當AI遇見藝術，又會碰擦出什麼樣的火花？

小明評測智能家居網訊：20世紀90年代中期，道格拉斯·埃克曾在Albuquerque擔任資料庫程序員，同時也兼職做做音樂。在能源部旗下的實驗室忙完一天的編程工作後，他會在本地的小酒吧唱上一曲他自稱的「受朋克影響的藍草音樂」。但是，他真正想做的事情是將他白天和晚上的工作結合起來，創建一個可以製作他們自己歌曲的機器。「我這一生唯一的目標就是將AI和音樂結合在一起，」埃克說。

這是個看似天真的野望。埃克從小在離布盧明頓不遠的小鎮長大，後來又在布盧明頓的印第安納大學攻讀碩士學位。在這期間，他向道格拉斯·霍夫斯塔特訴說了自己的想法。霍夫斯塔特是一位認知科學家，他曾寫過一本關於思維和機器的書，獲得過普利策獎。但是，霍夫斯塔特給埃克潑了一盆冷水，堅持認為，即便是時下最新的人工智慧技術依然處於發展的早期。但是，在接下來的20年里，混跡於學術界的邊緣，埃克始終未曾放棄過這個念頭。最終，AI的發展趕上了他的野心。

去年春天，在谷歌進行了幾年的研究工作後，埃克又提出了與多年前向霍夫斯塔特提出的類似想法。這一次，他的想法促使了Project Magenta的成立——這是一個由專門研究如何教導機器創造他們自己的音樂，以及其他各種藝術形式（包括素描、視頻和笑話）的谷歌研究人員組成的團隊。憑藉智能手機、應用和互聯網服務構築的帝國，谷歌已然涉足通訊業務，並且埃克認為Magenta是谷歌通訊業務的一個自然延伸。

「我們的工作本質上是在為人類創造新的溝通方式，」埃克在採訪中說道。

越來越多的研究旨在利用最近剛剛成熟的一系列AI技術來生成藝術，而埃克的項目只是其中的一部分。這些被稱為深度神經網路的複雜數學系統可以讓機器用過分析大量數據來學習具體的行為。比如，通過識別數百萬張自行車照片中的常見模式，神經網路可以認出自行車。這也是Facebook識別在線照片中人臉的原理，是Android手機識別語音指令的原理，也是微軟Skype進行語言翻譯的原理。但是這些複雜系統同樣也可以創造藝術。比方說，通過分析一組歌曲，他們就可以製作相似的聲音。

正如埃克所言，這些系統至少正在向這一目標前進——雖然還很遙遠——但總有一天，機器可以立即創作出一首新的甲殼蟲樂隊歌曲或者無數甲殼蟲樂隊的歌曲，每一首聽上去都和原聲帶相似，卻有帶著點不同的味道。但這種景象——與其說創造藝術不如說是破壞藝術——並不是埃克所追求的目標。除了單純的模仿之外，還有許多其他途徑值得探索。埃克的最終願景，不是取代藝術家，而是希望為藝術家提供全新的創作工具。

在20世紀90年代，在新墨西哥州的小酒吧里，埃克曾將Johnny Rotten和Johnny Cash的歌曲組合在一起。現在，他正在開發軟體來做這相同的事情。通過使用神經網路，他和他的團隊正將來自不同樂器的聲音混雜在一起——比如巴松管和擊弦鍵琴——能夠發出從未有人聽過的聲音，從而創造出新的樂曲。

就像神經網路可以通過分析成百上千的貓咪照片來學會識別貓咪一樣，神經網路也可以通過分析無數音調來識別巴松管的音樂特徵。它可以創建一個標誌巴松管的數學表達式或者向量。因此，埃克和他的團隊已經將各種樂器的音調輸入到神經網路系統以供其學習，為每一種樂器創建向量標識。現在，只需在屏幕上移動按鈕，他們就可以組合這些向量來創造新的樂器。這種新創造的樂器可能47%來自巴松管，而另外的53%來自擊弦鍵琴。改變這些百分比，就又是另一種新樂器了。

幾個世紀來，管弦樂團指揮將各種樂器的聲音層疊在一起創造出恢弘的氣勢。但是這種新樂器則是另一回事。埃克和他的團隊並不是將聲音層疊起來，而是將聲音組合起來，從而創造出從未存在的獨特聲音，為音樂家帶來新的工作方式。「我們正在開發新一代電影攝像機，」埃克說，「我們也在開發新一代電音吉他。」

這個特殊項目被稱為NSynth。雖然NSynth剛剛起步，但是在全球的藝術和技術領域，很多人已經開始關注用神經網路和其他AI技術開發新的藝術形式。「這種研究在過去幾年裡如雨後春筍般湧現，」洛杉磯攝影師兼藝術家亞當·弗里斯說，「這是一種全新的審美。」

在2015年，谷歌內部的另一組研究人員開發了一種新的工具——DeepDream，利用神經網路基於現有的攝影照片創作出令人難以置信的幻覺影響圖像。這一工具在谷歌內部和外界激發了新的藝術形式。如果該工具分析一張狗狗的照片，然後發現這隻狗的部分毛髮看上去跟眼球有點相似，那麼該工具就會增強這部分毛髮，並且不斷重複這個步驟，結果就是一隻滿身覆蓋旋渦般眼珠的狗狗。

與此同時，一些藝術家——如知名的多媒體表演藝術家特雷弗·帕格倫，或是名聲稍弱的亞當·弗里斯——正在以其他方式探索神經網路。今天1月份，帕格倫在舊金山的一個舊海事倉庫中呈現了一場表演，通過可以跟蹤我們行動方式的神經網路來探索計算機視覺的倫理。比如，當前衛派克洛諾斯四重奏的成員在舞台上表演時，神經網路可以實時分析他們的表情，猜測他們的情緒。

工具雖然是新的，但其背後的態度一如既往。紐約大學教授艾莉森·帕里什是詩歌創作軟體的開發者，她指出藝術家自上世紀50年代開始就已經開始藉助計算機來進行創作。「就像傑克遜·波洛克發現新的繪畫方式——打開油漆罐並將其噴洒到他身下的畫布上一樣，」她說，「這些新的計算技術為藝術家創造了一個更廣泛的調色板。」

一年前，David Ha仍是高盛集團（東京）的交易員。在午餐時間，他開始擺弄神經網路，然後將這些結果發布到化名博客上。除此之外，他還創建了一個神經網路，可以學習書寫其自己的日本漢字，這些中文字元更像是畫出來而不是寫出來的。

很快，埃克和其他的谷歌研究員發現了這個博客。現在Ha已經是Maganta的一名研究人員。通過一個名為SketchRNN的項目，他正在構建可以進行繪畫的神經網路。通過分析成千上萬個由普通人創作的數字素描，這些神經網路可以學習繪畫豬、卡車、船或瑜伽姿勢等。它們並不是在複製人類的作品。它們可以自己進行創作，以數學方式識別畫出來的豬的樣子。

然後，你可以要求這些神經網路，比方說，畫一隻長者貓咪腦袋的豬，或者在視覺上去掉一條馬腿，或畫一輛看上去向狗的卡車，或者在隨機的波浪線上畫一艘船。與NSynth或DeepDream相比，這些看上去可能不太像是藝術家會用來創作新作品的工具。但是如果你有機會跟這些神經網路交互，你會發現它們本身就是藝術，是Ha開發的活生生的藝術作品。AI不只創造新的藝術形式，AI也創造新的藝術家。

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！