頭像秒變像素風，宅男大叔自學AI打造大師級水準，火爆推特
這份為夢想而不懈努力的奮斗精神，才是真正值得我們學習的。
梅寧航 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
最近，一位日本宅男大叔佐藤做了一個AI生成肖像畫的網站AI Gahaku，10天內用戶訪問量從0暴增到100萬，引爆推特。
簡單易操作，上傳一張人臉照片，就能生成一張大師級肖像畫。
而比技術更神奇的是佐藤自己，因為他是自學AI做出來的，不得不佩服的宅男創造力。
佐藤患有阿斯伯格癥——也被俗稱成“社交恐懼癥”，名副其實的天才病，一般來說，此類患者會在某個領域具有特殊潛能，但不適應普通人的生活。
當然，佐藤的技能點就點在了AI上。
pix2pix，TensorFlow內置的cGAN模型
讓大叔此次聞名的AI技術，就是是大名鼎鼎的GAN的變種。
此次的人臉肖像畫生成技術，就是大叔在TensorFlow內置的cGAN(條件生成對抗網絡）中的pix2pix模型上改造而來。
不同于GAN的技術通用性，cGAN更強調特定場景下的發揮，比如AI Gahaku，就只能針對人臉，如果用戶上傳的是貓臉，則是無法生成結果的。
GAN的特點在于損失函數的自行計算和自動更新，這使得GAN本身具有和遷移學習結合的潛質，在近年來的發展路徑上看，更多是把GAN當做手段，去實現遷移學習提出的目標，遷移學習為應用GAN提供具體指向。
TensorFlow的內置pix2pix的是基于cGAN的圖像對圖像翻譯的模型，模型本身已經成熟，直接調用便可運用到對黑白圖像著色、圖像風格變化等場景的使用上來。
具體到大叔的使用上，利用pix2pix模型，大叔其實是將模型限定在大師肖像畫的生成上，這也體現了模型本身強大的擴展性。
如何使用，都取決于你自身。
在佐藤的另一款作品PixelMe中，同樣使用pix2pix技術，但是生成的是8bit的像素風格頭像，一個模型，多種用途。
當然，實際效果因人而異，畢竟嚴格來說，大叔是在對既有模型進行二次開發，原有的算法和數據結構并未改變，因此性能和效果受到原有模型的限制。
宅男的AI進階之路
大叔人生經歷可以說復雜，從大學退學后，先后干過面包師，參加過護士學校培訓課程，但覺得都都不太適合自己，直到他決定運用自己的才智，投身到AI的事業當中去。
那說干就干，就從TensorFlow學起吧。
借助Google Colab的算力資源，大叔從頭按著TensorFlow教程學起，不過大叔也確實適合干AI，而不是去蒸糕點。
在學習過程中，佐藤找到了適合自己的方向，遷移學習和GAN，可以較好的實現圖像的再生成，使用不同的圖像訓練數據集，可以針對具體場景進行學習和生成。
GAN屬于典型的非監督學習方法，核心原理是讓兩個神經網絡進行“對抗”，通過不斷優化參數來得到最優結果，自我博弈。
這種技術主要用在計算機視覺領域，這也是佐藤選擇GAN的主要原因。
得益于Google的慷慨，大叔使用的網站服務器和算力資源都較為便宜，大約為一天20美刀，大叔表示，在可接受的能力范圍之內，短期不會尋求商業化。
AI for Everyone!
在紅了之后，大叔也沒飄。
他認為這是在做自己感興趣的東西，而不是為了經濟利益。
出于對技術的熱愛，佐藤開始了自己的AI之路，并在兩年之后便能上線應用。
這份為夢想而不懈努力的奮斗精神，才是真正值得我們學習的。
畢竟，不是每個人有勇氣去自學AI。
參考鏈接：
https://cloud.google.com/blog/products/ai-machine-learning/using-google-cloud-platform-free-tier-to-scale-out-an-ai-servicehttps://www.tensorflow.org/tutorials/generative/pix2pix
https://ai-art.tokyo/en/#/https://pixel-me.tokyo/en/
- 中國汽車一哥加持，自動駕駛界「大疆」估值沖破百億2025-11-26
- 神盾金磚電池成功挑戰行業首個“整車+整包”帶電六大極端測試2025-09-02
- 對話吉利技術一號位：VLA大模型打底，沖刺全球最大機器人公司2025-09-02
- 全新嵐圖知音正式上市，20.29萬元起2025-08-28
相關閱讀
