有的时候，捏脸往往比游戏本身还让人上瘾，玩起 RPG 来，捏脸两小时，游戏五分钟。甚至有些游戏就是以捏脸的自由度高才火起来的。话说，不会真有人有脸不捏，反而去玩游戏吧？不会吧？不会吧？
某网游捏脸效果▼
今天要介绍的网站 Artbreeder 和捏脸游戏就有些类似，可以对真人照片进行捏脸般的操作，让人上瘾无比。
网站盘起来并不难，在浏览器地址栏输入 artbreeder 就可以进入网站。
在首页众多的图片中，有大量的图片供我们选择。
世超找到的是什么都懂，有懂王之称的川普的照片，先看效果，原图是这样的：
选中图片之后，点击图片右侧 Edit- Genes （ 编辑基因 ）按钮，就会出现许多和下图一样的 “ 魔改 “ 选项。
把网站上的 Indian （ 印度人 ）数值拉到预设的最大值 2 ，接下来就是见证奇迹的时刻！
得到了印度版的川普。
随后把 Mouthopen （ 张嘴 ）也设置成 2 ，我们就得到了微笑版印度川普。
再来试试其他的效果。世超选了一张漂亮小姐姐的图片，原图是这样的：
在菜单中把 Middle-Eastern （ 中东的 ）的数值设成 2 之后，我们就得到了一个有中东风味的漂亮姐姐。
再把Latino-Hispanic （ 拉丁美洲的 ）改成 1.5 ，一个拉美美女就出现啦！
其实理论上网站并没有设最大值，只是把任意数值拉得更高，画面就有点莫名其妙了，这种画面。。。我们碳基生物应该很难理解吧，就很。。。抽象。。。
在这个菜单中，还有很多其他选项的数值可以修改，世超在这里就不一一示范了，大家可以自行探索。
但仅仅只有这些效果？什么？就这？
当然不可能就这！Artbreeder 还提供肖像合成功能，可以结合两张或两张以上肖像的特点，生成一幅全新的肖像。
操作步骤和之前有些不同，进入网站之后，点击首页右上角的 create ，选择一个你想创作的主题，在这里，世超选择了 Anime Portraits （ 动漫肖像 ）。害，谁还不是个老二次元呢？
选择 Mix Image （ 混合图片 ），然后你可以选择两张及以上的图片进行混合。选中之后，结果就会自动生成。看看下面这图，效果还不赖吧！网上也已经有画师使用它做初步的作品处理了。
除了动漫人物，人像图片也是可以操作的。世超试着在主页选了一张艾玛的图片，然后点击 Crossbread （ 杂交 ），再点击 Select an image （ 选择图片 ），之后随意选择了一张黑人女性的图片，网站自动就会把两张图片融合，效果如下：
网站也支持用户本地上传图片，但免费用户一共只有五次上传次数。
世超上传了香蕉君和精神领袖窃格瓦拉的照片，结合之后就得到了图中的效果。
不过上传的图片有一定的概率变形，比如图中的窃格瓦拉，顶部就冒出了灵魂形态的偷车贼。
在这些 AI 生成的图片中，受欢迎的作品会留在首页的 Trending （ 趋势 ）的条目之下，更有机会被后来的用户继续创作。
任意点开首页一张图片，查看树状图，就可以看到这张图的融合记录。以首页 Trending 排行第一的这张艾玛为例，这张图片混合了相当多其他人物的特点。图片像进化一样变成了现在的模样，给了世超一种生物课本的既视感。
breeder 的意思是饲养者、繁育者，而 Artbreeder 这个网站也很像是一个进化池，用户所上传的每张图都会融入这个池子里，通过用户的投喂和算法的学习进化，不断繁育新的作品出来。
是不是有点像人类进化的感觉，爷生父、父生子、子生孙，最后形成了我们现在看到的图片，在这里你可以让图片随意地 Crossbread （ 杂交 ）。
像是一个人人都可以参加的创作接力，你怀着好玩的心态在网站上随意做了张图，几个月后，你那张图的 “ 基因 ” ，就可能已经融入了 Artbreeder 的无数张图里。
这些好玩的功能具体是如何实现的呢？
这一切主要归功于一个名为 GAN 的技术， GAN 全名Generative Adversarial Networks（ 生成式对抗网络 ），这是一种深度学习模型， ArtBreeder 使用的是这几年最火的 BigGan 技术，被称为最好的 GAN 模型之一。
GAN 算法图解▼
简单的说， BigGAN 是个不折不扣的学霸，通过巨量且长时间的学习、计算、统计、分类、筛选、总结，算法本身已经可以初步判断出人、树木、高楼等等。也可以判断出人的喜悦、愤怒等简单情绪。甚至可以自动生成一些现实中从未出现过的画面。
BigGAN 自动生成的图片▼
但人工智能也不是没短板。在 Artbreeder 网站上实际操作时，经常会出现一些诡异的抽风状况。比如出现奇奇怪怪的重影，或者记数上出现问题等，比如下图中火车图像的错位。
还有下图中建筑的重影。
这些 Bug 形成的原因是什么呢？
原来啊，GAN 生成图片的过程大致可以分成两步：A 生成图片，然后 B 打分。B 打的分越高，说明这个图片越真实，A 就会继续生成类似的图片，这个过程不断重复，从而生成了最后的图片。
如果 A 生成的图片并不真实，但 B 却给了高分， A 就会生成更加离谱的图片， B 给的分数也会更高，这个自我欺骗的循环就会一直下去。最后输出一些如上图一样不明所以的图片。
GAN 的训练过程▼
在一些复杂的图中，这些 bug 还很难避免，目前网站和算法也还在不断完善的阶段，网上也有很多画师认为这个网站目前实验性大于实用性，希望它未来能发挥更大的实用价值吧。
如果差友们有兴趣的话，可以去它的官网看看。（链接在评论区）
,
