当艺术碰上机器智能，妙不可言

新鲜人

2016年03月03日 14:27
来源：凤凰创新

去年六月，我们介绍了一种能够帮助我们了解神经网络如何完成困难的视觉分类的视觉化技术。除了帮助我们深入了解神经网络的工作原理外，这些技术还能生成奇特、精彩而扣人心弦的图像。

该篇博客发布后，特别是称为DeepDream的源代码发布之后，我们发现包括机器学习技术社区和创意编程社区在内的社会各界都对此表现出浓厚兴趣。此外，Amanda Peterson （又名Gucky）、Memo Akten、Samim Winiger、Kyle McDonald 等多位艺术家立即着手将这种技术作为新的艺术创作方式开展试验。

“GCHQ”，2015年，Memo Akten

不久前，图宾根（Tuebingen）的Leon Gatys 发表了论文《艺术风格的神经算法》（A Neural Algorithm of Artistic Style）。这项技术采用卷积神经网络将图像划分为不同风格与内容组件。反过来他们又可以将神经网络用作通用图像分析器，创造出融合了某种图像的风格和另一种图像内容的新作品。这篇论文再次在创意编程社区引起轩然大波，多位艺术家和程序员立即开始试验这种新算法，实现了推特机器人（Twitter bots）和其他突破性成就与试验。

风格转换算法将照片与绘画风格相结合；例如天体物理学家奈尔•德葛拉司•泰森（Neil deGrasse Tyson）的照片与Kadinsky的《Jane Rouge Bleu》风格相结合。（摄影：Guillaume Piolle）

开源深度学习社区（特别是GitXiv等项目）为这些算法的传播、普及和发展做出了重要贡献。DeepDream和风格转换技术都在不同语言和深度学习程序中得到更快速的运用。很快其他人也开始采用这种技术并推动其进一步发展。

《萨克斯之梦》（Saxophone dreams）——Mike Tyka.

作为一门学科，机器学习正在以飞一般的速度发展，且快速成为众多在线作品的组成部分，在这种背景下，这种技术既有可能得到广泛的艺术应用，也有可能发展不足甚至被忽视。不过，人们对这种技术的兴趣正在迅速增加：伦敦大学正在开设机器学习与艺术课程。纽约大学互动电传学系今年也开设了类似课程。泰特现代艺术馆（Tate Modern）2016年的IK奖主题就是人工智能。

萌芽状态让我们倍感兴奋，但我们希望继续激发艺术界对这些新兴技术的兴趣。为此，我们宣布在旧金山Gray Area艺术基金会举行为期两天的DeepDream活动，旨在展示对机器智能与艺术交集的最新探索成果，引导对未来发展方向的广泛讨论.

我们期待着与您分享艺术与机器学习社区创作的别具一格的艺术作品，与您共同讨论艺术与技术的融合方式。