解构 AI 图像生成：批判性研究的方法论工具包
计算机与社会
2023-07-20 v1
摘要
AI 图像模型正在快速发展，扰乱了许多行业的美学生产。然而，对其底层档案、图像复制逻辑以及持续存在的偏见的认知仍然有限。何种方法与路径能够打开这些黑箱？本文提供了三种用于研究 AI 图像模型的方法路径，并以 Stable Diffusion 为案例加以应用。解构生态系统分析模型生产周边的价值、结构与激励机制。解构数据分析模型所依托的图像与文本及其伴随的特殊性与偏见。解构输出分析模型的生成结果，通过提示、反思与迭代揭示其逻辑。每种探究模式都凸显了图像模型捕捉、“理解”与再创世界的具体方式。这一易用的框架支撑对生成式 AI 图像模型的批判性研究，并为更具社会与政治敏感性的影响分析铺平道路。
引用
@article{arxiv.2307.09753,
title = {Unmaking AI Imagemaking: A Methodological Toolkit for Critical Investigation},
author = {Luke Munn and Liam Magee and Vanicka Arora},
journal= {arXiv preprint arXiv:2307.09753},
year = {2023}
}
备注
14 pages, 4 figures