一、AIGC：人工智能的新年代
AIGC或许会是人工智能的下一个年代。尽管很多人还不知道AIGC是什么。
当还有大批人宣传所谓人工智能、元世界都是概念，而且捂紧了口袋里的两百块钱的时分，人工智能职业发生了几件小事。
首要，由人工智能生成的一幅油画著作《太空歌剧院》，获得了艺术博览会的冠军。
有人感觉这有什么？各种比赛多了去了，不便是获个奖吗？
可是这次不相同，这是一幅油画著作。在此之前，好的油画只能由人工制作。可是现在人工智能也能够制作了，而且还拿了冠军。
很多人类艺术家仰天长叹：“祖师爷啊，我这代人，在目睹艺术死亡！”
上一次艺术家们发出这样的感慨，仍是1839年，那时照相机问世了。
随后，ChatGPT横空出世。它真正做到了和人类“对答如流”。
它也能够做数学题、创作诗歌、写小说，乃至也能写代码、改bug。
再说一个震动的报导：由ChatGPT生成的论文，拿下了全班的最高分。导师找到学生，说他上交的论文，段落简练、举例恰当、论据谨慎，乃至引经据典，古今中外，无所不通，教授不敢信任。学生瑟瑟发抖，他说，这是AI生成的，我仅仅想敷衍一下作业。
另外，美国89%的大学生都在用ChatGPT做作业。以色列总统在周三发表了一个讲演，内容也是由人工智能写的。
现在全球都在评论，这类人工智能技能，看似是带来了巨大的商业价值，实则或许会给人类带来严重的打击。
这项技能便是AIGC(AI-Generated Content)，翻译成中文便是：人工智能生成内容。
二、AIGC实战：智能生成动漫头像
其实，利用人工智能生成内容资源，很早就有了。记住有一年的双十一购物节，上万商家的广告图便是人工智能生成的。仅仅现在的数据、算法、硬件，这三个条件跟上了，这才让它大放异彩，全民可用。
下面，我就以人工智能生成动漫头像为例，选用TensorFlow结构，自始至终给大家讲一下AIGC的全进程。从原理到完结都很详细，自己搭建，不调API，终究还带项目源码的那种。
2.1 主动生成的含义
那位问了，主动生成内容有什么好处？我的天啊，省事省力省钱呐！
下图是一个游戏中的海洋怪物。这便是人工智能生成的。
这个大型游戏叫《无人深空(No Man’s Sky)》。号称有1840亿颗不同的星球，每个星球都有形态万千的怪物。这游戏玩着得多爽啊？几乎便是视觉震慑呐。这些怪物要是人工来做，得招聘多少团队，得花费多少时间？
用人工智能生成的话，你能够像去网吧相同，跟老板说：嗨，多开几台机子！
当然，下面我要做的，没有上面那样地艳丽，乃至很原始。
可是进程相似，原理共同。作用便是AI生成动漫头像：
2.2 主动生成的原理
AIGC的原理，用中国古话能够一语归纳，那便是：读书破万卷，下笔如有神。
以生成猫咪的照片来举比如，基本上AIGC的套路是下面这样的：
首要，程序会规划两个人物。一个叫生成器，一个叫辨别器。
为了便于了解，咱们称号生成器为艺术家，称辨别器为评论家。
艺术家负责生产内容，也便是画猫。不要觉得拥有艺术家头衔就很了不起，他或许和你相同，画不好。可是，就算乱画，也得画。所以，他就画啊画啊画。
评论家呢，比较艺术家就负责一些了。他首要调研了大量猫的照片。他知道了猫的特色，有俩眼睛，有斑纹，有胡须。这些特征，他门儿清。
下面有意思的就来了。
艺术家这时还啥也不懂，随便画一笔，然后交给评论家，说画好了。评论家拿旁光一看，瞬间就给否了。还给出一些定见，比如连概括都没有。
艺术家一听，你要概括那我就画个概括。他加了个概括，又交了上去。评论家正眼一看，又给否了。不过，他仍是给出一些定见，比如没有胡须。
就这样，这俩人通过不计其数次的友好磋商（评论家幸好是机器，不然心态崩了）。到后来，艺术家再拿来画作，评论家会看良久，乃至拿出之前的照片挨个对照。终究他乃至还想诈一下艺术家，说你这是假的，艺术家说这次是真的。这时，评论家说好吧，我的确找不出问题了，我看也是真的。
至此，剧终。
搞一个造假的，再搞一个验假的。然后练习。跟着练习加深，生成器在生成传神图画方面逐步变强，而辨别器在辨别真伪上逐步变强。当辨别器无法区分真实图片和伪造图片时，练习进程到达平衡。
上面这一套操作叫“生成对立网络(Generative Adversarial Networks)”，简称叫GAN。我感觉，这套流程有点损,叫“干”没缺点。
2.3 数据预备
辨别器是需要学习材料学习的。因而，我预备了20000张这样的动漫头像。
这些数据来自揭露数据集Anime-Face-Dataset。数据文件不大，274MB。你很简略就能够下载下来。这儿面有60000多张图片。我用我的电脑练习了一下。200分钟过去了，一个epoch（把这些数据走一遍）都还没有结束。那……略微有作用得半个月之后了。
乡亲们，我这儿是AI小作坊，干不了大的。所以乎，我就取了20000张图片，而且将尺度缩小到5656像素，再而且将五颜六色改为黑白。这样一来，效率立刻就提高了。2分钟就能够练习一圈。如此，我练习500圈也便是不到一天的时间。这是能够接受的。
上面处理图片的代码：
import cv2
# 存放源图片的文件夹
dir_path = "anime"
all_files=os.listdir(dir_path)
# 循环里边的每一个文件
for j,res_f_name in enumerate(all_files):
res_f_path = dir_path+"/"+res_f_name
# 读入单通道
img1 = cv2.imread(res_f_path, 0)
# 从头界说尺度为56
img2=cv2.resize(img1,(56,56),interpolation=cv2.INTER_NEAREST)
# 转存到face文件夹下
cv2.imwrite("face/"+res_f_name, img2)
# 超越20000退出循环
if j > 20000: break
信任加上注释后，仍是通俗易懂的。
文件预备好了。尽管维度降了，但看起来，这个辨识度还过得去。
下一步要转为TensorFlow格局化的数据集。
from PIL import Image
import pathlib
import numpy as np
# 将图片文件转为数组
dir_path = "face"
data_dir = pathlib.Path(dir_path)
imgs = list(data_dir.glob('*.jpg'))
img_arr = []
for img in imgs:
img = Image.open(str(img))
img_arr.append(np.array(img))
train_images = np.array(img_arr)
nums = train_images.shape[0]
train_images = train_images.reshape(nums, 56, 56, 1).astype('float32')
# 归一化
train_images = (train_images - 127.5) / 127.5
# 转为tensor格局
train_dataset = tf.data.Dataset.from_tensor_slices(train_images).shuffle(nums).batch(256)
我很想说一下数据形态的改变进程。由于这和后续的神经网络结构有关联。
首要，咱们的图片是5656像素，单通道。所以，图片的数据数组img_arr的形状是(20000, 56, 56)。也便是说有20000组5656的数组。这儿面的数是int型的，取值为0到255，表明从纯黑到纯白。
((20000, 56, 56),
array([[ 0, 0, 0, 0, 0, …… 0],
[ 18, 18, 126, 136, 175, …… 0],
[ 0, 0, 253, 253, 0, …… 0]], dtype=uint8))
然后用reshape做一个升维，而且用astype('float32')做一个浮点转化。
升维的意图，是把每一个像素点独自提出来。由于每一个像素点都需要作为学习和判别的依据。浮点转化则是为了提高精确度。
到这一步train_images的形状变为(20000, 56, 56, 1)。
((20000, 56, 56, 1),
array([[ [0.], [0.], [0.], [0.], [0.], …… [0.]],
[ [18.], [18.], [126.], [136.], [175.], …… [0.]],
[ [0.], [0.], [253.], [253.], [0.], …… [0.]]], dtype=float32))
接着，进行一个神奇的操作。执行了(train_images-127.5)/127.5这一步。这一步是什么作用呢？咱们知道，色值最大是255，那么他的一半便是127.5。能够看出来，上一步操作便是把数据的区间格局化到[-1,1]之间。
假如你足够敏感的话，或许已经猜到。这是要运用tanh，也便是双曲正切作为激活函数。
这个函数的输出规模也是在-1到1之间。也便是说，通过一系列核算，它终究会输出-1到1之间的数值。这个数值咱们反向转化回去，也便是乘以127.5然后加上127.5，那便是AI生成像素的色值。
2.4 生成器
首要咱们来树立一个生成器。用于生成动漫头像的图片。
def make_generator_model():
model = tf.keras.Sequential()
model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(160,)))
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
model.add(layers.Reshape((7, 7, 256)))
assert model.output_shape == (None, 7, 7, 256)
model.add(layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
assert model.output_shape == (None, 7, 7, 128)
model.add(layers.BatchNormalization())
model.add(layers.LeakyReLU())
……
model.add(layers.Conv2DTranspose(1, (5, 5), strides=(2, 2), padding='same', use_bias=False, activation='tanh'))
assert model.output_shape == (None, 56, 56, 1)
return model
# 生成一个试试
generator = make_generator_model()
noise = tf.random.normal([1, 160])
generated_image = generator(noise, training=False)
由于我终究会放出悉数源码，所以这个当地省略了几层相似的神经网络。
从结构上看，输入层是巨细为160的一维噪点数据。然后通过Conv2DTranspose完结上采样，一层传递一层，生成改变的图画。终究到输出层，通过tanh激活函数，输出5656组数据。这将会是咱们要的像素点。
假如输出一下，生成器生成的图片。是下面这个样子。
这没错，一开端生成的图画，便是随机的像素噪点。它只有一个确认项，那便是5656像素的尺度。
这就能够了。它已经通过杂乱的神经网络，生成图片了。这个生成器有脑细胞，但刚出生，啥也不懂。
这就像是艺术家榜首步能制作线条了。假如想要画好猫，那就得找评论家多去交流。
2.5 辨别器
咱们来树立一个辨别器。用于判别一张动漫头像是不是真的。
def make_discriminator_model():
model = tf.keras.Sequential()
model.add(layers.Conv2D(64, (5, 5), strides=(2, 2), padding='same', input_shape=[56, 56, 1]))
model.add(layers.LeakyReLU())
model.add(layers.Dropout(0.3))
model.add(layers.Conv2D(128, (5, 5), strides=(2, 2), padding='same'))
model.add(layers.LeakyReLU())
model.add(layers.Dropout(0.3))
model.add(layers.Flatten())
model.add(layers.Dense(1))
return model
# 辨别上一个生成的噪点图片generated_image试试
discriminator = make_discriminator_model()
decision = discriminator(generated_image)
咱们来看一下这个模型。它的输入形状是(56, 56, 1)。也便是前期预备的数据集的形状。它的输出形状是(1)，表明辨别的成果。中心是两层卷积，用于把输入向输出靠拢。选用的是LeakyReLU激活函数。
咱们把生成器生成的那个噪点图，辨别一下，看看啥作用。
tf.Tensor([[0.00207942]], shape=(1, 1), dtype=float32)
看这个输出成果，数值极小，表明或许性极低。
咱们仅仅树立了一个空的模型。并没有练习。它这时就判别出了不是动漫头像。倒不是由于它智能，而是它看啥都是假的。它现在也是个小白。
下面就该练习练习了。
2.6 练习数据
开练！GAN！
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True)
def discriminator_loss(real_output, fake_output):
real_loss = cross_entropy(tf.ones_like(real_output), real_output)
fake_loss = cross_entropy(tf.zeros_like(fake_output), fake_output)
total_loss = real_loss + fake_loss
return total_loss
def generator_loss(fake_output):
return cross_entropy(tf.ones_like(fake_output), fake_output)
……
@tf.function
def train_step(images):
noise = tf.random.normal([BATCH_SIZE, noise_dim])
with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
generated_images = generator(noise, training=True)
real_output = discriminator(images, training=True)
fake_output = discriminator(generated_images, training=True)
gen_loss = generator_loss(fake_output)
disc_loss = discriminator_loss(real_output, fake_output)
gradients_of_generator = gen_tape.gradient(gen_loss, generator.trainable_variables)
gradients_of_discriminator = disc_tape.gradient(disc_loss, discriminator.trainable_variables)
generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))
for epoch in range(500):
for image_batch in dataset:
train_step(image_batch)
相同，我仍是只放出了部分要害代码。不然影响你的阅读。终究我会开源这个项目，不要着急。
咱们来分析原理，一定要反复看，精彩和烧脑程度堪比《三国演义》。我连图片都不敢加，怕打断你的思绪。
首要看丢失函数。
算法练习的一个途径，便是让丢失函数的值越变越小。丢失函数表明距离，猜测的距离和实际距离缩小，表明猜测变准。
先看一下生成器的丢失函数。位置在代码中的generator_loss部分。它返回两个数据之间的距离。榜首个数是造假的成果fake_output，这个成果是辨别器给的。另一个数据是标准的成功成果。跟着练习的进行，算法结构会让这个函数的值往小了变。那其实便是让生成器猜测出来的数据，同辨别器判别出来的成果，两者之间的距离变得越来越小。这一番操作，也便是让结构留心，假如整体趋势是生成器欺骗辨别器的才能增强，那就加分。
再看辨别器的丢失函数。也便是代码中的discriminator_loss函数。它这儿略微杂乱一些。咱们看到它的值是real_loss加fake_loss，是两项丢失值的总和。real_loss是real_output和标准答案的距离。fake_loss是fake_output和标准答案的距离。
那这两个值又是怎么来的呢？得去train_step函数里看。real_output是辨别器对练习数据的判别。fake_loss是辨别器对生成器造假成果的判别。看到这儿，我感叹人工智能的心计之重。它什么都要。
跟着大量学习材料的循环，它告知人工智能结构，它要训练自己对现有学习材料辨别的才能。假如自己猜对了学习材料，也便是那20000张动漫头像。请提示我，我要调整自己的见识，修改内部参数。代码中界说的training=True，意思便是可跟着练习主动调理参数。
一起，伴着它学习现有材料的进程中，它还要实践。它还要去判别生成器是不是造假了。它也告知结构，我要以我现在学到的辨别才能，去判别那小子造的图假不假。
由于人工智能要想办法让丢失函数变小。因而得让fake_loss的值变小，才干确保discriminator_loss整体变小。所以，结构又去找生成器。告知它，辨别器又学习了一批新常识，现在人家辨认造假的才能增强了。不过，我能够偷偷地告知你，它学了这个还有那个。这么一来，生成器造假的身手，也增强了。
如此循环往复。结构相当于一个“挑唆者”。一边让辨别器提高辨别才能，一边也告知生成器怎么完结更高档的造假。终究，世间全部的常识，两方悉数都学到了。辨别器再也没有新的常识能够学习。生成器的造假，辨别器悉数认可，也不需要再有新的造假计划。全部防伪常识全透明。
这时AIGC就成功了。
2.7 主动生成
我对20000张动漫图片练习了500轮。每一轮都打印一个九宫格的大头贴。终究咱们能够看到这500轮的演变作用。这张图大约25秒，只播放一遍(假如放完了，拖出来再看)，需要耐性看。
从动态图看，整体趋势是往画面更明晰的方向发展的。
动图比较快，我放上一张静态图。这彻底是由人工智能生成的图片。
生成的代码很简略。
# 加载练习模型
if os.path.exists(checkpoint_dir+"/checkpoint"):
checkpoint.restore(tf.train.latest_checkpoint(checkpoint_dir))
# 生成噪点作为输入
test_input = tf.random.normal([1, 160])
# 交给生成器批量生成
predictions = generator(test_input, training=False)
# 取出一张成果
img_arr = predictions[0][:, :, 0]
# 将成果恢复成图片像素色值数据
img_arr = img_arr* 127.5 + 127.5
这是20000张图，500轮练习的作用。假如是百万张图片，几千轮练习呢？彻底仿真很简略。
项目开源地址：gitee.com/bigcool/gan…
三、咱们对AIGC该有的情绪
AIGC的火爆出圈，引起全球的激烈评论。很多当地乃至打算立法，禁止学生运用它做作业。
尽管我说了这么多。或许直到现在，仍然有人觉得这是噱头：我的作业这么高档，是有灵魂的作业，人工智能写文章能比我通畅？它还写代码？它懂逻辑吗？
国外有一个IT老哥叫David Gewirtz。他从1982年开端就写代码，干了40多年，也在苹果公司待过。他认为用ChatGPT写代码不会有啥惊喜。直到呈现成果，却吓了他一大跳。
他的需求是给它老婆写一个网站的插件，用于挑选顾客，并滚动顾客的姓名展现。这个需要几天完结的作业，ChatGPT很快就完结了。而且代码朴实简练，极其标准。它还告知你该操作哪个文件，该怎么布置。
现阶段的人工智能，或许没有自己的考虑，可是它有自己的核算。
你会写文章，由于你读过300多本书，而且记住了里边20%的内容。这些让你引认为傲。可是人工智能，它读过人类历史上呈现过的全部文献，只需硬盘够，它悉数都能记住。而且它还不停对这些内容做分析、加工、收拾：这儿和这儿有关联，这儿和那里都是在介绍橙子的营养成分。它通过核算，让全部常识发生互联互通。
当有人向人工智能表明人类的担忧时，人工智能也给出了自己的答复。
我比较附和它的观念。
抱有其他观念的人，首要忧虑有了人工智能，人类就会变得不动脑子了。时间长就废了。
我觉得，这些都是东西。相机出来的时分，也是被画家抵抗，由于成像太简略了。现在想想，太简略有问题吗？没有！相同的还有核算器之于算盘，打字之于手写。乃至TensorFlow 2.0出来时，也被1.0的用户抵抗。他们说开发太简略了，这让开发者底子接触不到底层。殊不知，1.0出来的时分，那些写汇编语言的开发者也想，他们蜕化了，居然不操作寄存器。
其实，我感觉这些忧虑是剩余的。每个年代都有会归于自己年代的产品。就像现在咱们不必毛笔写字了，可是咱们的祖先也没有敲过键盘呀！或许下一个年代的人，连键盘也不敲了。
我是@TF男孩，一位编程表演艺术家。
