賓州大學沃頓商學院教授 Ethan Mollick 撰文,以他最愛的「水獺」為主角,回顧過去三年(2022-2025)AI 圖像生成技術的演進。從早期扭曲、充滿偽影的滑稽畫面,到如今幾近完美的寫實與細節呈現,這 32 隻水獺不僅記錄了 Midjourney、DALL-E 等工具的迭代,也象徵了整個生成式 AI 領域呈指數級發展的縮影。
本文回顧了文字生成圖像(Text-to-Image)技術的演進歷程。從早期的 GAN 限制,到 2021 年 VQGAN+CLIP 掀起的社群藝術熱潮,再到 2022 年 DALL-E 2 與 Stable Diffusion 的爆發。隨著 Stable Diffusion 迎來一週年及 SDXL 的推出,開源社群與微調技術正以前所未有的速度重塑視覺創作。