的头盔是新浪潮乐队Devo成员戴的——但生成图像中的头饰也相当接近。
过去几年里，一小群艺术家一直在使用神经网络算法创作艺术。许多作品都有鲜明的特点，看起来几乎像真实图像，但空间呈现却有着奇怪的扭曲，颇似赛博朋克风格的立体主义。最新的文本生成图像系统常常生成梦幻、奇异的图像，这些图像可能令人愉悦，却很少看起来真实。
DALL-E 2使图像的质量和逼真度实现了重大飞跃，也能以惊人的准确度模仿特定风格。如果你想要看起来像真实照片的图像，它会生成六张栩栩如生的作品。如果你想要史前洞穴壁画风格的史瑞克，它就会生成六张史瑞克图像，仿佛出自史前艺术家之手。
一个算法竟能做到这些，着实令人惊叹。每组图像的生成时间不到一分钟。并非所有图像都赏心悦目，也未必符合你的设想。但即使需要筛选大量结果或尝试不同的文本提示，目前也没有别的办法能如此迅速地生成这么多出色的结果——即便雇用艺术家也做不到。有时，意想不到的结果反而最好。
原则上，任何拥有足够资源和专业知识的人都能制作这样的系统。谷歌研究院最近公布了一款令人印象深刻的类似文本生成图像系统；一位独立开发者也在公开开发自己的版本，现在任何人都可以在网上试用，不过它目前还不如DALL-E或谷歌的系统。
不难想象，这些工具将改变人们创作图像和交流的方式，无论是制作表情包、贺卡、广告——当然，也包括艺术。
艺术在哪里？
刚开始用DALL-E 2生成各种风格的不同类型绘画时，我有过一个顿悟时刻——比如尝试生成一幅“奥迪隆·雷东风格的西雅图画作”时，我突然意识到，它比我开发过的任何绘画算法都好。接着我意识到，在某种意义上，它比我更擅长绘画。
事实上，没有人能做到DALL-E 2所做的事：在短短几秒内生成如此高质量、风格多样的图像。如果有人告诉你这些图像全是一个人创作的，你当然会说他很有创造力。
但这并不意味着DALL-E 2就是艺术家。尽管它有时看起来像是施了魔法，但其内部仍然是一个计算机算法，严格遵循OpenAI算法作者设定的指令。
如果这些图像称得上艺术，那么它们既是算法设计方式和训练图像的产物，也取决于艺术家如何使用它——而这一点最为重要。
你可能会觉得，只敲几个键就生成的图像没什么艺术价值。但在我看来，这种想法呼应了一种经典观点：摄影不能算艺术，因为所有工作都是机器完成的。如今，人们承认艺术摄影中蕴含着人类的创作与技艺，评论家也明白，优秀的摄影远不止按下快门那么简单。
即便如此，我们谈论艺术作品时，仍常常把它们视为艺术家意图的直接体现。艺术家想展示某种事物或表达某种情感，于是创作了这幅图像。DALL-E 2似乎彻底绕过了这一过程：你有了一个想法，把它输入进去，就完成了。
但我用传统方式绘画时发现，作品来自探索过程，而不只是执行最初的目标。许多艺术家也有同样的经历。
以保罗·麦卡特尼为例，他在一次即兴演奏中创作出了歌曲《Get Back》。他开始时并没有为这首歌制定计划，只是随意弹奏、尝试，乐队由此逐步完善了这首歌。
毕加索也以类似的方式描述过自己的创作过程：“我事先并不知道自己要在画布上画什么，就像我不会预先决定要用哪些颜色……每次开始画一幅画，我都有一种跃入太空的感觉。”
在我自己探索DALL-E 2的过程中，一个想法引出另一个想法，继而又引出新的想法，最终我会发现自己置身于一片完全出乎意料、充满魔力的新天地，离最初出发的地方已很遥远。
提示词也是艺术
我认为，使用DALL-E 2这类系统所体现的艺术性，不只来自最终的文本提示，也来自促成这一提示的整个创作过程。不同艺术家会采用不同的过程，最终得到不同的结果，展现各自的方法、技能和执着。
我开始把自己的试验看作一系列作品，每组都持续探索一个主题，而不是一堆互不相关的古怪图像。
这些图像和系列的创意来自四面八方，往往由一连串踏脚石串联起来。有一次，我在创作以当代艺术家作品为基础的图像时，想生成一幅特定场地装置艺术的图像，采用当代日本艺术家草间弥生的风格。尝试了几个不太满意的地点后，我想到可以把作品放在科尔多瓦大清真寺里。这座建筑位于西班牙科尔多瓦，曾是清真寺，后来也曾用作教堂。我把这张图发给来自科尔多瓦的建筑师同事曼努埃尔·拉德龙·德·格瓦拉，我们由此开始共同畅想其他建筑创意。
这逐渐发展成一个系列，描绘不同建筑师风格下想象中的新建筑。
因此，我开始认为自己用DALL-E 2进行创作既是一种探索，也是一种艺术形式，尽管它往往只是业余创作，就像我在iPad上画的那些画。
事实上，一些艺术家，例如瑞安·默多克，一直主张应将基于提示词的图像创作认定为艺术。他以经验丰富的人工智能艺术家海伦娜·萨林为例。
“当我看Midjourney的大多数作品时”——这是另一款热门的文本生成图像系统——“很多作品都很有趣或好玩，”默多克在接受我采访时说。“但[萨林]的作品有一条贯穿始终的脉络。很容易看出她投入了大量思考，也打磨了创作技艺，因为作品更赏心悦目、更有趣，而且始终延续着她自己的风格。”
使用DALL-E 2或任何新型文本生成图像系统，都意味着要了解它的特性，并制定策略来避免常见问题。了解它可能造成的危害也很重要，例如它对刻板印象的依赖，以及被用于传播虚假信息的可能性。使用DALL-E 2时，你还会发现一些令人意外的关联，比如只要采用古代画家、电影制作人或摄影师的风格，画面中的一切就会变得复古。
当我想创作某种非常具体的东西时，DALL-E 2往往做不到。生成的结果之后需要大量艰难的手动编辑。我的目标越模糊，这个过程就越令人愉悦，因为它会带来意外，催生新想法，而新想法又会不断引出更多想法。
构筑新的现实
这些文本生成图像系统也能帮助用户想象新的可能性。
艺术家兼行动者丹妮尔·巴斯金告诉我，她一直在努力“通过‘真实’的例子展现另一种现实：要么在现实世界中搭建场景，要么在Photoshop中精心制作图像”。然而，DALL-E 2“是一个绝妙的捷径，因为它非常擅长呈现逼真效果。这对于帮助他人让可能的未来变得鲜活至关重要——无论是讽刺、梦想还是美好愿景”。
她曾用它来想象一种替代交通系统，以及一种输送面条而非水的管道系统；这两种设想都体现了她兼具艺术家与挑衅者的特质。
同样，艺术家马里奥·克林格曼的以无家可归者帐篷为主题的建筑效果图，可以视为对我那些豪华梦想住宅建筑效果图的回应。
现在判断这种艺术形式的意义还为时过早。我总会想起优秀著作《后文化时代的艺术》中的一句话：“人工智能主导的审美是新奇。”
在某种程度上，这句话对于任何用于艺术创作的新技术都适用。卢米埃尔兄弟在19世纪90年代拍摄的第一批电影只是新鲜事物，并非电影杰作；当时人们惊叹的只是图像竟然可以动起来。
人工智能艺术软件发展迅速，技术和艺术上的新奇不断涌现。仿佛每年都有机会探索一种令人兴奋的新技术——每一种都比上一种更强大，也都似乎即将改变艺术与社会。
