AI艺术风潮解析：从机器学习到生成对抗网络的技术与挑战
罗比·巴拉特《风景画》 资料图片
当下，全球涌起 一股极为迅猛强大的 AI 艺术气势劲头的之风，究竟啥是那带AI的技术所生成的艺术呢，它是经由怎样的方式来到这世间的呢，其又正面临着什么样具体的机会与遭遇的挑战呢 ？
1、AI艺术关键词
借助了能生成艺术作品的人工智能技术（此技术简称为AI）的艺术是AI艺术，其范围宽广，涵盖了AI自主生成的作品以及人机合作创作的作品，现在这些作品已涉及绘画、音乐、诗歌、电影、舞蹈、雕塑等领域，要知晓这种新兴且新型的数字艺术，首先要了解几个重要概念，这几个概念是机器学习、算法、神经网络、深度学习、生成对抗网络以及创新对抗网络。
知识是人类凭借感官以及经验去获取的，机器学习说的是计算机系统学习达成某个专门任务的路，它有着情形一，凭借关涉具体任务完成状况的奖惩机制达成，机制叫强化学习，还有情形二，经饲喂大量标记数据去先掌握其中逻辑再度表现相关信息或事物，机制叫监护学习。就如用一组猴子图像来使计算机做识别猴子的学问，把一张照片置于它眼前时计算机能够精准判定照片是否关联猴子 。
算法是，一个按照步骤去执行的指令序列。它能够简单至，几行代码的程度，也有可能复杂成，像一个百度搜索结果那般，需要上百万行方可显示完全。这些指令会告知计算机，到底要做什么，怎样去解决问题，如何作运算，怎样在屏幕上展示事物等等 。
人脑细胞里，神经元负责传递以及处理感觉信息。神经网络是一种计算机算法，它有特指，会模仿人脑处理各类信息的方式，其中包含多层互相联结的神经元。神经网络算法跟常规计算机编程算法不一样，常规计算机编程算法是编程者设计好的，供计算机执行的一系列程序，而神经网络算法是计算机自我决策的运算机制，它不需要人类给出任何指令。比如说，卷积神经网络就是一种神经网络，它能够做到自主识别图像上的某一特征或者模式 。
深度学习所指的是神经网络，该神经网络存在多层联结神经元，它如同人脑一般，神经元层级涵盖得越多，其学习能力便会越强。
生成对抗网络，也就是GAN，有着如此机理，两个神经网络，通过彼此竞争，一步步达成一个能够预料到的结果，其中一个神经网络，设法生成跟训练数据不同的结果，比如说一张和训练图像不一样的新照片，这通常被称作创造神经网络。而另一个神经网络，担起识别创造神经网络所生成的、跟训练数据差异颇大的结果的责任，像创造神经网络预期生成一张关于狗的新照片，若输出了一张看似房子的图像，识别神经网络就把它筛选出来，并反馈给创造神经网络，如此来保证其朝着预期的创作目标行进。
创新对抗网络（CAN）以生成对抗网络作为基本框架，它把特定幅度的随机性嵌入创造神经网络的结果里，紧接着为这些被嵌入随机性的结果添加恰当的美学评判训练机制，以此冀望塑造出更具新奇感以及冲击力的艺术作品。这无疑是一种对人类创造性予以模仿的方式，其目标在于产出冲破现有艺术表现风格与模式限定的艺术作品。
《埃德蒙德·贝拉米肖像》（局部） 资料图片
2、从贝叶斯推理到AI艺术
在我们探讨AI艺术渊源之际呀，就得先从AI的历史说起才行呢。AI得以发生的首要条件是具备学习以及决策的能力哦，尤其是在信息不充足的状况下做出决策的那种能力哟。为了达成这个条件呀，托马斯·贝叶斯在1763年开发了一个运用算数方式去推算事物发生概率的框架呢，这恰恰就是大名鼎鼎的贝叶斯推理呀，它变成了机器学习的基本逻辑啦，这可是AI艺术进程里最早的那一块里程碑呀。
1842年，数学家阿达·洛夫莱斯发表了首个可执行的算法，该算法预见到计算机除运算外还能解决其他复杂问题，此乃革命性预见。1942年，即百年之后，图灵为智能机器创造设计了测试指标，也就是知名的图灵测验，这是一种具有划时代意义的思想。1943年，麦卡洛克和皮茨联合发表了《人类神经活动中意识的逻辑运算》，为计算机模仿人脑构建神经网络以及深度学习开路。1950年，科幻领域的作家艾萨克·阿西莫夫创作出和智能机器相关，组成整套体系而言涵盖了多个讲述的一部多部短篇小说系列，提出了极为有名的机器人三条基本定律，有着此种具备相当大远见、可推测未来发展趋势思维念头的他，能够激发影响到了整整一代的机器人学术研究者。在1956年的时候，达特茅斯大学举办组织了有夏季会议，于那场会议里约翰·麦卡锡予以把“人工智能（AI）”这个用语术语经推理论证等方式正式构建形成了概念。那个时候，针对AI这一领域编程所遵循的原理体制存有两个不同性质、方向的路径：其中一条是从整体到局部进而达成具体操作引导为走向的，也就是运用能够支配控制人类动作行为的规则条目预先给计算机进行程序编写；另外一条则是主张从局部到整体，也就是去模仿人类大脑神经细胞连接组合等运行机制 。麦卡锡以及资深计算机学家明斯基偏向于前者，且略微占据优势地位。在1959年的时候，阿瑟·塞缪尔提出了“机器学习”这个概念，依据这一概念，他做出预测，一个能够学习的跳棋机器人存在战胜其编程者的可能性，而且这一预言被后来超级计算机“深蓝”战胜国际象棋冠军卡斯帕罗夫这件事给证实了。
对于AI艺术来讲，1973年堪称值得永远去铭记的年份。就在这一年，身为加州大学教授同时又是画家的哈罗德·科恩，于威尼斯双年展之上，展示了他跟自己的计算机程序“艾伦”（AARON）协同创作的一幅绘画作品，而这一举动标志着AI艺术的正式问世。
由于AI研发进程迟缓，罗德尼·布鲁克斯觉得极有可能以往所采用的自上而下的研发途径是有误的，他因人类神经科学的进展而得到启发，在1990年发表了知名论文《大象不下棋》，表明视觉功能无需中央神经系统进行控制，他的这一设想还把曾一度不被看好的神经网络推到前边，还极大地推进了涵盖AI艺术在内的各个领域的人工智能的发展。
2008年9月，一款语音识别APP在苹果手机上出现，其语音识别正确率超过92%，这是AI艺术发展里取得的又一个具有里程碑意义的跃进，它为多模态大语言模型机器人的研发创造了条件。在学界与业界都热衷于开展优质算法开发之际，于AI领域初露锋芒的华人科学家李飞飞清晰地认知到，哪怕是再好的算法，要是缺失大量真实数据的支撑，便决然无法做出精准的决策，所以她提出了一个前所未有的想法，即构建图像数据库，把整个世界都重现出来。她将自己带头开发的这个具有开源性质的巨型图像数据库予以定义。自那之后，这个数据库成了一线AI科学家竞相查验算法精度的平台，它极大地推动了AI艺术的发展。
于2010年，有一款跳舞机器人，在上海世界博览会上，出现在人们的视野之中，其翩翩的舞姿，引得众人驻足观看。2013年时，任教于英国金斯密斯学院的教授西蒙·科尔顿，开发出了一款绘画程序，叫作“傻子画师”，该程序，能够从报纸里，自主提取其中的关键词，借此生成与该关键词相干的图像，展现出了超越图灵测验的创造性、灵巧性以及想象力。2014年，也就是图灵测验发表72年随后，聊天机器人“尤金·古茨曼”，最终通过了全部测试。2015年1月，莫德文采夫的艺术创作机器人“深梦”，得以上线啦！此后哟，这“深梦”就成了好多AI艺术家能尽情放飞艺术想象的超棒平台呢、 波普艺术家泰琳·萨顿上线“深梦”，在2017年创作出了首张AI音乐专辑《我是AI》哟。 一年之后呀，法国特别著名的艺术家三人联盟机构“”通过神经网络算法生成的艺术作品《埃德蒙德·贝拉米肖像》完成了高价拍卖，是成功的哟，还开创了AI艺术的新纪元呢。
莎拉·梅约哈斯《云朵》 资料图片
3、AI艺术家先驱及其创作主题
迅速发展的数字技术，不仅深切地塑造着眼前的经济业态，，还促使数字艺术从奇观美学以及互动美学时代，更迭迈入AI美学崭新时代，，而且催生出一群在AI艺术领域敢于探索且勇于创新的艺术家。
一位活跃在这一领域的先驱人物是马里奥·克林格曼 ，克林格曼出生于1970年的德国慕尼黑 ，他没有任何艺术以及计算机科学学术背景 ，然而他天生就对计算机和艺术抱有兴趣 ，13岁时他拥有了第一台计算机 ，从那之后 ，他无师自通 ，迷上了编程 ，高中毕业后 ，他进入了广告行业 。在1991年至1992年这一期间，克林格曼得到了一个能前往总部位于伦敦的广告公司去实习的机会，于那个地方，他头一回接触到了苹果电脑以及专业绘图软件。0，一个要成为AI艺术家的梦想就这样诞生了。 2. 2004年，他运用JAVA语言来编程从而创作了《垛状模糊》。而这乃是他最早的“计算机生成艺术”。 3. 2010年，他编写了一款称作“蜘蛛丝画板”的小程序，并且尝试着用它去创作了一幅有着相同名字的绘画。令他没有预料到的是这个小程序居然迅速得了到一大批拥护者。2014年年底起始，他对各类算法、数据可视化处理以及机器学习技术予以极为广泛的探索之举，创作出多幅极具创意的作品。2017年以来，他再度把最新生成对抗网络引入自身艺术实践里面，创作了大量以人脸与肖像为标志性形象的AI艺术作品。“当你直面一个人的面部时刻，能够破译出极为丰富的信息。”他针对人性的这般独特理解成就了他AI作品的一个核心主题，人脸也变成他开展艺术实践的丰沃土壤。
对于AI技术跟舞蹈艺术相融合这件事，韦恩·麦克格雷格是一位一直处于领先位置的舞蹈家。他的《实时档案》项目借助AI模型重现了他历时25年的舞蹈作品，通过这个在舞者跟他的作品间构建了一场现场对话。AI模型对于麦克格雷格的舞蹈风格，从精巧的细微动作直至复杂的移位动作都能够精确地捕捉到。舞者能够从其中获得灵感，受到启发，进而创造出新的舞蹈动作。这确凿无疑是麦克格雷格针对AI技术最为感兴趣的那一点，他持有这样的观点，持续不断地去创造新颖独特且别具一格的动作乃是舞蹈艺术的灵魂所在，而AI技术能够助力他达成这个目标 。
莎拉·梅约哈斯身为一位AI艺术家，其涉猎范围广博至电影、摄影、虚拟现实、表演以及雕塑等多个学科领域，她最具吸引力的AI艺术作品是《云朵》，为了将这一作品予以呈现，她在贝尔实验室的原址之上举办了一场盛大的表演，有16个摄影师拍摄了数量多达10万张的不同角度的玫瑰花瓣照片，这些照片共同构成了一个大型数据库，这些信息志在建造一个AI算法，该算法用于生成别具一格的花瓣图像，《云朵》的策展变成了一次思索后人类现实以及未来人类劳动处境的绝好契机。梅约哈斯以AI技术当作武器，把艺术策展作为媒介，把AI艺术探索跟人类面临的重大现实主题紧密相连，引发了业界以及学界的广泛关注。
19岁的罗比·巴拉特，这般年轻，却是AI艺术领域正以极快速度升起的一颗新星，还是一位AI艺术奇才，凭借自己对神经网络有着深刻理解并进行创造性应用，开拓了AI艺术以及传统艺术那尚属于较新突破的视野，他和法国画家罗南·巴罗特，还有加莱里·沃森三人，也就是上文提到的著名法国三人艺术联盟，共同创作出了颇具印象主义风格的《埃德蒙德·贝拉米肖像》，此作品拍出了43.25万美元的高价，这样壮观的举动把AI艺术推到了世界舞台之上，真可谓是令人惊叹不已啊！这一系列有着颇具创意特点的AI艺术方面的探索使得这位年轻人进入到资深的AI艺术家的那个行列之中 。
当下，在AI艺术创作这一领域，汤姆·怀特因对人工智能以及机器感知所作的深度研究与广泛探索而声名远扬，他的一系列AI艺术实验都将焦点置于机器凝视这一问题上，即AI怎样去观察、怎样来理解以及怎样进行外部世界表达？机器感知越渐广泛地渗透至我们的日常生活里，这个全新的世界正转变成为我们必须直面的一个主导领域，而怀特正是借助他的AI作品对这种现象展开透视与反思的，为此，他创作了诸多抽象作品，这些作品AI能够做出正确的分类。接着，他又给予算法跟我们一样的自然语言能力，按照这样的情形，关于AI所领悟的世界我们就可以知晓了。怀特的这些探寻加深了我们对AI世界的理解。
汤姆·怀特《落日余晖》 资料图片
4、AI的自主创作
人工智能艺术于发展进程里最为经常碰到的一个难题是，怎样在它所塑造而成的大量作品当中筛选出具相比较而言较为有意思的作品，并且把这些作品导向普通的社会范围内群体。为所有人工智能艺术家来讲，策展变成他们处理这些障碍的极重要的一个举措 。
AI艺术家常常会陷入那般的两难抉择，作为艺术家的他喔，老是不由自主地依照自身喜好去挑选作品，而身为策展人的他呢，却又总得思索能尽量给观众呈现AI艺术全貌。到底该如何去协调这种两难的关系呀？通常来讲，身为一个策展人，他的理想是把他的那款AI模型放置在现场，让其持续不断地生成图像，并且训练这台AI模型自行去做出选择，一旦AI模型从中做出了选择，它就会即刻消失。这样一来，这台AI模型自身便是艺术作品，从中挑选出的那些图像不过是它所缔造的一些瞬间即逝的视觉印象。然而，当下的策展不允许一位艺术家这般超脱，因为就当前的AI模型而言，要是仅把它置于展览现场，那么观众所直面的大多是噪声，且在此情形下生成的图像大部分都是乏味的。
残酷的是现实，要是AI艺术可以繁荣发展，那它就得走向大众，所以，在高雅跟通俗之间维系一定的平衡便是AI艺术的唯一选择，既不可以离世俗过于远，也不可以离它过于近，这属于大多数AI艺术家的看法。
当下所有关注AI艺术的人普遍关心的问题是，基于深度学习的AI能否最终达成完全意义上的自主创作。例如，给予AI模型一定的策展能力以及对作品的自我选择能力，这难道不算是某种展现AI自主性或者主体性的行为吗？不少活跃于AI艺术一线的艺术家都尝试借由自身的艺术实践去回应这个问题。克林格曼觉得，从某种层面来讲，这个问题能够依据人类传宗接代的逻辑来领会。我们生育孩子是为了保障人类自身的繁衍与不朽。我们给予AI一定的策展以及选择功能，从本质上来说，其也能够被视作是保证人类不朽的一种方式，举例来讲，我们没办法把自身上传到计算机之上，然而我们能够创造出某些事物，使其能够持续产出我们所期望的某种东西，就算我们已经离开人世也不会受到影响，在某种意义层面，赋予AI模型一定的策展能力就是一种促使艺术家持续延长艺术生命的方法。
一方面，经由赋予 AI 一定的策展以及抉择能力，我们能够瞧瞧它到底能够做些什么，又是怎样去做的。从 AI 自身的视角来看，它也可能会由于这些能力而获取一定的独立性以及自主性。克林格曼在 2018 年所创作的 AI 艺术《灵魂出窍》便展现出一缕自主性的光芒。在那个程序里面，他引进了一种神经脉冲机制，这种机制能够借助随机去改变、或者删除、又或者交换已然被训练的生成对抗网络的成分，进而引发神经网络针对输入信息产生误读，并且由于这样的误读从而创造出某种有着新意的艺术形象。
另外还有一个备受诸多争议的、颇让人议论纷纷的问题，那就是，人工智能能不能够针对自身所创作的艺术作品给出评价呢？对于这个问题呀，绝大多数的人工智能艺术家们都秉持着比较乐观的态度。单纯从纯粹的技术层面来看，人工智能在未来的某一天终究是会达到能够自我进行改进以及提升运算能力、自行评价作品质量这样的程度。然而呢，这也必然就直接意味着，它将会进入到一个我们人类再也没有办法看到的领域范围之中。它拥有能够理解整个宇宙的能力，同样也具备可以创造出一个仅仅属于它自己的宇宙的本事，但是呢，它也必须要创造出某种能够让人类明白它的这些行为和举动的方式才行。当然，它有可能在某一日，鉴于我们跟不上其速度，进而最终对我们丧失兴趣，然而起码当下还不会出现这些状况。为处理这些问题，AI科学家们正在研发某种人脑跟机器直接相连的界面或者机制，用以达成对AI理解的理解。
笼统来讲，那些活跃于AI创作前沿的艺术家，一概都对AI艺术方面的未来满怀信心。他们内心确信，凭借着人工智能、深度学习、计算机算力算法以及和信息技术的火速发展，尤其是借助以跨越多元模式属性的大语言模型所取得的突破性进展，在并不遥远的将来时段进程里，AI艺术家有能力制造出相较于人类艺术家而言更加具备趣味性的艺术作品来。然而针对AI算力出现的迅速提升态势有可能引发开来的某些风险性事项，我们同样应该预先筹备好各类应对措施准备。
作者是马立新，其为山东师范大学美术学院教授，是数字艺术哲学研究中心主任而且还是博士生导师 。
欢迎 你 发表评论: