直播回顾 | No.3 未来的艺术设计怎么做？怎么成为更厉害的设计师？

在Ai遍布的世界，怎么成为不可替代的设计师？
设计软件操作难度加大，如何轻松掌握？
未来已来，你准备好了么？

经过数月筹划，8月16日的直播间，第一次聚齐了产、学、研、用不同领域的资深从业者，他们从各自领域，一起交流“未来的艺术设计怎么做”。

杨雪果

国际知名CG艺术家、教育家、策展人

“今天我给大家分享一个叫“虚空造物”的生成艺术，这是我近4年来在图形图像领域对图形生成的一个研究，我的创作思维也发生很大的转变，我想把我的心得分享给大家。”

薄一航

北京电影学院美术学院副教授

“今天跟大家分享计算机视觉领域一些前沿的研究。计算机视觉是人工智能的一个分支领域，是一个艺术和技术相交叉的方向，具体研究怎么把最先进的技术应用到电影创作中。”

陆 烨

NVIDIA Studio业务发展经理

“由于现在很多软件工具比较复杂，操作门槛较高，需要学很长时间，因此，我们一直在帮大家降低使用门槛。今天，我想通过展示最前沿的、甚至是具有颠覆性的CG创作技术，向大家描述一个画面：在肉眼可见的未来，图形创作、CG创作是如何进行的。”

纪晓亮

站酷网总编辑

一

当前最智能的创作工具有哪些？

它们有什么“魔法”？

陆烨：在几乎所有数字内容创作中，一个非常重要但不太受关注的领域，是计算机图形学（Computer Graphics，简称CG）。它研究如何构造3D世界，并且将其渲染成2D的展示技术，典型的如10年前的离线渲染技术，以及后来的实时光线追踪渲染技术等等。

图形学发展到现在，一个全新领域是由CG和Ai交叉组成的神经图形学，顾名思义，用神经网络来表达和计算图形本身。神经图形学主要研究方向有三个：

1.3D资产生成

以往3D资产创作由艺术家通过Maya、3DMax等曲面建模或Zebra雕刻工具，一点一点把模型捏出来；而基于Ai，3D资产可通过简单的拍照，就在极短时间内创建，极大地减少建模和贴图的工作量。

2.物理动画

动画在过去也是一个工作量巨大的领域，非常费人力。现在Ai基于强化学习，可以学习人类的动作，根据指令自动产生动画，从而大大提升动画的渲染效率。

3.真实渲染

场景的真实性很大一部分由光影的物理特性决定，因此对光影的物理真实效果的渲染，是整个CG的流程中计算量最大也最耗时的流程。而通过Ai，几乎能实现实时的物理真实效果的渲染。

在以上三大领域中，涌现了非常多的新技术，今天选择9个前沿技术跟大家展示一下。

1.3D资产生成

以往需要数百张图片在非常好的硬件上训练几小时，来生成一个3D场景；而现在，通过将神经图形学的技术实用化，只需要用少量图片，几分钟内就能生成一个高精度、具有完整物理属性的3D场景。

2.HDRI绘画

去年发布的Ai绘画工具Canvas，通过简单的绘画，就能生成非常真实自然的图片。现将这项技术用于生成全景图，这个全景图能导入3D软件、3D场景中作为黄金光贴图来使用，从而节省了画背景图的时间，大家可以更专注于核心资产。

3.实时头像生成

在元宇宙世界中，人的形态将是一种写实甚至超写实的数字人。人脸和头部的模型至关重要，它决定了数字人的仿真程度。现在的一项技术可以通过一张图片，来生成一个完整的头部模型和贴图。

4.实时毛发生成

头发的制作和物理模拟是计算量非常大、非常耗时的工序。现在，可以通过一张图来自动生成逼真的、具有完整物理特性的毛发，我们可以像理发师一样，用夹子、剪刀去实时固定住和修剪头发。

5.Audio2Face

以往，数字人脸部特别是嘴部的动画，需要专门的面部设备来完成；而现在，通过Audio2Face， Ai可以根据语音来生成完整的全脸动画。

在视频中，所有表情都以参数化形式呈现，同时，这个参数在实时变化，意味着Audio2Face背后的Ai已经能自动感知一段语音中的真实情绪，然后通过语音来生成表情，而且是一个全自动的过程。

6.摄像头动作捕捉

在数字人创作中，以往要捕捉一个全身动画，需要几万块钱的动捕设备，现在基于Ai对人体关键骨骼点的检测，可以只用一个最便宜的摄像头，就能捕捉全身动画。

当然，如果你觉得使用摄像头去做动作捕捉还是很麻烦，也没关系，现在有一个更强大的新科技，就是通过强化学习，让Ai学到人的基础动作。

7.角色动画生成

我们训练了一个智能体，让它学习了大量人类的动作数据，比如走路、跑步等，之后它可以根据指令自动生成动作，这是一项比较颠覆性的技术。

8.实时路径追踪

过去30年来，路径追踪技术是世界上最真实的渲染技术，但它的短板也非常明显——很慢。现在，基于 ReSTIR技术，可以实现近乎实时的路径追踪，将以往复杂、真实的影视剧渲染场景，以非常快的速度实时展现，从而大大提升影视剧的渲染效率，以及游戏直播的渲染质量。

9.神经特效渲染

各种大片中会有很多复杂视效，如水、火、烟雾、气体等，以往要依靠一些复杂体积的计算去渲染，对计算资源的消耗非常可怕。现在通过神经图形学，计算的开销被降低了10倍甚至以上，大家在未来的游戏和直播中，应该可以实时地看到更为宏大、逼真的特效渲染，真正体验到超写实的元宇宙环境。

杨雪果：Mandelbulb3D 免费开源软件是我近几年最常用的工具之一。在接触了“分形”这种基于数学计算和几何学“公式代码”的创作以后，我发现，真正的数字艺术创作，跟传统的创作有本质区别。

以前， 如果要设计一个复杂图案，需要花大量时间学习软件、磨练技法，特别像绘画，还要花很多时间练习素描、速写、色彩关系，最后还要进行某一种风格的长期训练，手脑协调起来以后，才能进行设计或艺术的表达。

而现在，这些数字图像的创作，是一种我称为“量子态”的艺术创作，因它的生成机制和产生过程跟量子物理学研究很像，是从一个随机性、不确定性的角度来做一个起点。这种图形创作一旦开启，会形成一种无限的发展趋势。比如，我的“虚空造物”系列作品，探讨的是数学艺术、科学艺术的本质，是0和1的创造过程，与中国传统文化中“道”的思想非常相似。

数字艺术创作，不需要设计师具备专业的数学背景、理解深奥的数学原理，但需要改变创作习惯，或者更重要的，思维习惯——一定要跳出传统艺术训练的流程和习惯。

薄一航：人工智能技术是创作的工具之一，它的背后是一些深入学习或强化学习等机器学习的算法。很多人对人工智能有一种偏见或误解，觉得未来人工智能是无所不能的。

实际上，人工智能就是想让机器模拟人的能力，这涉及各种深度学习、强化学习等算法。“计算机视觉”研究如何让机器看到，语音识别、语音检测研究如何让机器听懂，而“自然语言处理”研究如何让机器读懂文字，甚至编剧、写诗。

比较前沿的创作工具，如Google新的Ai制图工具 Imagen，输入一句文字，比如“极度愤怒的小鸟”“一只蓝鸟站在一大篮彩虹马卡龙上”，机器就可以根据这段文字，自动生成图像。

再如Disco_Diffusion和DALLE-2，输入风格等更细化的描述，比如，“宇航员骑马在太空热带度假生气闲逛，以写实的风格”，它就可以根据你输入的内容和建议，生成相应的图像。

还有风格迁移人工智能生成作品，是中国美术学会虚拟空间专委会专家董未名老师的研究项目。给它一个真实的自然图像，再给它一件某艺术家的作品，就可以生成具有这名艺术家创作风格的作品。

Ai还会对摄影或绘画作品做一些美学度量，这是北京电子科技学院金鑫老师项目组的研究，它的背后也是深度学习算法。此外，还可以对人像进行评价：这个人的照片拍得美不美，服装色彩搭配怎么样……除了可以对一张图做整体评价之外，还可以对其中每个特征进行评价。比如，它的颜色、构图、光线等能打多少分。

以上两项国内的学术研究成果，在国内甚至国际范围内都是比较前沿的。

再如美颜工具、拍照姿势推荐工具、九宫格图片顺序推荐工具等，都是通过人工智能的算法来生成推荐。

二

艺术创作和技术发展的关系是什么？

面对Ai，设计师如何自处？

薄一航：现在完全让计算机去做创作，基本是不可能的。比如，让机器在创作中表达情感，目前就做不到。同时，每个软件有自己擅长的领域，并不是可以做所有事。

现在，人工智能就是一个创作辅助工具，它能做的，是利用极速的计算能力和庞大的存储能力，为人类提供最大的支持和帮助。

人才是艺术创作的核心或灵魂，未来的创作一定是人机融合、人机协同的。当艺术家对机器生成的结果不满意时，就可以告诉Ai怎么改，怎么表达情感。机器接收到指令后，会再学习新指令，生成新结果，这样不断交互迭代，直到生成艺术家想要的结果。

杨雪果：作为一名图形创作者，图形对我来说非常重要。最近我收集了一些非常漂亮、有趣的矿物，这些石头上纯天然的纹理图案，与很多传统图样很相似，比如扎染、蜡染等少数民族手工艺品里的图形样式。

大自然中这些包罗万象的图形、图像，是怎么生成的？特别是那种规则造型的产生，背后到底是什么东西在起作用？

法裔美国数学家、图形学鼻祖曼德勃罗（Benoit B. Mandelbort）在1975年提出了“分形”的概念，这是一组数学公式——Zn+1=(Zn)^2+1。通过数学来描述现实中一个图案的生成机制，即上帝是怎么造物的。看上去非常简单的一组公式，生成的却是非常奇妙的结果，大量相似性的图形可以不断演化、迭代，产生更为复杂的图形。

传统艺术在描绘大自然时，都是通过记忆还原的方式，想好再画。分形艺术创作则是先通过数学方法去定义一个规则，它打开的是一个图形宇宙，描述一个图形宇宙的核心本质就是一串代码。

比如，自然界的玛瑙石，经历火山爆发、矿物之间的化学反应等复杂过程，表面形成奇妙图案。这种叠加态的波纹图案，是一种叫“螺旋波”的结构。如果把它当成图形元素去使用，传统思维是照着画，但Ai创作需要找到它的核心机制，重新用一种拟态的方式把它还原到艺术作品里。

经过长期实验后，我发现了这组数学公式产生的一系列代码，通过代码可以直接运算出诸如“螺旋波”的自然创造事物的机制，从而把这个公式应用到各种各样的元素里，这样的创意是不会枯竭、没有止境的，可以不断演化、迭代，完成一种艺术的表达。

以上是分形艺术研究的一些思路。因此，Ai不是去破坏，而是提升创作的层次。我们一定要改变传统的思维模式，以一种全新的心态来接纳它。有了这些神奇的创造工具，未来的创会更加神奇、有趣！

纪晓亮：这是不是意味着，创作者跟科学家的界限开始模糊了？

杨雪果：其实可以有一些科学的思维，但并不需要你具备科学家的素养。工具肯定会越来越简单，但“你要表达什么”，变成了我们需要思考的问题，这非常重要，新事物启发新思维。

三

未来，怎么定义创作者？

一线设计师如何学习技术工具？

陆烨：各种软件教程越来越多，也越来越复杂，学软件的时间越来越长，其实不是我们希望看到的。所以，现在涌现出来的人工智能创作工具，会越来越容易上手。比如NVIDIA Studio平台的Omniverse，Canvas，以及Blender中的Character Creator、Icrom等。

需要注意的是，很多人过于痴迷Ai创作软件，而忽视了艺术创作和艺术思维本身。软件只是工具，只是忠实地表达“你想要什么”，未来的艺术创作，应该是Ai辅助的艺术创作——艺术家去定义艺术创作的思维和元素，由软件来控制和实现。

技术的发展完全有可能催生新的艺术形态的出现，但目前，Ai创作的可控性和可解释性还比较差，计算出来的更多是关联性，而不是因果性。比如，用Diffusion的模型去生成，需要尝试很多种词汇的组合，才能达到满意的结果，因为一句话在模型上会生成不同的结果。

一项艺术之所以能触达人心，能被记住，在于它表达了某种人类共同的感情，而表达的过程必须由艺术家来控制和解释，这也是艺术创作不可能被Ai代替的一个核心原因。

【粉丝提问】

01 Ai怎么确权？人工智能生成的作品，比较得体的签名是什么？

薄一航：人工智能生成的作品，到底应该属于艺术家，还是算法工程师，亦或使用软件的人，暂时还没有统一答案，也没有现成的法律法规来参考。目前比较合理的认识，就是一起创作的。现在有人工智能伦理学专门在研究这些问题，未来应该会有相关的法律或规定出台。

在实际创作中，比较得体的签名方式是，签自己的名字，同时后面写上“by XX软件”，一定要把软件写上，这样会比较公平一些。

02 Audio2Face做出来的动画可以用来创收吗？

陆烨：Audio2Face本身是一个免费的软件，大家可以免费使用它，创作出来的这些内容，其实就以自己的作品去呈现。

Ai模型背后是基于大量Ai数据学出来的，而现在的Ai创作，包括Audio2Face也好，Audio2Emotion也好，其实是离不开数据的。只有模型见过的数据，才能利用它创作新的内容；如果Ai没有见过这个数据，这个数据在训练集以外，创作就很难达成。

所以说，基于Ai的动画领域还有一些路要走，我们也非常欢迎更多更有创意的作品被创作出来，我们也在不断完善这样的作品。

03 人工智能介入后，设计或创作的侧重点会发生什么转移？

杨雪果： Ai生成的作品，在满足常规需求时，或许可以提升工作效率。但从创新性和独特性的角度来说， Ai普及之后，差异性就变成了平台的差异性，那么设计师的独特性如何体现？

同质化是不可避免的。如果能用好Ai，那么艺术、设计可以有很大提升；如果只是把它当成助手或玩具，差异化就会越来越小，价值也越来越低，还会造成负面影响，比如，容易让创作者产生能力逐倍增长的错觉。

因此，回到艺术创造的问题，好的工具能否带来更新的创造？未来该怎么用好它？这需要我们共同参与、思考、摸索。

陆烨：在Ai的时代，当工具都拉平的时候，真正能定义艺术家的，就是艺术思维的表达。

纪晓亮：所以更难的问题浮现出来了。你想表达的究竟是什么？你的创作观到底是什么？

创作的本质不只是技术上的进步，一种“敢于定义一个新事物”的勇气，可能是创作精神的真正所在。不是跟在别人后面，成为某些大师的融合体，而是能不能成为第一次让这个现象发生的人。

每一个人都是个一次性的奇迹。工具越来越强大，给每个人释放了一个机会，这也是对创作者的挑战——原来需要学十年画，才可以跟你站在同一台阶上，现在，大家都站在同一个台阶上了。

在社会分工里，艺术家、设计师领到的那份任务，可能就是看向这些虚空，看向这些混沌未明的地方，这个或许是我们天然的使命。

项目策划：内容编辑部

封面设计：徐菁菁

“2022大设计奖”获奖结果，将于9月底揭晓！

详情请关注“大设计奖”官网

https://awards.zcool.com.cn/

或扫码关注“大设计奖”官方微博