人工智能学会画油画，你能分辨出和人类大师作品的差异吗？

本篇文章1216字，读完约3分钟

科技学步车，北京，4月19日，考虑到对整个人类社会的深远影响，关于人工智能和机器学习的讨论目前正如火如荼地进行着。但是除此之外，利用神经网络进行艺术创作也开始迅速兴起。目前，人们正在积极训练算法来画人脸、烟花甚至人体艺术作品。尽管这看起来很愚蠢，但这种替代性的尝试确实可以帮助我们更彻底地理解人工智能技术。

住在慕尼黑的谷歌艺术家马里奥·克林曼正在推特上发布一个有趣的神经网络实验。他展示了自己的神经网络，这种网络几乎是通过实时使用各种数据进行训练的，其结果往往令人捧腹，尤其是当算法试图绘制人脸时。然而，这正是本实验的重点:通过观察神经网络如何愚蠢地学习，我们将能够一瞥人工智能艺术创作的基本思想。

目前，克林曼专注于使用1900年前的油画。他使用英伟达的pix2pixhd算法，用1900年以前的图片构建了一个逼真的人脸生成器，并用数千名欧洲艺术家的作品对其进行了训练。然而，画脸的最终结果是在现实和荒谬之间来回移动。

克林曼在一次电子邮件采访中说，纵观艺术发展的整个历史，我们可以清楚地看到，自文化启蒙运动以来，人们就对艺术上瘾了。我认为其中一个重要的原因是画脸很简单，但也可能非常复杂。我们可以画一张简单易辨认的脸，试着重现每个毛孔的细节。最困难的是每个人都是人脸识别的专家，所以我们会注意到表情的细微变化，很容易发现极其微妙的不平衡问题。这意味着如果画出或生成一张脸，这种微小的变化所带来的影响很快就会被人们发现。

那么，我们如何区分人类绘画和神经网络作品呢？

乍一看，我们似乎很难判断。但是经过仔细观察，我们会发现神经网络工作中有一些奇怪的东西，包括左眼和右手的黑胡子状阴影。对于克林格兰人来说，让神经网络画出真正好的作品绝对是一个巨大的挑战。目前，其性能并不令人满意。他指出，我可以很容易地判断这个模型的能力水平，尤其是在细节方面，因为任何错误都会导致一些不可思议的内容。同时，他承认，由于模特的训练材料主要是数百年前欧洲中年男女的绘画作品，大部分人物的脸都太白了，他正在寻找更多的图像来源来丰富他的训练数据集。

在克林曼看来，训练神经网络的过程也是一种艺术挑战，换句话说，它要求人和机器都发挥自己的创造力。他解释说，构建一个人脸生成器就像开发一个故事生成器。每张脸或每组脸都会引起相应的联想、问题甚至情绪。当然，机器在处理这些任务时经常会带来意想不到的结果。

事实上，通过这一轮实验，他发现用19世纪的油画风格创作肖像比用现实主义风格创作肖像要简单得多。他指出，当我们观看绘画时，我们倾向于更宽容那些看起来不准确的部分。这是因为我们会认为这可能是艺术家有意为之。毕竟，有许多绘画带有解剖学上的问题，这将进一步缩小人类作品和机器作品之间的差异。

以1930年诞生、2012年因其奇特的风格而在网上走红的《景面耶稣像》为例。克林格兰创造了他自己版本的绘画算法，它和原来的有着同样令人毛骨悚然的风格，但同时它也很有趣。

来源：搜狐微门户