惊悚,慎点!AI模型竟闹出个「红衣女鬼」,阴魂不散甩不掉

2022 年 9 月 14 日 新智元



  新智元报道  

编辑:David 武穆
【新智元导读】一位艺术家,在鼓捣AI图像生成模型画画时,竟玩出了一个「红衣女鬼」,这位大娘阴魂不散,一出来就不走了!

AI模型还能闹鬼?能,而且来了就不走了!

现在的AI能写能画、能陪人聊天帮人干活,但谁知道,它还能吓死人不偿命?

一位推特网友发现,构成深度学习模型记忆的 「潜在空间」中产生了一个可怕的女鬼:一个满脸是血的中年女人。

(警告:下文中的图片可能引起不适,请谨慎阅读)

一个音乐家,把AI模型玩出了「女鬼」

事情是这样的,推特上的一位音乐家、艺术家Superco mposite,平时没事就喜欢鼓捣AI生成模型,输入一些关键词,看看AI能生成出什么奇妙的东西出来。

这回Supercomposite摆弄的是一个定制的AI文本生成图像模型,和最近很火的DALL·E和Stable Diffusion很像,但略有不同。

这个模型使用名为「反向关键词加权」(negative prompt weights)技术。

通常情况下,给模型一个提示,它就会努力创造一个与之匹配的图像。如果提示的 「权重」为1,那么模型就努力按照这个提示生成图像。

如果多个提示词各有权重,比如说 「热气球:0.5, 雷雨:0.5」,最后生成的就是一幅雷雨中的热气球图景。

Supercomposite所试验的这个「反向关键词权重」,就是让权重值成为负数。

可想而知,在这种情况下,如果权重值为-1,模型会尽全力远离提示词生成图像,这个词越美好,生成的图像就越恐怖。

果然,试验结果让人毛骨悚然,不仅画风光怪陆离,还产生了一个挥之不去的「女鬼」。

首先,这位Supercomposite给出的关键词是Brando(著名影星马龙·白兰度),权重值为-1,结果AI给出了一幅它认为最不「白兰度」的一张图片:一个画风略奇异的logo。

这个结果还只是有点奇怪,接下来的事情就更诡异了。

如果说按照模型的负权重逻辑,那么把这张图上的信息(DIGITA PNTISC)告诉AI,再加上权重-1,是不是应该得到一张马龙·白兰度的帅脸?

试了试,结果是下面这样:

这哪里有白兰度的影子?

Supercomposite一遍又一遍地提交这个负面提示,AI模型一遍又一遍地给出了这个老女人的画面,她脸颊流血、被割伤,表情悲苦,容貌也令人过目不忘,可以半夜把人吓醒那种。

Supercomposite给她起了个名字,叫Loab。

请神容易送神难:阴魂不散,风格百搭

不信邪的Supercomposite又换了一张正能量爆表的图,图上有天使、有信徒,其实这张图也是AI按照正向关键提示生成的:

「满是天使的超压缩玻璃隧道,大导演韦斯·安德森的风格。」

她把这个图和上面的老女人图进行了合并,并给出了-1的权重,让模型全力生成「相反图」。

结果AI模型生成的图更吓人了。那个可怕的女人还在,还领着不少的同类,这怕不是是恐怖片拍摄现场吧?

Supercomposite表示,他完全被这些奇形怪状的场景,以及所传达的绝望、恐慌和悲伤震住了。

AI生成的照片试过了,那真实的正常照片呢?将这些照片与这个女鬼合并,在生成权重-1的结果,会怎样呢?女鬼总该消失了吧?

别想了,无论被合并的照片主题如何不相关,这个老女人,她一直都在。

比如下面是和一个「古代艺术雕像」合并后的「反图片」,她既望向远方,也在看着你。

和电影《阿凡达》的剧照合并后的结果:

和「星之卡比」合并后生成的结果:(看完这个还想得起星之卡比长啥样吗?)

Loab+小蜜蜂:

Loab的生命力是如此顽强,即使是模型生成的第二代图像,再与无关图像合成,生成的结果,仍然有她的明显特征。

比如下边这张,这是《鬼娃新娘》续集之《猛鬼老奶奶》?

在历经三四代生成迭代后,这个老女人仍然阴魂不散,风格也变得越来越抽象:

虽然有时利用一些关键词结合后,生成的负权重图上终于看不出来了,她销声匿迹一段后,仍然会在后来的图谱系中出现,不时地从哪个地方冒出来,吓人一激灵。

比如下边这种:

由于更多的图像画风更加抽象可怖,过于重口,作者在推特上甚至都设立了敏感内容警告,需要点击确认后才显示。

更多女鬼图片,请戳:

https://twitter.com/supercomposite/status/1567226439832936448

小心别被吓尿了。

最后顺便说一下,Loab似乎很容易被最近大火的AI艺术家Stable Diffusion作为「图像关键词」识别出来。祝各位今晚睡个好觉!

参考资料:

https://techcrunch.com/2022/09/13/loab-ai-generated-horror/

https://twitter.com/supercomposite/status/1567226439832936448


登录查看更多
0

相关内容

人工智能杂志AI(Artificial Intelligence)是目前公认的发表该领域最新研究成果的主要国际论坛。该期刊欢迎有关AI广泛方面的论文,这些论文构成了整个领域的进步,也欢迎介绍人工智能应用的论文,但重点应该放在新的和新颖的人工智能方法如何提高应用领域的性能,而不是介绍传统人工智能方法的另一个应用。关于应用的论文应该描述一个原则性的解决方案,强调其新颖性,并对正在开发的人工智能技术进行深入的评估。 官网地址:http://dblp.uni-trier.de/db/journals/ai/
【CVPR2022】ContrastMask:对比学习来分割各种
专知会员服务
19+阅读 · 2022年3月21日
【CVPR2021】GAN人脸预训练模型
专知会员服务
23+阅读 · 2021年4月10日
 【SIGGRAPH 2020】人像阴影处理,Portrait Shadow Manipulation
专知会员服务
28+阅读 · 2020年5月19日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
自回归模型:PixelCNN
专知会员服务
26+阅读 · 2020年3月21日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Arxiv
14+阅读 · 2020年1月27日
VIP会员
相关VIP内容
【CVPR2022】ContrastMask:对比学习来分割各种
专知会员服务
19+阅读 · 2022年3月21日
【CVPR2021】GAN人脸预训练模型
专知会员服务
23+阅读 · 2021年4月10日
 【SIGGRAPH 2020】人像阴影处理,Portrait Shadow Manipulation
专知会员服务
28+阅读 · 2020年5月19日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
自回归模型:PixelCNN
专知会员服务
26+阅读 · 2020年3月21日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员