美国诗人拉尔夫·沃尔多·爱默生曾说过：“每个艺术家最初都是业余爱好者。” 他可能从未想过这些话会适用于机器。然而，人工智能已经展示出越来越强的创造力，无论是创作重金属摇滚专辑，还是制作一幅与伦勃朗作品惊人地相似的原创肖像。
将人工智能应用于艺术界可能显得不必要地模仿；当然，有很多人类在创作令人惊叹的作品。然而，支持者表示，训练人工智能具有创造力的真正美妙之处不在于最终产品，而在于该技术在自身机器学习教育基础上扩展的潜力，以及比人类更快、更好地跳出固有思维来解决问题的潜力。例如，具有创造性解决问题能力的人工智能有一天可能会做出快速决策，在自动驾驶汽车的传感器出现故障时拯救乘客的生命，或者提出非常规的化合物组合，从而为以前无法治疗的疾病开发新药。
佐治亚理工学院互动计算学院的副教授马克·里德尔表示，具有创造性的人工智能在开发能够对人类生活做出适当反应的高度自动化系统中至关重要。“事实是，我们每天都会进行很多小小的创造；会发生很多解决问题的事情，”里德尔说。“如果我儿子的玩具卡在沙发底下，我必须用衣架制作一个工具[把它取出来]。”
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑订阅我们的获奖新闻报道以支持我们 订阅。通过购买订阅，您将有助于确保有关当今塑造我们世界的发现和想法的有影响力的故事的未来。
里德尔指出，人类的创造力在人类社交互动中也很重要，甚至包括讲一个恰到好处的笑话或识别双关语。计算机在处理这些微妙之处时会遇到困难。例如，对人类如何构建隐喻的不完全理解，就足以让一个人工智能生成的文学实验创作出新的《哈利·波特》章节，其中充满了诸如“城堡的地板看起来像一大堆魔法”之类的无意义的句子。
里德尔说，尽管如此，让机器准确地模仿人类的风格——无论是伦勃朗的风格还是 J. K. 罗琳的风格——或许是开发创造性人工智能的一个良好开端。毕竟，人类的创造者通常最初都是模仿有成就的艺术家的技能和过程。对于人和机器来说，下一步都是将这些技能用作创造原创事物策略的一部分。
人工智能艺术学院
今天的人工智能程序还不够先进，无法自发地创作热门歌曲或绘画杰作。要让人工智能做到这些，人类必须首先通过输入大量示例来校准程序。例如，德国人工智能艺术家马里奥·克林格曼设计了人工神经网络，基于现有的照片和其他视觉艺术品来组装奇怪而迷人的图像。人工神经网络由一系列相互连接的处理节点组成，该系统松散地基于人脑的神经结构。在人工网络中，每个电子“神经元”都接收一系列数字，对这些输入执行简单的计算，然后将结果发送到下一层神经元——下一层神经元又对数据执行更复杂的计算。
克林格曼的方法包括将绘画和照片等源材料输入到生成对抗网络（GAN）中，该网络结合了两个神经网络的功能。一个网络基于某个主题或一组指导方针生成图像；另一个网络根据其对这些指导方针的了解来评估图像。由于来自第二个网络的反馈，第一个网络逐渐擅长制作更准确地符合所选主题的图像。“现在[这些网络]只是增强我们自身创造力的工具，”克林格曼指出。“我们人类仍然必须认识到创造力或新颖性。”他的目标是建立艺术网络，该网络可以独立地根据给定的主题选择甚至在推特上发布他们自己最好的作品。
creative.ai 的创始人 Alex Champandard 表示，今天的 GAN 严格用于在更广泛的创意系统中创建新内容或图像，该公司是一家旨在为创意人士开发人工智能工具的初创公司。他补充说，GAN 能够快速生成大量材料，但仍然在很大程度上依赖人们来建立他们的指导方针。
从艺术界到现实世界
谷歌的员工研究科学家，也是2014 年首次描述 GAN 概念的论文的主要作者 Ian Goodfellow 表示，GAN 的内容生成能力在开发能够解决现实问题的人工智能方面是一个良好的开端。Goodfellow 一直在研究机器学习模型，以让计算机发明更动态的叙事，这可以超越有限的场景，例如规划一系列国际象棋步骤——计算机在几十年来在这方面做得非常好。
以人类一直在做的经典前瞻性规划为例：当前往机场时，我们经常在脑海中模糊地规划出旅程中预期的关键细节，例如交通模式或道路维修。Goodfellow 说，GAN 可以规划这样的行程，但他们可能会非常详细地这样做，并提出许多可能的到达目的地的路线。他补充说，我们真正需要的是一个计算层，它可以查看神经网络产生的许多选项，并凭直觉决定哪个选项是最好的。
人类创造性思维的另一个关键组成部分是将来自一种背景的知识用于另一种背景的能力。乔治·哈里森拿起西塔琴，将他的吉他演奏技巧应用于这种乐器。莎士比亚阅读希腊神话故事，并创作了一部受这些故事启发的英文戏剧。一位首席执行官利用军事战略知识，或者可能是国际象棋，来规划商业交易。
为此，目前正在进行人工智能算法的实验，该算法可以混合和匹配材料。例如，加州大学伯克利分校的研究人员正在使用他们的“循环一致对抗网络”(CycleGAN) 将一段马的视频转换为斑马的视频。人工智能检测第一段视频中马的基本形状，并可以在该图像之上进行美学处理，立即无缝地将有光泽的棕色毛皮换成黑白条纹的毛皮，同时图像也在移动。这项工作可能成为人工智能的垫脚石，使自动驾驶汽车能够适应不熟悉的道路状况，避免事故。Goodfellow 说：“如果你主要在加利福尼亚州收集你的[道路]训练数据，你可能没有很多关于下雪情况的真实数据。但你可以把你所有晴天条件的真实数据拿来，并使用[生成系统]将其更改为下雪条件。”
这表明，教人工智能不仅要遵守规则，而且还要在必要时抛开规则——就像从业余爱好者成长为艺术家的过程一样。