演算法革命：數據與演算將會創造出下一個畢加索嗎？

計算機正在通過演算法告訴我們應該聽什麼音樂，和誰約會，購買什麼股票，吃什麼……逐漸在人們的現代數字生活中佔領主導地位。因此，如果說它也應該告訴我們應該看什麼藝術，這顯得毫不奇怪。演算法正在進入藝術的領域，從藝術品拍賣上的演算法銷售，到由演算法引導的機器創作，被認為是人類想像力和創造力專屬的藝術領域，也將成為這場機器變革的下一個風暴眼。

改變藝術創作的演算法

當今藝術世界數字化的趨勢越來越明顯。但是當我們看到的藝術變成了演算法本身時，又會發生什麼呢?一場被稱為「演算法藝術」的運動正在發生，由機器自動生成的藝術作品成為一種新興趨勢。這種無需人工干預的生成藝術正在改變被認為是人類最具創造力和想像力的領域。

我們的美學正不斷地被計算提升。比如當你選擇使用智能手機上的美顏拍攝APP攝製的每一張照片，都是經過數字優化後的結果。但你很難想像有一種媒介，其中的創造性的實踐都是經過計算自行創作。

▲ 由美國羅格斯大學計算機科學實驗室、Facebook的人工智慧研究部和查爾斯頓學院藝術史繫於2017年聯合發表的論文

由美國羅格斯大學計算機科學實驗室、Facebook的人工智慧研究部和查爾斯頓學院藝術史繫於2017年聯合發表的一篇論文中，他們提出了一種全新的深度學習模型——創意對抗網路(Creative Adversarial Networks，CANs)，在生成對抗網路(GAN)的基礎上，對損失函數稍作修改，提出了創意生成網路(CAN)，通過學習風格和偏離風格規範來生成「藝術作品」，生成「具有創意」的畫作。

▲ 如果沒有「風格模糊」，系統只會生成像傳統藝術而非創新的圖像，同時，這些圖像具有可識別的體裁，如肖像、風景等，圖片來源：Medium

這項誕生於羅格斯大學藝術和人工智慧實驗室中的新技術，通過觀察藝術並學習風格來生成藝術作品，並通過偏離學習創作出並不存在於世的藝術品，但它們看起來就像那些已經存在的藝術。他們演示了通過這種新的計算機演算法，可以如何模仿梵高、畢加索和愛德華·蒙克等畫家的繪畫風格。並且結果表明，人類測試者無法將系統生成的藝術作品與當代藝術家所繪製的真實藝術品區分開。

▲ 在通過對從15世紀到20世紀的繪畫進行訓練後，系統生成的圖像範例，圖片來源：Medium

該系統包括兩個神經網路，一同引導學習過程。其中一個是傳統的機器視覺演算法，能夠學習識別特定類型的圖像。科學家們對西方從15世紀到20世紀末繪畫的數字化圖像進行了建模，該模型包含1000多名藝術家的8萬多幅畫作，涵蓋1萬3千多幅印象派繪畫、2000幅立體派油畫和1000多幅早期文藝復興時期的作品等，而計算機將學會識別每一種樣式。

▲ 由人類觀眾選出的排名靠前的CAN生成圖像，圖片來源：Medium

下一個階段計算機將通過另一個網路生成隨機圖像，並將它們展示給受過訓練的第一個網路。第一個網路能夠判斷識別這是否屬於某一種特定的藝術風格，選擇接受或者拒絕。通過產生大量的圖像，第二個網路在不斷試錯中識別出藝術，經過多次迭代後，學會生成匹配特定樣式的圖像。

▲ 實驗選取的25幅2016年巴塞爾藝術展展出的圖片中的21幅

在實驗中，科學家選取觀眾對四組數據進行識別：由1945年至2007年間創建的圖像組成數據集「抽象表現主義(Abstract Expressionist)」、2016年巴塞爾藝術展上展出的那些圖片組成的「巴塞爾2016藝術展(Art Basel 2016)」、由生成對抗網路(GAN)生成的圖像集合「DC-GAN」、以及由創意對抗網路生成的圖像集合「CAN」。

▲ 論文作者邀請人類參與者觀看 GAN、DC-GAN、CAN 生成的圖像和人類畫家的作品，然後評估圖像的創新程度、複雜程度、讓人意外的程度，以及是人類畫家創作的，還是計算機生成的等問題

從第二欄 Novelty 得分可以發現，參與實驗的人類志願者認為，CAN 生成的圖像較之藝術家作品在創意上相差不大，甚至超過了抽象派藝術家。同時，參與實驗的人還認為，CAN 比 GAN 更加「創新」，數據統計結果分別是 75%和65%。

用演算法連接藝術市場

同時，演算法也在改變藝術市場。就在今年年初，蘇富比拍賣行宣布收購了紐約一家專門從事圖像識別和演算法推薦的人工智慧初創公司「線天才(Thread Genius)」。該公司可以利用圖像識別技術，快速鑒別物品，通過一系列演算法向使用者推薦相似物品的圖片，從而向用戶展示基於個人喜好的藝術品。也就是說，這家世界最頂尖的拍賣行之一將很快運用上最熱門的機器學習能力，精準地匹配客戶的口味提供更多自助選擇。

▲ 線天才發布在Vimeo上的App視頻截圖，圖片來源：Vimeo

這次的收購承接了蘇富比2016年的「梅摩藝術品指數」(The Mei Moses Art Indices，現已更名為「蘇富比梅摩指數，Sotheby』s Mei Moses」)收購。這是一個由時任美國紐約大學金融學副教授的梅建平和他的同事——運營管理學教授邁克爾·摩西共同創立的資料庫，涵蓋摩西收集的300年來世界著名拍賣行的八個收藏類別，近5萬件藝術品拍賣數據。這個龐大的資料庫為此次的技術收購奠定了基礎，據一份聲明稱，這兩項收購使得蘇富比「能夠更加靈活地連接買家和賣家，為不同預算的收藏家增加購藏機會」。

▲ 線天才的聯合創始人Andrew Shum(左)、Ahmad Qamar(右), 和也是新近加入蘇富比的數據科學家Richard Vibert(中)，圖片來源：蘇富比

儘管藝術界在別的行業都積極擁抱線上銷售時一直處於落後地位，但蘇富比卻在試圖採取措施改變這種狀況。在過去的三年，它聘請了幾位財務主管來支持銷售和品牌推廣，而通過這次收購，它開始加強數據專家的隊伍。「長久以來，促成交易的成功要素取決於根據客戶在不同價位的喜好取向，為他們配對合適產品，蘇富比正擁有這三大要素(藝術品、個人偏好、價格)的數據。通過運用創新技術，蘇富比更能深入洞察並更快配對這三項要素，不但為員工提供更完善的工具，更為客戶帶來更優質的體驗，為委託人締造更卓越的成績。」蘇富比行政總裁施泰德(Tad Smith)對此表示。

作為藝術的演算法該如何被收藏

隨著演算法藝術的興起，更重要的問題被提出：演算法是藝術嗎?這種藝術銷售的知識產權應該是怎樣的?當一個人購買一個演算法時，實際得到的是什麼?誰會買一個演算法呢?

早在2013年，隸屬於美國史密斯協會的庫珀·休伊特國立設計博物館就曾和美國藝術品線上交易平台 Artsy 組織過一場演算法拍賣。這是世界上第一場演算法拍賣，其目的是強調計算機代碼美學，並吸引更多不同的人來參與編程。

▲ 哈爾·阿貝爾森，《烏龜幾何》，1969，圖片來源：Artsy

拍賣品包括一系列重要的歷史代碼。包括七種不同的演算法或片段。從象徵著學科歷史上某些重要時刻的「檔案演算法」到「生成演算法」，就像今天的藝術一樣，開發者和他們的程序在藝術市場的背景下被重構。

▲ 傑拉爾德·蘇斯曼，《Scheme》, 1978-1981，圖片來源：Artsy

檔案演算法部分包括哈爾·阿貝爾森創造的新語言「Logo」，奧巴馬曾用其來寫他2012年第一行代碼;以及麻省理工學院由傑拉爾德·蘇斯曼發明的一個主要的程序設計語言「Scheme」;還有由布萊恩·柯林漢手寫在紙上的「Hello, world」，這通常被認為是「程序員旅程的第一步」……

▲ 布萊恩·柯林漢，《Hello, world》，1978，圖片來源：Artsy

此次拍賣的嘉賓包括鄧文迪和高古軒，勝出的競標者最後獲得兩個大約有百吉餅大小的黑色3d列印砂岩板，上面刻著巴比倫阿卡迪亞的楔形文字，描述他購買的演算法。而拍賣所有的收益都將歸庫珀·休伊特國立設計博物館所有，該博物館從2013年開始收藏代碼作為其永久藏品。

庫珀·休伊特國立設計博物館的前數字及新媒體總監塞巴斯蒂安·陳(Sebastian Chan)曾表示，博物館是在「試圖收集這個想法和方法，(在2011年收集的行星演算法)是該方法的一個實例，而不僅僅是一個應用程序。」

▲ 《行星演算法》，2011-2012，圖片來源：庫珀·休伊特國立設計博物館

收集和保存想法的概念在藝術界並不罕見，從機構角度收集代碼或演算法被比作收集概念性的藝術或者表演作品。然而，Artsy工程師丹尼爾·杜布羅肯尼(Daniel Doubrovkine)表示，當代博物館和機構只是單純展示基於代碼的作品，而他認為「我們需要把代碼放在社會環境中。」例如早期的程序員大多是女性，圍繞女性程序員和她們的編程藝術需要一個背後的社會背景。

演算法藝術背後的社會背景是如何收集、銷售和保存演算法的核心。陳指出，「你不能將藝術與它的歷史背景分開。藝術是在社會中產生的，它發生在社會中。」此外，他還聲稱，因為「代碼和軟體是我們文化創造的重要組成部分」，因此，建立長期可持續性演算法藝術的新標準必須成為例如庫珀·休伊特國立設計博物館這樣機構的責任。(撰文/陳璐)

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！