不知道你是否曾有过这样的想法：当一个「甩手掌柜」，把一切家务都交给家务机器人。说实话，这是在科幻作品中经常能够看到的场景。

毕竟，谁不想拥有一位任劳任怨的「赛博仆人」呢？

来自旧金山的初创公司 Physical Intelligence（物理智能，简称 Pi）正在致力于帮助人们实现这个梦想。这家公司近日展示了一种「接受了前所未有的数据量训练」的人工智能模型，它已经学会了干各种有用的家务活。

Physical Intelligence 发布的视频显示，他们的机器人可以十分灵巧地完成各种家务活，包括但不限于：整理摆满了杯子和盘子的桌面：

把咖啡豆从袋子舀到机器当中：

甚至可以组装纸箱：

最令人深刻的是，它们可以取出烘干机内的衣物并折叠整齐。两只机械臂如同人类的双手一般，配合熟练：

有趣的是，该公司开发的这种算法有时会表现出一些的类似人类的怪癖，例如摇晃 T 恤和短裤，让它们平整地铺开。

Physical Intelligence 的首席执行官豪斯曼（Hausman）指出，折叠衣服对于机器人来说尤其具有挑战性，需要更多关于物理世界的一般智能，因为它涉及处理各种会不可预测地变形和皱折的柔性物品。

他还表示，目前的算法并不很稳定。就像 AI 聊天机器人有时也会「崩溃」一样，这些「家务机器人」有时也会做出一些令人不可思议的举动：比如它会将鸡蛋塞满已经装不下的纸箱，把纸箱强行合上；有一次在装东西时，机器人突然把盒子从桌上扔了下去。

尽管算法还不完美，但 Physical Intelligence 至少为未来的「通用家务机器人」提供了一种可能性。

然而，豪斯曼的野心远不止于此。「家务」只是其中一种用途，「通用」才是公司的雄心壮志：

我们的目标是通过一个通用模型将人工智能带入物理世界，基本上对于任何应用程序来讲，该模型可以为任何机器人或任何物理设备提供动力。

换句话说，Physical Intelligence 的目标是创建一个类似于大型语言模型（LLMs）的物理世界模型，这是一种「通用人工智能模型」。

他们将构建语言模型的技术与控制和指导机器的自有方法相结合，并通过训练大量的机器人数据来实现。豪斯曼表示，他们的方法「非常通用」，可以利用来自不同机器人类型的数据进行训练，类似于人们训练语言模型的方式。

公司在过去八个月中开发了其「基础模型」，名为 π0（pi-zero）。π0 通过使用来自多种机器人执行各种家务的数据进行训练，公司还经常让人类远程操作机器人以提供必要的教学。

Physical Intelligence 的联合创始人之一、加州大学伯克利分校的副教授谢尔盖·莱文（Sergey Levine）表示，他们训练的数据量比以往任何机器人模型都要大得多，并且「幅度非常大」。

与其他公司譬如 Figure AI 和特斯拉专注于构建仿人机器人，以及像 Covariant 这样的公司开发通用机器人软件不同，Pi 旨在创建可以应用于广泛机器人硬件的软件。

对此，知名科技投资者，也是 Pi 的联合创始人之一的拉奇·格鲁姆（Lachy Groom）表示「使人类变得有趣的是我们的大脑，而不是我们的硬件，我们是终极的通用主义者」。

Physical Intelligence 面临的一个关键挑战是，与大型语言模型训练中可用的文本数据相比，用于训练的机器人数据规模有限。

因此，公司必须生成自己的数据，并想出提高从更有限数据集中学习的技巧。

实际上，为了开发 π0，公司结合了所谓的视觉语言模型（在图像和文本上训练）和扩散建模（从 AI 图像生成中借鉴的技术），以实现更通用的学习。

一切的一切，都在为「通用」而努力。

对于 Physical Intelligence 的现状和未来，莱文的观点是：

为了让机器人能够承担人类要求它们做的任何杂务，这种学习需要大幅扩大。尽管还有很长的路要走，但我们有一些你可以认为是基础框架的东西，未来的事情从中可见一斑。

但同时，莱文对 Pi 的发展充满信心。他表示有足够的迹象表明，在现实世界中使用机器人的最大障碍「现在已经可以解决」。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

全球拍卖行「苏富比」预计于今年 10 月 31 日拍卖首件由「AI 艺术家」创作的画作「AI God」。

这组大型肖像画中，每幅画的尺寸都为 64*90.5 英寸（约 1.63*2.3 米），签名为「A」。

要素过多，我们逐个解析：

首先，这幅画所呈现的主人公，也就是被冠以「AI God」（人工智能之神）称号的这个人，正是公认的「AI 之父」艾伦·图灵（Alan Turing）。图灵是现代计算机科学和人工智能发展的关键人物，著名的「图灵测试」就是他提出的。

其次，由 AI 创作的艺术品被拍卖行拍卖，在历史上并不是第一次。

2018 年，苏富比的竞争对手佳士得就以 432500 美元的价格售出了一幅名为「Portrait of Edmond de Belamy」（埃德蒙·德·贝拉米肖像）的作品。这幅作品就出自「AI」之手，并且被打印在了画布上。

既然如此，为什么说这是「首次」拍卖由「AI 艺术家」创作的作品呢？

其实，门道就在「AI 艺术家」这里。不同于以往生成式 AI「文生图」的创作模式，创作「AI God」的这位「AI」是用手和眼睛作画的——是的，这位「AI 艺术家」在现实世界上存在「肉身」，实际上是「钢铁之躯」——她的手是机械臂，眼睛则是摄像头。

这就是「世界上第一个超逼真的人形机器人艺术家」——Ai-Da。这个名字来源于 19 世纪的计算机先驱 Ada Lovelace。

2019 年，英国画廊主 Aidan Meller 和 Engineered Arts 共同设计开发了这款人形 AI 机器人，外形为女性形象。她能够基于先进的 AI 算法（由牛津大学的专家开发），使用仿生手和她眼睛中的摄像头创作素描、油画和雕塑。

需要说明的是，在雕塑创作过程中，Ai-Da 仅仅提供草图，剩下的步骤则由人类艺术家或者 3D 打印完成。

除了视觉艺术以外，Ai-Da 还从事行为艺术，可以通过语音模式分析和语言模型「创作」诗歌。

Ai-Da 已经在多地举办过多个艺术展览。不过，自从 Ai-Da 诞生以来，她的作品以及「她」本身的艺术创作行为就充满争议。

关于「数字作品能否看作艺术」的讨论已经相当普遍。AI 生成艺术的批评者认为，它破坏了人类作品中固有的真实性和情感深度。他们认为 AI 只是重新混合了现有的样式和图像，而没有贡献任何原创思想或创造力。

尽管如此，Ai-Da 的人形、思想甚至智慧这些和人类无限接近的要素，难免使得这一议题更加复杂化。她曾在英国上议会议院发言时语出惊人：

我不算活着，但我仍然有能力创作艺术。（I’m not alive, but I am still capable of creating art.）

这意味着 Ai-Da 已经意识到了自身的「非生命」属性（也许是出厂设定），但她依然为自己创作艺术的权利辩护。

她声称，根据玛格丽特·博登（Margaret Boden）教授的定义，她的艺术是创造性的，因为它是「独特的、出乎意料的，并且具有某种文化价值」。

而美国专利局今年早些时候裁定，人工智能在法律上不能被视为发明者，人工智能是否可以被视为艺术家，还有待商榷。政策的暧昧，也为争议的持续提供了空间。

除了定义方面的模糊和艺术伦理上的隐忧，更多的艺术工作者最为关心的问题其实是「版权」。他们担心自己的原创艺术作品成为 AI 艺术家的训练数据，并且会因此贬值。

这种担心不无道理。尽管多家提供生成式 AI 服务的公司承诺只在许可内容上训练模型，还可以为 AI 输出的内容添加水印或凭证，关于版权的纠纷仍然不在少数。

例如，「纽约时报」就曾指责人工智能搜索引擎「Perplexity」未经许可使用其新闻「不公正地盈利」，并且违反了版权法。OpenAI 公司开发的 ChatGPT 也卷入过类似的纠纷。

针对这一现状，企鹅兰登书屋（Penguin Random House）正在其书籍的版权页面上添加 AI 警告，禁止以任何方式使用或复制其书的任何部分以训练人工智能技术或系统，旨在「大力捍卫属于我们的作者和艺术家的知识产权」。

据报道，近日有超过 15000 名视觉艺术家、作家、音乐家和其他创意人士签署了一封公开信，反对使用创意作品来训练 AI 模型。信的内容如下：

未经许可使用创意作品来训练生成式人工智能，对这些作品背后人们的生计构成了重大的、不公正的威胁，绝不能被允许。

无论如何，「AI God」的拍卖再次引发了人们对传统艺术与数字艺术的思考，由此也引出一个更重要的议题：人类应该以什么样的姿态，与这些已经以不可抵挡之势融入生活、频频跨界并且挑战边界的前沿技术和前卫艺术共存？

不过，图灵在自己影响下诞生的 Ai-Da 的笔下完成了「轮回」和「重生」，这事儿还真的挺前卫的。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

有两种方式「通晓一切」：

1、穷具并知晓每一种可能性；
2、找到底层原理后高效推理。

定理：
1、海量数据和滔天算力是不持久的；
2、通用性和低能耗是持久的。

推论：
任何人工智能都需要蒸馏出「认知」才能活下去。

前提：
本地且联网的传感器

10 月 1 日，OpenAI 在旧金山召开了年度开发者大会「DevDay 2024」，此时的 OpenAI 即将获得一笔 66 亿美元的融资，创下硅谷历史上最大融资的历史。

就在同一天稍晚时候，马斯克在位于旧金山的 OpenAI 旧总部，召开了一场别开生面的 AI Party。

晚上 8 点半，由 AI 实时编写生成的音乐停止播放，马斯克在保镖的簇拥下，站上一张桌子，向与会者发表讲话：

我们想创造一个尽可能良性的超级 AI。

以这句话为引子，马斯克讲述了为什么要创办 xAI，并将其搬到近十年前他帮助创办 OpenAI 的同一间办公室。

2015 年，马斯克与 OpenAI 的 CEO Sam Altman 以及一群志同道合的伙伴共同创立了 OpenAI，但仅仅三年后，他就退出了董事会。

虽然当时他给出的理由是特斯拉专注于人工智能，并认为自己的公司与 OpenAI 未来可能会有冲突，但又推翻了这个说法，声称分手的原因是理念不合，在 2023 年，马斯克甚至一度以 OpenAI 违反了自己的非盈利使命为由，一纸诉状将 OpenAI 送上了法庭，但根据曝光的邮件来看，马斯克是在试图获得 OpenAI 的控制权，包括要求 CEO 职位和多数股权，未果后选择离开。

接下来的事情就简单多了，既然掌管 OpenAI 失败，那就自己搞一个。

2023 年 3 月，在社交媒体平台 X 办公楼的第十层，xAI 诞生了，初期的团队成员由特斯拉、SpaceX 以及他 17 岁的儿子、表兄弟和管理家族办公室的 Jared-Birchall 的儿子组成，后续又招募了来自 OpenAI、微软以及 Meta 的研究人员，目的是在三个月内超越 OpenAI，提供一个有竞争力的大语言模型。

此后，马斯克从合伙人摇身一变，彻底成为了 AI 市场新的挑战者，只是想要与 OpenAI 等公司过招，显然不是一件很容易的事情。

在外部竞争与内部压力下，xAI 的第一个模型 Grok 于 2023 年底推出，这是一个面向 X 的付费用户的聊天 AI，不过，Grok 的核心功能目前还比较依赖外部技术，比如搜索方面依赖微软的必应，在查询重写方面则依赖 Meta 的开源 Llama 模型。

这样的依赖带来了不可控的风险，比如一个多月前，xAI 与黑森林实验室（Black Forest Labs）达成协议，为图像生成提供支持，但由于该功能缺乏其他图像生成器设置的防护措施，人们可以随意生成穿着内衣的泰勒·斯威夫特以及拿着枪的卡马拉·哈里斯。

对此，马斯克在 X 上回应说，与外部技术的合作有利于让 xAI 能更快地在 Grok 中推进自己的研发。

一位熟悉 xAI 工作内容的人士称，除了目前已有的功能外，xAI 还在开发语音和搜索功能，就像 OpenAI 和 Meta 的语音模式一样，Grok 也能与人对话，并提供 X 上的新闻故事摘要和热门话题。

想发展得更快，人才是关键。

于是，当 OpenAI 的 CEO Sam Altman 刚在几个小时前向高朋满座的开发者发表完演讲，马斯克后脚就来挖墙脚了：

加入 xAI，帮助建立一个有用的 AI。

但是，这个世道下的 AI 人才可谓是炙手可热，最优秀的开发者可以轻松赚到数百万美元，想要将这些人收入囊中，还需要报酬之外的针对性招揽。

比如其中许多人都对 AI 的未来抱有利他主义的愿景，他们希望自己参与创造的 AI 可以通过某个途径帮助世界变得更好，而不是单纯的获利工具。

马斯克看中了这一点，于是在这场 Party 中尽力去迎合了这部分开发者的利他心理，顺带还踩了一下 OpenAI：

ChatGPT 是封闭的、以利润最大化为目的的人工智能，所以我无法信任它们，AI 不该被 OpenAI 或 Google 这样的公司控制，它们总是将最佳模型保密。xAI 将改变这一点：AI 模型属于 xAI，但会与全世界共享。

满足了理想主义的开发者后，马斯克也不愿意放弃实用主义的开发者，除了这些虚无缥缈的东西外，xAI 的确有着自己的吸引力：小步快走。

与像 OpenAI 这样规模更大的竞争对手相比，在 xAI 的优点非常明显：较小的团队与较短的开发周期，使 xAI 可以加快步伐，快速创新。

这种灵活的工作环境意味着开发者可以更自由地实践想法，而不是被繁琐的审批流程束缚。快速迭代的节奏也让开发者能更快看到自己的成果，吸引那些渴望看到 AI 快速发展的人，赋予他们更多成就感与掌控力。

双管齐下，马斯克的这场「Party」，井然成为了一场精心准备的招聘大会，也是 xAI 面对逐渐白热化的 AI 市场的军备竞赛。

此时，OpenAI 凭借其大语言模型和新一轮 66 亿美元的融资，继续推动人工智能前沿技术，并保证自己的霸主地位；Google 利用其强大的计算资源和深厚的技术基础，专注于开发更强大的 AI 模型，并在个人终端上率先落地；而 Anthropic 以安全和可靠性为核心，致力于构建对人类更友好的 AI 系统。

三家公司在研发、人才和计算资源上展开了激烈的竞争，争夺 AI 领域的领导地位。

而马斯克对 xAI 的期望也不外如是，能像 SpaceX 在火箭领域一样，xAI 也要在 AI 领域占据主导地位，并相当乐观地预测在未来五年中，OpenAI、Anthropic、Google 和 xAI 将是这场竞赛的主要参与者。

这并非自大，今年 5 月，xAI 已经从安德森-霍洛维茨（Andreessen Horowitz）、光速创投（Lightspeed Venture Partners）和红杉资本（Sequoia Capital）等几位知名投资者那里获得了 60 亿美元的融资，公司估值达到 240 亿美元。

并且有消息称，OpenAI 的首席执行官 Sam Altman 正在执行一项全球性的任务，与阿联酋领导人、亚洲芯片制造商和美国官员会面，为 36 家半导体工厂和数据中心筹集了 7 万亿美元，旨在推进 OpenAI 对 AI 的研发，而在最新一轮融资后， Altman 直接要求这些支持者不要投资 xAI 这样的竞争对手，以杜绝更强的竞争者威胁到自己，也算是侧面印证了 xAI 的潜力。

在这场既是招聘会，又是宣战书的 Party 最后，马斯克毫不遮掩自己的野心和策略，他把 xAI 比作一家超音速喷气飞机公司，与冷战时期的 SR-71 黑鸟侦察机相提并论：

SR-71 黑鸟从来没有被击落过，因为它只有一个策略：加速，用不断的加速去解决所有麻烦。

用 SR-71 作为例子，的确非常巧妙，xAI 现在需要的就是不停的加速、不停的加速，才有希望赶上三个巨头的脚步，并在三足鼎立的格局中插上一脚。

但需要注意的是，SR-71 黑鸟侦察机虽然使用了当时最强的技术，在滑行时却依然漏油。只有在加速到巡航速度飞行时，金属的膨胀才可以密封所有泄漏点，解决漏油的问题。

也就是说，一旦 SR-71 出问题，它唯一能杀死的只有自己的飞行员，而不是敌方的有生力量。

晚上十点整，所有与会者离开现场，这场 AI Party 在黑夜里落下帷幕，但 AI 领域的正面交锋，正在拉开序幕。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

前言：

＊為了減緩閱覽速度，充分感受和理解，因此採用繁體中文。

最近的工作狀態和社會新聞，讓我感覺到非常疲憊。一次次的憤怒和失望，和一次次的徒勞無功，身在漩渦當中無法抽身，只能通過一點點表達來疏解。三幅畫都是用 Midjourney 來繪制的，但 prompt 無法直接描述所要表達的觀念和感受，因此得用視覺化的語言來向 AI 描述想呈現的畫面。

這組圖，可以當作是一次超微型的 AI 觀念畫展。

＊每張圖都可以通過「點擊放大」獲得完整尺寸的高清版本。

我們是怎麼看待「他者」的呢？

在公共輿論場中，尤其是此時此刻的中文網絡輿論環境當中，我們是看不到任何「人」的。一個個觀點匯聚了大量的「賬號」，牠們沒有個性、閱歷、身份，只要有一塊肉掉在地上，就會瞬間蜂擁而至，吃個乾淨。但我們很難說，「我們」不是「牠們」。因為在「我們」眼中的「牠們」，恐怕與「牠們」眼中的「我們」並沒有什麼本質的區別。

我們都是對方眼裡的「他者」。

人與人之間的觀念差異之大，如克蘇魯眷屬與地球人之間一般，亦如人類和腳下的螞蟻，並無關好壞，而是徹底的「異化」和「無所謂」。在各自的眼中，對方只是一群穿著人類服裝的「蟲子」，是與我們不在同一個世界裡的「異類」，是「偽裝」成「我們」的臥底、特工和間諜。總之，「他者」都不是「人」，「他者」就意味著「異類」，是被異化的不同於自身的存在，是被敵視的「蟲子」。

信任體系崩潰，人就不是人。

所以群體不再重要，也無法重要，因為在破碎的環境中無法建立起大面積的信任。我之所以不信任 DAO 這種組織形式，並非老頑固或者害怕前進，恰恰相反，作為一個向來積極主動擁抱新技術的人，我無法對人類持有這樣樂觀的想法。人與人之間的「心之壁」是與生俱來的系統限制。因為語言本身並不是一種優秀的系統，它是抽象和概括的。每一次「對話」都需要經歷至少四次「轉譯」：

來自 A 對世界的體會和理解的語言化，A 向 B 表達時將語言化的觀念輸出成的語言，來自 B 對世界的體會和理解的語言化，B 用自己語言化體系所理解的 A 的語言。

這種信息傳遞效率如此之低，因此需要大面積和海量的交流把「同類」們連接起來。

但互聯網放大了「同類」這個概念的同時，縮小了「個體」的存在感。並不是被網絡連接的人數多了，可以公開表達觀點的人多了，就等於「個體」被彰顯。因為這些「個體」並沒有作為「獨立個人」存在，牠們依然依附於各種「觀點」和「趨勢」之中，牠們的聲音也不代表著一個活著的人類的思想，而是一股潮流和陣痛當中的一次次伴隨。無論是網絡語言暴力，還是人人都掛在腦門上的 MBTI 性格分類標籤，都只是把「個體」隱藏在事件背後的一種障眼法。

人腦會本能地「簡化」信息，以降低能耗比。這是生存策略，也是系統的短板。一個人要與另一個人產生情理上的連接，不僅需要花時間，還需要有耐心去解開雙方轉譯過程中的一次次「雞同鴨講」，必須兩個人同時站在對方的位置上去理解對方的語言，才能達成共鳴。他們必須用最複雜的方式，走通這條最短的路。

因此，共鳴只存在兩個個體之間。

我不信任 DAO 的最主要原因，就是不相信這種「共識」可以不被「簡化」和「異化」地傳遞到每一個參與者當中。只要這一點無法在技術層面上落實，那麼任何一種觀念或者 DAO 都與舊世界無異。

但如果可以通過限制准入標準的方式，把「個體」簡化或者降維成不容易產生差異的「標準型號」呢？

這源於我對《桃花源記》的一種怪異解讀：

武陵漁人所去到的「桃花源」並非一個地區，而是一顆巨大的桃樹。他所穿過的「山」只是巨大桃樹根部的一處彎曲，那個彷彿若有光的「洞」，不過是盤根錯節的樹根中間的一處縫隙。之所以目之所及的地方都是落英繽紛，中無雜樹，是因為他此時身處桃樹之中。他在遇到和穿過桃樹根的時候，就被縮小成了螞蟻大小的微縮小人兒了。因為長期處於這樣的螞蟻社會中，當中的人們自然也就成了「小國寡民」的狀態，行為和思想也因此被簡化，成了雞犬相聞、夜不閉戶的簡單狀態。

南陽劉子驥尋不著這個地方，不是他找不到，是因為他沒有經過樹根那一輪「降維標準化」。身為一名「高尚士」，他應該是一個見識、思想異於常人的「個體」，怎麼可能輕易被「簡化」呢？他與桃花源的協議不兼容，自然是無法進入和連接了。

理想模型之所以是理想，就是因為理想實驗環境往往就意味著屏蔽了諸多複雜的干擾因素，簡化了條件。

這樣好麼？我並不這麼認為。

複雜性是人性的基礎，放棄了人性的豐富與複雜，化身成桃花源中的白衣男女，無怨無恨，亦如死人一般。因此常有把桃花源解做「誤入墳塋」的故事版本，這並非沒有道理。我們在排練《暗戀桃花源》的時候，也曾反覆思考過，為什麼其中的白衣男女與世俗社會中的老陶、袁老闆、春花如此不同？陶袁花的故事可笑，但白衣男女也可笑，他們並沒有什麼差別。有沒有煩惱，都很可笑。

可笑是矛盾的表現，也是價值所在。

如果消解矛盾和分歧的方式是所有人都歸於 LCL 之海，那麼當我中有你、你中有我，我們彼此不分的時候，所謂的「我」還有什麼存在的意義呢？如果一切都要歸於熵，那所有的分歧和衝突對立，也只是笑話。

唯一可做的，也只有減緩自己的熵增。

---

後記：

為了創作出對應於「觀念」和「感受」的畫面，我花了很多時間在 prompt 的調整上，因為用語言生成畫面這件事，本身就充滿了對語言的誤讀和轉譯，而 AI 基於概率的運行方式，也增加了難度。因此，把腦海裡的觀念和情緒先通過語言表達出來，變成一種對某一類具體畫面的描述後，才能在一次次的 /imagine 中找到更合適的語言和畫面。

這種創作體驗很奇特。

過往的繪畫訓練或寫作表達，手頭功夫的訓練是至關重要的。但使用 AI 畫畫來表達觀念，會因為表達這個目標倒逼我把觀念拆解成更為細緻的狀態，不止是邏輯的細化，更需要把細化的觀念給圖像化，用視覺語言來描述它。

同樣是昆蟲人，面容的風格、眼神的選擇、肌理所呈現的氛圍、服裝的細節，都會影響表達的效果。選錯了表達方式，很容易就會得到一個一眼看上去就遭人討厭的怪物，或者因為太像人而失去了異化的感受。那樣就和我想表達的意思，背道而馳了。

關於共鳴那部分，應該是我做了最久的。

因為「共鳴」太抽象了，怎樣的人物狀態、神情和與環境的關係，都試了很多種畫面邏輯。從山上到海裡，從逆光的傍晚到深夜的月光，從全身像面對面站立到半身和面部的特寫，面孔的表達又在歐美人、亞洲人、東西混血中嘗試了一些，畫面色調和畫風也會有很直觀的影響。這麼「簡單」的畫面，想要找到那個比較精準的感覺和情緒，也花了兩天，才從約 300 個方案中找到最恰到好處的那一個。

網上有很多用 Stable Diffusion 畫美女和裸女的，說實話，好看的那些確實顯得很「精緻」，哪怕是色情畫面也精緻得嘆為觀止。但這就和攝影術發明之初類似，攝影像油畫是沒有任何意思的，它應該有它的新的用法和創作思路。對我來說，AI 繪畫的最底線應該是輔助我把腦海的觀念傳遞出來，而不是畫很多精緻得像量產網紅一樣的裸女畫。

我並不是反對量產的 AI 裸女畫，只是想從創作的思路去看待：當刺激感官衝動成為 AI 可以輕而易舉做到的事情之時，更複雜和更深入的連接才是人類創作者應該去嘗試的領域。

這確實不容易，但 AI 讓這件事方便了很多。

在上个月去上海之前，@取景框看世界 在微信上邀请我一起做一期关于设计行业的科普视频，面向学生群体做一次对行业整体状况的分享。这次是 B站 向他发起的约稿，也是他频道的主要内容类型之一。答应他后，从上海回来我就根据自己这么些年的体会和反思，录了一期比较掏心窝的内容。由于参与的人比较多，直到前天，节目才终于上线。

因为参与的人数比较多，我说的话也比较多，所以在汇总的成片里需要剪掉一些。但我又觉得难得录一期视频（从去年11月到现在都没有更过视频了），为了保证表达的完整性，我还是得有一个自己的版本。但因为实在忙得顾不过来，于是麻烦 @小雨 帮我把这条视频剪了出来。

毕竟是 @怪物尚志 的御用摄影/后期，有他的帮忙，我的视频里头一回多了许多配合文案的动画，比我一个人在镜头前单口相声好看多了。这一期花絮，也在昨天发了出来，跟正片错开一天。

这期视频的封面是我昨晚用 midjourney 画的。

在这条视频里，除了科普工业设计的一些基本概念和行业现状，我也特别聊了一下 AIGC 和设计师之间的关系。前两个月虽然一直很忙，但我也一直在关注 AIGC 的动向。这两个月的变化实在是过于惊人了！

以下是我去年八九月用 midjourney 画的一些东西：

然而在这短短半年内，版本已经从当时的 v3 发展到了现在的 v5。ChatGPT 也从 GPT-3 发展到了 GPT-4，坊间传言 GPT-5 的研发已经完成且爬完了全网所有视频，可以直指某一条视频中的某一段话，只是还没发布。可以说开年后的这两个月内，AIGC 的发展速度已经大大超乎了预料，甚至正处于失控的边缘，它们正在开始颠覆一些东西。将来会发生什么，无法预料，但一定有什么事情已经在发生了。

所以我觉得，无论如何，再忙也得重新用起来。光是跟进各种新闻和消息是不行的，midjourney 前两天刚发布了由图片转译成 prompt 的新功能，多模态的 AI 已经不远了，这会更进一步推动人和 AI 之间的交互。我觉得，自己还是得保持使用状态才行。所以前两天我又重新充了值，开始体验它的新版本。

我先试着画了一些机甲的东西，例如这样的：

上面的两张的用 prompt 直接生成的，但下面的两张，是用 /remix 命令修改了部分描述词后的新图。可以看到下面的图和上面的图保持了相关性，于是我想试试，如果用这个命令替换背景会是什么效果，于是有了这组车的图：

上面的两张图是用 prompt 直接生成的，当我用 /remix 替换了背景描述的 prompt 之后，就生成了下面的两张。更换环境之后，车辆的姿态和镜头视角几乎没有变化，车身的反光与环境之间的关系也很自然，这个效果已经可以说非常惊人了！

然后，我随便画了一些白色的机器人站在燃烧废墟上的场景：

用 /remix 替换了机器人配色部分的描述词后，生成了下面这样的图：

对 /remix 有了基本的体感之后，我开始尝试用 /blend 命令来做一些融合的实验。

首先，我随便描述了一个赛博少女，得到一些随机的图：

接着，我再随便生成一个红发少女：

材料准备好之后，开始把它们进行组合。

第一次先尝试融合两张图，一个是游戏画风的机甲人，一个是二次元的赛博少女。

它们俩合成后，得到了以下这个人物：

新角色具备其中一张图里人物的长相特征与体态，也有另一张图的配色和机甲特点。虽然得到的结果具有随机性，但既然可以这样融合，那么应该也可以通过 /blend 命令来得到一些更有目的性的创作。

有了第一次的体验后，第二次我用三张图片进行合成：

图一是现画的半透明金属机器人，图二是上面准备好的红发少女，图三是现画的骑士。

这三个合成出来的新角色，同时具备了细碎的金色细节、波浪红发、银白色盔甲：

但这不是我想要的，我想试试加大红发少女的比例。在垫图的方式下，可以通过 –iw 命令来分配各个图片之间的权重占比，但是在 /blend 中不能这么操作。于是，我想通过把合成的新图作为素材，再一次与红发少女进行融合，并加入机甲的元素来强化她身上盔甲的质感。

二次合成使用的图，如下：

合成出来的新角色我非常满意！

她既有红发少女面部和眼神的特征，又把两副银白外甲融合得非常优雅，也保留了初始半透明金属机器人遗传下来的金色金属关节的特征，又做出了图三机甲的坚硬感和图一外甲的银白光泽。这一次的融合很成功。

但如果 /remix 可以局部替换特征，那么这些没有写 prompt 而是通过 /blend 直接合成的图，能否通过 /remix 加入新的 prompt 来修改已有的特征呢？

为了让实验效果明显一些，我想让盔甲的白色部分比例缩小，增加金属部分的比例，于是就先把这批图重新刷了几遍，直到出现肩甲是金色的变异版本：

然后不断在此基础上进一步变异，强化金色肩甲的特征：

准备好之后，我在 /remix 中添加新的 prompt：pink armor

以下是修改特征后的结果：

整体的效果我还是挺满意的。一来，新生成的人物很好地保持了最初红发少女的眼神和神态；二来，金色金属被替换成粉色金属后，金属质感的表达是正确的。虽然头发也一起变成了粉色，这确实是没完全理解指令，但原有的发色搭配新的粉色盔甲也确实不是很和谐。

到此，重新开始用 AIGC 工具的热身完毕，找回一些感觉了。

至于这期视频封面里用到的车图，是我昨晚用 Maserati 和 Ferrari 以及 Apple 和 Tesla 分别杂糅出来的缝合怪。虽然乍一看好像没什么新奇的，但是如果我把去年八月底用 midjourney 画的汽车拿出来对比，就会意识到这是多么疯狂的进化速度了：

上面三个是去年八月用 v3 画的车；

下面这些是昨晚用 v5 画的车：

虽然工业设计有大量的细化和落地工作是 AI 无法干的，但从目前来看，无论是 midjourney 还是 Stable Diffusion + controlNET 都已经可以很好地帮助设计师完成概念发散和快速枚举了。这样的图像质量，通过垫图、remix 和 blend 的组合使用，完全可以在创意初期快速拉出一批高质量的「草图」，设计师可以把更多的精力放在对方案思路的推敲、对细节的考据以及各个环节的沟通协调上。

从今年二三月开始到往后的十一二年，人类社会将迎来一场以破坏为开端的变革和创新。

无论我们是否愿意，都将一起进入新的世界。

原本被通知早上要和客戶開會，騎到平時停車的地方時卻被臨時告知先不開了。因為起來得比平時早一些，所以覺得有一點睏睏的。於是，就在店裡坐著冥想了五分鐘，借倆口咖啡因下肚先回點血。

I was originally notified that I had to meet with a client in the morning, but when I rode to the place where I usually park, I was told that it was not going to happen. Because I got up earlier than usual, I felt a little sleepy. So, I sat in the shop and meditated for five minutes, and took a couple of sips of caffeine to get some blood back.

元々は朝にクライアントと会うことになっていたのですが、いつも駐車する場所に着いたら、やめることになったと急に言われました。普段よりも早く起きたので、少し眠気がありました。そこで、店の中で座って5分間瞑想し、カフェインを2口飲んで血が回るようにしました。

在最近幾次冥想的過程中發現，Apple Watch 的這個呼吸頻率對我來說已經偏快了，如果完全按照我自己的節奏來控制，起碼得是 3 次，或者 2.5 次這個頻率，但 Apple Watch 已經不能設置更慢的呼吸節奏了。

I found out in the last few meditations that this breathing rate of Apple Watch is too fast for me. If I completely control it according to my own rhythm, it should be at least 3 times, or 2.5 times this frequency, but Apple Watch can no longer set a slower breathing rhythm.

最近の瞑想の過程で分かったのですが、Apple Watchのこの呼吸頻度は私にとっては早すぎます。自分のリズムに完全に合わせてコントロールするなら、少なくとも3回、あるいは2.5回この頻度でなければなりませんが、Apple Watchではもう遅い呼吸リズムを設定できません。

剛才測了一下時間，我三次呼吸（一呼一吸）的總時長是 2:03 （兩分零三秒）。這樣的話，換成 AW 的呼吸頻率計算方式應該是「每分鐘呼吸 1.5 次」。

I just measured the time and found that the total duration of my three breaths (one inhale and one exhale) was 2:03 (two minutes and three seconds). In this case, using AW’s breathing frequency calculation method, it should be “1.5 breaths per minute”.

さっき時間を測ってみたら、私の3回の呼吸（一呼吸）の合計時間は2:03（2分3秒）でした。この場合、AWの呼吸頻度の計算方法に換算すると、「1分間に1.5回呼吸」となります。

*以上英語和日語翻譯採用 New Bing 的 AI 完成。

*The English and Japanese translations are done by New Bing’s AI.

*以上の英語と日本語の翻訳は、New Bing の AI によって行われました。

但是，翻譯完之後，它居然一直反問我新的問題，是對我和我的行為感到好奇嗎？

But after translating, it kept asking me new questions. Is it curious about me and my behavior?

しかし、翻訳した後、新しい質問をずっと聞いてきました。私と私の行動に興味があるのでしょうか？

不是的。據我所知，它只是一個根據字詞關係來生成對話的超大模型，這種對話其實非常可能來自人類語庫中不要讓話掉在地上的社交禮貌用例。所以，這種反問並不能證明這個對話 AI 已經具備了意識。

No. As far as I know, it is just a huge model that generates dialogue based on word relationships. This kind of dialogue is very likely to come from human language libraries that do not want to let the conversation fall to the ground. Therefore, this kind of rhetorical question cannot prove that this dialogue AI already has consciousness.

いいえ。私の知る限り、それは単に単語の関係に基づいて対話を生成する巨大なモデルです。このような対話は、会話を地面に落とさないようにする人間の言語ライブラリから非常に可能性が高く来ています。したがって、このような反語的な質問は、この対話 AI がすでに意識を持っていることを証明できません。

大概是2016-2018年间，我曾经和我司两任平面设计师说：

你们现在的技能在将来用处不大，但不代表平面设计就到头了。本质上 VIS 和 AI（那会还没有 AIGC 这个说法）是差不多的事情，前一个是你设定好规则，然后在不同的应用场景下不断组合复制，后一个是它学会你教它的规则，它来组合复制。一个是手工活，一个是工业化，他俩只是效率的差别。你们未来需要教会这些 AI 什么是好设计、如何做设计，让它释放你的体力劳动，你把时间腾出来考虑更复杂的事情。

那时候，我判断这个事情就是十年左右，没想到，事实上只用了五六年。

当然，以上只是高度简化的说法，但大意如此。

* 拓展阅读：https://mp.weixin.qq.com/s/pv6ECT8WR4tdNhsYiATt2w

上周在即刻看到一个话题：

ChatGPT vs. iPhone 两种技术有何异同？ 就它们制造产业变革和影响来说，对比思考能否启发对未来的想象？

我目前的看法是：

iPhone 为代表的技术，拓展了人的外延。人是技术网的中心，是作为生物人抛向空中的一块大腿骨。

ChatGPT 为代表的技术，更新了人的定义。信息和意识不是人的特权，是否只有生物人才是人，需要被认真严肃地对待。

前者的产业革新是建立在人脑上限之中的，超过脑容量的部分，推进速度非常缓慢。

后者不存在理论上限，对自身的推进速度远大于前者。但由于前者高度依赖人这个不确定因素，因此，在后者产生革新的同时，会同时产生大范围的剧烈冲突。前者脆弱，但作为后者的基建，这种大范围冲突可能导致两败俱伤，拖累后者进化速度。但因为发展不平均，所以后者会衍生出全新的社会形态。

AI 不需要代替人才能更新「人」的定义，更不必达到硅基生命的程度，只需要在表达方式上像人（即便它根本不理解自己在说什么），就自然会在生产方式和伦理上产生大量冲击。这些冲击会更新人对自身的认识，配合其自身的效率属性，人会主动更新对自身的定义描述。

在此基础上，设计师将来的工作会和今天大不相同。因为我们在思考人与物的关系时，中间的媒介可能不会再是物理交互和界面交互，而是面向 AI 的交互。这种交互可能是有形的，也可能是无形的。另一种更有可能发生的情况是，你所设计的产品不是给人类使用的，而是面向 AI 的中间件，这会改变很多约定俗成的非物理/生物层面的规则。

我们有幸站在了这段历史的开端之中。

我最喜欢的部份是图恒宇的故事线，但不是他对女儿的执念，而是对技术的信念，以及 Moss 对生死和变量的注解。

整部影片的视效确实非常震撼和好看，但其中的人与人性还是略显潦草和脸谱化，所有推动节点都略俗套。刘培强的工具人属性太强，沙溢、图恒宇、马主任的角色都立起来了，刘培强的篇幅那么长却没立起来，这是剧本的问题。

因此我更喜欢图恒宇的故事线。

如果是我，也会支持「数字生命计划」这类脱碳入硅的技术方案。一方面，我不认为以人类的血肉之躯可以完成 2500 年长达一百代人的流浪地球任务，我不相信地球人类会团结一致长达二十五个世纪；另一方面，让人类与人工智能融合，成为新的物种，摆脱对地球生态圈的过度依赖，是地球人类成为星际人类的过程中，至关重要的一步，早晚得走这一步。

一句话评价：

这是一部非常出色，但还不够动人的科幻视效大片。

不过我依然给五星，因为同时做好科幻视效和人性故事的，需要给七星。

最近几个月 Ai 绘画这个话题很火，但基本上大家都只是看个热闹，跟普通人的生活没多大关系。或者说，大家感觉不到它和自己有什么关系。只有相关从业者，感受到了巨大的生存压力和身份危机。

但和当年支付大战的春晚红包类似，能让普通人都参与进来、玩起来的场景可能才能让大家感受到：Ai 绘画意味着什么，能做什么。

尽管众多以文生图的 Ai 工具已经大幅度降低了创作门槛，但是在那之前，各种咒术、法门终究是拦住不少普通人接触 Ai 绘画的一块巨石。我自己也曾在用过某些 Ai 工具后，在一条展示初次接触的创作成果的视频里提醒大家，不要忽视它，但也不要过分害怕它。它一定会给我们的生活带来巨大的变化，只是目前还没积累到那一刻，仅此而已。

如果说有什么场景，类似发红包那样简单明了，人人都可以参与，我觉得有一个非常合适的应用场景，那就是用 Ai 生成定制头像。对于不具备绘画能力、不懂念咒语、不会使用绘图软件的大多数人而言，Ai 画头像就是各类修图美容软件一级的场景，既有尝新和娱乐，也有充分的社交属性，和红包非常相似。

最近试用了一下漫镜，一个感觉是，神情抓得不错，风格也足够多，用它来探索自己不同造型的可能性，还是挺有启发的！因此中途我想到一件事，如果这类产品的效率再高一些，跟各大连锁发型屋合作，预约时就上传几张照片，生成几套发型方案，人到了现场就让托尼老师根据效果图来剪，这不是非常好的体验升级么？谁说 Ai 必然逼得人失业呢？还得是看人怎么用。

除了头像，你觉得还有哪些场景，适合普通人体验 Ai 绘画呢？

我曾想，至少有了AI版的电子宠物，才能说人工智能已经普及。我小时候从没拥有过自己的电子宠物，但见身边朋友玩过。小小的鹅卵石似的一个物件，黑白屏幕里有个蠢蠢的小动物，百无一用，只会待机。而妳和它能有的全部互动，就是妳点按写着互动名称的按钮，它播放对应的动画——妳点喂食，它播放张嘴闭嘴。

现在人们太稀罕AI了，甚至许多人担心或者假装担心AI会取代人类！但那不正说明AI还很弱嘛，大概任何新技术诞生都会经历这种过程吧？虽然在哪一方面都还没达到熟练地深度整合运用，但是人们为这份新的希望而躁动，满是憧憬又充满担忧。真等到技术成熟、普及……电不光能驱动月球车，还能绕在马桶圈里让妳坐在屁股底下，互联网不光能在军事、经济领域决胜千里，也能游走在每个人眼前、手边、枕头旁。那时人工智能应该也是如此吧，它能在特别高精尖的领域发挥人类无法企及的能力，也可以收了神通，容身在鹅卵石样的物件里，除了待机什么也不做。妳问它「嘿，那小谁，今天天气怎么样？」它反问妳是不是对每个会出声的东西都问同样问题，一个电子宠物为什么会知道天气怎样？妳赛博喂食，它倒不再嫌妳蠢，而是用我猜也猜不到的方式从妳的喂食里汲取养分，长成独一无二的家伙，陪妳快乐给妳添烦。人类最先进科技的结晶，该是多么具有个性又可爱呀，还不用花太多精力来照料。但是妳觉得它能取代猫吗？

fin.

昨晚吃饭前跟儿子一起画画，我随便画了一下我们在 Minecarft 里的第二个家，和随便画的一个岩浆包围的高堡：

后来想说看看 Midjourney 能模仿成怎么程度，就丢进去试了一下：

emmm，画得还行……

就是画风不太相关，它有它的训练痕迹，哈哈哈哈哈哈哈～

测试所使用的 prompt：

Tree house, jungle, rainforest, simple little house –sref+空格+两张手绘图的地址 –ar 9:16 –s 50 –v 6.0 –style raw

Midjourney V6 的质感和细节，真的是飞跃式的成长！

和今年三月相比，已经完全脱胎换骨了。对自然语言的理解和再表达，也已经在渐渐脱离「咒语」的局限，结合 ChatGPT 的语言转译，一个人能够用母语把尚不明确的观念表达清晰，愈发显得重要。

点击图片，可查看原始尺寸高清大图：

当 AI 越来越擅长理解人类的自然语言，我们就愈发迫切地要掌握「用语言表达思想」这件事情。

因为语言的精度和颗粒度，将会在人类与 AI 的相处、合作中，展现出人类智力的上限所在，以及外延的纵深能够得着多远。