一幅AI“創作”的繪畫拍得了43萬美元
昨天,紐約佳士得拍賣行一幅人工智慧創作的繪畫拍得了432,500美元,比預期的價格高出了40多倍。
該作品名為Edmond de Belamy,是AI創作的11幅作品之一,其主題為描繪虛構的貝拉米家族的成員。不過它看起來有點像古老的、描繪耶穌基督的西班牙壁畫,卻因為拙劣的修復手法而被毀掉了。
就像現實中一位西班牙81歲的老太太,出於好意,把教堂裡一幅受損的耶穌畫像親手修復了,結果釀成“藝術修復史上的噩夢”。
耶穌變成了一隻毛猴穿著一件不合身的緊身外衣,和上面那幅AI畫的是不是也挺像的。
(所以人類一直在辯解說自己的智商比AI高很多很多,但實在沒有說服力啊。)
生成繪畫的人工智慧
“未來,就在這裡(Behold the future—here it is)。” 佳士得的拍賣師在拍賣開始前如此宣稱,這是第一個由一家大型拍賣行出售的由AI製作的藝術品。
在一份宣告中,佳士得一位負責人表示:這件作品被選中進行拍賣的原因是在它創作過程中人為干預的痕跡很少。
這與生成它的GAN演算法有關。
2014年GoodFellow等人發表了一篇論文“Goodfellow, Ian, et al. Generative adversarial nets." Advances inNeural Information Processing Systems. 2014”,引發了GAN生成式對抗網路的研究。
GAN演算法原理簡介
以生成圖片為例進行說明:
1)G是一個生成圖片的網路,它接收一個隨機的噪聲z,通過這個噪聲生成圖片,記做G(z)。
3)在最理想的狀態下,G可以生成足以“以假亂真”的圖片G(z)。對於D來說,它難以判定G生成的圖片究竟是不是真實的,因此D(G(z)) = 0.5。
4)這樣目的就達成了:得到了一個生成式的模型G,它可以用來生成圖片。
在訓練過程中,生成網路G的目標就是儘量生成真實的圖片去欺騙判別網路D。而判別網路D的目標就是儘量把G生成的圖片和真實的圖片分別開來。這樣,G和D構成了一個動態的“博弈過程”。
上圖中x表示真實圖片,判別網路D是使用真實資料訓練出來的;z表示輸入G網路的噪聲,G(z)表示G網路生成的圖片;
D(x)表示D網路判斷圖片是否真實的概率,因為x就是真實的,所以對於D來說,這個值越接近1越好。
因此,可以簡單地認為GAN是從大量輸入資料中“學習”的演算法,並且在長時間訓練之後使用該知識產生新結果,這是其最有價值的地方。
但不能因為它們會“學習”就認為GAN是自主的,最終產品需要長時間仔細選擇輸入資料,調整數學引數,然後篩選結果才能找到所需要的最佳結果。
人與AI的區別?
在創作上述作品的過程中,演算法的最後一次迭代生成了數百張影象,演算法背後的三人藝術小組Obvious從中選擇了最有趣的11張。
所以從這一點來說,演算法依然是工具:它生成了很多產品,但最終還是由人類去選擇哪個最好。
這也是人類與人工智慧的根本區別之一:有自己的“想法”。
就現階段來說,人工智慧無論擴充套件到多大範圍的應用,都可以認為是在從事有規則的活動;而人類呢?
人類的行動模式當然也會遵循一定的規則,但人類還有“神經病”的一面。
例如Alphago和柯潔下圍棋的時候,Alphago只能正正經經地按照“贏”的最大概率去下;而柯潔腦中除了圍棋,可能還會想“我要一邊下圍棋一邊吃冰激凌”,或許還會琢磨一下為什麼在這麼嚴肅的場景裡“吃冰激凌”會出現在我的腦海中。
所以筆者一直支援《三體》中提到人類的大腦是量子性的觀點,也只有“薛定諤的貓”這種不確定性才能解釋人類的“神經病”。
也因此,個人認為判定人工智慧最終成熟的一個標準應該是出現這種“不確定性”;到那時候,估計也就沒有人類什麼事了。
但至少目前,“GAN演算法可以看作是非常非常複雜的具有大量數學引數的畫筆,你可以使用這種畫筆來達到一種很難實現的效果,給我們帶來一定的靈感。”
參考資料:
ofollow,noindex" target="_blank">https://blog.csdn.net/qq_36747842/article/details/80880525