Midjourney 初探：从注册到 GAN 原理

3D 盲盒风格的女孩和火箭：

cute girl, mecha, space, rocket, IP design by pop mart, blind box, Pastel, 3D, rendering, plain diffuse gradients color background, high quality, realistic --ar 3:4

以及一张魔幻平遥古城夜景：

The Ancient City of Ping Yao, Night, Magical and mystical, Beautiful Lighting, Unreal Engine, by Ivan Shishkin --ar 16:9

过程中倒是能感受到模型对不同风格的把握差异——写实类通常更稳定，动漫类的细节偶尔会崩。

Midjourney 是什么？

背后是一家独立研究实验室，旨在探索新的思维媒介。他们把服务架在 Discord 上，利用 Bot 机制让用户通过自然语言生成图像。Discord 本身是个 2015 年上线的通讯软件，起初主打游戏语音，因为低延迟、免费和多端支持逐渐出圈，现在相当于一个带机器人生态的社群工具。

在 Midjourney 的服务器里，用户输入 /imagine 命令触发机器人，机器人基于大规模图像数据训出的模型来生成图片。这个模型用的核心算法之一是生成对抗网络（GAN），后面会细说。

技术原理：从 ML 到 GAN

说到图像生成，离不开机器学习的几个概念。机器学习是实现人工智能的一种方法，而深度学习是机器学习的一个子集。GAN 属于无监督学习，设计动机是让机器自动提取特征，省去人工标注的成本。

GAN 由两部分组成：

• 生成器 (Generator)：负责造假，从随机噪声中生成图像，试图骗过判别器。
• 判别器 (Discriminator)：相当于警察，判断输入是真实图像还是生成器造的假货。

训练时，两者交替优化：判别器努力揪出假图，生成器则不断提高造假水平。最终我们希望生成器产出的图像足以以假乱真。这个过程不需要手动标注好坏，完全靠对抗自己进化，效率很高。

GAN 的应用已经渗透进日常：预测不同年龄的长相、老照片修复与增强、生成 3D 模型等等。Midjourney 背后的模型可能混合了多种技术，但 GAN 的思路确实是图像生成领域的里程碑。

未来会怎样？

AI 绘画会不会替代传统绘画？我倾向于不会，至少目前不会。它最大的冲击可能落在那些处在学习期的画师身上，但每个成熟画师也都走过学习期。工具的改变会重塑工作流，但创意和审美没法被替代。

从 Google 趋势看，AIGC 这两年的热度确实涨得很快。技术本身会继续渗透进游戏、影视、设计等领域，对程序员来说，如何跟这些模型打交道、如何做提示工程，可能会变成一项常用技能。

不过现阶段，用 Midjourney 出图仍然带着一定的'抽卡'感，精细控制还差得远。但作为灵感来源和快速原型工具，它已经足够好了。