打开手机前置摄像头
来一张美美的自拍
然后上传到AI绘画平台
过上几秒
就可以生成二次元的你
满足你对二次元的所有幻想
近年来,AI绘画爆火出圈,各大社交平台纷纷推出自己的AI绘画工具:QQ的AI画匠、抖音的AI照片特效、小红书的AI绘图,让越来越多的用户体会到AI的魅力,输入几个关键词或者上传图片,你也可以成为“画家”。
目前大多数AI绘画平台都对用户免费开放,这种新奇的体验让用户对其憧憬无限。从居高不下的互动量和点赞量我们不难看出,AI绘画已然成为各大平台的流量密码。
不过有些用户在使用AI绘画之后却画出了诡异的图片,例如顶着狗狗头的自己,或者是这张腿部不协调的图片:

Little Tip
如果你想得到一张完美的AI头像画作,一定要减少面部遮挡,尽量避免使用复杂的手势,并且在干净的背景下拍摄。
这些诡异的作品引来用户的不少吐槽:“在AI的眼里,我究竟是个什么生物?”,为什么AI会画出六根手指的诡异图像呢?
AI绘画
输入、加工、输出
以目前的AI绘画水平,“翻车”是在所难免的。由于原图不够清晰或是面部遮挡过多,AI便会很容易将娇小可爱的萝莉识别成肌肉猛男、你与萌宠的合照变成了宠物的独照。而在一些比较复杂的场景,例如识别关节灵活、动作变化复杂的手部,AI便会画出七根手指,或是一些极其诡异的动作。

实际上,我们能够轻易使用到的AI绘画,更多是指基于深度学习来进行自动作图的程序。它需要一个优秀的AI算法以及大量的素材训练,经过多年的发展才有了现在的效果,AI作图最早可以追溯到上个世纪70年代。
我们现在使用的AI绘图流程可以简单的理解为:输入素材—素材处理—输出图片。很多AI绘画小程序是在现有的流程上多加了一种风格化的后置处理,例如油画、漫画等不同绘画种类;如果硬件允许,你还可以模仿某位画师的绘画风格。
在输入素材之后,AI算法会从素材库中选寻找相似的图片,并对其中的特点打上“标签”,根据这些标签在大量图片中拼凑出目标图片。

由于AI生成取决于素材的选择,AI只是选择了相似图片的范围再将图片“拼贴”,这才生成出来六根手指的诡异图片。而由于人类对于人体结构的高度敏感,即使是手指开合角度过大我们也能够很快察觉到异样,但在风景图之类的创作上,AI绘画会相对成熟一些,经过大量训练的AI可以生成质感与创意都很棒的图片,在数字艺术绘画比赛中也能够获奖。
随着算法的不断完善,许多之前无法刻画的细节能够被展示出来,生成图像的时间也越来越短。利用当下最火的Stable Diffusion,你只需要一张消费级的大显存显卡便能在几秒钟内生成一张AI图像,相比于2012年需要1.6万个CPU训练3天才能生成一张猫脸图片可谓是“降维打击”。
戴尔科技集团
加速未来的到来
时至今日,人工智能已经有了60年的发展历史,AI绘画仅仅只是冰山一角。
人工智能的发展既基于算法,也需要强大的算力支持。实际上,目前人工智能落地的最大阻力就是算力,在一些尖端人工智能领域,算力规模成为颠覆性进步的主要推手,基础设施则成为项目是否成功的基本因素。
作为全球领先的数字化解决方案供应商,戴尔科技集团在AI和HPC领域深耕多年,拥有丰富的产品组合以及诸多实践,持续推动AI发展,以科技赋能行业。
在今年11月,戴尔科技集团宣布推出用于AI的下一代PowerEdge产品组合:PowerEdge XE9680、PowerEdge XE9640以及PowerEdge XE8640,这三款服务器专为提供更高性能和更强大的计算结果而构建,适用于最严苛的人工智能工作负载。

新系统与英特尔和英伟达合作设计,并采用了智能冷却技术,其中的PowerEdge XE9680是戴尔首款配备8块GPU的高性能服务器,使企业能够利用AI进行模型训练、HPC建模和模拟、核心到边缘推理和数据可视化,加速取得AI成果。
AI引发的思考
在十几年的时间里,人工智能的飞速发展远远超出人们的预期,其迭代速度之快,完全可以用日新月异来形容,相信在不远的未来,AI能够创作出比质量更高且更富创意的作品。
而在它发展的旅途中,有一个经久不衰的话题:AI绘画是否会取代画师?小编认为AI是无法取代画师的,至少目前不会。目前的AI绘画仍处于发展阶段,仍然需要画师不断供给“养料”。最重要的是,它没有人类的灵魂,无法产生人类的创作灵感。那么你是怎么想的呢?欢迎在评论区里留下你的观点。
END
如果您想了解更多有关戴尔科技的产品和解决方案信息,请扫描以下二维码咨询戴尔官方客服。

好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。