有的時候，捏臉往往比遊戲本身還讓人上癮，玩起 RPG 來，捏臉兩小時，遊戲五分鐘。甚至有些遊戲就是以捏臉的自由度高才火起來的。話說，不會真有人有臉不捏，反而去玩遊戲吧？不會吧？不會吧？

某網遊捏臉效果▼

今天要介紹的網站 Artbreeder 和捏臉遊戲就有些類似，可以對真人照片進行捏臉般的操作，讓人上癮無比。

網站盤起來並不難，在瀏覽器位址列輸入 www。artbreeder。com 就可以進入網站。

在首頁眾多的圖片中，有大量的圖片供我們選擇。

世超找到的是什麼都懂，有懂王之稱的川普的照片，先看效果，原圖是這樣的：

選中圖片之後，點選圖片右側 Edit- Genes （ 編輯基因 ）按鈕，就會出現許多和下圖一樣的 “ 魔改 “ 選項。

把網站上的

Indian

（ 印度人 ）數值拉到預設的最大值 2 ，接下來就是見證奇蹟的時刻！

得到了印度版的川普。

隨後把 Mouthopen （ 張嘴 ）也設定成 2 ，我們就得到了微笑版印度川普。

再來試試其他的效果。世超選了一張漂亮小姐姐的圖片，原圖是這樣的：

在選單中把 Middle-Eastern （ 中東的 ）的數值設成 2 之後，我們就得到了一個有中東風味的漂亮姐姐。

再把Latino-Hispanic （ 拉丁美洲的 ）改成 1。5 ，一個拉美美女就出現啦！

其實理論上網站並沒有設最大值，只是把任意數值拉得更高，畫面就有點莫名其妙了，這種畫面。。。我們碳基生物應該很難理解吧，就很。。。抽象。。。

在這個選單中，還有很多其他選項的數值可以修改，世超在這裡就不一一示範了，大家可以自行探索。

但僅僅只有這些效果？什麼？就這？

當然不可能就這！Artbreeder 還提供肖像合成功能，可以結合兩張或兩張以上肖像的特點，生成一幅全新的肖像。

操作步驟和之前有些不同，進入網站之後，點選首頁右上角的 create ，選擇一個你想創作的主題，在這裡，世超選擇了 Anime Portraits （ 動漫肖像 ）。害，誰還不是個老二次元呢？

選擇 Mix Image （ 混合圖片 ），然後你可以選擇兩張及以上的圖片進行混合。選中之後，結果就會自動生成。看看下面這圖，效果還不賴吧！

網上也已經有畫師使用它做初步的作品處理了。

除了動漫人物，人像圖片也是可以操作的。世超試著在主頁選了一張艾瑪的圖片，然後點選 Crossbread （ 雜交 ），再點選 Select an image （ 選擇圖片 ），之後隨意選擇了一張黑人女性的圖片，網站自動就會把兩張圖片融合，效果如下：

網站也支援使用者本地上傳圖片，但免費使用者一共只有五次上傳次數。

世超上傳了香蕉君和精神領袖竊格瓦拉的照片，結合之後就得到了圖中的效果。

不過上傳的圖片有一定的機率變形，比如圖中的竊格瓦拉，頂部就冒出了靈魂形態的偷車賊。

在這些 AI 生成的圖片中，受歡迎的作品會留在首頁的 Trending （ 趨勢 ）的條目之下，更有機會被後來的使用者繼續創作。

任意點開首頁一張圖片，檢視樹狀圖，就可以看到這張圖的融合記錄。以首頁 Trending 排行第一的這張艾瑪為例，這張圖片

混合了相當多其他人物的特點

。圖片像進化一樣變成了現在的模樣，給了世超一種生物課本的既視感。

breeder 的意思是飼養者、繁育者，而 Artbreeder 這個網站也很像是一個進化池，使用者所上傳的每張圖都會融入這個池子裡，透過使用者的投餵和演算法的學習進化，不斷繁育新的作品出來。

是不是有點像人類進化的感覺，爺生父、父生子、子生孫，最後形成了我們現在看到的圖片，在這裡你可以讓圖片隨意地 Crossbread （ 雜交 ）。

像是一個人人都可以參加的創作接力，你懷著好玩的心態在網站上隨意做了張圖，幾個月後，你那張圖的 “ 基因 ” ，

就可能已經融入了 Artbreeder 的無數張圖裡。

這些好玩的功能具體是如何實現的呢？

這一切主要歸功於一個名為 GAN 的技術， GAN 全名Generative Adversarial Networks（ 生成式對抗網路 ），這是一種深度學習模型， ArtBreeder 使用的是這幾年最火的 BigGan 技術，被稱為最好的 GAN 模型之一。

GAN 演算法圖解▼

簡單的說， BigGAN 是個不折不扣的學霸，透過巨量且長時間的學習、計算、統計、分類、篩選、總結，演算法本身已經可以初步判斷出人、樹木、高樓等等。也可以判斷出人的喜悅、憤怒等簡單情緒。

甚至可以自動生成一些現實中從未出現過的畫面

。

BigGAN 自動生成的圖片▼

但人工智慧也不是沒短板。在 Artbreeder 網站上實際操作時，經常會出現一些詭異的抽風狀況。比如出現奇奇怪怪的重影，或者記數上出現問題等，比如下圖中火車影象的錯位。

還有下圖中建築的重影。

這些 Bug 形成的原因是什麼呢？

原來啊，GAN 生成圖片的過程大致可以分成兩步：A 生成圖片，然後 B 打分。B 打的分越高，說明這個圖片越真實，A 就會繼續生成類似的圖片，這個過程不斷重複，從而生成了最後的圖片。

如果 A 生成的圖片並不真實，但 B 卻給了高分， A 就會生成更加離譜的圖片， B 給的分數也會更高，這個自我欺騙的迴圈就會一直下去。

最後輸出一些如上圖一樣不明所以的圖片

。

GAN 的訓練過程▼

在一些複雜的圖中，這些 bug 還很難避免，目前網站和演算法也還在不斷完善的階段，網上也有很多畫師認為這個網站目前實驗性大於實用性，希望它未來能發揮更大的實用價值吧。

如果差友們有興趣的話，可以去它的官網看看。（官網連結：https ： //www。artbreeder。com）