艺术家马歇尔·杜尚
时光倒回1966年,在杜尚的第10街公寓中,他正接受一次采访。
“艺术与技术的关系越来越紧密,您怎么看待这点?”记者问。
“艺术,将被技术淹没。”杜尚的回答略显悲观,让记者有点惊讶。“个体正在迅速消失。我们最终只会成为被编号的蚂蚁。”
(Whaaat?!蚂蚁?)
可是,距离杜尚的这次采访过后仅仅50年,他的言论似乎在被验证。
在刚刚过去的2018年10月底,一则艺术新闻迅速登上全球各大新闻媒体的热点版块——《AI画卖出43万美元高价,艺术家们的饭碗也要不保了》。
新闻中的事件,指的是日前在佳士得纽约拍卖行,法国艺术团体Obvious带来的 AI 画《Edmond de Belamy》拍出43万美元(约300万人民币)的高价,超出人们预先估价的40倍。
AI 画《 Edmond de Belamy 》
这是一幅看上去像是18世纪油画风格的男子肖像作品。仿佛故弄玄虚,作品注释暧~昧~不~明~地写道:
复杂性的恶魔被人唤醒,
那阴影正萦绕在我的心头。
那时一切都那么简单。
正在人们感慨,艺术作为人类区别于机器的最后一道防线也要被攻陷时,佳士得已经意气风发地表示,在此之后,AI 艺术在世界性的拍卖舞台上将越来越常见……
▽
那么,在 AI 技术狂飙突进的短短这些年,
到底发生了什么?
对于 AI 与艺术的关系,
你又怎么看?
我们梳理了这篇70年代至今の
「极简AI艺术史」
看看 AI 与艺术
逐(xiang)渐(ai)合(xiang)体(sha)的历史,
说不定能带来什么新的启发呢?
▽
1973年
一位艺术家开发出世界上
第一个电脑艺术程序
哈罗德·科恩(Harold Cohen),一位英国出生、受正统艺术教育培养出来的当红艺术家。早在上世纪60年代,计算机诞生之初,他就已经开始着手研究计算机是否可以服务于艺术。
当时,科恩在伦敦艺术圈已经打响了名气,但他却放弃了大好前程,选择走另一条更复杂的道路。他搬到美国,成为加州大学艺术学院的客座教授。在那里,科恩开始学习写代码,开发电脑程序,并且受邀入驻斯坦福大学人工智能实验室。
1973年,科恩发布了可以进行机器作画的电脑程序——Aaron(亚伦)。这是世界上第一个计算机艺术程序。
科恩和他的作画机器
所以是的,你没看错。
当今天我们为艺术家们的饭碗而担忧时,大多数人很难想到,这个世界上的第一个电脑艺术程序,竟然是由一位艺术家亲手一行行敲代码开发的。
Aaron 的面世,就像是石破天惊一般,拉开了往后 AI 艺术的大幕。这款程序得到了行业的高度赞同。科恩也将自己的全部余生投身于此,他因此被尊为“AI 艺术先驱”第一人,至今仍对 AI 艺术领域发挥着重要的影响力。
▽
1991年
《亚伦密码》成为最早期
AI艺术从业者必读书
《亚伦密码》一书出版,详尽记叙了Aaron 的迭代进化之路,这是一条艰辛却精彩、不乏大胆创意和勇敢探索的漫长之路,更是艺术和计算机技术之间第一次产生深刻的联系。
通过多年的努力,Aaron 已经发展为一个功能精良的电脑程序,它自主绘制的图画,已经成为一些世界性知名博物馆和画廊的收藏品。
《亚伦密码》
Aaron 画作进入博物馆
▽
2001年
AI艺术家“初代网红”:
绘画傻瓜软件出现
经过70年代 Aaron 的横空出世,八九十年代 ,AI 技术在各个领域得以扩展应用,但唯独在艺术领域,AI 的“攻势”却放缓了不少。这样相安无事的局面一直维持到2000年,然后,长久的平静被打破了。
“绘画傻瓜”软件官网界面
说起现在有名的 The Painting Fool ,你一定不陌生。它被人们亲切地称为“初代 AI艺术家”,其开发理念最早起源于2001年,发起人西蒙·科尔顿(Simon Colton)开始制作一些图形软件,初衷是希望能把一些数码照片变成艺术品。
虽然软件在2006年才开发出来,但西蒙·科尔顿一开始就为这个项目建立了一个宏观目标:那就是终有一天,该软件会被世人严肃地视为是一个有创造力的艺术家。
此后数年里,“绘画傻瓜”一直引领着 AI 绘图技术的发展。
▽
2006年~2011年
AI学会了识别情绪,
还会画三维图像了
2006年,The Painting Fool 能够基于模拟物理绘画的过程,通过看数码照片,熟练地提取区域块的颜色,然后模拟自然介质比如油漆、粉彩和铅笔等进行创作。
2007年,机器视觉软件学会了识别人们的情绪,并根据情绪的变化来描绘肖像,因为这项改进,The Painting Fool 赢得了英国计算机协会的机器智能奖。
2011年,3D 建模能力开发成功,使 AI 艺术再次令人们震动。这意味着 AI 告别了二维平面作画时代,学会了识别和创造三维世界的能力。The Painting Fool 使用3D建模工具成功绘制出三维图像。
AI 绘制的三维椅子
▽
2014年
深度学习模型GAN诞生:
当科幻照进现实
作为图像分析应用中的里程碑式成果,深度学习模型 GAN(生成式对抗网络)就像科幻片中的图像分析机,能将图像放大到超分辨率,通过图像语义分析,使模糊不清的图像文件变得清晰可辨。后来谷歌推出的知名的Auto Drew就基于这项技术。
超分辨率64倍放大,左为输入图像,中为输出图像,右为正确答案
谷歌Auto Drew技术
▽
2015年
谷歌Deep Dream
实现增强图像模式
Google 推出图像识别工具——深梦(Deep Dream),使用卷积神经网络通过算法pareidolia查找和增强图像模式,从而在故意过度处理的图像中创建梦幻般的幻觉外观。
深梦发布了一系列令人惊艳的画作,吸引了无数人的眼球。谷歌甚至为这个系列的作品专门策划了一场画展。
来感受下深梦的画风
画面很治愈,引起极大舒适:)
▽
2017年
越来越像真正的艺术家?
AI艺术通过图灵测试
2017年初,罗格斯大学的艺术与人工智能实验室在原有的GAN(生成性对抗网络)的基础上重新设计,制作出一套名为CAN(创造性对抗网络)的人工智能。在运行了一段时间后,这套系统开始生成极富创造力的抽象艺术品。
实验室主任艾哈迈德(AhmedElgammal)震惊不已,因为这些作品无异于艺术市场上流行的那种抽象画。于是,他组织了一场图灵实验,邀请大众辨别这些作品到底是人类艺术家的作品,还是人工智能的创作。
CAN 的系列作品
受试者在不知情的状态下被要求观看四类作品,分别是 CAN 和 GAN 生成的图像、2017年巴塞尔艺博会上的人类艺术家作品和抽象表现主义大师的作品。并对作品的喜恶程度、精致度、创新性和复杂度进行评分,结果出人意料。
53%的人工智能艺术被认为是人类作品,首次超过半数。而在对照组—巴塞尔艺博会的作品中,只有41%的作品被认为出自人类之手。面对人工智能艺术,我们已不能区分谁是作者。
不过,这次实验虽然以 AI 胜出,但抽象表现主义大师的作品仍以85%的优秀成绩领跑所有作品,在喜恶程度上也高于人工智能。且这些作品皆为50-60年前的旧作,但在创新性方面与人工智能艺术所差无几,也大为超出今天的抽象艺术作品。
这是否表明,那些拥有强大创新和原创能力的艺术家,仍然无需对 AI 的发展太过担忧呢?
▽
到底什么是艺术?
以上便是70年代至今 AI 艺术发展重要节点回顾了。2000年之后,AI 如洪水猛兽般的发展一直让人们争议不断。而在艺术领域,最核心的问题就是关于艺术定义的争论了。
之前,人们认为 AI 只是模仿人类的创作方法而已,它的作品当然不能称之为艺术。可是当 AI 的迭代越来越快,尤其是 CAN 深度学习模型出现后,AI 从单纯的模仿转向了自主创造,它创造的画越来越接近人类自身的创作,这时人们又说,“尽管如此,它的画仍然不能称之为艺术,因为缺乏‘灵魂’。”
迷惑的人们只得追溯到哲学层面,即重新追溯艺术的本质。
而当我们重新逆时光之流而上,我们也发现,今天让我们困扰的这些问题——那位创造了第一个计算机艺术程序的“AI技术先驱”哈罗德·科恩——早就已经思考过了。
AI 作品究竟能不能算作艺术?
艺术与技术是怎样的关系?
艺术的本质是什么?
AI 能帮助人类定义另一种“新艺术”吗?
在科恩1974年发表的文章中,他是这么说的——
“关于艺术的目的,它并不像数学和科学,拥有一个明确的显而易见的目的。
人类进行艺术创作行为,目的或许不像爬梯子那样,能够轻易地找到0到1之间的最大数字,而是什么别的东西……”
所以,在科恩生命的最后几年,他再一次改变了策略。他与 AI 的关系不再是类似于“造物者和造物”,而是一种相互合作关系。他始终认为,技术与艺术家应该有更丰富的关系层次,任何简单粗暴地定义艺术家与 AI 的关系都是不够精准的。
或许,我们可以尝试如科恩所说,换一个角度来看待艺术,AI 与艺术的关系也就不再那么紧张。正如作家福楼拜曾说的,“越往前走,艺术将更为科学,科学将更为艺术,它们在山脚分开,却又在山顶汇聚。”⛰️
领取专属 10元无门槛券
私享最新 技术干货