會寫歌就夠了？人工智慧進軍抽象雕刻領域

計算機能做出真正的藝術品嗎？多年來，我們一直試圖通過人工智慧中的計算機創作代替人類創造，而對這一問題的反覆思考也使這一領域蓬勃發展。

不久以前，谷歌發布了一項新的研究成果，它們試圖通過創建演算法來製作原創音樂。這聽起來相當不可思議卻又創意滿滿。那人工智慧又要如何設計和製作出小巧玲瓏，可以放在手掌中觀賞的3D列印作品呢？這是計算機科學家，哥本哈根大學助理教授喬爾·雷曼（Joel Lehman）目前為止面臨的最為棘手的技術挑戰。

一直以來，雷曼一直試圖在不添加任何人工成分的情況下，僅利用深度神經網路的非同一般的圖像識別能力創造新的工業藝術品。而他認為這一技術的關鍵就在於如何在深度神經網路的基礎上，將其同一款模擬自然進化機制,如選擇、複製和突變等過程的進化演算法結合起來。

他和他的一位同事同懷俄明大學的進化人工智慧實驗室（Evolving Artificial Intelligence Lab）一起設計了一個可以進行計算機雕刻的智能系統。

他們將其稱之為創意對象生成。接下來我們詳細了解一下它的工作過程：首先進化演算法先根據3D模型隨機生成一個設計圖。這時你看到的始終是一個畸形的粘土團。然後，演算法將這個粘土團的快照傳遞給深度神經網路（因為深度神經網路只能識別2D圖像），接著簡單詢問它：「你認為這是什麼呢？」。

之後，深度神經網路將會對比這一快照和其龐大的資料庫中的圖像。最後，它將會對與目標物作出判斷，找出其相似物，並反饋給演算法。最初，這一過程相當艱難。可以這樣說，反饋的結果都是：「它看起來與水母有0.001%的相似度。」通常情況下，在這個時候大多數人都會選擇放棄；但我們的進化演算法卻選擇迎難而上。

接著進化演算法將會對最初的設計圖稍作一點改動，再將其傳遞給深度神經網路，並詢問「現在怎麼樣呢？」如果深度神經網路認為現在的這個粘土團看起來更丑了，新對象將會被丟棄，而其他的變異則由原來的設計圖轉換生成。

如果反饋表明現在的圖像與水母有0.002%的相似度，則說明新版本成了進一步變異的基礎。進化演算法和深度神經網路就像最具耐心的大師和學生一樣，交替傳遞數萬次的信息，緩慢而又穩當地塑造出一個可識別的對象。

雖然雷曼認可了進化演算法同人類學習過程有某些相似之處，但他依舊認為更恰當的參照物應該自然進化的過程。這也是最初開啟這一項目的誘因。雷曼談到：「在沒有意志四維指導的情況下，『進化』能夠創造出這樣巨大而又複雜的事物。這一創造力對我來說是非常迷人的。但事情依舊超出了我們的能力範圍。」

這一進化發現的途徑從簡單的組成逐漸演化成一個雷曼希望模擬生成的更為複雜的過程。這也就是深度神經網路為什麼能給演算法如此基本的反饋的原因。當然，這一途徑並不能告訴我們演算法做得正確與否，它只能告訴我們哪裡有一些不同之處。雷曼稱：「這就像進化一樣。不管你活著或是死了，進化都都不會告訴你該怎樣修改你的基因讓你成為更完美的生命體。」

這一改善後的過程該團隊大概運行了兩個星期。之後通過250萬次的交互傳遞，深度神經網路認定演算法的作品擁有了95％的精確度。平心而論，從人的角度做判斷的話可能比率會更低一些。這一對象最初的外觀也預示了在識別3D圖像上的無所作為。在某種意義上，也可以說是演算法發現了它在識別頗具抽象感的作品上的薄弱性。

雷曼將設計圖定稿傳送給3D印表機。結果相當驚人，一些小的雕塑在演算法鬼斧神工的創作下應運而生。而雷曼對它們的評價是「還有一點漂亮」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！