前几天，OpenAI又发布了新模型，叫做DALL-E，以艺术家达利和机器人瓦力合体命名。
它和GPT-3一样极其强大，仅仅通过一段自然语言，就能生成对应图片。
这里的“自然语言”，指的是人们平常说的话（和编程语言相区分），无论这段话的内容有多扯淡，DALL-E都能把图做出来。
比如，“一个穿着芭蕾舞裙的小萝卜在遛狗”，这话够扯淡吧，但DALL-E能画。
或者，“一个熊猫宝宝穿着睡衣开车”，它也能画。
“一根戴墨镜的小黄瓜弹钢琴”，也没问题。
DALL-E就是这样一个图片转文字的模型，它使用了GPT-3中120亿个参数版本，可以完全无中生有，制造出原本不存在的图片。
它也可以让两个不相干的东西融合成一张图，以合理的形式出现。
比如说，“牛油果”和“扶手椅”，这两个东西没有一点关系，但输入“一个有着牛油果形状的扶手椅”，DALL-E能输出看上去很像的椅子。
虽然这些椅子看着就知道坐起来不舒服，但是，创意十足啊。
类似离奇的东西，还有“五边形的绿色马桶”。
世界上应该没有这样的东西，但DALL-E能做出来，而且看上去很真实。
DALL-E还能将植物、动物和其他东西的纹理投射到三维实体上。
“正方体的刺猬”
“正方体的火焰”
“球体的云朵”
（其中一个看上去好像冰淇淋球，馋了）
DALL-E还能在一张图中做出两个以上的东西，输出很像照片的图。
“桌上放一堆薯片”
“桌上放一堆闹钟”
不过有时，DALL-E会理解得太片面，比如“桌上放一堆高尔夫球杆”，球杆似乎没受地心引力影响。
DALL-E也能控制两个物体在一张图中的位置。
比如，“一本小红书放在大绿书上”，这句话DALL-E是能理解的。
DALL-E还有一点很厉害，是它能理解一句话中多个重点，并且正确地呈现出来。
“一个刺猬宝宝，戴着蓝帽子和红围巾，穿着绿上衣和黄裤子。” 根据这句话，它需要让服装和颜色一一匹配，放在刺猬身上正确的位置。
大部分情况下，它出的图和文字描述是一致的。
当然，这并不是百分百正确。随着重点的增多，DALL-E的准确率会下降。
比如下图，应该穿着“绿裤子”的企鹅，在好几处没穿裤子，或者颜色穿错了。
不过，仅仅写一句话，就能收获一堆插图也是够厉害的。DALL-E画的不少图挺好看的，未来设计师的费用也省了……
OpenAI的研究人员发现，DALL-E还能控制图中的拍摄视角。
它知道如何生产出正面、背面、侧面，以及俯视、仰视的图，甚至包括鱼眼镜头的图。
输入“山顶上，一只猫头鹰的背影图“，一张媲美野外摄影的照片就出现了。
或者，“山顶上，一只猫头鹰的超近距离照”，各种细节栩栩如生。
狐狸的高视角拍摄和低视角拍摄，看上去也很逼真。
（再提醒一下，这些动物是不存在的，图是DALL-E自己做出来的）
DALL-E还能让不同的图案出现在各种日常用品上。
OpenAI认为这是未来商业发展的方向，可以让企业探索不同的产品概念，不用生产就能看到效果。
“有着蓝色梨子图案的扑克牌”
“有着粉色南瓜图的地毯”
“有着白色茄子图的钱包”
（额，其中两个意外的鬼畜…）
有时候，DALL-E能制造出很有意思的效果，比如“有着粉色茄子的广告牌”，
出现了一个奇怪的图案……
“房子的一面，有着一副黑茄子的墙画”。这，这又是个啥……
不过，DALL-E中最好笑、最有意思的功能，是让动物和非动物结合，生产出稀奇古怪的图片。
看了以后让人怀疑，自己的想象力还没有一个AI强大。
“用牛油果做成的孔雀”，嗯？
“用大蒜做成的蜗牛”，嗯？？
“本体是扫帚的猫”
(猫咪委屈）
“由披萨做成的袋鼠”
（意外的合适！）
“由竖琴做成的蜗牛“
“本体是墨西哥卷饼的猪“
“竖琴做成的猪“
“小提琴做成的企鹅“
“由开瓶器做成的刺猬”
服你
最搞笑的是“坦克做成的猪”，这坦克根本没法开吧(＠_＠;)
让鬼畜更上一层楼的，是动物与动物合体，生成图画。
“长得很像乌龟的长颈鹿”
“长得很像凤凰的猫”
“长得很像鸡的龙”？？？
还有，世界名画“长得像水母的熊猫”……
大家可以去OpenAI的官网看，这样鬼畜的儿童画还有很多。
DALL-E的功能如此稀奇古怪，OpenAI研发它的目的是为了什么呢？
其实，研究就是研究，是为了拓展未来的边界，让AI达到更强大的功能。
OpenAI的首席科学家IIya Sutskever在推特上说，人工智能的长期目标是建立多模态的神经网络，让AI能够学习不同模态之间的概念。
以往的大部分AI，包括GPT-3，都是以文本为主，研发DALL-E是为了拓展视觉领域，让AI更好地理解世界。
DALL-E确实有着出色的理解能力和混合概念的能力。不少研究人员认为这意味着DALL-E充满创意，就像人类一样。
“我预计这个技术能带来各种各样的应用。” 剑桥大学的Neil Lawrence教授在CNBC的采访中说，“它非常令人兴奋，可以解决我们自己都不知道的问题。”
乔治亚理工学院的Mark Riedl教授也说：“混合概念的能力被认为是人类创造力的关键。所以，从创意角度看，DALL-E是一大进步。虽然人们对AI是否理解概念看法不一致，但用新的方式创造东西，是它智力和创造力的一大证明。”
这样一个有着120亿个参数的智能模型，肯定不只是用来画画搞笑图的，未来，它值得畅想……
ref：
https://www.cnbc.com/2021/01/08/openai-shows-off-dall-e-image-generator-after-gpt-3.html
https://openai.com/blog/dall-e/
