有效且负责任地将生成式 AI 用于艺术领域
学习目标
完成本单元后，您将能够：
- 为向工作流添加生成的图像设置现实目标。
- 创建有效控制生成的结果的提示。
- 描述使用生成式 AI 艺术品的道德问题。
将生成的艺术作品引入您的项目中
无论您是想要展示一个概念还是演示产品实际应用时的样子，生成式 AI 都可以让您通过图像美化您的工作成果。使用 AI 创建图像本身就是一种艺术形式。通过正确的方法，您可以为下一个项目生成合适的图像。
生成图像时，请牢记，艺术是主观的。您可能想要用完美的图片来强调您的观点，但，没有完全完美的。您觉得精彩的，他人可能并不觉得有那么好。所有，考虑使用您 95% 满意的图像；剩下的 5% 可能无论如何都是主观性的。
提醒自己，您的目标是在项目中加入图像。目标可能是用有趣的图像隔开文本内容。但是，一旦开始生成图像，目标就会转移到找到完美的图像，这很有诱惑力。这样局限的侧重点会让您舍弃本可以满足最初目标（即刚好够补充内容）的选项。
包括有小小瑕疵的图像。如果图像不是项目的关键部分，受众甚至可能都不会注意到其中的错误。例如，生成式 AI 基础知识徽章中用到过这个图片。
仔细看就会发现，桌子有五条腿。这个图像并不完美，但仍可以很好地发挥作用。一般来说，灵活选择可以让您更快实现可接受的结果。因为很多生成式 AI 工具都是付费服务，这样做通常也更省钱。即便如此，在如何使用这些工具方面，您可以灵活且聪明地做出选择。
提示工程的艺术
正如您在提示基础知识徽章中了解到的那样，提示是您与生成式 AI 模型交互的方式。您通过文本（或许以及一两个图像）为模型提供指令，模型返回对您的期望的最佳预测。通常，好的提示意味着好的输出结果。
那么什么样的提示才算是很好的呢？这样一个看似简单的问题已经在数字艺术家当中引发了争论。由于我们永远也无法了解训练模型时形成的连接，因此模型响应会始终存在不确定性。因此我们根据自已的了解做出猜测，希望是最好的结果。但有些猜测会比其他猜测更好。这就是提示工程的基础。这个词出自于率先采用生成式 AI 进行艺术创作的艺术家亚文化。
提示工程是关于用提示进行实验以了解将发生什么的过程。通过大量的试验和错误，早期的提示工程师发现了影响生成式 AI 输出的行之有效的技术。提示工程已经演变成了一种复杂的技巧，但仍有一些更简单、成熟的技术可以在您开始使用生成式 AI 工具时帮您获得更好的结果。
-
使用风格修饰语。从洞穴壁画到 3D 渲染，艺术的形式无穷无尽。在提示中包含特定的艺术风格，如印象主义，或特定艺术家，如莫奈。描述时代、地区或材料。与特定艺术风格频繁关联的所有内容都将成为模型的一部分。
-
添加品质描述词。尽管 AI 模型不知道什么是美，但我们人类必然知道，我们也不怕写下来！这些主观的概念最终成为了模型的一部分。所以需要一张“美丽的、高清的、宁静的乡村”图将可能生成令人赏心悦目的一张图。
-
重复重要内容。让艺术家画一幅“有雪的被雪覆盖的下过雪的雪白的下雪多的...”乡村图是非常荒唐的。但生成式 AI 却能很好地响应重复（也不会因重复而气恼）。重复的内容将得到格外关注，即使是像“非常”或者“很多”这样的形容词也是如此。
-
权衡重要内容。某些模型允许您直接控制特定词语的重要程度。例如 Stable Diffusion 允许您指定提示比例数值。因此“乡村 | 雪覆盖量：10 | 星星：5 | 云：-10”将生成有很多积雪、晴朗的、布满星星的夜晚图。并不是每个模型都支持这种直接权重，或者有不同的语法，所以需要清楚了解您所用工具的细微差别。
在 stability.ai 上使用 DreamStudio 通过 AI 生成的图像，并配有提示：“以印象派风格绘制的美丽宁静的乡村图 | 雪覆盖量：10 | 星星：5 | 云：-20”
无论我们叫它艺术、技艺还是科学，提示工程都需要练习。请记得：没有完美的提示，也没有完美的艺术品。创建 AI 生成的图像时接受惊喜，您不久就会发现适合下一个项目的图像。
生成艺术品的道德问题
AI 技术的先进之处已经带来了一些道德问题。尽管很难找到可以让每个人满意的答案，但我们可以试着了解其中的问题。
对很多艺术家来说，剽窃是主要问题。如果他们的作品被用来训练模型，那么模型就会复制他们的风格。某些情况下，图像明显成为现有作品的派生品，而另有一些情况下，风格非常类似，以至于仿制品超越了原作品。众多艺术家不希望自己的作品用来训练模型，幸好知名模型的训练者都能善意地响应。
冒名顶替是一个不那么明显、更阴险的问题。您可能很熟悉用 AI 换脸的深度伪造技术 (Deepfake)、视频。不幸的是，通过深度伪造技术进行创作通常未经过被模仿者的同意。最无伤大雅的是，您看到一条视频，明星说着傻话。但如果明星的形象用来销售产品呢？或者假冒政界人士散播关于某问题的谎言呢？这只是冰山一角。“眼见为实”不再可信时，我们必须增强识别欺诈的能力。
生成式 AI 的表现取决于训练时采用的数据。如果数据有偏见，生成的结果将同样有偏见。历史上，医生被描述为男人，因此，在模型中“医生”和“男人”之间有着强烈的关联，即使那种关联已不再反映如今的现实。因此，即使您不想延续刻板印象，您的模型仍可能帮您延续了。考虑用权重来抵消偏见。
生成式 AI 在某种程度上始终在衍生。这实际上可能会扼杀真正的创作。如果毕加索拥有 DALL-E 我们还能拥有立体主义吗？将来的 AI 将基于现在生成的图像进行训练，将不断重复相同的风格。我们确实需要人们参与进来，投入他们自己的艺术能力。
最后，如果您想用生成的图像，可以考虑通过简单的水印如“AI 生成”来声明出处。透明度将建立信任。可以将模型设计为跳过对反馈回路有帮助的词。没有正确的方法将作品归因于人工智能生成，但现代语言协会 (MLA) 有一些指南。
现在您已经具体了解了高效且负责地使用生成式 AI 方式，试着在您的下一个项目中添加生成的图像吧。
资源