Gawx艺术家(ai 艺术)

简介：GAN是Ian Goodfellow在2014年博士期间提出的机器学习架构。与传统的神经网络模型不同，GAN包括两个独立的网络：生成器和鉴别器，它们是相互对立的目标。最后，生成器将能够创建鉴别器无法识别的内容。
GAN的兴起虽然只有几年时间，但由于其在学术界和工业界的出色表现，被Yann LeCun称为‘过去十年机器学习领域最有趣的想法’，也被麻省理工学院评选为2018年全球十大突破性技术之一。同时，它还被广泛用于开发各种有趣的人工智能应用。
作者：石丹青
如需转载，请联系华章科技。
图3360Gan的生成器和鉴别器在对抗中越来越强。
它为人工智能生成技术带来了更多的可能性。如果说AlphaGo只是一个陪你玩游戏的高手，那么2018年轰动一时的AI艺术品拍卖，似乎是在挑战人类艺术的创作和审美.
2018年10月，法国艺术创作团队Obvious Art使用GAN算法生成的画作被以43万美元的高价拍走，价格甚至碾压了毕加索在同一场拍卖会上的作品。
价值43万美元的甘画作。
当然，这并不是AI在艺术领域的首次应用尝试。比如早期非常流行的风格转换软件Prisma，可以把你的照片转换成毕加索画作的风格。当时，该应用在短时间内获得了大量关注者，并被评为2016年苹果商店和谷歌商店的最佳应用之一。
之后，微软萧冰也出版了一本由AI生成的中文诗集《阳光失了玻璃窗》。虽然当时也是褒贬不一，但纯机器诗歌写作确实产生了划时代的作品。
和之前的这些尝试一样，在GAN技术飞速发展的帮助下，AI开始在人类探索了这么多年的绘画领域走得更远，与人类艺术家一较高下。
最后拍卖的画有个很有意思的点。没有任何美工或者程序开发者的签名，但是机器学习任务的目标函数写在右下角。如果你对机器学习一无所知，你需要知道的是，就是这样一个甘的数学公式，造就了你眼前这幅昂贵的画。
我们会很好奇AI艺术家究竟是如何创作的。一个传统意义上的艺术家在成长的过程中，会大量临摹大师的作品，与自己的理念相融合，找到自己风格的定位。
如果抛开个人经历，那么艾本身真的是最勤奋的临摹大师，在大量已有的艺术中寻找创意和规律，从而创作出全新的作品。显见美术团队在模型的训练过程中给了AI模型很多美术作品，模型不仅看，还记住了这些美术作品的特点，并融入到自己的“灵魂”中。
我们来看看2017年的一项类似研究。脸书研究院提出了GAN的衍生版本——创意对抗网络(以下简称CAN)。它的目标是独立生成能被大众接受的艺术作品，但希望生成的艺术作品能与现有作品有一定程度的差异化，而不是简单的复制现有风格。
它有一个很有意思的想法：CAN包含了一个判断作品是否属于艺术范畴的艺术鉴别器，以及一个艺术风格分类器。它希望在生成的作品被判定为艺术作品的前提下，艺术风格能尽可能模糊，也就是说，CAN希望在生成的作品被判定为艺术作品时，艺术风格分类器不能对其下手。
在实验研究的最后阶段，研究人员打乱了AI生成的画作和真实艺术家的作品供观众欣赏，甚至将一些人类艺术家的优秀作品纳入了2016年巴塞尔国际艺术展。测试结果出奇的好，一些生成的作品甚至超过了之前获奖的作品，而大多数人都分不清这些作品是人类艺术家创作的还是AI创作的。
创意对抗网自动生成的美术作品，来自AICAN https://www.aican.io/,官网
艺术本身的价值是很难估计的，但是很多人会问，这样一种看起来没有灵魂的AI艺术有什么价值？
当然，如果只是从创作成本的角度来看，这部作品的确不止一处被提及。它的成本充其量只是明显团队在收集美术作品上花费的精力，以及模型训练过程中花费的服务器成本。然而，互联网上有很多现成的开源算法。
在这些表面价值的背后，我们会看到技术带来的亮点。每次AI在不同领域有新的发展，总会引起焦虑。比如AI会取代艺人吗？科技的每一次崛起和发展，总会引起行业的焦虑，嗅觉敏锐的人会借此机会探索更多的可能性。
就像摄影技术刚刚诞生，就被一些绘画艺术家誉为“绘画艺术的终结”，但绘画艺术的终结还没有到来。相反，在摄影和绘画的影响下，绘画艺术变得更加多元化，不再局限于写实的创作。与此同时，摄影开始模仿抽象艺术家的作品，延伸出更多的风格，形成良性的互动关系。
AI技术其实也差不多。它是一个强大的工具，我们可以以AI为起点，创造出各种不可思议的艺术作品，比如知名深度学习框架Keras的作者，就把GAN技术产生的这种艺术统称为GANism，认为这将是未来现代艺术的一个趋势。
当然，艺术家也可以用它来改进或优化原有的艺术创作。Adobe在它的新闻发布会上真的告诉了我们如何将AI应用于艺术和设计。图片的自动剪切，艺术字体的自动生成，照片的动画等。都让现在的设计师和艺术家瞠目结舌。
网络名人模特Cyvlegan的各种应用，来自CyvleGAN官网
2018年，网络名人模特CycleGAN在网络上掀起了一股AI艺术创作的潮流。不仅是算法科学家和软件程序员，很多数字艺术家也热衷于尝试CycleGAN进行艺术创作。
如果你在社交媒体Twitter上搜索#CycleGAN theme，你会发现无数相关的创作，比如把真人转换成动漫角色，把照片转换成莫奈的风格等等。即使是从未接触过科技的普通人，也能感受到GAN科技带来的乐趣。
在未来，越来越多像甘这样的人工智能技术将成为发电的新工具。对于这个时代的年轻人来说，拥抱它，借鉴它，才是迎接未来的正确态度。
作者简介：石丹青，余一科技联合创始人、技术总监，毕业于同济大学电子信息工程系。在AI领域拥有多年的创业和实践经验，具备深度学习、自然语言处理、数据可视化等相关知识和技能。是AI技术的爱好者，拥抱所有新兴技术，始终相信技术共享和开源精神的力量。
延伸阅读《生成对抗网络入门指南》
推荐：这是一本甘的入门书，基础理论与工程实践相结合。它深入浅出地解释了GAN和各种衍生模型的技术发展。本书面向机器学习从业者、高校相关专业学生、有一定基础的人工智能爱好者。它包含了甘的理论知识和代码实践。通过阅读本书，读者可以了解GAN的技术原理和实现方法。