AI生图为何像“开盲盒”

ChatGPT之后，AI（人工智能）生图工具如雨后春笋般涌现。从专业的Stable Diffusion（AI绘画生成工具），到大众化的文心一言、即梦，AI绘图越来越没有“门槛”了。当然，也有不少人发现，输入相同指令AI生成的图片却千差万别，甚至同一个人在同一个平台重复相同命令，结果也可能天壤之别。

AI绘图为何如此“任性”？其背后有什么技术原理呢？

从“复印机”到“艺术家”的演变

要理解AI的“任性”，得先了解其技术发展历程。

早期的AI生图技术就像高级复印机，只能复制已有图像，缺乏真正的创造力。如今主流技术基于“扩散模型”，让AI有了“创意生成”的能力。这就像从一团随机彩色噪点开始，经过无数次去噪和优化，最终“雕琢”出一幅完整图像。而且每次生成图片时，系统会以“随机种子”为起点，不同的种子会生成不同图像，就像种花时不同种子开出不同花朵。

AI模型学习的是数据的概率分布，而不是确定性的映射关系。当输入“一只可爱的小猫”，AI激活的不是某张特定的猫咪图片，而是关于“可爱小猫”的无数种可能性，然后从中随机选择一个方向创作。

这种随机性并不是技术缺陷，反而是AI技术的核心优势。也正是这种不可预测性，让AI有了无限的创意，成为创作者的伙伴。

给“任性”的AI套上可控缰绳

虽然随机性是AI创作的特色，但用户可以通过一些技巧让结果更可控。

精确化提示词是直接的办法。与其输入“一个美丽的风景”，不如详细描述为“阳光明媚的春日午后，樱花盛开的公园小径，水彩画风格”。越具体的描述，AI理解越准确，生成结果就越接近期望的样子。

参数调优能显著改善结果。通过调整采样步数、引导强度等参数，用户可以在创意性和可控性之间找到平衡。引导强度越高，AI就越严格遵循提示词，但可能会损失一些创意。

选择合适的采样器也很重要，不同采样器就像不同画笔，有的追求速度，有的追求质量，有的则在两者之间平衡；迭代优化是专业用户的常用策略，能基于初始生成结果，不断调整提示词和参数，往往能获得出色结果。

对于想要更精确控制的用户，还有一些高级技巧。比如ControlNet（控制扩散模型生成结果）技术，可以像给AI提供“设计图纸”一样，通过草图、人体姿态图或深度图精确控制生成结果的构图和布局。图生图功能则让用户基于现有图片修改和优化，既保持原有基础结构，又能加入新元素……

此外，实际使用中还有一些容易被忽视的细节。不同显卡和内存配置可能对生成结果产生细微影响；同一AI工具的不同版本可能产生不同结果；有时调整描述词的先后顺序也会影响最终效果；逗号、句号等标点符号在某些情况下也会影响AI的理解。

跟AI的“创造性偶然”共舞

随着技术进步，AI图像生成正朝着更可控的方向发展。

未来，我们或许能看到更智能的AI助手，它们不仅能生成图像，还能主动建议优化方案。基于大语言模型的提示词优化工具也会不断完善，帮助用户更好地与AI沟通。

但我们也必须明白，AI的“任性”特质，反映了AI的一个重要特征：它不是简单的工具，而是具有创造性的伙伴。

最好的AI艺术作品，往往来自人类创意想法与AI随机创造力的完美结合。学会与AI的“任性”共舞，才能在充满可能性的创作世界中发现独特风格。

（作者系中国科学院计算技术研究所工程师）