DALL-E 的演进：AI 艺术史之旅

BTW Media 对《DALL-E 的演进：AI 艺术史之旅》进行存档，是因为有公开证据将其与互联网基础设施、治理、运营依赖性或市场可见性联系起来。

• DALL-E 于 2021 年 1 月首次发布，先于 Stability AI 和 Midjourney 等其他文本到图像的生成式 AI 艺术平台。
• 到 2022 年 DALL-E 2 发布时，面对外界批评 DALL-E 可能生成逼真的露骨图像以及在生成照片时表现出偏见，OpenAI 推出了等候名单来控制谁可以使用该平台。
• 2023 年 9 月，OpenAI 宣布了 DALL-E 系列的最新成员 DALL-E 3，据称它能比前代模型理解“显著更多的细微差别和细节”。

DALL-E，一个灵感源自“萨尔瓦多·达利”与“Pong”组合的名字，是 OpenAI 开发的突破性 AI 模型，它彻底改变了我们思考艺术和创造力的方式。这篇博客将带你回顾 DALL-E 的发布历程与历史，探索它从诞生之初到如今已模糊了人类想象与人工智能界限的工具的演进过程。

DALL-E 的起源

DALL-E 的故事始于 2021 年初，当时OpenAI首次向公众推出了该模型。此次初版发布是 AI 历史上的重要时刻，因为它展示了 AI 理解并根据文本描述生成复杂图像的潜力。DALL-E 1.0 基于海量图像和关联文本的数据集进行了训练，使其能够创建与输入提示高度匹配、细节丰富且往往超现实主义的图像。

兴趣的激增

发布之后，DALL-E 迅速赢得了广泛关注。艺术家、设计师和普通公众均被 AI 生成兼具想象力与技术实力的图像的能力所折服。模型的产出范围从对概念的奇思妙想诠释，到对历史场景和抽象理念令人毛骨悚然的精准再现，不一而足。

另请阅读：AI：机遇与威胁

DALL-E 系列的演进

DALL-E 旗下的三款模型——DALL-E 2 和 DALL-E 3——均为采用深度学习技术创建的文本到图像模型，可让用户根据自然语言生成数字图像。除此之外，它们还有不少差异。例如，OpenAI 在 2021 年的一篇博客中披露的第一版 DALL-E 使用了 GPT-3 的修改版本来从文本创建图像。

DALL-E 1 专门使用了离散变分自编码器（dVAE）技术。Alphabet 旗下 DeepMind 部门在研究中使用的矢量量化变分自编码器是这项技术的基石。

次年，即 2022 年，OpenAI 发布了 DALL-E 2 作为 DALL-E 的升级版。DALL-E 2 能够融合创意、特征和风格，生成更高分辨率、更逼真的图像。

DALL-E 2 改进了实现这一壮举的方法。例如，在 4 亿张带标签图像上训练的对比语言-图像预训练（CLIP）模型，为 DALL-E 2 所用的稳定扩散模型提供数据集成，以生成更高质量的图像。该模型（CLIP）会为生成的图像确定最佳的说明文字，辅助评估 DALL-E 的输出。

时光来到去年。2023 年 9 月，OpenAI 宣布了 DALL-E 系列的最新成员 DALL-E 3。据 OpenAI 团队介绍，DALL-E 3 能够理解“显著更多的细微差别和细节”，也就是说，它能更准确地遵循复杂的提示，并生成更连贯的图像。此外，它还集成了 ChatGPT——OpenAI 的另一款生成式 AI 解决方案。

另请阅读：如何投资 Perplexity AI？

对艺术界的影响

DALL-E 对艺术界的影响深远。它引发了关于创造力本质、作者身份以及技术如何介入创作过程的争论。一些艺术家已接纳 DALL-E 作为协作工具，用它生成创意或创作出手工无法实现的作品。另一些人则对 AI 可能取代人类艺术家的潜力以及在创作中使用 AI 的伦理影响表达了担忧。

商业与伦理考量

随着 DALL-E 能力的增强，其商业潜力也水涨船高。企业开始探索如何在广告、产品设计等行业中使用 DALL-E。然而，这些商业应用引发了诸多伦理问题，诸如 AI 生成内容的所有权，以及误用的可能，例如制造深度伪造或侵犯知识产权。

DALL-E 与 AI 艺术的未来

展望未来，DALL-E 及类似的 AI 模型预计会持续演化，变得更加复杂，更好地回应用户的输入。随着 AI 艺术日益普及，我们很可能会见证新规范、新法律和伦理指南的出现，来规范它的使用。

DALL-E 从新奇概念发展为实际应用工具的历程，印证了 AI 技术的迅猛进步。在我们持续探索艺术与 AI 的交汇之际，DALL-E 提醒着我们那广阔的前景——以及前方的重大挑战。无论用作创作助手、研究工具，还是哲学探询的源泉，DALL-E 都是人类创新史中不断求索创造力本质的一个非凡篇章。