考虑到将给整个人类社会带给的深远影响，目前关于人工智能以及机器学习的辩论堪称如火如荼。但除此之外，利用神经网络展开艺术创作也开始较慢蓬勃发展，目前人们于是以大力训练算法以绘制人脸、烟花甚至是人体艺术作品。尽管看起来可笑，但这种另类的尝试显然需要协助我们更加明了地解读人工智能技术。
现居慕尼黑的谷歌公司艺术家MarioKlingemann正在Twitter上持续公布一项有意思的神经网络实验。他以完全动态方式展出其利用各类数据训练而出的神经网络，而得出结论的结果往往令人捧腹好比——特别是在算法尝试绘制人脸时。
然而，这也正是此项实验的重点所在：通过观察神经网络如何“傻傻”地展开自学，我们将需要一窥人工智能艺术创作的基本思路。目前，Klingemann专心于用于1900年以前的油画肖像。
他利用英伟达的pix2pixHD算法因应1900年之前的画作照片建构起一款写实派人脸生成器，并利用数千幅欧洲艺术家作品对其展开训练。而最后得出结论的人脸绘制结果则在现实与荒谬之间往来游移。
Klingemann在拒绝接受邮件专访时回应，“纵观整个艺术发展史，可以确切地看见自文化启蒙运动以来，人们就对艺术沉迷于深感。我想要其中的众多最重要原因在于，面孔的绘制既非常简单但又可以十分简单——我们可以所画出有一张非常简单轮廓的面孔，也可以希望再现每个毛孔的明确细节。
最艰难的冷媒是，每个人都是人脸识别方面的专家，我们不会注意到表情中的微小变化，并精彩找到十分微小的比例失调问题。这意味著如果绘制或者说分解一张人脸之后，这种严重变化所引起的影响将迅速被人们所找到。”那么，我们该如何对人类画作与神经网络的作品展开区分?乍看之下，我们或许无法辨别。
但在仔细观察之下，大家就不会找到神经网络的作品中不存在着一些怪异之处——还包括黑色的左眼右手部分胡子状的阴影。对于Klingemann来说，让神经网络绘制出有确实的好作品意味著是众多挑战——就目前而言，其展现出还无法令人满意。他认为，“我需要精彩辨别出有这套模型的能力水平，特别是在细节方面，因为任何错误都会引起一些不可思议的内容。”他同时否认，由于该模型的训练素材主要为几百年前的欧洲中年男性及年长女性画作，因此大部分人物面部都红得过分——他正在找寻更加多图像来源以非常丰富自己的训练数据集。
在Klingemann显然，训练神经网络的过程亦是一项艺术挑战，换言之同时拒绝人类与机器充分发挥自身创造性。他说明称之为，“建构面部生成器就像研发故事生成器一样。
每张面孔或者一组面孔都会引起适当的误解、问题甚至是情绪。当然，机器在处置这类任务时往往不会带给令人意想不到的结果。
”事实上，通过此轮实验，他找到分解十九世纪油画风格的肖像要比建构写实派风格的肖像非常简单得多。他认为，“当我们观赏画作时，往往不会对那些看上去不过于精确的部分更加多元文化。这是因为我们不会考虑到这有可能是艺术家们无意为之。
”却是，有很多画作都不存在着解剖学原理层面的问题，这不会更进一步增大人类作品与机器作品间的差异。
本文关键词：开云·app(中国)官方网站,kaiyun·开云(官方)app下载安装ios/安卓通用版/手机版
本文来源：开云·app(中国)官方网站-www.wimullo.com
