Loab

Swanson 在 Twitter 上展示的第一张 Loab 图片

Loab（/ˈloʊb/ LOBE）是由艺术家兼作家史蒂芬·梅·斯旺森（Steph Maj Swanson）声称于2022年4月通过文字生成图像AI模型所发现的虚构角色。在一篇引发疯传的 Twitter（现为 X）推文中，斯旺森将 Loab 的图像描述为该软件出乎意料的突现特质（emergent property），并表示他们是在要求模型生成“与提示词尽可能不同”的内容时发现了这个形象。

历史

现居瑞典的艺术家史蒂芬·梅·斯旺森（Steph Maj Swanson）表示，他们在 2022 年 4 月首次通过访问潜在空间的“负面提示词权重”算法技术生成了这些图像。 最初的提示词为“Brando::-1”，旨在请求生成与演员马龙·白兰度相反的内容，结果生成了一个带有神秘字样“DIGITA PNTICS”的“天际线标志”。随后，斯旺森尝试使用提示词“DIGITA PNTICS skyline logo::-1”来生成该图像的反向内容，结果产出了斯旺森所形容的“令人不适的图像，全都是同一个神情憔悴的老妇人，脸颊上有着明显呈三角形的酒糟鼻（？）”。 由于其中一张生成的图像看起来很像印有“loab”字样的专辑封面，斯旺森因此将这个角色昵称为“Loab”。

斯旺森表示，将该图像作为提示词来进一步生成其他图像时，会产出愈来愈暴力和血腥的结果。 斯旺森推测，这张图像的某些特征可能“在 AI 对世界知识的分布中，与极其血腥和恐怖的意象相邻”。

斯旺森表示，当他们将 Loab 的图像与其他照片结合时，随后的结果总是会重新出现包含 Loab 的图像，无论他们在提示词中加入了多少失真试图移除她的容貌。斯旺森推测，Loab 在 AI 地图中所处的潜在空间区域，除了邻近恐怖意象外，其位置必定相当孤立，以至于由于这种孤立性，与其他图像进行任何结合时，都只能调用该区域中的 Loab，而无法调用其他相关图像。 在经过足够的图像杂交与稀释尝试后，斯旺森最终得以生成不含 Loab 的图像，但却发现将这些被稀释的图像再度杂交时，最终仍会导致某个版本的 Loab 再次出现在生成的图像中。

斯旺森表示“出于各种原因”他们拒绝透露用于创建这些图像的软件。

Loab 被称为“第一个由 AI 生成的神秘生物”，并因此在网络上引发了病毒式传播。

尽管斯旺森在措辞上刻意炒作此发现的神秘生物特质，但他们也承认“当然，Loab 并不是真的撞邪或闹鬼”，不过同时指出围绕这个 AI 生成角色所建立起的网眼神话，其发展早已超出了他们最初参与的作用域。斯旺森推测，人们分享 Loab 的照片与网络迷因，将会导致未来的 AI 把这些图像纳入其潜在空间地图的一部分，进而使她成为网络景观中根深蒂固的存在。斯旺森对此补充道：“如果我们现在想摆脱她，早就已经太迟了。”

反应

对于 Loab 系列图像“究竟是 AI 艺术软件真正的奇特缺陷，还是包装巧妙的都市传说（creepypasta）”，引发了广泛讨论。 《史密森尼》杂志指出：“Loab 引发了一些围绕视觉美学、艺术与技术的冗长伦理对话。”同时也有人批评将一名患有酒糟鼻的女性标签化为恐怖意象的作法，认为这是在“污名化身心障碍”。

斯旺森对此回应，如果该 AI 地图将 Loab 与暴力意象结合，那正是该图像建模软件所使用的数据中存在的一种“社会偏见”。 《大西洋》作家史蒂芬·马奇则将 Loab 描述为一种“此前从未存在过的表达形式”，其作者身份尚不明确，且它是“集体意象遗产，即无意识视觉心灵的一种体现”。劳伦斯·维哈根（Laurens Verhagen）在荷兰 《人民报》上评论道，Loab 的存在与其说是表明“AI 深处隐藏着黑暗的恐怖生物”，不如说意味着我们目前“对 AI 的理解非常有限”。

艾伦·图灵研究所的麦莉·艾特肯（Mhairi Aitken）表示，像 Loab 这样的输出结果，与其说是“令人毛骨悚然的”突现特质，不如说是代表了“AI 图像生成模型的局限性”。她更关心的是从这种“无聊”且无害的事物中诞生的都市传说，以及“其他人竟然如此轻易地把这些当真”。

ScienceAlert 的卡莉·卡塞拉（Carly Cassella）将 Loab 描述为“现代的肖像习作（tronie）”（一种荷兰绘画风格），它并不代表一个真实的人，而只是一个概念或想法，类似于但又不同于《戴珍珠耳环的少女》等作品。

《连线》杂志的乔尔·华纳则认为，Loab 只是个开始，随着像 ChatGPT 这样的 AI 文字生成器变得更加普遍，该领域也将出现“文字版的 Loab”，并开始通过“蓄意提示”或其他方式创造出与《索多玛一百二十天》一样令人不安的概念。

创作原理与方法

Loab 的诞生源于 AI 模型中的“负面提示词权重”（Negative Prompt Weights）。当用户在模型中输入正常的文字提示词（Prompt）时，AI 会在潜空间中查找与该概念最接近的特征。然而，当输入负面权重（如在某些模型中表示为 `::-1` 或使用特定的 `negative prompt` 字段）时，系统会被要求远离该文字概念，转而在潜空间中查找在数学向量上与之“最不相关”或“完全相反”的图像特征。

斯旺森（Swanson）的具体制作步骤如下：

1. 反向探索马龙·白兰度：最初，斯旺森输入了提示词 `Brando::-1`（即查找与演员马龙·白兰度相反的意象），模型随之生成了一张带有“DIGITA PNTICS”字样的抽象天际线标志图片。
2. 二次反向迭代：为了探寻该标志的相反面，斯旺森将该文字与图像特征再次进行负面权重运算，输入 `DIGITA PNTICS skyline logo::-1`。此时，模型在潜空间的极端边缘区域，锁定并输出了第一张面容憔悴、带有三角形红斑的老妇人头像，即 Loab 的原始形象。
3. 图像杂交与提示词工程：在发现这个固定形象后，斯旺森开始利用提示词工程，将 Loab 的图像作为输入种子（Image-to-Image），与其他不同的文字提示词（如城堡、蜜蜂等景观）或非相关图像进行“杂交”（Crossbreeding）。

在制作过程中，斯旺森发现不论如何加入其他元素的干扰，Loab 的面部特征总是展现出极高的“潜空间吸引子”（Latent Space Attractor）特性，持续污染或主导后续的输出结果。此外，当与涉及暴力或鲜血的文字结合时，模型会迅速产出极度血腥与恐怖的意象，这表明在该 AI 模型的权重分布中，Loab 所处的潜空间坐标与人类社会文化中的恐怖、死亡意象数据紧密相邻。

潜空间吸引子与潜在偏见

在生成对抗网络（GAN）与扩散模型的架构中，Loab 的持续出现被部分技术专家解释为一种“潜空间吸引子”（Latent Space Attractor）现象。当扩散模型在进行去噪（Denoising）过程中，若给予的提示词权重走向量向了数据分布的极端边缘，模型可能会陷入某些特定、未被充分对齐（Alignment）的局部极小值（Local Minima）。这些节点如同潜空间中的“黑洞”，无论输入如何被稀释，去噪路径最终都会被拉向同一个特征集，从而导致 Loab 的容貌反复出现。

此外，关于为什么进一步迭代会产生大量恐怖与血腥图像，主要有以下几种技术层面的解释：

• 训练数据的关系性偏见：AI 模型在网络上海量抓取图片进行训练时，恐怖小说、都市传说、医疗临床图片（如严重皮肤病变）以及恐怖电影剧照，往往具有高度集中的特征标签。Loab 最初展现的“面部红斑”与“憔悴神情”，在语义网络（Semantic Network）中可能与这类“猎奇、死亡、病理”的数据库具有极高的权重关系。
• 负面权重的叠加效应：斯旺森在制作过程中多次使用负面权重，这会迫使模型偏离人类日常、健康、对称的“常态美学”大数据。当模型被推向“常态”的相反极端时，留下的空间往往充斥着畸变、不对称与怪异的像素组合，而这些特征在人类的心理认知中会自然触发恐怖谷效应。
• 影像多代复制退化：类似于传统复印机重复复印会导致图像失真（Generation Loss），将 AI 生成的图像重新作为输入源（Image-to-Image）进行多轮迭代，会使模型不断放大边缘噪点。在没有正面提示词将其拉回现实物体的情况下，这些噪点会被 AI 的视觉解码器错误地识别并强化为内脏、伤口或带有血腥感的视觉纹理。

外部链接

• 专访 Loab 的创作者 （页面存档备份，存于互联网档案馆）
• 斯旺森最初的 Twitter 推文串 互联网档案馆的存档，存档日期September 7, 2022，.