本文研究探讨了生成 AI 技术中，AI 加入真实数据之后可能会产生回馈循环并导致未来模型的降级和多样性降低的情况，从而产生社会影响。同时，对于如何缓解这种回馈循环以及降低未来技术模型降级的影响也提出了相关问题。

Jun, 2023

本文旨在研究生成 AI 系统如何创造艺术品，探讨 AI 系统生成的图像是否被视作艺术品，分析 AI 生成的图像在哲学上的地位并通过视觉属性展现作为 “就绪品” 的艺术性。

Jul, 2023

这篇研究论文探讨了人工智能生成图像的创作方式以及弊端，如训练数据的偏见、合成数据常态化可能导致未来图像生成系统的质量下降，以及文本生成图像对人们想象力、抱负和发展的潜在长期影响。

Jun, 2023

本文研究了人们对于生成式人工智能中的文本到图像生成技术的看法和担忧，发现尽管参与者意识到技术所带来的风险与危险，却只有少数人认为技术对个人的风险，风险对于其他人来说更容易认识，而且参与者尤其认为艺术家是处于风险中的人群，未尝试过这项技术的参与者对其未来重要性的评价要低于尝试过的参与者，说明许多人仍然未察觉生成式人工智能的潜在个人风险及其所带来的社会变革。

Jun, 2023

通过分析、证实和批判这些论点，本文得出结论，认为 AI 图像生成器涉及一种不道德的劳动盗窃行为。如果正确，许多其他 AI 应用也依赖于盗窃。

Jan, 2024

人工智能的发展催生了数字内容生成的转变，特别对网络影响操作产生了深远的影响。本文研究了扩散模型等生成深度学习模型在制造令人信服的合成图像方面的潜力和局限性，并对这些工具的可接近性、实用性和输出质量进行了批判性评估，同时分析了它们在欺骗、影响和颠覆威胁情景中的影响。在几个假设的网络影响操作中，本报告生成内容来展示这些 AI 驱动方法当前的能力和局限性。虽然生成模型擅长生成插图和非现实的图像，但创建令人信服的逼真照片内容仍面临重大挑战，受计算资源和必须人工指导改进的必要性限制。我们的探索强调了技术进步和其滥用潜力之间的微妙平衡，推动进行持续研究、防御机制、多学科合作和政策发展。这些建议旨在利用人工智能的潜力产生积极的影响，同时防范对信息完整性的风险，尤其是在网络影响的背景下。

Mar, 2024

这项研究分析了由三种流行的生成人工智能工具生成的图像 - Midjourney、Stable Diffusion 和 DALLE 2 - 代表各种职业，以调查 AI 生成器中潜在的偏见。我们的分析揭示了这些 AI 生成器中两个主要关注领域，包括（1）系统性的性别和种族偏见，以及（2）面部表情和外貌方面的微妙偏见。

Mar, 2024

此篇研究论文讨论了基于 transformer 的 AI 文本生成系统（例如 GPT-3）和基于 AI 的文本到图像生成系统（例如 DALL-E 2 和 Stable Diffusion）如何改变数字艺术和电子文学领域，并探讨了由这些系统创造的新文学表达形式。研究者们将这些新的数字写作环境解读为一种文学方式，探索了这些环境对新文学艺术实践的不同潜力；同时，一个数字文化理论家研究了这些新兴文体的训练数据集的来源和影响。

May, 2023

通过利用生成人工智能（AI）产生的图像作为新的数据源，重新塑造了视觉智能中的传统模型范式，本文探讨了这一创新概念，从训练机器学习模型到模拟场景进行计算建模、测试和验证等一系列应用中探索了生成数据的潜力，并深入讨论了支持这种突破性使用生成 AI 的技术基础以及伴随的伦理、法律和实践考虑。

Oct, 2023

通过使用生成 AI 进行图像生成，我们收集并分析了超过 300 万个提示和它们生成的图像，通过自然语言处理、主题分析和可视化方法，我们旨在共同理解人们如何使用文本提示，这些系统对艺术家的影响以及它们所推广的视觉文化。我们的研究表明，提示主要关注表面美学，强化文化规范、流行的传统表达和意象。我们还发现许多用户关注流行的主题（如制作填色书、幻想艺术或圣诞卡片），这表明所分析的系统的主要用途是娱乐而非艺术性。

Jan, 2024