人工智能生成艺术会成为NFT领域的下一个趋势吗?

由AI(人工智能)算法创造的NFT艺术为NFT带来了新的意义,但通过人工智能生成的一种新艺术流派是否可以被信任?

2021年,NFT的销售额达到了250亿美元,这表明NFT是加密领域最受欢迎的市场之一。尤其是NFT艺术,在去年产生了巨大影响。

值得注意的一点是,大部分NFT似乎都以卡通和meme为主。随着CryptoPunks(加密朋克)和Bored Ape Yacht Club(无聊猿游艇俱乐部)等NFT项目成为人们关注焦点,动漫NFT和meme NFT成为NFT项目的热门选项。

尽管如此,基于先进技术和人类想象力的新类型NFT正在出现。

人工智能生成NFT成为一种新的艺术流派

人工智能生成NFT(AI-generative NFT),正在艺术界以及对人工智能、区块链和元宇宙等新兴技术感兴趣的人群中越来越受欢迎。

通常人们会使用生成对抗网络(GAN)来创建人工智能生成NFT,通过AI算法来训练模型以生成“由机器创造”的艺术图像。

Claire Silver是一名使用人工智能的艺术家,她表示人工智能NFT艺术是一种相对较新的NFT类型,其基本原则是与人工智能(如GAN)一起创作:

通常人们可以选择自己敲代码,也可以选择任何人都可以使用的完全无代码工具。我在创作时使用后者。与人工智能合作并将个人想法变为现实,这是一种与众不同的体验,它以一种自由的方式增强了创造力。

为了创建人工智能生成NFT,Silver解释说她利用了一个名为“Eponym”的文本转艺术生成器。

Eponym由人工智能生成艺术公司Art AI开发,其允许用户根据他们所选择的文本创作艺术,然后将这些创作直接铸造到最大的NFT市场OpenSea。

图/Claire Silver

Eponym能够将任何短语转换为独特的NFT艺术作品,并作为一种视觉呈现永远刻在以太坊区块链上。

Art AI联合创始人Eyal Fisher解释说,Eponym建立在个性化生成艺术的算法之上,人们通过与计算机交互来创作艺术。

Eponym协助人们创建NFT。用户访问网站并在文本框中输入任何短语或单词,人工智能会根据输入的文字生成艺术品,且每个文本只能生成一次。

尽管人工智能生成艺术是一个相当新的概念,但Fisher表示,第一个Eponym项目在OpenSea上一夜之间售罄。该项目是最大合作艺术项目之一,由3500名不同的艺术家创作。“这是一个去中心化艺术实验。”

Eponym允许用户创建自己的艺术NFT,而Metascapes是另一个项目,由三位摄影师开发,旨在将人类表达与人工智能算法相结合。

Metascapes的摄影师之一Ryan Newburn表示,该项目由3333个罕见的人工智能生成NFT组成,而这些NFT都是基于世界各地拍摄的照片。

与Eponym一样,Metascapes利用人工智能算法创建NFT。据悉,第一个Metascapes收藏品计划在本月底或2月初铸造。

图/Metascapes

Metascapes背后的AI团队Versus Labs解释说,每个生成的艺术作品都是通过训练数据识别真实世界的图像来创建的:

我们有图像和标签作为‘训练数据’。当需要生成输出模型时,我们就会放入一个标签,告诉模型要输出什么类型的图像。例如,冰洞和火山是摄影师过去研究的两个类别,但在输入数据中并不是主要的,所以我们要确保输出数据包含冰洞和火山。

Versus Labs补充说,Metascapes的人工智能会随着时间的推移进行学习,同时,输出数据的生成器会变得更好,因为两种学习模型在同时使用。

一开始生成器输出随机噪声,判别器模型告诉生成器如何改进输出,因此它看起来更像是训练数据。这个循环会持续下去,从而确保两种模型都随着时间的推移而改进。

Metascapes的另一位摄影师Iurie Belegurschi表示,Metascapes团队之所以选择利用人工智生成图像,是因为与NFT和Web3相关的一切内容都与机器、计算机和代码有关:

我们决定与机器合作,在元宇宙中创造一个全新的世界。现在每个人都在购买基于PFP的NFT,但在我们这个项目中,人们将在元宇宙中获得一块独特的土地。

人工智能对艺术家和NFT收藏家的影响

尽管人工智能生成NFT仍然是一个新兴概念,但这种模式已经开始影响艺术家和NFT收藏家。

数字艺术家“Kami was Here”认为,与人工智能合作从根本上改变了人类艺术家的角色:

人需要算法,算法也需要人。对我来说,这个新角色意味着数据收集、编写代码、管理、为主题的创建带来灵感。不过最重要的是,“指导”算法。这个过程是动态的,结果是协作而来的。

至于生成艺术NFT与其他NFT有何不同之处,“Kami was Here”解释说,每个结果都是完全独特的,因为它是从算法中诞生的。

“生成艺术探索了一个与人机交互紧密相连的未来。”

图/Kami was Here

此外,Fisher指出,可接触性以及想要创建NFT的想法,是人工智能生成图像能够受到人们欢迎的原因。

我们许多用户都是第一次创建NFT,现在很多NFT收藏家和买家也正在制作自己的NFT作品。这是非常特别的,因为我们社区中的大多数人都不是专业艺术家。

Altered State Machine(一种使用NFT智能创建智能AI代理的协议)的首席人工智能科学家Alex Alter进一步指出,人工智能生成的NFT不仅看起来很独特,而且还给个人带来了更深层次的抽象感觉。

从某种意义上说,这些NFT确实是独一无二的,因为在任何人工智能生成作品中都找不到一个区域具有相似的像素。此外,在未来,人们将能够通过DAO和聊天机器人技术创作人工智能生成艺术品。这远远超过了目前其他NFT所能做到的。

图/Alex Alter

是否可以信任AI来创建有意义的NFT?

虽然人工智能生成NFT的潜力显而易见,但人工智能是否可以根据文本或照片生成高质量图像仍然是一个问题。

因此,Ryan Newburn提到Metascapes会精心策划他们的每一个收藏品。

我们的人工智能团队已经生成了数以万计的图像,但并非所有生成图像都将被铸造成NFT。如果我们对某一类别不满意,我们会制定策略并重新测试哪些类别可以相互配合。我们的人工智能也已经从多次测试中学习并得到改善。

不过同样需要注意的是,有不同的方法可以生成基于人工智能的NFT。

Fisher提到Eponym有两个版本的生成器可供公众使用,一个在公司的Discord频道上作为聊天机器人运行,另一个作为私人链接,包含更复杂的算法,能够创建更高级的图像。

“Kami was Here”进一步指出,一些人工智能艺术作品只需几分钟即可生成,而另一些则可能需要花较长的时间:

一方面,现在有像Wombo这样的免费应用程序可以轻松生成图像,人们很容易就可以创造自己的生成艺术作品。另一方面,人工智能生成艺术也可能需要花几个月的时间,来构建和训练算法、收集输入数据等。人工智能生成艺术也可以是资源密集型和个性化的。

抛开技术不谈,人工智能生成NFT必将成为未来具有颠覆性的趋势。Alter表示,目前人工智能生成艺术在OpenSea的交易量较大,今年该市场还将继续增长,这也与人工智能生成NFT的功能有关。

未来,人们将能够拥有自己的‘AI艺术家’NFT(可以生成艺术的人工智能),或者使用AI DAO与AI艺术家一起创作艺术。

此外,元宇宙的兴起应该会促进基于人工智能的NFT增长。Fisher表示Eponym的下一个项目将采用交互式虚拟身份,用户可以拍摄自己的肖像来创建3D虚拟化身,并使用人工智能对其进行动画处理。

我们的想法是使用人工智能,让虚拟化身能够采用与沙盒等虚拟世界环境兼容的不同外形。2月份,公司将引入其他算法,允许用户生成个性化的头像。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

区块分享

DYDX晚间必读5篇 | 十年潜伏与迸发:你不知道的DAO

1.Terra 2021年度回顾报告及2022年预测 2021年对于整个加密市场来说是令人难忘的一年。Coin98近日出品了2021年年度回顾系列。  本文是Terra 2021年度回顾报告。这份报告包含Terra 2021年最重要的事件、2021年Terra的关键指标、对2022年Terra的预测等。

FTXCZ展望2022印度市场:SocialFi和GameFi是关键驱动力

2021 年,随着比特币达到历史高点,加密行业获得了显著的发展。比特币正在被 Altcoins 瓜分关注度。人们对以太坊、Dogecoin 和 Shiba Inu 等其他加密货币的兴趣很高,随着今年对 GameFi 和粉丝 Token 的兴趣有所增加,加密行业的认可度达到了顶峰。

SOLSEC:关于去中心化金融风险、法规和机遇的声明

近年来,去中心化金融(DeFi)给市场提供了很多机会,却也给监管者、投资者和金融市场带来了严峻的风险和挑战。美国证券交易委员会(SEC)针对DeFi的监管发表了 《关于去中心化金融风险、法规和机遇的声明》,中国人民大学金融科技研究所对其进行了编译。

以太坊维基百科编辑投票反对将NFT归类为艺术品

2022年,NFT已经成为了家喻户晓的名字,这些所谓的“数字收藏品”在2021年经历了快速的上升。 总之,NFT已经占据了世界的一席之地。通过NFT,数位艺术家们得到了他们应得的认可。然而,说到把它看作是一种“艺术”,人们似乎存在着分歧。维基百科似乎要将NFT归类为“非艺术”。而这对于当前艺术领域蓬勃发展的NFT而言可能是一场悲剧。

[0:0ms0-0:484ms