当前位置:首页 > 智能硬件 > 人工智能AI
[导读] 人工智能艺术的核心是计算机的“创造力”培养,其假定计算机作为艺术创作的主体——艺术家来加以构建。其基础是机器学习(Machine Learning, ML)。机器学习是使计算机具有智能的根本途径

人工智能艺术的核心是计算机的“创造力”培养,其假定计算机作为艺术创作的主体——艺术家来加以构建。其基础是机器学习(Machine Learning, ML)。机器学习是使计算机具有智能的根本途径。早期的机器学习方法是神经网络(Neural Networks,NNs),通过模仿动物神经网络行为特征来进行分布式并行信息处理;而近期的深度学习(Deep Learning,DL)是多阶层结构神经网络结合大数据的逐层信息提取和筛选,使机器具备强大的表征学习能力,也使机器学习从技术范畴上升到“思想”范畴。

人工智能的一个重要前提是大数据。借助云计算技术,由机器操控数据来进行结果判断和帮助决策,这叫模式识别。模式识别的本质是通过数据描述,使机器对事物或现象进行描述、辨认、分类和解释。如果我们以计算机“输入—运算—输出—结果”的生产方式来类比艺术的创作方法,则传统艺术的创作逻辑特征可表述为:视觉输入—人脑(人体)运算—工具输出—必然性结果。

而人工智能艺术借助数据的输入可以产生更多具有刺激性和感染力的创造性结果,其逻辑特征可表述为:数据输入—程序(人工)运算—电子设备输出—随机性结果。

人工智能艺术在今天不仅是一种从主题、形式到技术都令人惊叹的前卫艺术类型,而且在日益扩大艺术的外延。从艺术内部的形式与审美完善,到艺术外部的社会化、政治化触发,人工智能艺术导致艺术功能、艺术价值、艺术家身份认证、艺术评价体系等问题都要重新界定。

毋庸置疑,人工智能技术极大地提升了艺术的想象力与创造力,丰富了艺术的形式与创作工具。由Google开发的AutoDraw即是利用AI算法对艺术家的草图的自动加工与制作,作曲家、诗人、画家等可依靠它来完成基本输出,然后进行扩展与完善。这极大地提高了艺术创作的效率,也意味着开拓出人机合作进行艺术创作的新路径。

然而,人工智能艺术最令人遐想的还是未来的“赛博格”艺术家(Cyborg)。随着计算机技术的高速发展,艺术最终将走向人机交融的合成时代;未来,技术会更加自然地融入人们的日常生活且难以界定,异源嵌合体、生化电子人、人机合体生物等将把人类变成“超级艺术家”。

艺术一直以其对审美能力和创造技巧的绝对控制而专门化与职业化,又因其在精神与文化领域的自律而神秘、矜持。后现代主义“人人都是艺术家”的主张或将打破这一垄断,艺术对生活的拥抱经由技术加持在今天已演变为“世界就是艺术家”。这表现为两个方面,一是艺术对世界的唤醒,二是艺术的生活化与娱乐化。具体言之,当代人工智能技术、生物技术和纳米技术这三大技术的进步,使人类得以实现与万物的相连和信息交换。人工智能艺术帮助我们扩展自己的生理、心理极限,这既是一种对世界的全新感知,也是世界对人类的诗意回应。

近代以来,艺术的本质一直被视为是基于情感与精神的自由创造,而复制的艺术、形式主义的艺术等都是精神创造缺位后的贬称。在很多传统艺术家看来,人工智能艺术基于专家系统支持而进行的数据归纳、综合被认为是缺乏演绎与创造,“机器作画总是缺少一些深层次的东西”。

艺术史家杰姆斯·艾克因斯(James Elkins)直言:“(算法)不是根据社会环境、含义和表达目的来创作,而是根据艺术风格创作。”但《爱德蒙·德·贝拉米肖像》的成功很显然对这一创造缺位开了一个口子,更何况在科学家预想的人工智能第三个阶段,机器将拥有“自由意志、情感认知和自由活动能力”。

人工智能艺术还隐含了一场权力争夺战。诞生之初,人工智能是为了对人类智能进行延伸和扩展。通过对人类意识及其思维信息过程的模拟,让计算机拥有学习、推理、思考和规划的能力,从而使机器能替代人完成一些此前由人完成的复杂工作。然而,人工智能的发展已衍生出“过度依赖数据”的危机。对数据和算法的依赖开始形成一种权益的悄然转移。算法和数据开始接管大众媒介的权力,算法输出结果所依赖的数据,开始代替人类进行决策。建立在数据和算法基础上的人工智能艺术,因而也神奇地获得了某种权力。

人类艺术行为的主体和对象都是人,艺术因其反思的品质而对人类社会来说弥足珍贵。可以说,艺术的社会属性决定了艺术是“属于人的艺术”,艺术家总是在赋予我们所看事物以有“意义”的解释,而这意义是对于人来说的意义。2018年,人工智能艺术工作室OUCHHH在法国巴黎艺术中心推出了一场名为“诗意AI”(Poetic AI)的展览。展览对2000多万行科学家所写的涉及改变人类历史的关于光、物理、时空的文献进行机器学习,随后经由人工智能算法转码后的文字和图像被投影在3300平方米的空间中,人们可在这一无限变幻的光线运动中忘我体验。

上述关于人工智能艺术的讨论或志得意满,或未雨绸缪。但无论如何,人工智能艺术在现阶段仍在我们可控的范围内。面对人工智能艺术对传统艺术的不断挑战,公众和学界都应保持理性与宽容。在这样一个充斥着“机器即将全面替代并统治人类”传言的时代,我们仍然寄希望于人类艺术在未来可以继续行使改造世界、创造文明的职能。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

北京——2024年4月18日 西门子中国和亚马逊云科技双方高层在西门子中国北京总部会晤,双方宣布签署战略合作协议,共同成立“联合创新团队”。基于亚马逊云科技在生成式AI领域的领先技术和服务,并结合西门子在工业领域的深厚积...

关键字: 生成式AI 机器学习 大数据

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习

随着大数据时代的到来,数据处理成为了一项至关重要的任务。传统的数据处理方法往往面临着效率低下、准确性不高等问题,而机器学习技术的兴起为数据处理带来了全新的解决方案。本文将深入探讨机器学习在数据处理中的应用,并分析其优势和...

关键字: 数据处理 计算机 机器学习

机器学习是人工智能领域的一个重要分支,它使用各种算法来使计算机系统能够从数据中学习和改进,而无需进行明确的编程。在机器学习的广阔领域中,有多种算法被广泛应用,每种算法都有其独特的适用场景和优势。本文将详细介绍机器学习中的...

关键字: 机器学习 人工智能 计算机
关闭
关闭