彩神彩票赔率_互动百科

人工智能，如何妙笔“生”画******

　　核心阅读

　　输入一段话，“绘”出一幅画——人工智能的绘画本领，吸引众多职业画师和零基础用户尝鲜。人工智能绘画的本质是计算，接受“语言描述”指令后根据自身的理解还原出图像。未来，人工智能技术应用于艺术创作等领域，还要注意防范潜在风险，让技术进步更好地造福社会。

　　不用画笔、颜料，输入一段描述性文字，计算机就能自动解析，生成相应的画作。2022世界人工智能大会上，人工智能绘画的展示令观众惊叹。

　　一些过去专属于人类创作的领域，比如绘画、书法、写作、作曲，如今人工智能也已开始涉足。人工智能是如何绘画的？当前沿技术与艺术相遇，将碰撞出怎样的火花？在内容、版权等方面又是否存在问题？

　　从文本到图像，人工智能绘画本质是计算

　　人工智能绘画是一个从文本到图像的生成过程，输入一段话，生成一幅画，本质是计算。简要地说，计算机通过大量学习，能识别特定图片元素和文本之间的关联。同理，人工智能程序在收到“语言描述”指令后，可以根据自身的算法还原出图像。

　　设定计算机程序作画的想法由来已久。早在20世纪70年代，就有艺术家开发了操作机械臂的电脑程序，让机械臂按照指令在画纸上作画。近些年，人工智能技术日新月异，科研人员尝试设计自动作图的计算机程序。但过去很长一段时间，人工智能“画”出的作品普遍不够好，往往只是一些模糊的图像元素的组合，还称不上是完整的画。

　　今年以来，人工智能画技迅速“进化”。谈及技术突破原因，百度文心一格总架构师肖欣延认为，这是预训练大模型的兴起、大数据的训练和扩散模型的出现3方面共同作用的结果。

　　具体来说，预训练大模型增强了人工智能的通用性，成为人工智能技术及应用的新基座；大数据的训练中，通过在众多高性能GPU(图形处理器)算力资源中进行并行学习，计算机能够在短时间内完成大量的数据学习。近年来，几乎所有人工智能的技术发展都受益于这两方面的进展。而对人工智能绘画来说，扩散模型的出现至关重要。

　　扩散模型的原理是，通过人为逐步添加噪声，让图像逐渐变“模糊”，再不断学习去噪过程，如此人工智能就能从完全是噪声的图片中逐渐还原出清晰的图片，即“画”出图像。

　　“这一过程与人类学习相似。通常，人们学画从临摹开始，机器也是如此。它最初生成的图像可能很模糊，但计算机会不断修正，从而输出越来越清楚、层次越来越丰富的图像。”肖欣延说。

　　扩散模型让人工智能绘画技术实现跨越，不仅作画质量快速提升，生成时间也缩短到几秒钟。

　　众多用户尝鲜，大量应用加速“画技”进化

　　汤林杰是某互联网公司的运营人员。工作中，他需要借助一些图片来丰富文案，而网络上找到合适的配图并不容易。今年10月，了解人工智能绘画程序后，他尝试自己“画”图。现在，人工智能绘画工具已经是他工作的重要辅助。

　　随着算法模型对公众开放以及训练数据成本的下降，人工智能绘画门槛越来越低，一些简易化操作平台在国内外兴起。如今，不仅一些职业插画师尝试用人工智能绘画程序辅助作画、激发灵感，许多没有绘画基础的用户也开始尝鲜，并“晒”在社交平台上。

　　大量需求的涌现也加速了技术的更新迭代。“用人工智能绘画的人越多，算法就越能理解输入的描述文本，画作质量就越高。”肖欣延表示，当前人工智能绘画水平与今年初相比，已经有很大进步。

　　不过，目前的人工智能绘画技术并不完美。首先，可控性仍然不高，即计算机不能很好理解人类指令的含义，即便是输入“画两个苹果，左边红色，右边绿色”这样的简单描述，生成的图像也可能有很大偏差；其次，细节呈现能力还不够。比如，对空间、透视和光影的刻画就很不如意。不少人工智能渲染出的画作，初看上去惊艳，认真观察问题却不少。

　　但肖欣延认为，人工智能绘画在技法上的缺陷未来有望得到弥补。比如，基于跨模态大模型和强大的深度学习框架，百度开发的技术一定程度上已经缓解这些问题。此外，未来人工智能不仅能作画，还能根据文本描述生成视频，并直接配上解说文字，“可以把视频生成看作是维度更高的绘画，从技术层面看，这是可以实现的。”

　　防范潜在风险，守住法律和伦理底线

　　人工智能进入绘画领域，计算机会取代人类画师吗？

　　在肖欣延看来，好的绘画与构图、设计语言、视觉情绪息息相关，即使人人都可以用人工智能技术作画，但通常只有高水平的画师才能制作出优秀的人工智能绘画作品，“人工智能只是作画的辅助工具”。此外，虽然有的人工智能绘画语言娴熟，也包含细腻的情感，但并不意味着机器有意识、情感，它不过是学过类似的作品，又恰好呈现出来了。“优秀的艺术作品往往是人的思想的投射，目前机器并没有真正具备思考能力。”肖欣延说。

　　不少业内人士认为，不妨以开放的心态拥抱人工智能绘画，接受新事物。可以预想，将来绘画中一些繁琐、重复性的工作可能由计算机完成，创作者能腾出更多时间去构思想法与创意，调整构图、色彩、光影氛围等。

　　“人工智能可能会激发绘画创造的活力。”肖欣延表示，20世纪前后，照相技术让传统肖像画失去市场，促使一些画家向非写实方向创新。与人工智能技术融合，或许能激发画家创作出别开生面的作品。

　　不过，由于人工智能绘画发展刚刚起步，技术发展也引发关于版权、内容把控等问题的争议。比如，有人认为，未经授权人工智能画作模仿原画的内容、构图和风格等，侵犯了原作者的版权，有违法嫌疑。也有人认为，“机器学习”过程是一种类人化的创作行为，同样体现了创造者的思想和劳动，应当获得版权保护。此外，还有人担忧，人工智能绘画技术若被滥用，可能滋生暴力等令人不适的图像。面对新技术发展，有必要前瞻潜在的风险，只有守住法律和伦理底线，技术进步才能更好地造福社会。

　　不只是绘画，写作、作曲、生成短片，人工智能日益强大的深度学习能力，让它与不同艺术门类发生着奇妙的碰撞。展望未来，业界专家认为，人工智能与艺术融合，一方面会降低一些艺术门类的创造门槛，让更多人参与到当代的审美创造中来；另一方面新技术会带来新的审美风格，人们或许能从中扩展对自身和世界的认识。

　　记者 喻思南

口腔种植体集采平均降幅55% 预计年节约患者费用40亿元******

　　记者 张 敏 舒娅疆

　　1月11日上午，口腔种植体系统集中带量采购在四川开标，并产生拟中选结果。据国家医保局介绍，此次集采拟中选产品平均中选价格降至900余元，与集采前中位采购价相比，平均降幅55%。本次集采共有55家企业参与，其中39家拟中选，中选率71%，汇聚全国近1.8万家医疗机构的需求量，达287万套种植体系统，约占国内年种植牙数量(400万颗)的72%，预计每年可节约患者费用40亿元左右。

　　一位参与集采投标的企业代表告诉《证券日报》记者：“我们是一家海外药企的中国区总代理。集采相关文件出台以后，公司积极参与集采(投标)。前期已与客户进行了调查沟通，并和厂家进行了政策、价格等方面的沟通。从本次参与集采的报价来说，我们产品降幅力度较大，在与其他企业的一些产品进行对比之后，我们的产品应该是中端系列里性价比较高的。从A类产品投标情况来看，公司入围中标的概率可能较小，未来还会积极关注集采和相关政策信息。”

　　三类主要费用构成

　　有望同步下降

　　据悉，口腔种植的费用大致分为种植体、牙冠和医疗服务三个部分。种植牙价格从几千元到一两万元不等，其中，种植体费用占比约为三分之一。本次集采通过以量换价，挤出种植体的价格水分。

　　国家医保局介绍，集采前价格较高的士卓曼、登士柏、诺保科种植体系统从原采购中位价5000元降至1850元左右，市场需求量最大的奥齿泰、登腾种植体系统从原采购中位价1500元左右降至770元左右；纳入了四级纯钛及钛合金2种材质性能更好、临床认可度更高的种植体，并覆盖了口腔种植体其他耗材部件，能够满足绝大多数临床使用需求。

　　口腔种植体系统集中带量采购的一位特邀专家在接受《证券日报》记者采访时表示，通过本次集采，患者未来需要花费的费用会更低，对于机构来说，口腔种植价格也会更加公开透明，方便患者寻求质量更好的医疗服务。

　　国家医保局介绍，未来将做好集采中选结果落地实施前的准备工作，近期还将对种植牙过程中配套使用的牙冠耗材开展竞价挂网，同步落实口腔种植医疗服务价格全流程调控，使种植牙服务的三类主要费用构成同步下降。通过多项措施协同发力，预计2023年3月下旬到4月中旬，种植牙费用综合治理结果落地实施，患者将全面享受到降价后的种植牙服务。

　　“通过以上多项治理措施，预计种植一颗牙的整体费用(含医疗服务、种植体和牙冠)有望降低50%左右。当然以上只是平均价格降幅。具体情况中，如果原来价格较高的降幅将更为明显，原来已经平价种植的也将有所降价，总体看群众费用负担将显著减轻。”国家医保局介绍。

　　1.4万家民营医疗机构参与

　　推动国产种植体销售研发

　　此次口腔种植体系统集采是高值耗材集采从医保领域扩围到非医保领域的首次尝试。

　　由于种植牙并未被纳入医保报销范围，充分调动医疗机构，特别是民营医疗机构参与集采的积极性，也是本次集采的难点之一。据记者从现场获得的数据，1.4万家民营医疗机构参加了此次集采，占医疗机构总数的80%。参与集采的医疗机构范围较广，意味着通过集采有利于实现“以量换价”。

　　有券商发布的研报认为，目前国内种植牙市场空间大但渗透率仍较低，未来若集采工作顺利推进，将有利于种植牙渗透率的提升，而龙头口腔连锁机构也有望以价换量。

　　据了解，本次集采共有55家企业参与，其中39家拟中选，中选率71%。中选企业既包括一些知名国际企业，也包括威海威高、常州百康特等国内企业。对此，有分析人士认为，这不仅优化了种植牙耗材的供应结构，而且有利于国产种植体生产企业的销售和研发，最终将有利于国内患者享受到质优价宜的种植牙产品。

　　（文图：赵筱尘 巫邓炎）