乐乐彩|-(中国)百度百科

人工智能，如何妙笔“生”画******

　　核心阅读

　　输入一段话，“绘”出一幅画——人工智能的绘画本领，吸引众多职业画师和零基础用户尝鲜。人工智能绘画的本质是计算，接受“语言描述”指令后根据自身的理解还原出图像。未来，人工智能技术应用于艺术创作等领域，还要注意防范潜在风险，让技术进步更好地造福社会。

　　不用画笔、颜料，输入一段描述性文字，计算机就能自动解析，生成相应的画作。2022世界人工智能大会上，人工智能绘画的展示令观众惊叹。

　　一些过去专属于人类创作的领域，比如绘画、书法、写作、作曲，如今人工智能也已开始涉足。人工智能是如何绘画的？当前沿技术与艺术相遇，将碰撞出怎样的火花？在内容、版权等方面又是否存在问题？

　　从文本到图像，人工智能绘画本质是计算

　　人工智能绘画是一个从文本到图像的生成过程，输入一段话，生成一幅画，本质是计算。简要地说，计算机通过大量学习，能识别特定图片元素和文本之间的关联。同理，人工智能程序在收到“语言描述”指令后，可以根据自身的算法还原出图像。

　　设定计算机程序作画的想法由来已久。早在20世纪70年代，就有艺术家开发了操作机械臂的电脑程序，让机械臂按照指令在画纸上作画。近些年，人工智能技术日新月异，科研人员尝试设计自动作图的计算机程序。但过去很长一段时间，人工智能“画”出的作品普遍不够好，往往只是一些模糊的图像元素的组合，还称不上是完整的画。

　　今年以来，人工智能画技迅速“进化”。谈及技术突破原因，百度文心一格总架构师肖欣延认为，这是预训练大模型的兴起、大数据的训练和扩散模型的出现3方面共同作用的结果。

　　具体来说，预训练大模型增强了人工智能的通用性，成为人工智能技术及应用的新基座；大数据的训练中，通过在众多高性能GPU(图形处理器)算力资源中进行并行学习，计算机能够在短时间内完成大量的数据学习。近年来，几乎所有人工智能的技术发展都受益于这两方面的进展。而对人工智能绘画来说，扩散模型的出现至关重要。

　　扩散模型的原理是，通过人为逐步添加噪声，让图像逐渐变“模糊”，再不断学习去噪过程，如此人工智能就能从完全是噪声的图片中逐渐还原出清晰的图片，即“画”出图像。

　　“这一过程与人类学习相似。通常，人们学画从临摹开始，机器也是如此。它最初生成的图像可能很模糊，但计算机会不断修正，从而输出越来越清楚、层次越来越丰富的图像。”肖欣延说。

　　扩散模型让人工智能绘画技术实现跨越，不仅作画质量快速提升，生成时间也缩短到几秒钟。

　　众多用户尝鲜，大量应用加速“画技”进化

　　汤林杰是某互联网公司的运营人员。工作中，他需要借助一些图片来丰富文案，而网络上找到合适的配图并不容易。今年10月，了解人工智能绘画程序后，他尝试自己“画”图。现在，人工智能绘画工具已经是他工作的重要辅助。

　　随着算法模型对公众开放以及训练数据成本的下降，人工智能绘画门槛越来越低，一些简易化操作平台在国内外兴起。如今，不仅一些职业插画师尝试用人工智能绘画程序辅助作画、激发灵感，许多没有绘画基础的用户也开始尝鲜，并“晒”在社交平台上。

　　大量需求的涌现也加速了技术的更新迭代。“用人工智能绘画的人越多，算法就越能理解输入的描述文本，画作质量就越高。”肖欣延表示，当前人工智能绘画水平与今年初相比，已经有很大进步。

　　不过，目前的人工智能绘画技术并不完美。首先，可控性仍然不高，即计算机不能很好理解人类指令的含义，即便是输入“画两个苹果，左边红色，右边绿色”这样的简单描述，生成的图像也可能有很大偏差；其次，细节呈现能力还不够。比如，对空间、透视和光影的刻画就很不如意。不少人工智能渲染出的画作，初看上去惊艳，认真观察问题却不少。

　　但肖欣延认为，人工智能绘画在技法上的缺陷未来有望得到弥补。比如，基于跨模态大模型和强大的深度学习框架，百度开发的技术一定程度上已经缓解这些问题。此外，未来人工智能不仅能作画，还能根据文本描述生成视频，并直接配上解说文字，“可以把视频生成看作是维度更高的绘画，从技术层面看，这是可以实现的。”

　　防范潜在风险，守住法律和伦理底线

　　人工智能进入绘画领域，计算机会取代人类画师吗？

　　在肖欣延看来，好的绘画与构图、设计语言、视觉情绪息息相关，即使人人都可以用人工智能技术作画，但通常只有高水平的画师才能制作出优秀的人工智能绘画作品，“人工智能只是作画的辅助工具”。此外，虽然有的人工智能绘画语言娴熟，也包含细腻的情感，但并不意味着机器有意识、情感，它不过是学过类似的作品，又恰好呈现出来了。“优秀的艺术作品往往是人的思想的投射，目前机器并没有真正具备思考能力。”肖欣延说。

　　不少业内人士认为，不妨以开放的心态拥抱人工智能绘画，接受新事物。可以预想，将来绘画中一些繁琐、重复性的工作可能由计算机完成，创作者能腾出更多时间去构思想法与创意，调整构图、色彩、光影氛围等。

　　“人工智能可能会激发绘画创造的活力。”肖欣延表示，20世纪前后，照相技术让传统肖像画失去市场，促使一些画家向非写实方向创新。与人工智能技术融合，或许能激发画家创作出别开生面的作品。

　　不过，由于人工智能绘画发展刚刚起步，技术发展也引发关于版权、内容把控等问题的争议。比如，有人认为，未经授权人工智能画作模仿原画的内容、构图和风格等，侵犯了原作者的版权，有违法嫌疑。也有人认为，“机器学习”过程是一种类人化的创作行为，同样体现了创造者的思想和劳动，应当获得版权保护。此外，还有人担忧，人工智能绘画技术若被滥用，可能滋生暴力等令人不适的图像。面对新技术发展，有必要前瞻潜在的风险，只有守住法律和伦理底线，技术进步才能更好地造福社会。

　　不只是绘画，写作、作曲、生成短片，人工智能日益强大的深度学习能力，让它与不同艺术门类发生着奇妙的碰撞。展望未来，业界专家认为，人工智能与艺术融合，一方面会降低一些艺术门类的创造门槛，让更多人参与到当代的审美创造中来；另一方面新技术会带来新的审美风格，人们或许能从中扩展对自身和世界的认识。

　　记者 喻思南

券商积极配置公募REITs 多角色参与推动投资与投行业务协同******

　　本报记者 李 文

　　见习记者 方凌晨

　　截至1月18日，Wind资讯数据显示，目前已上市的24只公募REITs募集资金总额超过783亿元，总市值达842亿元。而就在几天前，第二十五只获批公募REITs——嘉实京东仓储基础设施REIT也完成了配售和认购工作，目前已进入上市流程。

　　作为有别于股债等传统品种的新兴金融产品，公募REITs颇受各大金融机构关注，而券商热情尤其高涨。

　　券商积极布局公募REITs

　　在目前获批的25只公募REITs中，险资和券商参与配售和认购的行动较为瞩目，其中券商身影更是出现在了每一只REIT的战略投资者及网下投资者中。

　　华安证券债券业务总部负责人对《证券日报》记者表示，自2021年6月份第一批REITs上市以来，券商一直积极参与配置REITs，以发行规模最大的中金安徽交控REIT为例，扣除国有企业战略投资方及公众投资者外，券商的配售份额占比约54%。

　　最近的嘉实京东仓储物流REIT战略配售者中出现了招商证券、中信证券、申万宏源等多家券商及其资管参与的身影，网下投资者中更有开源证券、华安证券、国泰君安、中信建投等一众券商。

　　上述华安证券债券业务总部负责人表示，公募REITs收益稳定、风险适中、具有良好的大类资产配置价值，能够在一定程度上分散组合风险、优化组合投资、增厚投资收益；此外，券商自营作为证券市场长期稳定的价值投资者，其风险收益特征与公募REITs产品的特点天然契合，在低利率等背景下，REITs试点4%以上的预期分派率具备较好的配置价值。

　　华宝证券研究创新部战略研究负责人卫以诺认为，作为战略配置投资者，券商对于REITs产品分红格外重视，REITs分红不涉及除权除息且无需缴纳额外税款，这也是机构参与配置的重要因素。此外，REITs产品与券商各条线业务匹配结合程度更高。

　　卫以诺进一步介绍，REITs业务与券商的财富管理、资产管理、FICC以及自营具有较强的黏性，券商在财富端大力推进REITs产品的代销，可以提高券商大财富条线的产品丰富度；自营端，除了自身的中低风险配置需求，券商还会进行REITs做市商服务；资管端，拥有公募业务资格的券商资管子公司也可以进行REITs产品发行布局，丰富券商资管的创收。

　　对券商提出了更高要求

　　目前，上市REITs底层资产已覆盖仓储物流、保障性租赁住房等六大类。业内人士认为，公募REITs后续有望持续扩容，底层资产类型将更加丰富；与此同时，公募REITs上市常态化发行也有望加速推进。

　　卫以诺表示，积极参与并重点开拓REITs业务，将是券商2023年及未来实施大财富与大资管转型升级的重要抓手。而未来券商多角色参与REITs业务也对券商提出了更高要求。首先，作为REITs的管理机构、ABS管理人、财务顾问角色，全程以类投行性质进行项目管理，对券商的整合开发与发行、定价以及项目运作和投后能力等项目管理能力提出了高要求，而券商能否将自身拥有的各类综合业务牌照、储备项目和人才优势转化成业务能力，将是业务的“胜负手”。其次，作为网下询价机构认购REITs，券商需要具有较强的投资把控与分析能力，今后REITs供给势必会大幅增加，对于可能的产品不确定性以及收益波动，券商的风险识别、投资系统以及内部投研决策显得尤为关键。最后，在REITs代销以及做市商方面，要求券商改善产品宣传发行模式，提升交易择时管理能力。

　　华安证券债券业务总部负责人表示，券商多角色、多渠道积极布局公募REITs新赛道，需要注重推动投资与投行业务高度协同，形成有机联动。（证券日报）

　　（文图：赵筱尘 巫邓炎）