試圖與機器協商的人

唷，大家安安。

回想起來，好像從沒跟大家分享過我發想作品的過程（其實也沒很想這麼做，又害羞又覺得不值得拿出來講）。但趁著這次《Genesis》發表，稍微有一些值得跟大家分享的事情。畢竟一個不懂編程，也不數位的藝術家，居然做了這樣的作品，太奇怪了。

＊＊＊

最開始 黃豆泥 介紹我Pixray的時候，我先後算了幾張圖，也看了一些別人的成品。或許是運氣好吧，有跑出幾張還算不錯看的圖片，當然也發現裡面好玩的地方。其中最吸引我的地方是，機器的「誤讀」與「偏差」所生成的造型與效果。所謂的誤讀並非是機器出現錯誤，舉例來說：當我輸入蘋果的時候，他跑出一台哀鳳，你要說是蘋果也沒錯吧。而偏差則是，在我輸入某些字串時（如香蕉），我原本預期他只給我一串或一根香蕉，結果整個畫面都香蕉化了。

這樣的事情是有趣的，彷彿AI總是能給出各種超乎我想像的答案。在這個階段，圖像的創造性仍由它所掌握（我也僅將它作為靈感工具）。而我就像遇到一個奇怪的外星人，不斷丟出問題，想聽聽它那超乎我經驗、無厘頭的回應。

第一階段的試驗，我試著用維拉斯奎茲的《仕女圖》作為關鍵字，搭配其他字句與其互動。首先遇到的問題便是，如何讓它精確明白我所指的《仕女圖》是什麼。我嘗試過加入畫家的名字，或乾脆將「維拉斯奎茲的仕女圖」作為字串使用，要嘛就是不知道偏到什麼地方去，要嘛乾脆跑出維拉斯奎茲其他的畫作黏在一起。有趣的是，單看其中一張圖像時，還難以聯想到《仕女圖》，但把一堆成果擺在一起時，線索則便得清晰。

另一方面，我也注意到某些字串的效果會渲染到畫面其他造型上，成為造型的「表面肌理」。舉例來說，我輸入「肌肉解剖圖」，裙子變成粉嫩的肉塊。（圖一）。字串效果成為造型的「表面肌理」給了我很大的鼓勵。在這種狀況下，生成的圖片往往具有更強烈、更意想不到的個性（尤其是無法完全掌控這些肌理會出現在什麼地方）。也因此，我試圖嘗試更多不同的關鍵字，來測試對畫面的影響。但不管哪個，我通常會將同樣一組字串，算個至少20張，來理解它表達的範疇可能為何。

第二階段，更聚焦的測試其他東西，以確定我該如何引導外星人，好好回應我的問題，建立溝通的可能。測試的項目包含：讓畫面表達簡潔一點、製造空間感、拼貼影像的技巧、浮世繪與動漫的拼接。

想讓畫面變簡潔，從之前的經驗知道，減少字串無法讓畫面變得簡潔。因此我採取的辦法是，使用例如窗景、櫃子、地毯之類等字串。我預期在格子以外的地方，會有框線、物件本身的材質對畫面進行切割。而製造空間感，則試過使用魚眼鏡頭、透視法、空房間之類的字串。效果並不穩定，尤其魚眼鏡頭常伴隨著大量的雜物一起出現。但運氣夠好的話，總有幾張效果不錯。最終發現，更實際的做法會是挑選本身就具有透視效果的字串使用（如：城市街景、窗景、隧道），儘管不見得百發百中，但已經算相對穩定了。（圖二、三）

與豆泥在德叡的夾娃娃前針對這個發現做了一番討論，亦即：當我們描述一個關鍵字時，機器擷取的影像便是人類集體對該字詞所生產出來的影像、圖像之集合。這代表，機器對同樣字串的理解，是受限制的（如豆泥文中對艾菲爾鐵塔一例的描述）。有趣的地方也在於，這些理解往往不如我們預期的表現在畫面中（想想香蕉的故事）。

豆泥文章在此：https://reurl.cc/82EN1M

拼貼影像的部分，則是以台灣復古街景照片作為關鍵字，效果其實不差。因此我更細緻往下思考，有沒有什麼樣的對象可能以影像的方式作為圖源存在，因此我試驗了「台灣警察暴力」以及特定地標。說實話，雖然有幾張不錯的成品，但感覺大同小異，我猜測或許是我使用的關鍵字能擷取到的資料實在不多。（圖四）

想到在脈絡上，浮世繪與日本動漫應該算是有些關聯，便試著把它們拚在一起看看。可惜浮世繪作為字串使用時，太過強烈，常常整張圖都被它吃掉。過程中意外發現，當我將福音戰士初號機、太陽之塔作為字串時，反而沒有出現我所期待的造型，更多是他們的色彩、配色，影響了整個圖像的構成。（圖五）

簡單總結一下，要能完成一幅完整度相對高的圖像，不外乎：構圖、造型、色彩、肌理。而第一階段的測試，我發現解決「肌理」可能的辦法。第二階段則是「構圖」與「色彩」。造型倒是相對好解決的事情（只是偶爾要換個思路：例如想要畫一個太陽，說不要要改用「橘色的球體」或是「銀色的海膽」。）最大的困難或許是，如何讓你輸入的字串以你期待的方式出現（到底是色彩、造型或是肌理）。

一直到這邊，我意識到人是有可能與機器進行協商。在不透過編程或提示文字去影響機器的狀況下，除了能保留機器誤讀、偏差所帶來的圖像創造性，並且讓我所期待的畫面元素佈署在其中。更甚至，能在構圖、色彩、造型、肌理上，盡可能滿足我的期待。

第三階段，則開始嘗試與機械協商（也就是之前送給豆泥跟德瑞的封面圖）。這比我想像德還要困難，也還要耗費力氣（溝通成本真的很高呀，朋友）。以送給豆泥的那張圖為例（圖六）。我想要表現醫科背景、章魚干、黃色的豆子，且讓畫面主題可以清晰。來來回回算了可能也有三百多張圖。其中我覺得傑出的一手，便是使用「小小兵」字串，黃色的又是豆子狀，多棒啊。但還是試了很多次，甚至透過GOOGLE圖片輔助，摸索怎樣增加條件會更具體（常常畫面散落許多小小兵，或者混進不相關的東西）。最後以小小兵為字串的部分，記得是「minion profile portrait」才較為精準鎖定。其他使用的關鍵字有點記不清楚，但大概有手術室、章魚、金屬櫃（統整畫面的好幫手，金屬可換成其他材質，推薦大家試試看）之類的。（圖六）

＊＊＊

經過漫長的第三階段，我更確信人跟機械的協商是有機會的。也從這裡開始，我開始構思透過「與機器協商」這件事情取回一部分的創造性，如何發展成一個創作計畫。

然後就是《Genesis》了。

對我來說，米開朗基羅的《創世紀》無疑是個好的切入點。除了連結到生成技術之外，也連結到創造的寓言，更重要的是作為文藝復興時期的畫作，能連結到人本精神。這個創作計畫中，比起如何生成出好看的圖片，更重要的絕對是背後我想討論的事情，以及對人與機器關係的的思考。

生成出好看的畫面真的不難，暴力一點的解法，骰子骰多了總會出現好結果（猴子都有機會隨機敲出莎士比亞全部作品）。若你能好好解決構圖、造型、色彩、肌理，大概率出來都不會太難看。但要當作「作品」來看，我還是期待在看似輕盈的視覺內容之外，有其他能談論、思考的內容。尤其是在不懂編程的狀況下，我能另闢膝蓋，做自己能力範圍內可能做到的事情。

說實話，一直到《Genesis》完成之後，我還是看不懂那些技術細節。當然大致上原理還算知道，但爬文的時間都拿來算圖跟做測試，也沒打算透過指令去影響機器（一方面無此創作需求，一方面直覺會影響此創作計畫的純度）。

最後偷偷分享一下，平均一張《Genesis》大概要算個400～450張圖才有30張左右可能可以用的：元素到位、構圖不錯、色彩協調、與其他張圖的風格不至於太過斷裂。這種「農」的感覺，不亞於暗黑破壞神呀……只是它們骰裝備，我則是骰圖片。