search
AlphaGo碾壓圍棋界之後,人工智慧要挑戰藝術家

AlphaGo碾壓圍棋界之後,人工智慧要挑戰藝術家

由名為創造性對抗網路(CreativeAdversarial Networks,CAN)的人工智慧系統創造的藝術品。圖片:致謝羅格斯大學藝術和人工智慧實驗室

想象一下:一台電腦可以創造一件藝術作品,而這藝術作品看起來與藝術家所創作的、並且在知名藝術博覽會上展出的作品並無二致。

這就是羅格斯大學(Rutgers University)藝術和人工智慧實驗室(the Art and Artificial Intelligence Lab)團隊新的研究課題正嘗試達到的目標。今年6月,他們在位於美國亞特蘭大舉行的計算機創造力國際研討會上發表了驚人的發現。

論文指出:「自從人工智慧的破曉來臨,科學家們正不斷發掘用機器來創造如詩歌、故事、笑話、音樂和繪畫等人類級別創意產品的能力,同樣也在尋找用機器解決創意問題的能力,(我們研究課題的)結論顯示,人類無法區分由機器創造的藝術作品和出現在頂級藝博會上出現的、由當代藝術家們所創作的藝術作品。」

你對這個結論有所懷疑嗎?不妨來親自測試一下。以下兩組作品,哪一組是由人工智慧「創作」的呢?

A

圖片:致謝羅格斯大學藝術和人工智慧實驗室

2015年,羅格斯大學藝術與人工智慧實驗室發表的兩篇論文討論了一個可以鑒定作品的藝術家、流派和藝術風格的演算法(基本上可以當成一位電腦藝術史學家),當前這項新研究課題正是建立在這兩篇論文之上的。在過去數十年裡,這個演算法在不同藝術家在不同時期的藝術風格間建立新的聯繫,帶來了一系列意外的發現。除此之外,它還可以給藝術品打分,並發現達·芬奇的最知名的作品《蒙娜麗莎》在創造力方面的得分要低於他所創作的那些並不是十分有名的作品。

在這項新的研究課題中,實驗室對生成性對抗網路(Generative Adversarial Networks,GAN)進行了系統改進。在GAN模型中,深度神經網路可以學習已經存在的繪畫風格,如巴洛克、點彩派,色域派、洛可可、野獸派和抽象表現主義等繪畫風格。這兩個對抗性的網路,其中一個根據所學創造圖片,另外一個則判斷結果是否符合標準。

而這個新的改進版本稱為創造性對抗網路(Creative Adversarial Networks,CAN),可以創造出與任何已知藝術風格都不一樣的作品。根據論文,即「最大化地偏離已知藝術風格,而最小化地偏離藝術分佈模式」。為了訓練這個網路,該團隊使用了維基藝術庫里對公眾開放的由1119名藝術家們創作的81449件藝術品。

人工智慧學習圖像庫。圖片:techcrunch

論文指出:「這些由CAN創造的圖片看起來一點也不像傳統意義上的藝術,也無法用傳統藝術流派(如肖像畫、風景畫、宗教畫、靜物畫等等)的標準來看待。」

在不知情的情況下,研究人員讓參與實驗的人對四組作品作出判斷,猜測它們是由人類創作或是由計算機創造:

2016巴塞爾藝博會上的藝術品被用在一項關於使用人工智慧創造藝術品的研究項目上。圖片:致謝致謝羅格斯大學藝術和人工智慧實驗室

其中被採樣的巴塞爾藝博會作品中不乏藝術家的身影,如謝南星、葉永青、趙無極、馬可魯、魏立剛等。

結果顯示,受試者對抽象表現主義作品的判斷正確率最高,其中的85%都被判斷為人類藝術家所作。而CAN中有53%的作品被當成人類藝術家的作品,GAN則只有35%被錯認為人類藝術家作品。最有趣的是,只有41%參加了巴塞爾藝博會的作品被認為是人類藝術家所作。

更具諷刺意味的是,當受試者被問到如何給作品的立意、視覺結構、傳達性和作品的啟發性打分時,他們認為「計算機創造的作品得分普遍高於人類藝術家創作的作品,無論是抽象表現主義藝術作品組還是巴塞爾藝博會作品組。」

顯而易見的是,人工智慧還無法完全取代藝術家們的工作,但是這項新的研究表明:在深度神經網路的世界里,它們(人工智慧)很可能具有藝術家的潛質。

那麼回到上面的測試題,A組與B組哪一個是由人工智慧創作的呢?答案是,兩組皆是,區別是A組被判斷為人類的機會更高,B組更低。你猜對了嗎?請在留言中告訴我們你的判斷依據。

熱門推薦

本文由 一點資訊 提供 原文連結

一點資訊
寫了5860316篇文章,獲得23292次喜歡
留言回覆
回覆
精彩推薦