共计 923 个字符，预计需要花费 3 分钟才能阅读完成。
艺术家 Terence Broad 在没有任何训练数据的情况下，成功让 AI 生成图像，这一突破性实验不仅挑战了生成式 AI 的传统方法，也为艺术创作和 AI 伦理提供了新的思考方向。
Broad 的作品《(un)stable equilibrium》常常被误认为受到了画家 Mark Rothko 的影响，尤其是 Rothko 早期色彩明亮的作品。然而，Broad 并未使用任何数据进行训练，而是通过破解神经网络并将其部分元素锁定在递归循环中，让 AI 在没有外部输入的情况下生成图像。这种创新方法不仅展示了 AI 的潜在创造力，也引发了对 AI 本质的深入探讨。
Broad 的灵感并非来自哲学思考，而是源于一份枯燥的工作。2016 年，他在一家运营交通摄像头网络的公司工作，负责管理庞大的数据集。这种经历让他对数据管理感到厌倦，并促使他在艺术实践中寻找新的方向。Broad 表示：“我不会创建数据集，也不会使用他人的数据来训练生成式 AI 模型。”
这一决心在他早期的艺术实践中得到了体现。他曾使用自编码器训练《银翼杀手》的每一帧，并生成电影的副本。尽管这一作品展示了生成式 AI 的局限性，但也引起了华纳兄弟的法律威胁。Broad 回忆道：“我不想在未经他人同意、未支付报酬的情况下创作基于他人作品的作品。”
2018 年，Broad 开始在伦敦大学金史密斯学院攻读计算机科学博士学位，并深入思考如何在避免模仿数据的情况下训练生成式 AI 模型。他很快将注意力转向生成对抗网络（GAN），并通过用另一个生成器网络替换训练数据，引导它们相互模仿。这一创新方法使图像变得更加复杂和生动。
Broad 的作品不仅挑战了传统 GAN 的训练方式，也揭示了 AI 内部过程的神秘性。他表示：“网络输出本身没有强加任何外部表示或特征，但我的个人审美偏好可能以‘元启发式’的形式影响了这一过程。”这种探索不仅使 AI 模型去神秘化，也为技术乐观主义者和末日论者提供了新的视角。
Broad 的实验不仅展示了 AI 的潜在创造力，也为生成式 AI 的更具创造性和伦理性的使用指明了方向。他的作品提醒我们，AI 并非无所不能，而是一堆矩阵乘法的结果，我们可以通过改变内部元素来探索其潜力。这种探索不仅为艺术创作提供了新的可能性，也为 AI 的未来发展提供了重要的启示。
