IT工程師數位筆記本

各位geek朋友們，今年不用再看畫了：近年來最大的藝術成就已經發生了。

這項藝術成就的誕生地，不是北京、新加坡、柏林郊區顏料四濺的畫室中，不是威尼斯雙年展上。請記住它出現的地點：美國新澤西州新布朗斯維克（New Brunswick），就在Turnpike高速公路9號出口附近。

新布朗斯維克是美國羅格斯大學（Rutgers）的主校區所在地，這所學校的藝術與人工智能實驗室（AAIL）就在這里。與其說這個實驗室像一個藝術孵化器，不如說更像一個潦草的初創公司，里面全是小格子間、灰地毯、白板上亂糟糟地寫滿了那些跟技術有關的東西。。

然而就在這里，就在今年情人節那天，艾哈邁德（Ahmed Elgammal）教授讓電腦運行了一個新的藝術生成算法，接著眼睜睜的看著這個AI創造出一系列讓他震驚的畫作。

兩周之后，艾哈邁德搞了一次特殊的圖靈測試：把這些電腦生成的畫作，和幾十幅博物館藏級的油畫混合在一起，看看人類是否能分辨出來。

測試結果看文章標題想必你也知道了。

在這個隨機對照的雙盲研究中，受試者無法區分出哪些是電腦的畫作，哪些是人類藝術家的畫作（參與測試的數據集，一組選自抽象表現主義作品，另一組選自2016香港巴塞爾藝術展）。事實上，電腦的畫作常常被認為“更新穎”、“更具審美吸引力”。

隨后同行評議的論文更是催生出一個讓藝術界不安的傳言：人工智能已經學會像畢加索那樣作畫。

時間回到2012年，那年羅格斯大學計算機科學系建立了AAIL。這個實驗室的任務很簡單：專注于在藝術領域研發人工智能和計算機視覺算法。其后幾年，AAIL實驗室推出的幾種創新算法，激發了策展人、歷史學家、收藏家、拍賣行的興趣。

比方其中一種算法可以從創造力和影響力等方面，衡量一幅藝術作品的價值；另一種算法能分析畫作，并根據藝術家、時期、類型等屬性進行分類；還有一個鑒別贗品的算法，能夠識別藝術家筆觸中微妙的變化。

接下來就是水到渠成的事了：一個創造新作品的算法。

艾哈邁德用超過8萬幅15-20世紀的西方繪畫，對算法進行訓練。基于這個龐大的數據集，他著手構建了一個稱為生成對抗網絡（GAN）的人工智能。GAN已經能很好的生成鞋子和包包，但是在生成原創視覺藝術方面還不夠好。

所以，他創造了一個創意對抗網絡（Creative Adversarial Networks，簡稱CANs）。

GAN和CAN有何不同？GAN的主要任務是模仿，而CAN需要創新。艾哈邁德在論文中指出，“CAN生成的畫作不同于傳統的藝術標準流派”。

這些畫作沒什么可識別的特征，許多看起來非常抽象。這到底是AI無法模仿藝術作品的布局，還是嘗試突破？這一切全是創新么？

幾個月之后，再次面對上述問題時，艾哈邁德不再猶疑。“機器發展出了一種美感”，他說AI已經學會了如何作畫。

與大多數技術突破類似，羅格斯大學的藝術算法背后，也是數千小時繁瑣的實驗室研究。在取得關鍵進展之前的三周時間里，艾哈邁德和兩個助手對算法進行了大量的調整，試圖讓二進制代碼的創作成果看起來更像人類的手筆。

面對這些挑戰，這位45歲的AAIL主任一度感到沮喪，開始階段這些畫作既不好也不壞，它們站在了創意鐘形曲線可怕的中點上。

為了解決這個問題，團隊在算法中引入了更多“風格模糊”和“風格規范偏差”。這是一個微妙的平衡。與既有繪畫風格距離太遠，會讓觀眾感到奇怪。而如果太近，電腦的畫作又難免會讓人感覺有模仿的痕跡。

再進行更多的風格調整之后，算法再次運行。

令人驚訝的是，可怕的事情沒有再次發生，AAIL團隊搞定了這個算法。“構圖和顏色都非常好”，艾哈邁德說團隊成員都驚呼起來：“這幅畫放在博物館，肯定招人喜歡”。

但為什么這個算法產生的是抽象畫，而不是肖像或者靜物？

這被歸因于創意對抗網絡的進化。“我們喂給機器的藝術史，是從文藝復興到現代，所以算法的學習進步也是沿著抽象美學這條線發展”，艾哈邁德說：“這很有趣，抽象是藝術史上的自然進步，而算法成功的捕捉到了這一點”。

換句話說，這個算法的所作所為，和許多人類藝術家一模一樣。簡單來說，藝術創作有點像嗑藥，藝術品的視覺刺激必須有足夠的“喚醒潛能”，來觸發心理上的“快樂反應”。

計算機藝術是新興學術領域的基石，它的歷史可以追溯到20世紀60年代早期Desmond Paul Henry的“繪圖機器”，被稱為“數字人文”。

這些精巧的設計基于二戰期間飛行員用于運送彈藥的精準計算機完成，產生的圖像都是由曲線組成，抽象且復雜。

20世紀60年代的計算機藝術運動催生了更多機器創作的圖片，比如從Alfons Schilling的低技術含量的“自旋藝術”到新澤西州貝爾實驗室中的早期數字設計和動畫制作。

1966年，工程師Billy Kluver和Fred Waldhauer聯手藝術家Robert Rauschenberg和Robert Whitman創立了貝爾實驗室(Art and Technology,E.A.T.)，這是一個開創性項目，所有計算機生成的藝術都以它為基礎。

計算機創作過程極其艱辛，畫面和數據必須通過老式鍵控打孔機呈現。這些穿孔卡片接連被放進一個房間大小的電腦里。由此產生的靜態圖像必須手動轉換成可視的輸出介質，比如鋼筆、縮微膠片繪圖機、行式打印機等。

隨著新計算機技術的出現，機器創作藝術也在更新：點陣打印機藝術(20世界70年代)，視頻游戲藝術(21世紀)，3D打印藝術(2010年左右)層出不求。

和各種各樣的計算機藝術相比，艾哈邁德的CAN有它的獨特之處：它的實時創作過程完全由AI完成，人類不能參與其中。

這是人類首次被排除在藝術創作流程之外。

和谷歌Google 2015年鋪天蓋地宣傳的AI藝術項目DeepDream不同，在羅格斯大學AAIL的這個機器里，人工干預完全無效。只要打開電腦，艾哈邁德的算法就能自動創作。

相比之下，DeepDream需要人類的參與，它會在一張圖片上加入各種紋理，或者叫風格。這意味著DeepDream的作品實際上是由人類選擇的輸入圖像決定的。

自動的藝術算法似乎能改變一切。曾有調查讓人類對畫作的意圖、涵義、視覺結構等因素進行打分。結果表明，計算機的創作評分都高于人類藝術家。艾哈邁德教授說：“分數說明這些畫是藝術，而且很吸引人。”

這些數字遠遠超過了統計學上的意義。在2016年香港巴塞爾藝術展上，59%的作者無法猜測哪些是由機器創作的。在另一份調查中，75%的受訪者認為由算法制作的畫作實際上是由人類生成的。

這些電腦生成的畫作能與Leonardo Drew、Andy Warhol、Heimo Zobernig和Ma Kelu等藝術家的作品相媲美。大多數作品出現在AAIL實驗中的藝術家都拒絕評論艾哈邁德的研究，除了一個人：Panos Tsagaris。

艾哈邁德說，他的算法的學習曲線完全符合人類藝術家創作成熟的過程。

“在畫家職業生涯的開始，像畢加索和塞尚這樣的藝術家都從模仿接觸過畫家的風格起步，不管是有意識的還是無意識的。”他補充說，“之后到達某種程度時，他們才走出模仿階段，探索新事物和新風格。他們從傳統肖像畫到立體派和野獸派，這正是我們試圖實現的機器學習算法。”

畢加索《哭泣的女人》，立體派

Henri Matisse《馬蒂斯夫人的畫像》，野獸派

就像一個真正的新興藝術家一樣，這個算法會首次辦它的“個機展”。《非人類:人工智能時代的藝術》展覽將于今年10月在洛杉磯舉辦，將會有12幅在羅格斯大學研究中使用人工智能的畫作。

首秀之后，艾哈邁德的算法還有更大的發展空間。這是因為羅格斯實驗室的編程人員沒有用全部“對照變量”提高算法產生的圖像的“喚醒潛能”。在一定程度上喚醒潛能越高，人工智能對人類的影響就越大，人類越有可能購買它。

盡管人工智能創作之路從來不缺反對者，但這件事應該讓畫家和代表他們的經銷商緊張，艾哈邁德稱代碼生成的圖像隨著時間的推移會變得更好。

他自信地說:“深入挖掘藝術有助通過編寫代碼推動算法探索新的藝術元素，我們將不斷完善這些公式，提升新奇、驚喜、困惑、復雜性等美感體驗。”

計算機生成圖像的商業化探索能追溯到幾十年前。

1964年，貝爾實驗室的工程師、早期計算機先驅A.Michael Noll進行了一項畫圖測試。他用一臺IBM電腦和一個微縮膠片繪圖儀，生成了一個模仿蒙德里安風格的算法。只有28%的受試者能正確識別哪些為計算機所作。令人震驚的是，59%的受試者更喜歡生成的圖像而不是蒙德里安的原版。

第二年，Noll的數字藝術作品在紐約Howard Wise Gallery畫廊展出，這標志著計算機藝術首次出現在美國藝術畫廊。《紐約時報》強烈批評了這一開創性的展覽。Noll說，公眾的反應“令人失望”，沒有一幅畫作被購買。

1965年四月Noll的《計算機生成圖像》畫展/圖片來自Compar

這次失敗的展覽沒有削弱Noll對數字藝術未來的樂觀態度，他在1967年寫道:“計算機已經證明了自己在科學領域的價值，它還想證明在藝術領域的價值。”

但是，我們應該如何看待一個新的算法呢？把它們當成藝術創作者而不是藝術家的“工具”?在現實生活中，這是個空洞的數字朋克情節:瘋狂的科學家發明了一種比人類更人性化的機器。

如果你關注當代藝術市場，就會發現其中的問題。一時間，從藝術學校到畫廊和拍賣行，流行風格全是被稱為“僵尸形式主義”（Zombie Formalism）的抽象畫。比方說上面圖中的幾幅畫，實際上都是出自不同的人類畫家，有點像人類藝術偽裝成算法的作品。

這可能有點反諷。為了重新獲得先鋒地位，并且在艾哈邁德教授下次圖靈測試中脫穎而出，人類可能必須畫得更像機器人。

如果“抽象廢物”型的人類畫家追隨人工智能的腳步，在作品中注入一些“風格模糊”，也許能畫得更好一點。