这篇文章的诞生,在我写作计划之外。明天就要回家了,所以今天不想干活啦。

确实事发突然,在 24 小时不到的时间里,我身边无数朋友,都在分享和转发 GPT4o 的图像生成功能。效果着实惊艳,特别是吉卜力风格的图像生成,一夜之间就引爆了各路社交媒体。

诚然,大众对此事褒贬不一,赞誉者对自动化的艺术创作分析得头头是道;批评者则说,这是对这是对人类劳动的亵渎和对艺术的玷污。这件事情其实早就不新鲜了,在 Stable Diffusion 刚刚出现的时候,这帮人就开始进行辩论;在 comfyUI 将图像生成进行精细控制的时候,矛盾再度爆发;而当下 OpenAI 用极低的成本,把这项技术真的带到千家万户的时候,争论被抬升到了风口浪尖。

我看见进步派,革新派,保守派,混沌派的人纷纷下场,有人发律师函,有人在赚快钱,也有人,像我这样,在这里夸夸其谈。

而我想谈什么呢?

既然这件事爆发的契机,是 Gib 风格(即吉卜力工作室的风格),那我就顺着这件事情的起点聊聊:技术和风格碰撞的时候,我怎么看。

那既然,谈风格迁移和交叉风格创作,我必然要播放我认为比较成功的交叉风格作品啦。边听歌边看吧:(《难念的经》女版,我最喜欢的版本没有之一)

audio-thumbnail
Wispering
0:00
/195.578776

风格是什么

苏世独立,横而不流。
—— 屈原《橘颂》

什么是风格,我们不妨打开维基百科,看看得到大众普遍认识的观点中,「风格」是怎么定义出来的。当然,在词条中,风格被进行了分类:写作、建筑、设计、时尚等等……今天我们讨论的问题主要集中在两个领域,即写作和视觉艺术。Wikipedia 对写作风格的定义是:

In literaturewriting style is the manner of expressing thought in language characteristic of an individual, period, school, or nation.
(在文学中,写作风格是指个体、时期、流派或国家在语言中表达思想的方式。)

而对视觉艺术的定义则是:

"… distinctive manner which permits the grouping of works into related categories"1 or "… any distinctive, and therefore recognizable, way in which an act is performed or an artifact made or ought to be performed and made".2
(“… 独特的方式,使得作品可以分组到相关类别中” 或 “… 任何独特的,因此可识别的方式,通过这种方式一个行为被执行,或者一个元素被创作或应该被执行和制作”。)

而简单来说,就是:

「用一种有特色的方式,完成自我表达,不论是视觉艺术还是文学。」

这里,我想先和诸位玩个小游戏,不妨猜猜下面两段作品,哪段出自金庸,哪段又出自古龙。

第一段我藏了人名,防止直接根据人名暴露了作品:

上天在残忍地对待顾家之后,似乎还想再嘲讽一下小少爷。
墙砖只升起数尺高。划着讽刺性的弧度落到了“门”外。当的一声砸在门口花盆上。
盆内的石榴树已化为一截黑木,花盆也烧得脆硬。
随着那一声响,裂为数片,委顿一地。
力量早已耗尽,抛出墙砖之后不由自主地跪倒在地。
小少爷双手撑地,气喘吁吁,连诅咒的劲儿都没有。

另一段是:

韩铮正将碗中酒喝了大半,闻言重重一搁,大声道:“罗兄这话太长他人志气。鞑子也和咱大宋打了这么多年,又能怎地?还不是望着这花花世界,眼里瞪出只鸟来?”

罗姓汉子眼皮一耷,伸手扯开衣襟,但见一道黑漆漆的刀疤从他心口拉到腰际,苦笑道:“在合州时,‘镇岳将军’宗浩,‘乱云枪’艾明,哪个不胜我罗松十倍?后来怎么着?宗兄死于乱箭,艾兄更惨,使了一辈子枪,却被乱枪搠死。罗某挨了这刀,躺了大半个月,拣得回这条命,实属侥幸了……”

客栈中吵闹声略略一歇,数十双眼睛投过来,尽落在那道伤疤上。

嗯,想必大家都已经看出来了。

好的,这里公布答案,第一篇是冰临神下的《死人经》,而第二段,是凤歌的《昆仑》。

风格会骗人。

第一段画面感极强。会运用声音、气味、颜色等描述环境。对动作细节描写和人物感受不尽翔实,断句多,段落多。通过用环境营造氛围,从而代替细节描写。这种写法,我们觉得很「古龙」。

而第二段轻微文白夹杂。动作如同手术刀一样精确。对人物性格,语言风格进行重度精炼,让人跃然纸上。用人物气场,动作气势,充斥在舞台上。用这些要素来营造江湖感。这种写法也会让我们觉得像「金庸」。

当然我的描述也不是非常精确,上述纯属个人感受。不过,让我区分「金庸味」和「古龙味」我确实分得清,但如果,诸位和我一样,没有得到事先的提示,直接判断,可能也难以分辨具体的作者吧。

就好比,对我一个文化素养和古诗文积累没有那么充足的理科生,你让我谈谈婉约派的词。随便掏出来一句我没读过的,我大概律也会把「晏殊、柳永、欧阳修、秦观、周邦彦、李清照……」这一帮人傻傻分不清。但是我确实有能力区分出来「婉约派」的味道。

但是风格也不完全是对一类人的描述和总结,除了上面笼统的风格之外,可能还有一些东西,在一种风格或者特色的基础上,诞生所谓的个人特色和个人风格。

这里,我还是引用我心中文笔第一先生的例子。我先不说名字,但我觉得,几秒之后诸位读者能立刻猜到我说的是谁:

「问汝平生功业,黄州惠州儋州。」

这首词不是他的代表作,但这位先生成功将「黄州」这个地名变成了「壮志未酬,怀才不遇,但是却有一蓑烟雨任平生」等诸多复杂情感的交织。让这个地名在诗词中具备了特殊的意象。

所以,尽管风格有时候可以骗人,但是可以唤醒我们脑海里关于人、关于物、关于情的记忆。我们对一种风格的喜爱,爱的不单单是文字和图像本身。我们喜欢和热爱的,可能是用于表现这种风格的元素,譬如「清风明月」,譬如「雨打芭蕉」,譬如「寒江独钓」,也譬如,那个「黄州」。这些元素如同文化基因般深植于我们的集体潜意识,当它们以特定韵律组合时,便能瞬间激活我们对于某种审美体系的完整联想。

如此一来,文字这种线性,黑白的形式,也能在我贫瘠的脑子里生长。遇到我爱的风格,甚至还能发生化学反应,烧出五光十色的火树银花。其绚烂的程度,远超一切其他艺术形式。

什么是风格迁移

君何为兮空谷。文寡和兮思深,道难知兮行独。
—— 王维《送友人归山歌二首》

说完了什么是我理解中的风格,我们可以用另一种分点论述的方法表达:

  • 特殊的语言「表达形式」,例如「断句」、「修辞」
  • 特殊的「意向」和「美学符号」的运用
  • 对特殊的「思想」,「意识形态」进行「有目的」的阐述
  • 高级的风格还会具备有层次地意境,将上述三点交叉叠加

而艺术上,我确实不甚了解。不过如果哪怕如同我一样无知和迟钝的人,大抵也能一眼分辨出莫奈、张大千、拉斐尔、梵高这种极具特色的风格。

那么,AI 到底做了什么呢?

从技术的角度探讨,其实是一种解构,换句话说就是 「找特征」

AI 不断通过采样、分析、总结规律,一层一层发现我们可能这辈子都难以联想到的视角,看到了一些潜在的东西。就好比我们偶尔也会傲慢地认为,古早的艺术家在第一层,我们在第五层,然而 AI 在大气层。我们在第五层,看到了诸如「梵高擅长使用螺旋」;而大气层的 AI ,可能会认为「梵高画画的年龄,和画面中一个螺旋的坐标之间,具备一定的数学规律」。

当然呀,这 AI 经常会发生所谓的过度解读,从而生成对人类僵硬的理解和模仿。在训练模型的时候,我们叫这种现象过拟合。消灭过拟合的方法也很简单:提供更多的数据,或者提供更多我们人类的理性分析。

前者是用更多的训练数据,消除错误的过度解读。这个比较好理解,毕竟,错误的规律在大量正确的数据面前不堪一击。但是后者可能稍微有一些复杂,比较接近用人和机器都能信任方向,稀释错误的分析方向。或者说,让人手把手教 AI。这里我引用一个我大二那年,科大讯飞的一位老师告诉我的例子:

一个小孩在街上问妈妈:「妈妈,我想上卫生间。」

妈妈说:「前面有 KFC。」

如果单纯在文本上让 AI 理解,自然啼笑皆非。说不定 AI 会在之后提到卫生间的时候提到 KFC,产生所谓倒果为因。而正确的逻辑是,KFC 这样的连锁快餐店中,大都是有公用卫生间的。把这个逻辑补充在 AI 的训练数据中,AI 也能更好地理解如何对话,在以后也能更加擅长处理这些。

而这就是最近热门的 RL 和 CoT (强化学习和思维链)技术,用正确的例子、解释和奖励机制引导 AI,学习表象之下的内在思考。

此处,我打住对技术的进一步深度挖掘和理解。回到之前的问题上。这些技术有什么用?

当然是找到作品中,所有的有意义潜在特征。

线条的曲率也好,颜色的配比也好,当这些东西复刻出来,就有了所谓的风格。

我想,GPT-4o 对吉卜力风格的复刻,之所以令人惊叹,在于成功的解构。AI 看到了:浮世绘般层叠的积雨云,少女奔跑时翻飞的裙角,机械装置上斑驳的铜绿锈迹。当这些元素,以宫崎骏式的构图比例与色彩饱和度重组时,我们的记忆阀门便轰然开启。想到的,是那个偷偷躲在电脑面前看《天空之城》看到黄昏,眼泪模糊了视线的下午;或者是第一次看完《千与千寻》,听到《Always with you》心中悲喜交加,不愿从童话世界中离开的不舍。

如此一来,所谓的风格迁移,就被技术冷冰冰地完成了。

骗了我的眼泪,也冒犯了艺术家前辈们数十年的创作。

我怎么看待风格迁移

在创作这篇文章的时候,我其实非常冒昧的冒犯了我自己。毕竟我还是一个至今还在暴力创作的写手。虽然我从事的领域就是 LLM 这种大语言模型的研究,但是我在写作这件事情上,当时笨拙地坚持亲手打出每一个符号。

就像海子的爱,我对我的作品亦如是。他们是我生命的半截诗,我不容忍 AI 粗鲁地修改,哪怕半个字。(哦,错别字还是会让 AI 修一下的)

是啊,我也有我的风格。我知道我不够有天赋,但是我还算爱学习,我热爱引用,也有非常强烈的个人喜好。我知道我喜欢什么风格,于是我引用那些风格,就好比我极少在我的作品中引用洛夫克拉夫特的作品,也很少会提到那个大众赞誉很多,但是我极端恶心的太宰治。而苏轼、三岛由纪夫、李清照、曹雪芹、陀思妥耶夫斯基等等,我为诸公献上无尽赞誉。

所以,我的看法是……

要勇敢

我的看法,首先是「要勇敢」。

在下不才,是个没什么素质和文化的理工男。但在下出身草莽,亦觉得要有超越前人的勇气。前人的作品搁那,不是为了塑造超越不了的丰碑。你任那碑文洋洋洒洒,深邃博大,若不能被我们后人所用,终究也不过是无字碑罢了。这些石料是我们向前走的阶梯。这个道理高尔基在百年前早就提过,印在小学生的课本里,然而也最容易被我们误读。所谓「书籍是人类进步的阶梯」,重点,在于阶梯而不是书籍。

回到当下,即便我看得见 AI 的作品满天飞,越来越多良莠不齐的作品恣意滋生,肆意泛滥。不论是文学、绘画还是其他形式,皆是如此。我目之所及的数据垃圾也在日益增长。我其实也会用 AI,我会和他在创作前辩论,和我论证那些不成熟的观点。但 AI 被我所用之后,我当然要觉得我有能力超越 AI。毕竟他是我脚下的垫脚石,而不是垒出障碍的砖墙,更不是溺爱纵容我生产垃圾的坏朋友。

还记得刚刚提到的「个人风格」吗?

我也是个爱网上冲浪的年轻人,我看得见数字风格在我这代人身上的投射。拥抱技术的人,将技术和自己融合创作,我依旧热爱呀。不论是「阿良良木健」的《牵一半》和《春风来》;DDF 的《风灵玉秀》和《天知河》。技术在创作中的比例越来越高,我相信这些可爱的创作者会用技术也会用 AI,继而带来更有特色的优秀作品。

再说回事情的起点,吉卜力风格。如果认为几张画面风格就能模仿宫崎骏老先生,可以把吉卜力的艺术学得七七八八。未免把老先生看的太扁。我可不认为有几个人能用动画这种形式,第二次让我获得在《哈尔的移动城堡》中得到过的感动,我也不觉得有谁能再度创作《龙猫》那种作品,去补足我一个灰暗单调的童年。

我的文章也一样。翻起我的曾经的标题,不论是「大道求索,无问西东」,还是「深深梦几许,猎猎青云中」,亦或是玩起谐音梗的「Welcome, come a lot to my camelot.」。我为我没有价值的巧思骄傲,这是 AI 学不出来的清香,是我用纸笔刻下这些带着生命的记号。我的插科打诨,幽默玩梗,旁征博引,亦或是工整对仗。作为读者的你,试着读一读吧。我想我的文章即便不那么韵律优美,但我好歹有一些基础的韵律追求,不求追得上每一个韵脚,起码平仄节律,还算混个及格。

但是 AI 不及格。

那我当然可以勇敢地认为, AI 不会取代我,更不会杀死我。而凡是杀不死我的,终将让我更强。

要有信心

继续我的看法,在勇敢之后,然后是有信心。

更准确来说,我,提醒自己要勇敢;而我对人类这个种族本身,要有信心。

当 AI 将「风格」拆解为可量化的色块参数与笔触,或者是可以排列组合的词组。那些曾需要十年修行才能凝练的审美境界,突然变得像预制菜一样唾手可得。

但是有一个有意思的故事。北宋画院用「踏花归去马蹄香」考较画师时,只有一个画师能想到「香」的表述。没错,真正的妙笔不在于画出花瓣与马蹄,而在几只追逐墨香的蝴蝶。

AI 学东西很快,也会创造一些他能想到的数据层面的联想。但是我们的感官数据在完全被暴力拆解之前,我还有我的机会。我知道咖啡和花的味道,也知道感冒和胃炎的味道,也知道难过和哭泣的味道。我的鼻腔和舌苔上的电信号,还没有那么无情。他们还在给持续给我输入着慰藉。

我曾尝试让 AI 模仿沈从文:它准确使用了月亮、乌篷船、青石板等意象,但是他写不出湘西少女的柔情,也写不了边陲小城里年轻人对世界的渴望。现在 AI 还在变强,从几年前的 8 千 token (可以近似理解成词),到如今可以读写 12 万 token,他们能看到的世界越来越宽阔。但是我可不傲慢,你以为 12 万字能说清楚什么是爱?什么是英雄?而什么,又是我们痛恨又热爱的人性吗?

那我说,还是等等吧。我对人类本身,无比自信。

我们是一个会创造的种族,虽然有时候创造的东西可能不能么正经,譬如互联网逆天短剧和抽象文化。但是他们都是创造的一部分。我们至今还没有停滞创造,已有创造的一部分都将成为新创造的元素,创造本身也在生长和递进。我们曾经童年的作品中,做的比喻是「像太阳」和「像飞机」;而如今「像 5G」和「像动车」已经成为新一代孩子们的比喻和符号了。我们的文化、符号本身都在成长。

在 AI 学会动态训练之前,在 AI 还来不及学会我们每天创造的符号的时候。AI 在我们这个生命力和创造力务必强盛的物种面前,玩的不过是刻舟求剑。

我有信心,认为他,认为AI,可以一定程度上超越我们,但在人类面前,AI 终有不堪一击的一面。

最后彼此永不相忘

说完了一堆狂言乱语,回归冷静。

我也尊重市场选择和经济规律。

如果真的有一天,我所有才情被 AI 取代,风格被他掌握了,我也能欣然接受。因为那天的时候,我的风格大概率也会有一个名字吧,就和「吉卜力风格」一样。某种意义上,这也算是对我作为创作者最后一点宽慰了。

其实这个事情,我并不消极。而且我其实也觉得这是对一个伟大创作者的无限赞美。刚刚我给大家玩过的游戏中,我们说冰临写得像「古龙」,而凤歌写得像「金庸」,这真的算贬义词吗?这种说法,不论是对金庸古龙,他们的意志得到了传承,在天之灵或许也会欣慰;而冰临和凤歌,他们也和他们学习崇敬的先人并肩,这对他们也是莫大的赞誉。

说回我人生目标,其中有一条我不可能做到的事情:「整理全人类的知识」。

迄今为止,我小半辈子做过的项目和努力,都是为了这件事。不论是研究高性能存储也好,给 Z-library 做镜像站也好,做高性能计算也罢,做 Semantic Search 也是,还包括了我当下做的大语言模型。都是为了这个不可能实现的梦贡献一点点力量。

我愿意,将诸位前辈在文河中洒下的星子收藏,此生念念不忘。

我相信,诸位前辈也会为我献上的热爱而庇佑我,吾爱必有回响。

诸公风格不死,诸公便不死。

我的风格如果被铭记,我也将永生。

技术视角

牧云人手札这个频道的标语,是 AI 时代的随心一听,如果不谈谈技术确实不太符合我的创作理念,也不符合所谓「我的风格」。哈哈。

所以说完了我的态度,说回正经的。那我们还是要研究如何让 AI 产生更多的感官和联想,也要让 AI 真的能学习人类每天创造的新文化。

前者对应的是更多形式的传感器,和如何量化复杂切主观的感官,例如味觉和嗅觉。这确实是最近人形机器人的研究方向。

后者对应的是如何做更高训练的训练推理一体化框架,也包括更高性能的 RL 和 finetune。甚至包括可以在几秒内完成的 pretrain。当下不可能不代表未来不可能,这也是我正在研究的课题。

这些我认为都是技术路上的环节,我将致力做这些事情。哪怕这些事情,某种意义上,对我无异于自杀。

结语:世界很大

而我为为什么还要做这些慢性自杀呢?

那就,先谈谈这次的标题吧。相信敏感的读者已经发现,文章的标题其实是一位作者的四部作品。分别是:

《九章·涉江》:一个才华横溢的青年,怀里幻梦美丽的理想;

《九章·惜往日》:但是这个理想,无情破灭;

《九章·抽思》:这位青年缠绵深沉、细腻真切的怨愤在胸腔中积累;

《九章·悲回风》:最终洒落自己的悲伤在风中回响。

我恨 AI 创造的粗制滥造,更恨大家追捧这些垃圾。

但是何须悲回风呢?我最后引用的这篇,风格像屈原,一度被人质疑不是屈原的作品。但是这篇作品的文笔也恨好呀,情绪也好。他是文字的孩子,被人创作了,被人记下了。

「杜若含秋光,九歌一夢起湘江,它在華夏子民血脈中流長;」

「七弦琴悠揚,我共河伯醉一場,借問那玉佩是否還在洛阳。」

我想不论是不是屈原的作品,屈原的文胆都通过这些作品被传承,传入李杜诗篇,传入《万神纪》的歌词,也传入了我的文章。

标题的引用内涵,和我想表达的情感阐述了之后,再度麻烦诸位做一个测试。

在互联网上搜搜看吧,搜搜这个很容易拼凑起来的标题。我是第一个将他们连在一起,形成诗作,并辅助我完成自我表达的。这么暴力和简单的汉字排列,从没有人试过。也没有 AI 试过。

这个世界很大,值得探索的空间很大。常用的汉字有 3500 个,十个字的诗歌,排列数不胜数。我不如 AI,天下才华他占九斗又何妨呢?我,还剩那一斗。这个世界的辽阔容得下我和 AI 并存的。

两百年前,陀思妥耶夫斯基临终未竟的遗作中,说「首先是善良,然后是正直,最后,彼此永不相忘」。

把我的看法连起来吧,我冒昧地致敬这位先生,面对 AI 在冒昧笨拙模仿我们的时候,我说:

「首先要勇敢,然后得有信心,最后,还是彼此永不相忘。」

最后致我自己,致每一个还在坚持人文关怀的创作者,致 AI,也致我热爱的这个辽阔世界:

去,寒鸦掠过乱云去,咫尺茫茫是醉乡。

笑,一笑寂寥空万古,三分明月照大江!