考慮到將給整個人類社會帶來的深遠(yuǎn)影響，目前關(guān)于人工智能以及機器學(xué)習(xí)的討論可謂如火如荼。但除此之外，利用神經(jīng)網(wǎng)絡(luò)進行藝術(shù)創(chuàng)作也開始快速興起，目前人們正積極訓(xùn)練算法以繪制人臉、煙花甚至是人體藝術(shù)作品。盡管看似愚蠢，但這種另類的嘗試確實能夠幫助我們更透徹地理解人工智能技術(shù)。

現(xiàn)居慕尼黑的谷歌公司藝術(shù)家Mario Klingemann正在Twitter上持續(xù)發(fā)布一項有趣的神經(jīng)網(wǎng)絡(luò)實驗。他以幾乎實時方式展示其利用各類數(shù)據(jù)訓(xùn)練而成的神經(jīng)網(wǎng)絡(luò)，而得出的結(jié)果往往令人捧腹不止——特別是在算法嘗試?yán)L制人臉時。然而，這也正是此項實驗的重點所在：通過觀察神經(jīng)網(wǎng)絡(luò)如何“傻傻”地進行學(xué)習(xí)，我們將能夠一窺人工智能藝術(shù)創(chuàng)作的基本思路。

目前，Klingemann專注于使用1900年以前的油畫肖像。他利用英偉達的pix2pixHD算法配合1900年之前的畫作照片構(gòu)建起一款寫實派人臉生成器，并利用數(shù)千幅歐洲藝術(shù)家作品對其進行訓(xùn)練。而最終得出的人臉繪制結(jié)果則在真實與可笑之間往來游移。

Klingemann在接受郵件采訪時表示，“縱觀整個藝術(shù)發(fā)展史，可以清楚地看到自文化啟蒙以來，人們就對藝術(shù)沉迷不已。我想其中的一大重要原因在于，面孔的繪制既簡單但又可以極為復(fù)雜——我們可以畫出一張簡單可辨的面孔，也可以努力重現(xiàn)每個毛孔的具體細(xì)節(jié)。最困難的冷媒是，每個人都是人臉識別方面的專家，我們會注意到表情中的細(xì)微變化，并輕松發(fā)現(xiàn)極為細(xì)微的比例失調(diào)問題。這意味著如果繪制或者說生成一張人臉之后，這種輕微變化所引發(fā)的影響將很快被人們所發(fā)現(xiàn)?！?/p>

那么，我們該如何對人類畫作與神經(jīng)網(wǎng)絡(luò)的作品進行區(qū)分？

乍看之下，我們似乎難以判斷。但在仔細(xì)觀察之下，大家就會發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)的作品中存在著一些奇怪之處——包括黑色的左眼右手部分胡須狀的陰影。對于Klingemann來說，讓神經(jīng)網(wǎng)絡(luò)繪制出真正的好作品絕對是一大挑戰(zhàn)——就目前而言，其表現(xiàn)還無法令人滿意。他指出，“我能夠輕松判斷出這套模型的能力水平，特別是在細(xì)節(jié)方面，因為任何錯誤都會引發(fā)一些不可思議的內(nèi)容?！彼瑫r承認(rèn)，由于該模型的訓(xùn)練素材主要為幾百年前的歐洲中年男性及年輕女性畫作，因此大部分人物面部都白得過分——他正在尋找更多圖像來源以豐富自己的訓(xùn)練數(shù)據(jù)集。

在Klingemann看來，訓(xùn)練神經(jīng)網(wǎng)絡(luò)的過程亦是一項藝術(shù)挑戰(zhàn)，換言之同時要求人類與機器發(fā)揮自身創(chuàng)造性。他解釋稱，“構(gòu)建面部生成器就像開發(fā)故事生成器一樣。每張面孔或者一組面孔都會引發(fā)相應(yīng)的聯(lián)想、問題甚至是情緒。當(dāng)然，機器在處理這類任務(wù)時往往會帶來令人意想不到的結(jié)果?！?/p>

事實上，通過此輪實驗，他發(fā)現(xiàn)生成十九世紀(jì)油畫風(fēng)格的肖像要比創(chuàng)造寫實派風(fēng)格的肖像簡單得多。他指出，“當(dāng)我們觀看畫作時，往往會對那些看起來不太準(zhǔn)確的部分更為包容。這是因為我們會考慮這可能是藝術(shù)家們有意為之。”畢竟，有很多畫作都存在著解剖學(xué)原理層面的問題，這會進一步縮小人類作品與機器作品間的差異。

以《荊冕耶穌像》為例，這是一幅誕生于1930年的拙劣耶穌畫像，并在2012年因其奇異的風(fēng)格而在網(wǎng)絡(luò)上名震一時。Klingemann創(chuàng)作出了自己的繪畫算法版本，其擁有著與原作一樣令人毛骨悚然的風(fēng)格——但同時又相當(dāng)搞笑。