在討論繪圖AI是在『致敬』『抄襲』還是『學習』人類繪師的作品之前，必須把使用者要求繪圖AI執行的任務作出區隔
個人的觀察＆觀點是：

。當使用者提供一張圖片讓AI以此為底算圖，AI是在抄襲該圖的構圖，並沿用該圖的配色

。當使用者提供prompt (關鍵字) 要求AI生成圖片，AI將致敬(並且有機會過度參考) 訓練資料集當中與prompt相關的最熱門作品，使用其畫風與配色產出圖像

。AI模型克服自身弱點的方法，需透過加入該主題的大量訓練資料。就像電腦的記憶體只會越來越大，商用AI模型在遭遇硬體算力限制前，只會越來越全能

。生成圖像的美或醜，訓練結果的好或壞，哪些大神的作品值得被挑來給AI學習，這些部分目前都還仰賴人類判斷。

我認為繪圖AI的現狀傳達了一個訊息，即『練習是廉價的，但審美是昂貴的』

AI是如何『學習』生成

這裡我用最簡單的生成模型來解釋為何AI，或說神經網路可以透過prompt指令來生成一張吸睛的圖片
事實上artificial intelligence (AI)一詞在此有些誤導，因為此類模型僅是透過機器學習工程師所設計的演算法，執行被規定好的任務
依我的觀點，當一組程式能自動自發地主動『創作』作品，內部設計存在這種驅力，才比較接近真正『人工智能』
目前我們接觸的繪圖生成服務都還只是『產圖機』而已

解碼＆編碼

當一個人決定開始學畫，他會做兩件事情：理解一幅畫由哪些元素構成＋練習那些元素
比方說，瑟瑟是流量密碼，於是他開始研究什麼樣的構圖與服裝才夠色。某某大神的配色和筆觸非常美，於是他開始練習大神配色的邏輯，筆觸的運用
『研究』的部分我們可稱之為解碼，而『練習』稱之編碼

一個簡單的生成模型便是由這兩個部分組成：解碼器(decoder)與編碼器(encoder)
解碼器想達成的任務是找出訓練資料中的『模式』，以臨摹畫風為例，人類繪師會試圖從多幅畫作中找到共通的規則，更甚而之，所有的繪圖教學也是在教導學生系統化地吸收這些規則
換言之，人類早就認知到『美』與一些既定的規則有關

然而模型自資料中找出的模式與規則，並無法用人類語言表達，因此工程師需要再接上一個編碼器，才能運用這些大神們的經驗和精華來作畫
這個編碼器便是繪圖AI之於使用者的靈魂部位——你所寫下的prompt必須通過編碼器才能生成那一幅幅圖像
而編碼器所能駕馭的風格、運用關鍵字的傾向，則是解碼器透過大量資料訓練所產生的結果

所以AI到底有沒有在學畫？

這就端看我們對學畫的定義是什麼，目前圖像生成模型的手畫不好，機器學習工程師可能就會搜集一大堆手的圖像，讓編碼器可以針對這個主題產生更多種『畫手的模式』
而在訓練過程中，工程師會設計一套「讓模型了解自己畫得好不好」的演算法
這個演算法是什麼呢？最最簡單的方式就類似於「要求AI描圖」。只要畫出來的圖跟訓練集裡的手很像就成功了，越像就給越高分
這也是為何繪圖AI的生成品往往能看出它「過分參考」哪位畫家的作品，因為訓練模型就是這樣設計的

但若每次給一樣的prompt都會得到完全相同的畫作，那也不有趣，因此這類生成模型都會加入一些雜訊(noise)。事實上神經網路本身就有隨機性，使用者可以透過seed來改動random number generator的輸出，並對生成結果造成影響

繪圖AI的學習過程，事實上是在找出訓練資料中的共通模式，至於哪些圖像會被歸類成同一主題，好讓解碼器去抓模式，這也往往需要另外的模型去上tag。在生成完畢後，圖像是否會令使用者滿意，通常也需要一組人類專家來對其生成結果做仔細評分
說到底，一個繪圖AI擅長什麼主題，背後對於美圖與醜圖的邏輯為何，都是經營這個模型的團隊在設計
只是他們無法像繪圖老師一樣用人類的語言告訴大家「Midjourney就是這樣這樣畫」，繪圖AI用數字而非語言把眾多圖像中的構成元素紀錄下來，然後使用者透過關鍵字觸發編碼器，讓它將解碼器紀錄的規則挑選＋組合之後，用圖像的形式呈現出來
於是你就得到一張自動生成的圖了！

但是這張圖你滿不滿意，除了AI不要畫出六根手指四隻腿之外，還有更多的條件
而這些條件構成了屬於你的審美，也是所有繪圖AI訓練過程中最昂貴的部分

『判斷』之所以昂貴，是因為人腦中的解碼器包含了你畢生的所見所聞
沒有任何一個模型能達到這種程度

也許等它實現的那一天，我們才會接觸到真正的AI人工智能

其實，總歸來說，AI只是工具。工具沒有人格，所以自然不存在抄襲、學習、致敬之類的事。AI透過運算的方式畫圖，就像是計算函數一樣，給定的變數如果相同，那麼輸出的結果就相同。因為輸出結果受到輸入變數的影響很大，所以人們覺得是抄襲，但實際上，AI只是遵循著設計時的演算法加以運算而已，並沒有屬於自己的人格，當然也就不存在抄襲。
隨著運算次數增加，AI的運算結果逐漸令人滿意，這或許被人們視為「學習」。然而並非如此，AI在尚未建立資料庫以前，只能從現有的變數去做計算，未知的部分只能透過隨機數的方式處理。當資料累積越來越多，AI會逐漸去定義各種變數的意義，產生類似於「學習」的樣貌，但實際上，利用同樣的方法一樣可以把AI給「矯正」回來，這過程依然取決於用戶而不是AI自身。

就像是你給Photoshop安裝新筆刷，並不會說Photoshop學會新的畫法一樣。它只是追加了新的資料庫而已。AI的所謂學習實際上就類似於新增資料庫這種原理，因此意思是一樣的。

總結來說，用戶用Photoshop畫一張圖，說是致敬，卻被人嗆抄襲的情況，矛頭指向的仍是用戶而不是Photoshop本身。今天，把Photoshop換成AI，整個命題依然成立，因此有問題的還是用戶而不是軟體本身。

綾瀬亞夜＠FF44六B07 : 針對「抄襲」我個人的觀點是這麼分析
在法理上可以把抄襲分成兩個部分，一是「主觀犯意」，這個產生作品的人有沒有侵犯他人財產權的意圖；二是「客觀事實」，這個作品是否跟先前有版權的作品有過高的相似度，有沒有因為這個相似度而取得利益的事實

關於第一點，AI當然無法擁有犯意，但是營運AI的團隊若使用了無授權的訓練資料，甚至刻意將模型訓練成與既有的版權作品有高度相似度，提告者就可依此主張訓練AI的法人或自然人有侵權、牟利的意圖

至於第二點，一個訓練不佳的繪圖AI很容易產生構圖照抄的成品，如果今天用量化的方式來評斷A圖與B圖是否有過高相似度，以此來決議B圖是否抄襲A圖，那無論是描圖的繪師還是受限於模型限制的AI，都會被歸類於抄襲
注意這邊是以圖本身來討論，而非誰產生了這張圖