人工智能艺术将为艺术界带来怎样的风暴？

Theo Triantafyllidis，《How to Everything》，2016。图片：Copyright Theo Triantafyllidis, courtesy of the artist

佳士得拍卖行将在今年10月出售一件人工智能作品（AI, Artificial Intelligence）的新闻一经发布后，很快就占据了全球各大媒体的头条，并引发无数想象。这件看上去有些怪异的作品名为《Edmond de Belamy肖像》（Portrait of Edmond de Belamy, 2018），是一幅由计算机算法生成的男性贵族肖像。很快，它将以7000-10000美元的估价出现在纽约佳士得的拍卖上。但在拍卖尚未开始前，这样一件作品出现在佳士得高端的拍卖场合中就已经引发了争议。

自从谷歌于2015年推出了图像识别软件DeepDream后，使用AI技术创作的图像已经开始在全世界广为传播。不过，这一领域目前仍十分稚嫩，通过AI绘制的艺术作品无论是从美感或概念上来看都尚未成熟，并不足以长期吸引艺术圈的注意。但随着佳士得这样的拍卖行巨头宣布准备拍卖这件AI制成的神秘肖像后，因作品本身和背后更神秘的算法可能成为这一新艺术类型的标杆，许多媒体进行了报道。

这件AI作品背后的团队共有三个人。其中，一个名为Obvious的法国艺术组合开发了创作肖像的算法“GAN”，AI艺术家则通过GAN这种模型进行绘画。GAN的全称为“生成对抗网络”（Generative Adversarial Network）。

GAN模型在2014年开始进入AI圈，当时研究员Ian Goodfellow发表了一篇文章，从理论角度阐述了GAN代表着神经网络进化的下一步发展：效仿人类大脑而成的各层相互连接的处理节点——这对于目前AI的发展起了很大的驱动作用。而GAN的概念之所以能够吸引人们的注意，部分是因为它能够通过训练生产出和全新的、截然不同的图像，这一点和谷歌DeepDream非常不同：DeepDream只能生产出重复的图像，而且都是已经存在的图像，这被artnet新闻艺评人Ben Davis形容为像在“快速浏览令人目眩的Ins滤镜”一般。

将要在佳士得上拍的《 [ ()]》 + [( − (()))], Portrait of Edmond de Belamy》，来自《La Famille de Belamy》系列。

为了让这一算法创造出合理的古典风格肖像，Obvious的成员表示他们为此挑选了超过15000张创作于14到20世纪之间的肖像画作为训练数据。算法在这些图像的基础上，“生成”了与这些数据库图像相似的新画面。接着，这些新的肖像再被拿到另一种算法（即GAN模型）中，A代表的Adversarial（即“对抗”）的部分。“对抗”这部分所受的训练是区分出人类创作的图像和机器创造的图像——就像是给艺术作品做一个图灵测试（Turing test）——直到这些新生成的肖像能够成功骗过这个分辨环节，让它以为这些作品图像都是“人为”的。

自从这一技术问世以来，传统艺术圈中的很多人都已经为这个被Obvious命名为“GAN主义”（GAN-ism）的运动丧失了理智。但其他一些通过AI创作的艺术家们则认为，现在对AI能够达到的效果所进行夸大宣传，还有些为时过早。Mario Klingemann作为AI艺术先行者，在GAN诞生之初就开始使用，他表示尽管这个模型能够创造出看上去是全新的图像，也可以定义什么是AI艺术，但它们实际上也只是神经艺术工具箱里的工具之一。

“因为你即便对它的工作原理、如何控制它们没有太深的了解，它们（GANs）依旧能创造出瞬间的满足感。目前这种模型吸引的都是一些假内行，或是要赶上这波新潮流想博取关注度的人，”Klingemann说。

Nature Morte的展览“Gradient Descent”中展出的Mario Klingemann作品《79530自画像》（79530 Self-Portrait, 2018）。图片：Courtesy of Nature Morte, New Delhi

他尤其不赞同Obvious小组因此得到的认可。“几乎每个在这一领域认真工作的人都认为，突出介绍Obvious的做法是有欠考虑的。当然，佳士得在所有以神经网络为创作手法的艺术家中挑选他们的作品进行拍卖也欠考虑，”Klingemann表示。

“这件作品并不是很有趣，也没有原创性，”年轻的AI艺术家Robbie Barrat表示赞同，“他们只是想办法让这听起来像是他们‘发明’或‘编写’了这些作品的算法，”但Barrat说这一组合实际上是执行了一个已经存在的模型来生成一些低像素的图像，然后再经过一个网络增强器把这些图像进行处理得到最终图像。“有人从2015年起就已经在使用这样的低像素GANs了，”Barrat补充说。在去年（他17岁）时，就用了同样类型的神经网络和相同的数据设置完成了一个项目。“AI和艺术圈里的人都不认为他们是真正的艺术家，更像是市场推广者。”

佳士得全球版画及限量作品部门主管Richard Lloyd对此解释说，Obvious的创作过程中人类的干预十分有限，而且艺术家小组也把作品的归为算法而不是他们自己的作品。“我们特别选择这件作品的原因，一部分是因为其中的过程，”Lloyd说，“Obvious试图尽可能地限制人在过程中的干涉，所以最终的作品能够反映出机器所想表达的‘最纯粹的’形式。”

一幅受梵高作品影响的谷歌DeepDream绘画。图片：Photo courtesy of Google

历史经验

为了更好地弄明白我们应该为AI艺术感到激动还是警惕，首先就要跳过这些已经用GAN模式在进行创作的艺术家们，而先去了解一下人工智能本身的历史。

目前，包括艺术在内的众多关于AI的争论，大部分都是因为对技术有着很大的误区而被扭曲。在各种科幻著作的影响之下，大众会自然而然将任何AI技术都与技术人员和研究员所谓的“通用人工智能”（artificial general intelligence）联系在一起，即一台能够独立思考、不用接受特别训练而自学、甚至能够拥有情感的机器。这是AI在好莱坞经典影片中的模样，比如《星战》中的C-3PO（正派角色）以及《2001：太空漫游》中的HAL-9000（反派角色）。

研究人员们目前正在积极地进行通用人工智能的开发，而像谷歌这样的大公司在最近所取得的突破让人们觉得这项研究有可能获得成功，即便可能发生在遥远的未来。但这些类型的AI都不是Obvious、Klingemann或其他艺术家所使用的神经网络。原因很简单，因为它们仍在研发中，尚不存在。

谷歌首席执行官Sundar Pichai在谷歌开发大会上。图片：Photo by Justin Sullivan/Getty Images

如果对GAN进一步研究则会发现，这一模型目前所具备的能力与为不懂行的大众所打造的具有感知能力的机器人之间还相差甚远。经济学家Karthik Kalyanaraman是第一个主要展出AI艺术作品的画廊展策展人，他解释说自从Goodfellow关于GAN模型的论文在2014年发表后，不同家公司都将原生的、未经训练的GANs制作成了开放源，其中包括Google （TensorFlow）、Facebook（Torch）、以及荷兰NPO广播 （pix2pix）。

而当这些算法被训练成制作某些特定图片时，它们才开始具备了艺术的属性，而过程需要人来执行。“艺术家面对这些算法时，它们是原生的，就像是为了给小孩子训练而准备的空白板。接着，艺术家再用某种特定的视觉方式对它进行训练，”Kalyanaraman说。要将GANs训练到能够生成和预期相符的图像，大概要花上两个月。

所谓的“GAN主义”和在没有人类帮助下改变世界了的“人工智能艺术家”之间，有很多不同。这里的问题不仅仅是GANs只能学习它们被输入的特定数据（比如“这些图像都是肖像”），还有一点是它们能够执行任务的范围其实非常狭窄（比如“现在既然你已经看到了所有的肖像，请给我画一幅肖像”）。其他的问题还在于目前在所有最先进的神经网络中，只有一种能够进行多项识别任务。除了技术和经济方面的问题，要训练一个GAN获得新的知识就必须完全抹去它原始任务上的所有痕迹——这一过程在AI界被形象地称为“灾难性遗忘”（catastrophic forgetting）。

在实际操作中，“灾难性遗忘”意味着Obvious用来创作《Edmond de Belamy肖像》的GAN并不能用在创作一幅风景画中。目前，科技潜在可能的开发已经远远超过了现实。今年十月雅典双年展的参展艺术家Theo Triantafyllidis则将这一讨论放在了这样的语境基础上：“即使到了今天，AI艺术的发展仍处于一个蹒跚学步的孩童和一个非常聪明的宠物之间。”

Theo Triantafyllidis, 《无缝》（Seamless, 2017）。图片：Copyright Theo Triantafyllidis, courtesy of the artist

▼ 插播一条广告 ▼

走向“GAN主义”的对抗方式

鉴于此，Obvious用一组已有的肖像数据对原始算法进行训练的方式并没有我们所理解的那么具有原创性，因为其他人也可以复制这一训练过程然后得到相同的结果。

那么Obvious作品的主角和之前Barrat、Klingemann以及其他用GANs创作的艺术家所得到的作品有那么多相似的失真感，也就在情理之中了。而Klingemann甚至为这一现象想到了这样一个名字——“弗朗西斯·培根效应”（Francis Bacon effect）。

这种重复相似性也就说明人类在人工智能创作能力的发展中仍然扮演着非常重要的角色。即便在Goodfellow的论文一发布后这种技术很快问世，但Kalyanaraman表示直到2017年上半年，艺术家们才真正开始意识到AI艺术可能具备的多样性的美感和丰富的理念。“我认为这只是标志着这一领域处在它的萌芽期，”Kalyanaraman解释说过去一年半时间内，技术方面取得了一些新的进展，而更多传统艺术家们也都开始加入了这一行列。

“他们已经不仅是在思考它作为AI艺术作品所具备的‘卖点’，而更多的是考虑他们（艺术家）能够通过这一技术实现更丰富的理念，”Kalyanaraman说。同时，他还补充道随着更多艺术家开始用AI创作，就越能明显看出什么作品并不是原创的。

确实，AI已经从两方面抓住了艺术家的关注。一是对技术在观念上的深度有更多的研究；二是在传统艺术市场架构中的进一步渗透。以Trevor Paglen最新的系列作品《Adversarially Evolved Hallucinations》为例：艺术家并没有在GAN模型中用肖像进行训练，使其生成类似于人像的作品，他所用的图像只是简单标记着象征性的或暗喻性的词汇，然后再通过算法生成一些图像，而且并不是能够以“肖像”、“猫”这样直观的字眼所简单描绘的。

比如，这一系列中的一件作品是通过输入开放式的分类“梦的解析”这一标签对GAN进行训练，使用图像包括弗洛伊德经典的皮下注射针头、窗户和肿胀的面部。当GAN接受到指令，根据所看到的图像生成新的作品时，出现的是一张被Paglen命名为《错误的牙齿（全系列：梦的解析）》（False Teeth , 2018）的作品。布满血红色和牙龈般粉色的画面中显现了一个怪异的、非具象的图形，而中间碎片状的物体则让人想到了牙医种植。

Trevor Paglen，《False Teeth (Corpus: Interpretations of Dreams) 》，来自《Adversarially Evolved Hallucination》系列，2017。图片： ©Trevor Paglen, courtesy of Metro Pictures

在今年夏天的一次采访中，Paglen宣称将用AI模拟索尔·勒维特（Sol LeWitt）创作《墙上绘画》（Wall Drawings）的方式。这两者的任务都是建立起一套描述足够清晰的规则，能够指导助手们达到一个通用的形式结果，而这一结果也能显示出那些规则中的空隙和故障。

而两者的区别在于勒维特的助手是具有理解和阐释能力的人类，在必要时仍能作出自己的判断。Paglen的神经网络则是一组复杂的数据，只能将植入于训练中的人类意识进行视觉化。不同于Obvious“纯粹”的作品想要表现出GANs是如何独立、如何先进，Paglen的作品恰恰说明了GANs的生成结果是有依附性的而且非常有限，而且很容易受到其开发者、研究者潜藏偏见的影响。

由于GANs并不是唯一可用的AI算法， 艺术家的思维也随之拓展。比如，Theo Triantafyllidis的创作就绕开了神经网络，而是采用了电子游戏中操控非玩家角色的决策树算法（decision-tree）AI——他将这种技术运用在了屏幕锁定模拟器和VR作品中。其他艺术家如Lynn Hershman Leeson、Martine Syms和Martine Rothblatt也已经用聊天机器人（Chatbot）创作了作品。这款智能聊天机器人显示了对语言进行自动处理的能力，而它作为AI的一个分类，也是Siri、Alexa这类“智能助手”背后的支撑。

这样看来，佳士得和Obvious进行AI作品拍卖所引发的小小争议倒是把我们引向了AI艺术早期发展的重要一课：为了能够找到真正具有突破性的作品，我们最好不要再去想着要在人类艺术家和AI工具的创作间划一条界线。我们更应该去思考人类艺术家是否能够通过AI技术的应用，比研究员和编程人员来触及更深刻、更广阔的观念和美学深度。如果做不到这些，那我们只不过是把一个技术母带升级到了录音室级别而已。

文丨Tim Schneider & Naomi Rea

译丨Elaine

artnet微信平台是由Artnet全球有限公司独家授权的平台，任何出版机构或微信公众号未经许可，不得擅自转载artnet微信平台或翻译来自artnet News网站的文章，否则权利人将根据知识产权法追究其法律责任。