现在并不是一个”有图有真相“的时代
需要我们去辨明真伪，提高自身的警惕性（例如Deepfake技术）
AI生图的历史
1.20C70s，艺术家哈罗德·科恩发明AARON，可以通过机械臂输出作画
2.2012年吴恩达训练出能生成”猫脸“的模型，使用卷积神经网络（CNN）训练，证明了深度学习模型能够学习到图像的复杂特征
3.2015年，谷歌推出了“深梦”（Deep Dream）图像生成工具，类似一个高级滤镜，可以基于给定的图片生成梦幻般的图片
4.2021年1月OpenAI推出DALL-E模型（一个深度学习算法模型，是GPT-3语言处理模型的一个衍生版本），能直接从文本提示”按需创造“风格多样的图形设计
AI生图的基本原理
AI生图模型获得图片生成能力只要是通过学习图片描述以及图片特征，尝试将这二者进行一一对应，存储在自己的记忆里。在我们需要的时候，通过输入的文字，复现出来对应的图片特征，从而生成了我们需要的图片。
实操部分过程、问题与感想
~~本期AI助手——通问千义（网址：https://tongyi.aliyun.com/qianwen/?spm=5176.2810346&code=lapnbfugti&utm_content=se_1018354711&st=null&sessionId=05d8665557ff418086e7029e87d5b0e8）
助手介绍：具有信息查询、语言理解、文本创作等多功能的AI助手。编程与技术支持能力是其强项之一。
1.文生图代码的框架结构
2.向通问千义提出的问题与回答
可以看出通问千义的效率很高，并且问题分析的十分详细，可以利用其来助力平时的工作、学习方面（P.S：当然是要正向使用！）
3.运用通义千问进行连环画制作
通义的回答：
结合通义的生成内容进行调整，最终整理出来的表格 （仅供大家参考~）
.
图片编号 场景描述 正向提示词 反向提示词 图片1 古风课堂专注 古风，工笔画，一个身穿新中式上衣的少女，坐在木制桌前，手握毛笔，认真书写，上半身，黑色长发，扎高马尾，紫色丝质上衣，背景是竹简和古籍 丑陋，变形，嘈杂，模糊，低对比度，多余的手指 图片2 课堂小憩 古风，淡雅水彩，一个黑色扎高马尾的少女，身穿紫色淡雅新中式长裙，头枕手臂，侧卧在书卷旁，表情安详，上半身以及手臂，背景是安静的学堂，周围有其他同学若隐若现的身影，她已悄然入睡 丑陋，变形，嘈杂，模糊，低对比度 图片3 梦中路旁 古风，写意山水，少女立于青石古道旁，身着淡绿色汉服，长发随风飘逸，全身，手中轻握折扇，折扇上的图案是水墨梅花，四周环绕着竹林、溪水和远处的山峦，她在梦境中等待未知的相遇 丑陋，变形，嘈杂，模糊，低对比度 图片4 少年将军来临 古风，浓墨重彩，一位英俊的少年将军，骑着一匹棕色的骏马缓缓而来，马蹄踏过青石古道，少年将军身穿金色镶边的战袍，全身，背景是古桥流水人家，少女静静地站在古道旁，二人目光相遇，心有所感，近大远小 丑陋，变形，嘈杂，模糊，低对比度 图片5 月下交谈 古风，细腻工笔，少女于少年将军相对而坐，身边放着琉璃茶具，两人眼神交流，表情温和，全身，背景是月光下的古亭，地面上投影出二人的影子，四周有花朵和树木，他们正在月下畅谈 丑陋，变形，嘈杂，模糊，低对比度 图片6 共骑出游 古风，流畅线条，细腻工笔，少女与少年将军同骑一匹棕色骏马，少女身着浅绿色汉服长裙，少年将军身着银色铠甲，两人并肩而行，全身，背景是开阔的草原与远山，他们享受着同行的快乐，两人脸上洋溢笑容 丑陋，变形，嘈杂，模糊，低对比度 图片7 梦醒时刻 古风，淡墨勾勒，少女猛然睁开眼睛，手按胸口，上半身，背景是熟悉的学堂，周围是同学们忙碌的身影，她意识到自己刚刚经历了一场梦境。 丑陋，变形，嘈杂，模糊，低对比度 图片8 重回现世 古风，细致描绘，少女坐在学堂里，手捧书卷，认真阅读，上半身，身穿新中式上衣，背景是书架和窗户外的竹林，她已经完全融入了学习的氛围，继续她的学术追求 丑陋，变形，嘈杂，模糊，低对比度4.接下来就是用baseline生成图片啦，以及一些反思思考
baseline好像对”新中式“这样比较流行的词汇也有些陌生，生成的风格和现实有一些出入
baseline训练的模型好像并不能够过于准确的理解”洋溢笑容“这样的描述词，这张图片额脸部很怪异，后期调整需要规避掉这样的字眼
本期的学习就是这样~
总结
**文章总结：《不再是“有图有真相”的时代——AI图像生成的探索与实践》**随着技术的发展，我们已进入一个信息复杂多样的时代，其中AI图像生成技术尤为突出，挑战了“有图有真相”的传统观念。文章首先阐述了当前时代背景下，我们需要增强对图像真伪的辨识能力，特别是面对如Deepfake等高级图像篡改技术时。
接下来，文章追溯了AI生图的历史发展脉络，从上世纪70年代艺术家哈罗德·科恩的AARON机械臂作画，到2012年吴恩达利用CNN生成“猫脸”模型，再到2015年谷歌推出的“深梦”（Deep Dream）工具，直至2021年OpenAI推出的DALL-E模型，展示了AI图像生成技术从概念到成熟的演进过程。
AI生图的基本原理在于通过学习大量图片的描述与特征，建立二者之间的对应关系并存储，以实现在输入特定文字描述时，能够自动生成相应特征的图像。
在实操部分，文章介绍了使用通问千义AI助手进行文生图操作的过程，展示了从代码框架构建、问题提问到实际生成连环画的具体步骤。通过设定正向和反向提示词，AI助手成功生成了一系列精致的古风场景图片，体现了AI在图像创作领域的广泛应用潜力。
然而，实操过程中也遇到了一些问题，如baseline模型对某些现代词汇的理解不足、对情绪表达如“洋溢笑容”的刻画不准确等。这些挑战提醒我们，在享受AI带来便利的同时，也需要关注其局限性并进行相应的调整和完善。
综上所述，文章不仅揭示了AI图像生成技术的快速发展及其对社会的影响，还通过实际操作展示了其应用过程与存在的挑战，呼吁我们在享受技术带来的好处的同时，提高警惕性并不断探索与改进。