當我們談論 AI 在藝術領域的應用時，往往會關注於它能畫出多麼精美的圖案，但更深層的技術挑戰在於如何將 AI 整合進一個大規模的互動流程中，讓成千上萬的普通使用者能共同參與創作。Google Arts & Culture Lab 近期與藝術家 Es Devlin 合作的 A National Portrait 專案，就是一個將生成式 AI 轉化為集體參與工具的實務案例。
這個專案的核心目標是讓英國成年公民能透過簡單的互動，將自己的肖像轉化為藝術作品，並最終匯集成一件展出於倫敦國家肖像館的集體藝術品。對於工程師來說，這不僅僅是一個濾鏡效果，而是一套結合了邊緣運算、大型影像模型與動態視覺化的系統整合過程。
技術實現的關鍵在於 Gemini Image Model。Gemini 是 Google 開發的多模態大型模型，能夠理解並生成高品質的影像。在這次應用中，Gemini 並非隨機生成圖像，而是被賦予了特定的風格約束，將使用者的照片轉化為 Es Devlin 標誌性的木炭與粉筆繪畫風格。這種將特定藝術家的風格量化並應用於生成模型的過程，解決了 AI 藝術中常見的風格不統一問題，確保了所有參與者的作品在視覺上具有一致性。
在實作流程上，該系統採取了分層處理。首先，使用者透過 Google Arts & Culture 的互動介面拍攝照片，接著系統利用 Gemini 影像模型進行風格遷移，並疊加數位動畫效果，將靜態照片轉化為具有生命力的動態肖像。值得注意的是，這個過程依賴於使用者手機端的處理能力與雲端模型的協作，實現了快速的即時反饋，讓使用者能在短時間內獲得可下載的數位版本。
從系統設計的角度來看，這件作品最重要的一環是集體性。單個肖像只是碎片，但當成千上萬個由 AI 生成的肖像被匯集在一起，並在展館中實時演進時，它就變成了一個動態的資料集。這種設計將 AI 定義為一種媒材，而非最終目的，讓技術服務於國家認同與集體想像的藝術主題。
然而，這類 AI 驅動的互動裝置也面臨著實務上的限制。生成式 AI 偶爾會產生不準確或非預期的視覺結果，這在工程上被稱為幻覺現象。因此，專案在設計上允許使用者最多重新生成五次，以提高結果的滿意度，並在法律聲明中明確告知 AI 生成結果可能存在誤差。
總結來說，A National Portrait 展示了 AI 如何從單純的創作工具，演變成一種大規模參與的基礎設施。它將複雜的深度學習模型簡化為直覺的互動體驗，讓技術在保持藝術完整性的同時，實現了極高規模的用戶觸達。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。