在2018年一場著名的拍賣會上，一部AI制作的肖像以432,500美元的價格成交！這篇新聞在科技媒體上被廣泛討論，有些人認為這一事件對人類藝術家構成了威脅。其實，這只是深度學習快速發展中眾多不可思議的案例中的一個，這些故事創造了關于人工智能的聳人聽聞的頭條新聞，或者是說人工智能表現出與人類同等的藝術創造力。一些言論：“人工智能寫作已經到來”，“人工智能很快就能寫出比人類更好的小說”等等在網絡上大量出現。

事實上，與任何其他技術創新一樣，人工智能或者更具體地說機器學習和深度學習將影響我們創造音樂，藝術和文學的方式。但是在過去的一年里，我研究了這個領域并與參與開發和使用產生藝術作品的人工智能技術的藝術家和工程師進行了交談，了解到了關于人工智能在藝術創造發明的應用及藝術家對它的看法。發現深度學習并不是人類創造力的替代！即使一個AI創意成功售價數十萬美元。

人與機器藝術的區別

要理解深度學習對人類創造力的影響，我們必須首先理解人工智能與人類在產生藝術之間的差異。盡管人類思維，其技術較舊，處理能力較慢且存儲不穩定，但在創建藝術作品時，人類思維過程比最先進的AI算法要復雜得多。

當你畫一幅畫，創作一首歌，寫一部小說（甚至是這篇博文）時，你的生活經歷、文化、宗教、政治和社會傾向都會混合成一堆混亂的情緒和化學反應，影響到你的工作。因為我們對我們的大腦知之甚少，所以我們無法真正理解人類的創造過程，人類藝術的每一項工作本身都是獨一無二的。試圖重現它實際上就像一個人能兩次踏進同一條河流。

相反，我們非常清楚AI算法如何生成視覺、音頻和文本數據，即使它們的內部工作機制有時會困擾我們。最近人工智能創新的核心是神經網絡，這種復雜結構特別擅長檢查和匹配模式以及對信息進行分類。各種藝術和音樂生成工具中使用的深度學習技術也各不相同，但是已經變得非常流行的一種特定技術是生成性對抗網絡（GAN）。GAN涉及兩個神經網絡，一個用于生成新數據，另一個用于評估第一個輸出，以查看它是否通過了特定類別的數據。

例如，如果分類器網絡已經學習了足夠的愛爾蘭民間音樂樣本，它將能夠告訴你一個新的音樂音符序列是否屬于愛爾蘭民俗類。因此，愛爾蘭音樂GAN將有一個生成器網絡創建音樂樣本并通過分類器運行它們以查看它是否作為愛爾蘭音樂傳遞。如果結果不令人滿意，則生成器修改數據，通過分類器重新運行并重復該過程，直到后者將其評定為可接受的愛爾蘭音樂樣本。

我們可以應用相同的方法來創建各種數據。去年，圖形芯片巨頭Nvidia使用GAN為不存在的人創造逼真的圖像。最近，一個開發團隊使用GAN創建了一幅畫，售價超過40萬美元。一些不法分子則使用GAN創造出名人和政治家的假色情片。

但是我們要清楚，神經網絡和分類器都不知道他們正在創造的數據內容，以及它的藝術價值或它可能對其他人造成的潛在傷害。這些內容是沒有情感，沒有靈感和想象力的火花。GAN和其他所有表現創造力的深度學習或人工智能技術都是使用數學和統計學來創建數據并將它們與之前看到的其他樣本進行比較。

深度學習將自動完成一些創造性任務

我們不得不承認深度學習和神經網絡在創作藝術、音樂和文學作品方面的局限性，但是如果說藝術創造力肯定不會自動化是不對的。像人工智能影響的其他行業一樣，人類的創造力必然會受到一些破壞。至少，我們必須重新思考我們對創造力的定義。

我在與不同專家的談話中得出的結論是，深度學習將使某些形式的藝術自動化。例如“功能音樂”：我們在演示廣告和一些更簡單的視頻游戲的背景中播放的音頻類型，可以通過神經網絡自動化，神經網絡根據用戶提供的輸入參數生成新的音樂序列，這些輸入可以是風格，節奏和心情等。目前有幾家公司已經開發或正在開發類似的AI應用程序，他們的產品市場非常豐富。

很容易看到類似的發展在視覺藝術領域發生，其中AI算法可以為視頻和演示的背景創建獨特的功能視覺效果。但功能藝術可能并不完全被視為創意內容。它們旨在幫助用戶專注于其他內容，例如演示文稿或視頻的內容。“我們認為功能性音樂是一種因其用例而受到重視的音樂，而不是制作它的創造力。”紐約人工智能創業公司Amper Music的首席執行官兼聯合創始人Drew Silverstein說。但西爾弗斯坦解釋說：藝術音樂“更多的是關于這個過程而不是用例。”

然而，有些人正在以創造功能性音樂和藝術為生。他們的工作自動化會發生什么？

深度學習將增強人類的創造力

功能藝術僅占整個行業的一小部分，更廣泛的AI行業深度學習進步的真正發展是人類能力的提升。事實上是神經網絡和深度學習將使更多人更容易變得富有創造力。

現在已經有不同的深度學習工具有助于提高業余愛好者和專業藝術家的創造性技能。例如，神經網絡可以繪制并修改一幅畫以使其具有梵高或畢加索風格。另一個例子是Google開發的一種工具，它使用機器學習來檢查粗略的草圖并將其轉換為清晰的圖紙。

在更專業的層面上，深度學習可以幫助藝術家找到新的想法并加快他們的創作過程。去年，我寫了一篇關于folk-rnn的文章，這是一個創造愛爾蘭凱爾特音樂的深度學習應用程序。我與愛爾蘭音樂家兼作曲家達倫巴納爾斯進行了交談，他告訴我，雖然他對一些作品有好感并且感到驚訝，但顯然它們仍需要添加一些人性才能完成。他并不擔心神經網絡可以取代他的工作，有趣的是中間會出現一些他想不到的新想法。

巴納爾斯希望像folk-rnn這樣的工具可以幫助他完成工作。“當我不得不開始大規模的作曲時，我總覺得這很令人生畏。也許我可以給計算機一些參數：玩家的數量、心情、甚至我最喜歡的作曲家的名字，它可以為我生成一個基本結構。我不希望它開箱即用，但這將是一個起點！”巴納爾斯說。

在文學領域，即使人工智能對人類語言的理解有限，但深度學習也會在幫助專業作家方面找到一些有趣的用例。本月“紐約時報”刊登了一個故事，描述了作家如何使用機器學習來尋找他的寫作思路和完成句子的建議。軟件背后的技術細節并不多，并且使用的技術是自然語言處理和生成（NLP/NLG）人工智能的一個分支，幫助計算機分析和創建人類文本。同樣，這里沒有涉及創造力，只有統計模式匹配和預測。但就像民謠一樣，NLP/NLG有時會提出作者不會想到的有趣想法。

在某些方面，比如說作為獨立業務模型的出現應用程序編程接口（API）。API并沒有讓程序員的失業，但他們使更多沒有任何編程背景的人能夠開發應用程序。

我在去年12月采訪過的Spotify創造者技術研究實驗室主任弗朗索瓦·帕切特（Francois Pachet），他將創造性人工智能工具與80年代的數字合成器進行了比較，當時人們擔心計算機會導致音樂家失去工作，但恰恰相反，數字合成器在某種意義上說，使每個人都帶上量這些新的機器和硬件且學會了如何有效地使用它們，音樂界也因此得到了快速發展。

為什么AI不會取代人類的創造力

人工智能技術將繼續改進并更好地模仿人類的創造力。在某些時候，它甚至可能創造出與人類藝術家無法區分的音樂和藝術。

但是，使藝術品有價值的東西不一定是輸出。大多數時候，了解人類成就的過程和勞動與最終結果同樣重要和珍貴。一臺機器人可以在很短時間內被訓練為投籃大師，同樣一個職業籃球運動員需要花費幾十年才會成為投籃大師。此外，如果你做了一些更新，教給機器人一個新的技能，你可以迅速將其推廣到所有類型，這是人類無法做到的。但我們對人類運動員的欣賞不僅僅是他們在場上的統計數據和表現，我們應該更欣賞他們的堅持和努力。

同樣，我們應該欣賞音樂家、藝術家、作家以及每個創造性人類的故事，因為他們的個人努力，他們克服生活的挑戰，并從他們所經歷的一切中尋找靈感。這是人類藝術的真正本質，即使我們實現了始終難以捉摸的一般人工智能，這也是無法自動化的。

讓我寫這篇文章的原因是關于在拍賣會上出售的GAN畫作的故事。但有趣的是，創造GAN開發者對這件事的評價（生成式對抗網絡的發明者Goodfellow稱這是一個有趣的轉折）。

?

原文鏈接
本文為云棲社區原創內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的一幅GAN网络创造的肖像图卖了40万美金，但那又怎样？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。