第二十六章 《清明上河图》与数据偏见

关妍灵机一动，想到一个办法，“妈，可以先以这样的方式进行。等后续大家学得差不多了再分班，基础是必须要了解的。”

“嗯，我觉得也是，其实前期的了解是枯燥的，很多人都是奔着动手来的，就不知道到最后还剩下多少人。”

“咱们就按照咱们的课程计划做就行。”

眼下关妍不去考虑那么多，在非遗所有的门类中，了解远比动手重要。试课成功，关妍这回也可以放心地去寻找其他的机会了。

所有人都在努力着……

自打上回毛父来天工坊之后，父子俩的关系更不如从前，母亲知道此事后不止一次打电话过来劝毛磊，想要父子俩好好聊聊，可毛磊拒绝了。天工坊那一次，毛父确实没有给儿子面子，而且知道此事的赵天也觉得不好意思，亏欠毛磊，还好两人哥们情谊深，化亏欠为动力。

赵天的手指飞快地在键盘上敲击，一行行的代码显示出来，毛磊在一旁盯着，时不时指点一二，做着同样动作的，还有天工坊的整个技术部。手机铃声又响了起来，打破了房间里键盘的声音。

毛磊看了一眼手机，直接将手机扣在桌上。

赵天目不转睛地盯着电脑，随口道，“又是阿姨？你就接呗。”

“接什么！一接就劝我跟我爸和好，我可不接。”

“你来这样也不是事儿……”赵天停下了手中的动作，重新预览了一遍代码，抬头问大家，“你们好了没？”

“差不多了，还得几分钟。”

“不急，慢慢来，可不能出错啊。”赵天盯着电脑，长长的呼了一口气，“这都是第12次了，改了代码之后，不知道咱们生成的东西如何？代码就是参数，整体的调整一下没问题，就是细微的地方，总有数据偏见。”

“数据偏见，一直存在的弊端，这是整个行业需要解决的问题，可要真的解决，这几年怕是难了。”毛磊了解，几天以来，天工坊所有人都在做一个项目，便是AI生成《清明上河图》的局部展示，这个项目也是为了测试开源产品的效果，测试了十二次，每一次都以失败告终。赵天所说的数据偏见，简单来说就是AI在训练的时候，代码数据中存在的偏差或倾向，在AI生成中，在收集数据、素材、处理和分析上，所产生的错误偏差，而这也会导致AI生成结果出错。

“赵老师，好啦！”

“好！都汇总过来了吧？”

“所有数据都过去了！”

赵天看了看毛磊，激动的手再一次按下回车键。

传世名画《清明上河图》正由AI缓缓生出，色泽艳丽，其中的人物更是栩栩如生。

可这还没完，天工坊最终的目的是想生成如《云游京脊》那样的效果。生出的图没有任何问题，在复原多人物上，AI已经做得很好了。

下一步，才是最关键的。

机房的服务器发出“嗡嗡”的声音，全功率运转，服务器上的指示灯就像天空闪烁的繁星，明亮且未知。

《清明上河图》正在进行重新渲染环节，便是图生视频的进阶化。这一步骤到目前已经是第十三次了，前十二次的失败，都是因为数据参数，赵天也不知道这次的参数如何，他只明白有些东西，根本无法从参数上突破。

进度条28%

进度条52%

进度条89%

100%

赵天按下空格键，这刚刚出炉的《清明上河图》开始播放，虽然只有短短的十秒。赵天凑近屏幕，所有人都围了过来，想看看这版之后还需要调整什么？

画上的虹桥慢慢显现了出来，桥下流水涓涓。人物也动了起来，赵天仔细的盯着这些人物看。在单场景下生成的复杂多人物，他们是在动，他们在虹桥上慢慢地走着，可走着走着，后面的人“步伐”快了，直接叠加到前面的人身影中。

大家默不作声，这是AI出现的普遍问题，数据偏见依旧没有消除。赵天很冷静，他思索了半晌，说道，“如果不出问题的话，可能只有减少人物了。但如果减少了人物，这幅《清明上河图》就不完整了。看样子，AI对于多人物并存还是存在数据偏见。”

毛磊对技术不是很明白，但也略知一二，便道，“这些偏见算法，在技术层面也是数据的逻辑本性。这也是没办法避免的产物，我们生成了十几次，这十几次中，它已经有了第一版的记忆，而后都出现同样的问题，也只能说明，《清明上河图》已经不是要继续生成的对象了。”

赵天同意毛磊的观点，直言道，“主要是原因应该是出现在样本误差上，从而导致了数据偏见，《清明上河图》的人物将近1000人，我们的样本也并非是超高清的，AI不可能识别出每个人物的特性，这也是导致了数据偏差的原因。”

“咱们的技术上，应该是没问题的。”人群中一位技术员说道，“目前咱们的步骤还停留在准备部署阶段，对于AI来讲，是第一阶段。《清明上河图》人物太多，我们没办法逐一对每个人进行标注，所以咱们的数据进行开源模型之前，是不干净的，是有偏差的。”

“不干净？”毛磊并不明白这深层的意义

技术员接着说道，“也就是说，我们的数据并不是完整的，标注受限，从而导致进行模型后偷工减料，咱们的数据太多，但实际信息少，可留在AI记忆中的印象是存在的，可它输出的数据确实不准确，我们不能确定它输出的数据哪里是噪声，就比如说人物叠合，我们分不清是两个人叠合，还是三个人。”

“过拟合。”赵天一语中的，“这就是我们常说的过拟合，在训练数据上表现的很优质，它生成的图是没问题的；可在测试产出这块，表现的较差。咱们这模型是过度的学习了训练数据的特征，才会导致这样啊。”

“目前来看，不管是哪种形式的AI开源，它是支撑不起来多人物、多元素的。模型我们还需要继续训练，只不过我们也明白了它的受限在哪里。”

这一场激烈的讨论，经常在天工坊发生。毛磊有时候听得云里雾里，他有时候自嘲：少壮不努力。可有赵天和这一屋子的技术人员，让天工坊走到现在，对他来说也是件骄傲的事儿，可如今《清明上河图》怕是要告一段落了，如今开源出现了数据偏见，那么在多模态生成上，再继续下去怕是会浪费时间了。