國外一項(xiàng)研究認(rèn)為，在未來的幾十年間，美國47%的現(xiàn)有工作崗位將面臨被AI（人工智能）和自動(dòng)化取代的風(fēng)險(xiǎn)。雖然不少專家質(zhì)疑了這一算法，但是AI的威脅確實(shí)越來越近了。我們現(xiàn)在聊以自慰的就是，手動(dòng)的或者重復(fù)性的工作可能會(huì)被AI搶走，但是創(chuàng)意性的工作則相對安全。事實(shí)真的如此嗎？其實(shí)AI早就對人類創(chuàng)意工作虎視耽耽，并且有了長足的進(jìn)步。

AI自畫像技驚四座

紐約時(shí)報(bào)的編輯找到IBM研究院，希望他們能夠通過AI的方式畫一幅畫，以便作為一期AI專輯的封面。這個(gè)請求看起來簡單，其實(shí)暗藏了很大的挑戰(zhàn)。已有的AI技術(shù)，比如汽車智能駕駛、翻譯、玩游戲，甚至制作電影的預(yù)告片等等，這些任務(wù)不需要AI創(chuàng)建新材料，只需分析手頭已有的信息并根據(jù)訓(xùn)練做出選擇即可。而現(xiàn)在要讓AI跳出已有資料，以“自我思考”的方式創(chuàng)造出全新的藝術(shù)作品，難度可想而知。最終，IBM的AI還是交出了令人驚訝的作業(yè)（圖1）。

圖1 AI自畫像——AI與人類創(chuàng)造力手牽手（圖源：IBM Research）

像人類一樣提煉作品主題

上述AI作品的產(chǎn)生，它的算法可以分為三大部分，有點(diǎn)類似于藝術(shù)家的創(chuàng)作過程，下面我們就來一一解說。

首先是確定作品的核心概念，也就是作品的主題。主題作為藝術(shù)作品的核心思想，在以往的AI創(chuàng)作中（比如寫詩），基本上都是由人事先指定好關(guān)鍵詞，AI是被動(dòng)的。而此次的AI創(chuàng)作，研究員們決定由AI自行確定。

研究員們首先匯集了紐約時(shí)報(bào)上大約3000篇左右的AI相關(guān)文章，然后通過自然語言處理軟件分析這些文章，找出和AI高度關(guān)聯(lián)的語義概念，比如“機(jī)器人”、“自動(dòng)駕駛”和“計(jì)算”等，共選擇了30項(xiàng)。

因?yàn)檫@些詞語本身并不包含“AI”字樣，所以軟件通過簡單的關(guān)鍵詞搜索是不可能將它們提取出來的，軟件只有像人一樣智能地“理解”了詞語的意義，才能精確完成篩選任務(wù)，其中自然語言處理技術(shù)起著重要作用（圖2）。

圖2 自然語言理解的實(shí)現(xiàn)模型之一（想要理解語言，電腦必須要理解這個(gè)世界）

文字概念需要圖形化，AI通過上述篩選出來的30項(xiàng)概念，訓(xùn)練一個(gè)用于視覺識(shí)別的神經(jīng)網(wǎng)絡(luò)（圖3），以便從紐約時(shí)報(bào)紛繁復(fù)雜的文章圖片中，挑選出含有AI意義的所有圖片，并按與AI的密切程度對圖片打分。在評分前十的圖像里，項(xiàng)目參與人員最終選定一張人和機(jī)器人握手的圖像（還是不能完全排除人類干預(yù)，需要與人類攜手合作）。

圖3 視覺識(shí)別神經(jīng)網(wǎng)絡(luò)模型之一

從學(xué)習(xí)模仿開始的原創(chuàng)圖像

主題概念確定之后，AI接下來正式進(jìn)入創(chuàng)作過程。人類畫家，開始學(xué)畫時(shí)大都經(jīng)歷過一個(gè)學(xué)習(xí)模仿的過程，AI畫畫也是如此，只是它的方法更為獨(dú)特些。研究員們首先收集到1000多個(gè)機(jī)器人及人的手的圖片，作為AI的學(xué)習(xí)訓(xùn)練數(shù)據(jù)集（圖4）。

圖4 機(jī)器人和人的手圖片示例

AI的學(xué)習(xí)模型大致分兩類，一類是判別模型（Discriminative Model），一類是生成模型（Generative Model）。假設(shè)給定一張圖，要求判斷圖里面是什么動(dòng)物，貓還是狗，這就是判別模型。假設(shè)給定的是多個(gè)貓的圖集，然后生成一張不在此圖集中的新的貓圖，那么這就是生成模型。

本文所述的AI采用的則是深度學(xué)習(xí)模型生成式對抗網(wǎng)絡(luò)（GAN， Generative Adversarial Networks ），它同時(shí)包括了判別模型（D）和生成模型（G）。G不斷生成新的機(jī)器人和人的手的圖片，盡可能貼近原有數(shù)據(jù)集中的圖，以欺騙D；D不斷識(shí)別G所生成的圖片是不是真實(shí)的，將假的圖排除。這兩個(gè)學(xué)習(xí)模塊不斷博弈的過程，最終的結(jié)果就是產(chǎn)生一個(gè)足以亂真的牽手的圖片，并且是與原來數(shù)據(jù)集中的圖不同的新作品（圖5）。

圖5 生成式對抗網(wǎng)絡(luò)的工作原理模型

錦上添花的作品包裝

既然是為特定報(bào)刊定制的作品，當(dāng)然要盡可能符合原有報(bào)刊的一貫風(fēng)格。這對AI來說已經(jīng)不是什么難事，將紐約時(shí)報(bào)以往的封面圖片匯集成數(shù)據(jù)集，訓(xùn)練出風(fēng)格轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)，對上面新創(chuàng)作的人與機(jī)器牽手的圖片進(jìn)行自動(dòng)風(fēng)格轉(zhuǎn)換，生成多幅作品，從中挑選出最滿意的就可以了，效果便是本文開篇的那樣圖了。

更多的拓展應(yīng)用

IBM的AI自畫像技術(shù)，其獨(dú)到之處就是可以由AI自動(dòng)確定主題概念，再以此概念生成全新的藝術(shù)作品，并且還可以根據(jù)要求定制不同的藝術(shù)風(fēng)格。這可以應(yīng)用到很多領(lǐng)域。比如作家可以通過它設(shè)計(jì)新書的封面，影視可以通過它設(shè)計(jì)海報(bào)，音樂家通過它設(shè)置專輯封面等等。