創造藝術的人工智慧，也能創造藝術家

編譯 | Rik R 藤子 ，來源 | 紐約時報

上世紀 90 年代中期，Douglas Eck 還是阿爾布開克（美國新墨西哥州中部城市）能源部下屬實驗室的資料庫程序員，另一個身份則是音樂人。在敲完一天的代碼後，他會去當地一間酒吧演出，演奏他口中的「朋克味藍草音樂（punk-influenced bluegrass，藍草音樂是美國南部的快節奏民間音樂，是鄉村音樂的一個分支）。

Eck 調侃這是 Johnny Rotten（朋克樂團性手槍成員）遇見 Johnny Cash（美國鄉村音樂創作歌手）。但是，他真正想做的是，製造出能夠自動製作歌曲的機器，以無縫連接他白天和黑夜的兩種身份。「我唯一的人生目標就是融合人工智慧與音樂。」他說。

然而，這個願望很天真。

後來在布魯明頓的印第安那大學讀研究生時，Eck 把這個想法告訴了認知科學家 Douglas Hofstadter，後者在心智與機器方面的著作《GEB》（G?del, Escher, Bach: An Eternal Golden Braid，哥德爾、埃舍爾、巴赫:集異璧之大成）曾獲普利策獎。Hofstadter 拒絕了他，並堅決地認為，即使是最新的人工智慧技術也只是處於原始階段。

然而，在接下來的二十年中，Eck 努力實現這個想法，從事學術界的邊緣研究，最終，人工智慧技術的發展趕上了他的野心。

去年春天，在谷歌做了幾年的研究工作之後，Eck 又一次提出曾被 Hofstadter 拒絕的想法。這次，一個由谷歌研究人員研發的，名為 Project Magenta 的項目誕生了，他們致力於教會機器創造音樂以及其它形式的藝術，比如素描、視頻和笑話。

在谷歌人工智慧研究總部的一棟二層小樓內，Eck 在最近的一次採訪中，把這個項目形容成「為人們創造新的交流方式」。

Project Magenta 是致力於使用人工智慧技術生成藝術作品的眾多舉措之一，而人工智慧技術直到最近才發展成熟。這些複雜的數學系統被稱為深度神經網路，它通過分析大量的數據來教機器學習特定的行為。例如，通過在數百萬張自行車照片中尋找出普遍模式，一個神經網路可以學會識別自行車。這種方法被 Facebook 用來識別在線照片中的人臉，被安卓手機用來識別通話中的命令，被微軟的 Skype 用來進行翻譯。

但是，這些複雜系統還可以創造藝術。例如，通過分析一系列的歌曲，它們可以去學習建立類似的聲音。

正如 Eck 所說，這些系統至少在接近那個最終目標，儘管這個目標需要很多年才能實現，即一台機器可以立刻創造一首或無數首披頭士樂隊的新歌，每一首聽起來都像是原唱，但又稍有不同。

這是 DeepDream 的一個作品，它使用神經網路從現有的攝影作品中生成媒體影像

在上世紀 90 年代新墨西哥州的那間酒吧里，Eck 的音樂結合了鄉村與朋克。現在，他通過編寫軟體來做同樣的事。利用神經網路，他與團隊正在嘗試混合不同樂器的聲音——比如巴松管和擊弦古鋼琴——試圖創作出擁有全新聲音的樂器。

神經網路可以通過分析數百張喵咪照片來學習識別貓咪，同樣，它也可以通過分析巴松管數以百計的單音來學習其發音特點。神經網路會創建一個數學表達式或向量來識別巴松管。Eck 和他的團隊已將數百個樂器的單音輸入到一個神經網路中，為每個單音建立一個向量。現在，只要在屏幕上移動一下按鈕，它們就可以組合這些向量來創建新的樂器。比如 47% 的巴松管和 53% 的擊弦古鋼琴，或者其他的比例等等。

幾個世紀以來，管弦樂指揮家的做法是將各種樂器的聲音層層疊加起來。但這次不是聲音的疊加，Eck 和他的團隊正在將這些聲音組合成一種此前並不存在的聲音，為藝術家創造新的工作方式。

「我們正在研究下一代電影攝像機，」Eck 說，「我們也正在研究下一代電吉他。」它就是 NSynth，這個特別項目才剛剛起步。但在藝術和技術的交叉世界，許多人已經對使用神經網路等人工智慧技術來建立新的藝術作品躍躍欲試。

「這項工作在過去幾年發生了巨大的變化。」洛杉磯的攝影師兼藝術家 Adam Ferris 說，「這是一種全新的美學」。

2015 年，谷歌內部的一個獨立研究團隊創造了 DeepDream，這款工具使用神經網路從現有攝影作品中生成縈繞而迷幻的媒體影像，在谷歌內外催生了新的藝術實踐。比如在分析一隻狗的照片時，DeepDream 發現了一些看起來像眼球的皮毛，那麼它就會著重刻畫那部分皮毛，然後重複這一過程，於是創作出一隻被旋轉眼球包圍的狗。

與此同時，一批藝術家，比如著名的多媒體表演藝術家 Trevor Paglen 或鮮為人知的 Adam Ferris，他們正在嘗試用其它方法探索神經網路。

一月，Paglen 在三藩市一個海上舊倉庫內進行了一場表演，利用能夠跟蹤人眼和身體運動路徑的神經網路，探索計算機視覺的倫理。當克羅諾斯四重奏先鋒樂團（Kronos Quartet）成員在舞台上演奏時，神經網路對其表情進行了實時分析，試圖猜測出他們的情緒。

工具是新的，但其思想內核早已有之。紐約大學的教授 Allison Parrish 曾推出一款能夠生成詩歌的軟體，他指出，藝術家早在上世紀 50 年代起，便開始使用計算機生成藝術作品。她認為，這些新的計算技術為藝術家創造了更大的調色板。

一年前，高盛東京的交易員 David Ha 在午休期間擺弄神經網路，並將結果發表在博客上。除此之外，他還創建了一個能夠自動書寫日本漢字的神經網路，書寫這種語標漢字並不像繪畫那樣隨意。

很快，Eck 和谷歌的其他研究人員發現了這個博客，如今，Ha 成為了谷歌 Magenta 項目的研究員。在一個名為 SketchRNN 的項目中，他正在創建能夠繪畫的神經網路。通過分析成千上萬張普通人製作的數字草圖，這些神經網路可以學習製作圖像，比如豬、卡車、船或瑜伽姿勢等。它們並不模仿人類的繪畫作品，而是學習獨立繪製，從而在數學意義上識別出畫豬的特點。

比如，你可以讓它們畫一隻頭是貓的豬、少了一條腿的馬、看起來像一隻狗的卡車，或是從幾條隨機波浪線中構建出一隻船。儘管與 NSynth 或 DeepDream 相比，這看起來不太像是藝術家用來創作新作品的工具。但當你使用這些工具，你就會意識到它們本身就是藝術，是 Ha 建造的生活作品。

人工智慧不僅能創造新的藝術形式，也能創造出新的藝術家。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！