AI与艺术——图像生成模型是否能挑战人类艺术？

在2018年末的佳士得纽约拍卖场上，一件名为《爱德蒙·贝拉米肖像》拍出了43.25万美元的价格，从绘画艺术风格来看，这是一幅有着很明显的印象派主义痕迹的作品。

印象派是19世纪中叶在法国兴起的一种艺术运动。印象派艺术家们拒绝了艺术(“美术”)的严格规则，给大家展示了一种新的观察和描绘世界的方式。他们对周围环境的短暂印象进行真实的描绘，印象派由此诞生，并在艺术界里占据了近150年的主导地位，以下是一些非常具有代表性的印象派作品。

《爱德蒙·贝拉米肖像》这幅作品单从绘画艺术风格来看，很像是出是于某位大师之手，但它却被某些人评为”2018年最无聊的艺术作品“。这又因何而起，我们不妨把目光放到作品右下角，看看这幅画的签名这一串公式：

了解过深度学习人可能会觉得这是一个损失函数，其实它还真是一个损失函数，因为这幅画由法国艺术团体Obvious通过GAN(对抗生成网络)创作完成。Obvious是一个由艺术家和人工智能算法工程师组成的组织，他们收集了15000多张创作于14至20世纪之间的人像艺术肖像做成数据集，使用GAN算法进行训练，之后生成的这一幅画。

那什么是GAN(对抗生成网络)呢？GAN 由 Ian Goodfellow 在2014年提出。要通过训练两个相互对抗的神经网络解决了非监督学习问题，其中一个是生成（Generator）网络，另一个叫判别（discriminator）网络。

GAN可以可以从假币伪造者（生成网络）和警察（判别网络）的例子来理解。最初，伪造者向警察展示随机生成的假钞票，警察识别出钞票是假的，伪造者根据收到的反馈制造了新的假钞票。如此重复相当多次，直到伪造者可以造出警察无法识别、足以以假乱真的钞票。在GAN的场景中，最后得到了可以生成和真实图片非常相似的图片的生成网络，以及可以高度识别伪造品的判别网络。

GAN是伪造网络和专家网络的联合，每个网络都被训练用来打败对方。生成网络以随机变量为输入并生成一张合成图片。判别网络拿到输入的图片，并判断图片是真实的还是伪造的。我们给判别网络要么传入一张真实图片，要么传入一张伪造图片。生成网络训练生成图片，欺骗判别网络，想让其相信图片是真实的。判别网络也会持续改进，基于得到的反馈反进行欺骗训练。

让我们再看看签名在画上面的损失函数：

在此函数中：

D(x) 是判别器对真实数据实例 x 真实的概率的估计值。
Ex 是所有真实数据实例的预期值。
G(z) 是指定的噪声 z 时的输出。
D(G(z)) 是判别器对虚构实例是真实概率的估计值。
Ez 是指向生成器的所有随机输入的预期值（实际上是所有生成的虚构实例 G(z) 的预期值）。

该公式由真实分布和生成的分布之间的交叉熵得出。
生成器不能直接影响函数中的 log(D(x)) 项，因此对于生成器，最大限度降低损失相当于最小化 log(1 - D(G(z)))。

回到《爱德蒙·贝拉米肖像》这幅画上，一些保守主义的传统的艺术家很难想像谁会用高达40万美金的价格去购买一件使用GAN在高算力GPU运算不花1秒时间就生成的作品，它除了创作方式新颖外，对艺术世界好像毫无意义。而另一些人则持反对意见，他们更看重这幅画背后的含义，就像1997年，国际象棋电脑“深蓝”打败了卡斯帕罗夫，2016年3月，AlphaGo在围棋人机大战中击败围棋世界冠军李世石。计算机的强大与可怕引起了人们的关注。

其实，他们训练的模型不只是生成《埃德蒙·贝拉米肖像》这一幅画而已，而是创造了一整个虚拟家族。这个虚拟家族被命名为“贝拉米家族”，埃德蒙·贝拉米是该家族的第四代成员，属于第11幅家族成员肖像画。第一幅家族肖像画名为《贝拉米伯爵夫人》，它在刚创作出来的时候，就被一位艺术家以11547美元的价格买走，之后这幅画还被展出在巴黎的一所画廊中。

有人认为：“ 人工智能挑战人类文明最高层级之一就是艺术”，那何谓艺术？艺术是人类凭借技巧、意愿、想象力等综合人为因素所创作的含有美学意义的表达模式，是人类思想与创作的结晶。而人工智能所创造的艺术品则是深入学习后的“演算”结果，是机械的呈现并非思考的成果。那么人工智能算法所创造的作品能否被称之为是真正的艺术，但莫里斯·魏兹（Morris Weitz）认为“艺术是无法定义的”。艺术家在创作之前浏览和临摹了海量的前辈的作品，才能创作属于自己风格的作品。由人工智能算法所创造的艺术也涉及模型在训练过程中的算法工程师，工程师在选择一组图像来满足算法(预处理) ; 在《爱德蒙·贝拉米肖像》的例子中，它的所要消化的是一组（15000张）传统的艺术肖像。理解这一创作过程对于描述什么是AI艺术至关重要。如果只着眼于整体的创造过程，而不仅仅是最终的作品，AI艺术绝对属于概念艺术的范畴内。艺术不只是在追求结果，艺术更是在导致结果的过程，包括筛选收集和数据集，算法实现及其参数调优选择，以及后期测试与策划。

随着人工智能创造艺术品的更多可能性，当人工智能技术发展速度远远超过了人类进化的速度时，那么人类的危机感也会随之出现，人们会思考，AI绘图与人类艺术创作的边界在哪？当数据的创造力变强到一定程度的时候，人类艺术会被AI所取代吗？如果AI也能创造出一些鬼斧神工的作品，并得到一大部分人所认同，那么AI是否能与人类艺术家并驾齐驱或者超载人类艺术？

AI与艺术——图像生成模型是否能挑战人类艺术？相关推荐

ICCV 2019 | Lifelong GAN：基于持续学习的条件图像生成模型
作者丨薛洁婷学校丨北京交通大学硕士生研究方向丨图像翻译研究动机持续学习是指希望模型能和人一样能基于过去的先验知识来快速准确的解决当前任务,然而对于人类而言与生俱来的能力对于模型来说却宛如大海捞 ...
浅谈图像生成模型 Diffusion Model 原理
重磅推荐专栏: <AI 大模型之美> 揭开 ChatGPT 面纱,拥抱 AI 新潮流重磅推荐专栏: <Transformers自然语言处理系列教程> 手把手带你深入实践Tra ...
StyleGAN2发展介绍花卉图像生成模型修改
第一部分-----StyleGAN2发展介绍 stylegan发展:gan要做的事情是通过生成器由简单分布生成复杂图像分布,生成的图片分布和真实图片分布的差距越小越好,这一步通过判别器实现.生成大的. ...
基于GAN的图像生成模型
文章目录定义一些参数数据加载类创建dataset和dataloader 模型权重的初始化函数定义生成器验证生成器是否正确定义判别器验证判别器是否正确定义损失函数训练输入一个随机值查 ...
CVPR2020图像生成模型PULSE ：糊图像5秒变清晰、测评教程
Adobe 也加入内卷战场，推出AI图像生成产品 Firefly，宣称自己是没有原罪的AI模型...
几个小时前,Adobe 刚刚发布了自家的 AI图像生成模型套件 Adobe Firefly,现在还不能开放给用户使用,但可以申请 waitlist (不需要是 Adobe CC 的用户)firefly ...
AI做不了“真”3D图像？试试Google的新生成模型
编译 | 若名出品 | AI科技大本营用 AI 生成逼真三维物体模型并不像人们以为的那么困难. 近日,在 NeurIPS 2018 会议上接收的论文" 视觉对象网络:图像生成与分离式的3 ...
精确控制 AI 图像生成的破冰方案，ControlNet 和 T2I-Adapter
ControlNet 和 T2I-Adapter 的突破性在哪里?有什么区别? 其它为 T2I 扩散模型施加条件引导的相关研究 ControlNet 和 T2I-Adapter 的实际应用效果如何? ...
图像生成之扩散模型：靠加入类别条件，效果直达SOTA
来源:AI蜗牛车本文约1300字,建议阅读7分钟比GAN更真实.还懂全景局部多角度构图. OpenAI去年年末推出的新作GLIDE,又让扩散模型小火了一把. 这个基于扩散模型的文本图像生成大模型参 ...

AI与艺术——图像生成模型是否能挑战人类艺术？

AI与艺术——图像生成模型是否能挑战人类艺术？相关推荐

最新文章

热门文章