AI做画的算法主要是基于神经网络，特别是一种称为生成对抗网络（GAN）的深度学习模型。

生成对抗网络由两部分组成：生成器和判别器。

生成器从一个随机噪声向量开始，然后经过一系列卷积神经网络，生成一个图片。

判别器则像一个常规的图像分类器，接收一张图片，然后判断它是来自真实数据集的，还是生成器生成的。

在训练过程中，两者会相互“对抗”，生成器努力生成更真实的图像，而判别器努力区分真实和生成的图像。随着训练的进行，生成器将学习如何创建看上去更本真的图像。

另一种常见的AI画画算法是基于风格转移。例如，神经风格转移就是利用深度学习模型，将一张图片的风格应用到另一张图片上。这是通过优化一个损失函数来实现的，该损失函数同时考虑到内容损失（使转换后的图像在内容上接近原始图像）和风格损失（使转换后的图像在风格上接近参考样式图像）。

总的来说，AI做画的实现原理主要基于深度学习技术，特别是生成对抗网络和神经风格转移等技术，通过训练模型，学习图像的潜在分布，从而生成新的、具有特定风格的图像。