AI一键生成儿童画作 照片变3岁涂鸦风教程
当整个行业还在为生成式AI能否画出更精致、更以假乱真的图像而较劲时，一股反向的潮流正在海外社交平台悄然兴起。这一次，用户们不再追求完美，反而争相要求AI创作出刻意简陋、画风粗糙的图片，甚至奉行着“越烂越好”的奇特准则。
追根溯源，这股风潮的起点是一位韩国创意总监兼平面设计师Wonjae Gi。他最早在Threads平台上分享了一段用于生成简笔画的提示词，并戏称其为“世界上最无意义的提示词”。
在后续的采访中，Wonjae Gi坦言，网络上日益增多的、经过精心打磨且充满电影感的AI图片，让他产生了强烈的审美疲劳。这些作品固然惊艳，但千篇一律的完美感令人倦怠。正是这种感受，促使他突发奇想，朝着完全相反的方向进行创作——只为好玩，制作那些刻意显得笨拙而低质的内容。
转折点出现在4月底，OpenAI的首席执行官山姆·奥特曼在X平台转发了相关帖子。这如同按下了一个加速键，那段提示词迅速在ChatGPT用户中走红，传播范围呈指数级扩大。有趣的是，就连OpenAI新近上线、主打高清优质输出的图片生成工具Images 2.0，也直接内置了这个提示词模板。紧接着，马斯克旗下xAI的Grok Imagine也快速跟进，上线了同款粗糙画风的“Scribbli”模板。
目前，在全网流传最广的核心提示词大致是这样的：“以最笨拙、最潦草、最糟糕的方式重绘附上的图片。使用白色背景，让它看起来像是用鼠标在微软画图软件里画出来的。整体要有点相似但又不完全对，带着让人迷惑的笨拙感，突出低质的离谱糟糕感。算了，随便你怎么画都行”。
（英文原版：“Redraw the attached image in the most clumsy, scribbly, and utterly pathetic way possible. Use a white background, and make it look like it was drawn in MS Paint with a mouse. It should be vaguely similar but also not really, kind of matching but also off in a confusing, awkward way, with that low-quality pixel-by-pixel feel that really emphasizes how ridiculously bad it is. Actually, you know what, whatever, just draw it however you want.”）
跟风创作的网友们，将自己的个人照片、品牌Logo乃至名人肖像，统统丢进这个“魔法咒语”里。生成的成品画风，酷似上世纪90年代用微软画图工具手绘的作品：五官歪斜、线条杂乱，活脱脱像三岁小孩的随手涂鸦。正是这种与原始素材形成的强烈反差感，让这些图片迅速刷屏了各大社交平台。
对于这股热潮，OpenAI的相关负责人给出了一个颇具洞察的评价：它充满了欢乐，社交属性极强。在AI相关话题日益偏向严肃技术讨论和商业博弈的当下，这种无门槛的轻松创作，为用户提供了截然不同的情绪价值。
话说回来，这并非ChatGPT首次引领AI绘图风潮。之前的职场漫画风、吉卜力动画风都曾席卷过社交网络。但这一次的不同之处在于，人们彻底放弃了对精致的追求，转而将“拙劣感”本身奉为了创作的核心。
相关攻略
你是否好奇，游戏《GTA》中飞驰的汽车与现实中监控摄像头拍下的车辆，在人工智能的“视觉系统”里究竟有多大差别？尽管现代游戏画面已极为逼真，光影、材质与场景构建都栩栩如生，但对于自动驾驶、交通监控、智慧城市管理等需要落地应用的AI算法而言，虚拟游戏图像与真实世界照片之间，依然横亘着一道肉眼难以分辨、却
这项由香港大学、京东探索研究院、清华大学、北京大学和浙江大学联合完成的研究，以技术报告形式发布于2026年4月，论文编号为arXiv:2604 25427，有兴趣深入了解的读者可通过该编号查询完整原文。 你是否曾尝试用AI生成视频，却对结果感到失望？画面与描述不符、人物肢体扭曲、场景光影闪烁，最终视
2026年4月，一项由伦斯勒理工学院与亚利桑那州立大学联合开展的研究，在arXiv预印本平台发布（编号：arXiv:2604 24040v1），系统性地揭示并量化了AI表格检索领域一个长期存在的“盲点”——表格序列化格式对检索性能的巨大影响。 一、格式不同，AI就“认不出”同一张表格了？ 设想一个典
腾讯混元团队提出新方法，使模型在推理时能根据输入动态生成参数，实现实时适配。实验表明，该方法在图像编辑任务中效果显著，能有效处理冲突需求，并在多项评测中领先，推动了智能模型从静态向动态演进。
北京大学团队提出DistDF损失函数，基于最优传输理论对齐预测与真实标签的联合分布，规避传统逐点损失中的独立性假设，实现无偏训练。该方法能有效捕捉序列整体形态与结构，兼容多种模型，在实验中展现出更优性能。
热门专题
热门推荐
英伟达Omniverse定位为物理AI操作系统。松应科技推出ORCALab1 0，旨在构建基于国产GPU的物理AI训练体系。针对机器人行业数据成本高、仿真迁移难的问题，平台提出“1:8:1黄金数据合成策略”，并通过高精度仿真提升数据可用性。平台将仿真与训练集成于个人设备，降低开发门槛，核心战略是在英伟达生态垄断下推动国产替。
Concordium是一个注重合规与隐私的区块链平台，其原生代币为CCD。该平台通过内置身份验证机制平衡隐私与监管要求，旨在服务企业级应用。CCD用于支付交易手续费、网络治理及生态内服务结算。其经济模型包含释放与销毁机制，以维持代币价值稳定。项目在合规金融、供应链、数字身份等领域有应用潜力。
上海人工智能实验室联合多家机构发起国产软硬件适配验证计划，致力于打造覆盖AI全流程的验证平台与自主生态社区。该平台旨在解决国产算力与应用协同难题，构建从芯片到应用的全链路验证体系，支持多种软硬件适配，推动国产AI技术向“好用、易用”发展。商汤科技依托AI大装置深度参与，已。
具身智能行业资本火热，但曾估值超200亿元的达闼科技迅速崩塌。其失败主因在于创始人黄晓庆以通信行业思维经营机器人业务，过度依赖政商关系与资本运作，技术产品突破有限；同时股权结构复杂分散，倚重政府基金，最终因融资断档与商业化不足导致团队离散。这折射出第一代创业者跨。
TurboQuant论文被质疑弱化与RaBitQ的关联，并存在理论比较与实验公平性问题。谷歌借助平台影响力将其定义为突破性成果，凸显了大厂在学术生态中的结构性优势。类似争议在伦理AI、芯片等领域亦有体现，反映了产业界将利益嵌入研究流程的机制。当前AI研究日益由大厂主导，其通过资本、渠道与话语权塑造。