繼易烊千璽、楊紫、肖戰(zhàn)被AI偷臉之后。

AI又把手伸向了素人。

AI的臉，千篇一律

本來以為AI只會偷明星的臉，沒想到現(xiàn)在連素人也不放過。

一個素人博主自己拍的漢服照片出現(xiàn)在了短劇《桃花簪》中。

不管是外貌、衣服還是妝容，都和自己的照片極其相似。

但是，劇里的這個人物卻是被形容為“游手好閑，好色，渾身上下透著齷齪”。

除了他，另一位博主也發(fā)現(xiàn)自己的臉也出現(xiàn)在了短劇里。

而AI自己生成的臉更是透露著一種人山人海的詭異感。

前段時間出道的AI演員，女的神似趙今麥和張子楓混合體，男的則撞臉翟子路。

面對撞臉爭議，幕后人員卻說形象是完全按角色需求來的，并沒有刻意參考任何真人。

不管是游戲還是短劇，只要跟AI沾上邊，即便角色形象要求是獨創(chuàng)的，但AI最終生成的臉仍然非常網(wǎng)紅化。

尤其是多人同框時，更呈現(xiàn)“人山人?！钡脑幃惛?。

落戶北京的AI虛擬偶像YURI，大眼睛、高鼻梁、尖下巴、無瑕疵皮膚，看上去感覺和抖音網(wǎng)紅博主沒什么區(qū)別。

小紅書虛擬博主AYAYI也是典型的網(wǎng)紅臉，極其協(xié)調(diào)的五官和標(biāo)準(zhǔn)的身材讓她讓她一個月內(nèi)漲粉5萬。

還有韓國第一虛擬網(wǎng)紅Rozy，看起來也是那種能在小紅書上火的顏值博主。

按理說，AI的素材庫應(yīng)該很豐富才對，但為什么生成的人臉仍然跟網(wǎng)紅一樣同質(zhì)化嚴(yán)重？

AI審美也網(wǎng)紅？

AI這么做，主要是為了保證像人。

生成人臉的時候，AI首先要保證臉部結(jié)構(gòu)穩(wěn)定，五官要對稱，位置不能偏。

因此AI在抓數(shù)據(jù)的時候，自己也會生成一張“人臉概率地圖”，地圖上每個點代表一種人臉特征，雖然也會抓取到一些獨特的特征，但是AI 是會忽略的。

因為過往的反饋表明，一旦嘗試增加多樣的局部特征，生成的臉會很奇怪。

人臉是一個整體，真實的人臉上一些不一樣的點，永遠(yuǎn)不會孤立出現(xiàn)，而是會伴隨著一系列協(xié)同變化。

比如一個大小眼的人，眼瞼的褶皺深度、眉毛的高度可能會同時不一樣。

這些協(xié)同變化共同構(gòu)成了一個自洽的整體，因此在現(xiàn)實中，即便你看到一個大小眼的人也不會覺得奇怪，因為整個臉都在配合這個特征。

但AI生成人臉時，內(nèi)部表示是高度解耦的，它可以獨立調(diào)整某個局部，但很難同時自動調(diào)整所有相關(guān)的協(xié)同維度。

結(jié)果就是，它生成的大小眼就是單純的眼睛大小不一樣，眼瞼沒變，眉毛沒變、鼻梁沒變。

沒有任何伴隨特征，人在看到這種臉的時候自然會覺得不像人。

所以為了避免風(fēng)險發(fā)生，AI會自動收緊生成空間，忽略獨特性，選擇最安全的輸出空間——網(wǎng)紅臉。

因為人類感知上，網(wǎng)紅臉處在恐怖谷的遠(yuǎn)端，容錯空間大。

一般來說，越像真人的臉，人類對微小的缺陷越敏感。

但網(wǎng)紅臉已經(jīng)是一種人造模板了，它的五官比例、臉部結(jié)構(gòu)已經(jīng)高度模式化，人類潛意識會把它歸類為“半人造物”。

所以，網(wǎng)紅臉的容錯標(biāo)準(zhǔn)會比真實人臉更寬松。

因為即使生成時出現(xiàn)輕微瑕疵，你也只會認(rèn)為是濾鏡沒調(diào)好，而不會認(rèn)為它不像人。

就像小紅書博主AYAYI。

她是一個有著網(wǎng)紅臉的虛擬人，雖然目前已經(jīng)確認(rèn)是數(shù)字人，但之前網(wǎng)上對她到底是不是人的討論卻是絡(luò)繹不絕。

而且，在生成過程中收到的反饋讓AI逐漸變成了一個“膽小鬼”。

輸?shù)某龊驼鎸嵢四槻灰粯訒鄯郑敵龅牟幌袢魏握鎸嵢四槙淮罅靠鄯帧?/p>

在這種機(jī)制下，AI會變得極其保守，寧可輸出一張平庸但絕對像人的臉，也不要輸出一張有特色但可能翻車的臉。

最終結(jié)果就是，AI也審美窄化了，所有的概率都壓縮在了最大公約數(shù)區(qū)域——網(wǎng)紅臉上。

多樣化是AI的“反人性”？

現(xiàn)在很多制作公司都開始發(fā)力AI演員，還傳出了“男二以下全用AI”的言論。

但就像上面說的，一旦都變成AI，那我們就真的很難看到多樣化的面孔了。

并不是AI不能生成多樣化的臉，而是它的底層運(yùn)行邏輯天然與多樣化為敵。

AI學(xué)到的所有內(nèi)容都來自數(shù)據(jù)，主流人臉數(shù)據(jù)集的構(gòu)成比例大致是：

80%是年輕、正面、主流的臉，剩下20%是疤痕、外鼻梁、不對稱這些非常規(guī)特征。

統(tǒng)計學(xué)規(guī)律讓它必須優(yōu)先保那80%的主流特征，那特殊的20%則被自動忽略。

因為多樣化意味著探索低概率區(qū)域，而低概率=高懲罰，AI學(xué)到的策略就是，寧可同質(zhì)化嚴(yán)重，也不能冒險犯錯。

而且，當(dāng)前的AI其實也很難把人臉的所有特征都總結(jié)出來。

假設(shè)人臉特征可以用100個維度來描述。要讓AI在每個維度上都學(xué)會“可以有多種可能”，需要的訓(xùn)練樣本量是指數(shù)級增長的。

一個維度有10種變化就需要10個樣本，100個維度就需要101??個樣本。

而現(xiàn)實中，AI的訓(xùn)練集只有幾十萬張人臉，所以它只能保留那些最穩(wěn)定、最共性的特征，把所有不常見的組合當(dāng)作噪聲丟棄。

從模型看，AI使用的訓(xùn)練是梯度下降的，也就是沿著誤差下降最快的方向走。

這個方向指向的永遠(yuǎn)是誤差曲面的谷底，而谷底就是所有樣本的平均。

在第一步梯度，它會把輸出拉向所有人的平均臉；第二步會微調(diào)向某個群體的平均臉；在最后，則會停在“局部最優(yōu)”，也就是網(wǎng)紅臉，本質(zhì)上還是最大眾的那一類，所以一旦AI臉多了，看起來就會“人山人?！?。

AI天生是平均主義者和保守主義者。

不是說它不能多樣，只是這需要它反直覺、反數(shù)據(jù)，相當(dāng)于讓一個經(jīng)過嚴(yán)格訓(xùn)練的會計去搞即興涂鴉，這會破壞它的默認(rèn)運(yùn)行模式。

AI生成千篇一律的網(wǎng)紅臉不是因為沒創(chuàng)意，而是在現(xiàn)有的技術(shù)下，千篇一律才是它的最優(yōu)解。