网站服务器不稳定怎么办,做网站的合同,品牌红酒网站建设,站长源码论坛在2018年一场著名的拍卖会上#xff0c;一部AI制作的肖像以432,500美元的价格成交#xff01;这篇新闻在科技媒体上被广泛讨论#xff0c;有些人认为这一事件对人类艺术家构成了威胁。其实#xff0c;这只是深度学习快速发展中众多不可思议的案例中的一个#xff0c;这些故…
在2018年一场著名的拍卖会上一部AI制作的肖像以432,500美元的价格成交这篇新闻在科技媒体上被广泛讨论有些人认为这一事件对人类艺术家构成了威胁。其实这只是深度学习快速发展中众多不可思议的案例中的一个这些故事创造了关于人工智能的耸人听闻的头条新闻或者是说人工智能表现出与人类同等的艺术创造力。一些言论“人工智能写作已经到来”“人工智能很快就能写出比人类更好的小说”等等在网络上大量出现。
事实上与任何其他技术创新一样人工智能或者更具体地说机器学习和深度学习将影响我们创造音乐艺术和文学的方式。但是在过去的一年里我研究了这个领域并与参与开发和使用产生艺术作品的人工智能技术的艺术家和工程师进行了交谈了解到了关于人工智能在艺术创造发明的应用及艺术家对它的看法。发现深度学习并不是人类创造力的替代即使一个AI创意成功售价数十万美元。
人与机器艺术的区别
要理解深度学习对人类创造力的影响我们必须首先理解人工智能与人类在产生艺术之间的差异。尽管人类思维其技术较旧处理能力较慢且存储不稳定但在创建艺术作品时人类思维过程比最先进的AI算法要复杂得多。
当你画一幅画创作一首歌写一部小说甚至是这篇博文时你的生活经历、文化、宗教、政治和社会倾向都会混合成一堆混乱的情绪和化学反应影响到你的工作。因为我们对我们的大脑知之甚少所以我们无法真正理解人类的创造过程人类艺术的每一项工作本身都是独一无二的。试图重现它实际上就像一个人能两次踏进同一条河流。
相反我们非常清楚AI算法如何生成视觉、音频和文本数据即使它们的内部工作机制有时会困扰我们。最近人工智能创新的核心是神经网络这种复杂结构特别擅长检查和匹配模式以及对信息进行分类。各种艺术和音乐生成工具中使用的深度学习技术也各不相同但是已经变得非常流行的一种特定技术是生成性对抗网络GAN。GAN涉及两个神经网络一个用于生成新数据另一个用于评估第一个输出以查看它是否通过了特定类别的数据。
例如如果分类器网络已经学习了足够的爱尔兰民间音乐样本它将能够告诉你一个新的音乐音符序列是否属于爱尔兰民俗类。因此爱尔兰音乐GAN将有一个生成器网络创建音乐样本并通过分类器运行它们以查看它是否作为爱尔兰音乐传递。如果结果不令人满意则生成器修改数据通过分类器重新运行并重复该过程直到后者将其评定为可接受的爱尔兰音乐样本。
我们可以应用相同的方法来创建各种数据。去年图形芯片巨头Nvidia使用GAN为不存在的人创造逼真的图像。最近一个开发团队使用GAN创建了一幅画售价超过40万美元。一些不法分子则使用GAN创造出名人和政治家的假色情片。
但是我们要清楚神经网络和分类器都不知道他们正在创造的数据内容以及它的艺术价值或它可能对其他人造成的潜在伤害。这些内容是没有情感没有灵感和想象力的火花。GAN和其他所有表现创造力的深度学习或人工智能技术都是使用数学和统计学来创建数据并将它们与之前看到的其他样本进行比较。
深度学习将自动完成一些创造性任务 我们不得不承认深度学习和神经网络在创作艺术、音乐和文学作品方面的局限性但是如果说艺术创造力肯定不会自动化是不对的。像人工智能影响的其他行业一样人类的创造力必然会受到一些破坏。至少我们必须重新思考我们对创造力的定义。
我在与不同专家的谈话中得出的结论是深度学习将使某些形式的艺术自动化。例如“功能音乐”我们在演示广告和一些更简单的视频游戏的背景中播放的音频类型可以通过神经网络自动化神经网络根据用户提供的输入参数生成新的音乐序列这些输入可以是风格节奏和心情等。目前有几家公司已经开发或正在开发类似的AI应用程序他们的产品市场非常丰富。
很容易看到类似的发展在视觉艺术领域发生其中AI算法可以为视频和演示的背景创建独特的功能视觉效果。但功能艺术可能并不完全被视为创意内容。它们旨在帮助用户专注于其他内容例如演示文稿或视频的内容。“我们认为功能性音乐是一种因其用例而受到重视的音乐而不是制作它的创造力。”纽约人工智能创业公司Amper Music的首席执行官兼联合创始人Drew Silverstein说。但西尔弗斯坦解释说艺术音乐“更多的是关于这个过程而不是用例。”
然而有些人正在以创造功能性音乐和艺术为生。他们的工作自动化会发生什么
深度学习将增强人类的创造力 功能艺术仅占整个行业的一小部分更广泛的AI行业深度学习进步的真正发展是人类能力的提升。事实上是神经网络和深度学习将使更多人更容易变得富有创造力。
现在已经有不同的深度学习工具有助于提高业余爱好者和专业艺术家的创造性技能。例如神经网络可以绘制并修改一幅画以使其具有梵高或毕加索风格。另一个例子是Google开发的一种工具它使用机器学习来检查粗略的草图并将其转换为清晰的图纸。
在更专业的层面上深度学习可以帮助艺术家找到新的想法并加快他们的创作过程。去年我写了一篇关于folk-rnn的文章这是一个创造爱尔兰凯尔特音乐的深度学习应用程序。我与爱尔兰音乐家兼作曲家达伦巴纳尔斯进行了交谈他告诉我虽然他对一些作品有好感并且感到惊讶但显然它们仍需要添加一些人性才能完成。他并不担心神经网络可以取代他的工作有趣的是中间会出现一些他想不到的新想法。
巴纳尔斯希望像folk-rnn这样的工具可以帮助他完成工作。“当我不得不开始大规模的作曲时我总觉得这很令人生畏。也许我可以给计算机一些参数玩家的数量、心情、甚至我最喜欢的作曲家的名字它可以为我生成一个基本结构。我不希望它开箱即用但这将是一个起点”巴纳尔斯说。
在文学领域即使人工智能对人类语言的理解有限但深度学习也会在帮助专业作家方面找到一些有趣的用例。本月“纽约时报”刊登了一个故事描述了作家如何使用机器学习来寻找他的写作思路和完成句子的建议。软件背后的技术细节并不多并且使用的技术是自然语言处理和生成NLP/NLG人工智能的一个分支帮助计算机分析和创建人类文本。同样这里没有涉及创造力只有统计模式匹配和预测。但就像民谣一样NLP/NLG有时会提出作者不会想到的有趣想法。
在某些方面比如说作为独立业务模型的出现应用程序编程接口API。API并没有让程序员的失业但他们使更多没有任何编程背景的人能够开发应用程序。
我在去年12月采访过的Spotify创造者技术研究实验室主任弗朗索瓦·帕切特Francois Pachet他将创造性人工智能工具与80年代的数字合成器进行了比较当时人们担心计算机会导致音乐家失去工作但恰恰相反数字合成器在某种意义上说使每个人都带上量这些新的机器和硬件且学会了如何有效地使用它们音乐界也因此得到了快速发展。
为什么AI不会取代人类的创造力
人工智能技术将继续改进并更好地模仿人类的创造力。在某些时候它甚至可能创造出与人类艺术家无法区分的音乐和艺术。
但是使艺术品有价值的东西不一定是输出。大多数时候了解人类成就的过程和劳动与最终结果同样重要和珍贵。一台机器人可以在很短时间内被训练为投篮大师同样一个职业篮球运动员需要花费几十年才会成为投篮大师。此外如果你做了一些更新教给机器人一个新的技能你可以迅速将其推广到所有类型这是人类无法做到的。但我们对人类运动员的欣赏不仅仅是他们在场上的统计数据和表现我们应该更欣赏他们的坚持和努力。
同样我们应该欣赏音乐家、艺术家、作家以及每个创造性人类的故事因为他们的个人努力他们克服生活的挑战并从他们所经历的一切中寻找灵感。这是人类艺术的真正本质即使我们实现了始终难以捉摸的一般人工智能这也是无法自动化的。
让我写这篇文章的原因是关于在拍卖会上出售的GAN画作的故事。但有趣的是创造GAN开发者对这件事的评价生成式对抗网络的发明者Goodfellow称这是一个有趣的转折。 原文链接 本文为云栖社区原创内容未经允许不得转载。
