钛媒体注：本文来源于微信公众号硅谷密探（ID：guigudiyixian），作者：硅谷密探，钛媒体经授权转载。
在说今天的话题之前，大家先猜猜这幅画卖了多少钱？
在公布答案之前，大家再看看其他画：
图片来自Wired，版权属于TOM SIMONITE
这些抽象派海景，如何？
看得出上面这幅是什么吗？
要说这些画都有一个什么共同点的话，那就是：它们都是由人工智能作出来的！没错，AI 也能够作画了。而且这画的价格，还不一定比名画便宜....
不久之前，全球知名拍卖行佳士得进行了一项很有意思的拍卖，其中被拍卖的作品之一就是上面第一幅叫做 Edmond Belamy 的肖像画。
这个看起来像中世纪的男人，乍一看并没有什么特别。最初，佳士得对这幅画的期待也并不高，预计拍卖价格介于 7000 美元到 10000 美元之间。但没想到，最后竟然拍出了 43.25 万美元（快300万人民币啊……）！要知道，就在同时，佳士得拍出来的另一幅毕加索的画，也是差不多这个价格。当然，这可能是毕加索相对没有名气的画作了。
人工智能作画为何堪比名画价格？人工智能能作画了，这钱到底归谁呢？今天，小探就来跟大家说说，AI 作画的那些事。
AI 到底是如何作画的？
大家不妨再认真看看，第一幅画上面有什么特别的？
答案就在右下角。
按理说，不管是不是名画，一般都会有作者的落款。但是，为什么这幅画的右下角落款处，会是一行代码呢？
事实上，这幅画的“作者”，就跟这行代码相关。
这幅由 AI 作出来的画，背后技术全称是“Generative Adversarial Networks (GAN)”，即“生成对抗网络”。
简单说，这个“生成对抗网络”是由两个相互博弈的神经网络构成的，一个是生成器（Generator），另一个是鉴别器（Discriminator）。这是由谷歌研究员 Ian Goodfellow 提出的。
生成器主要负责输入并生成数据，鉴别器则负责分析数据，区分这些数据是真实的（来自数据集），还是是虚假的（来自生成器）。
如此周而复始，一旦“生成器”成功骗过了“鉴别器”，让鉴别器认为生成的这张图像是真实的，一张属于人工智能所作的新画，就诞生啦！
打个简单比方，就好比妹子让男盆友拍照一样，拍得不好，重来；再来一张，稍微好一点，但不够完美，再重来，最后，只有通过妹子的鉴定，男盆友才算拍出一张妹子想要的照片...
在这个过程中，生成器一共被输入了从 14 世纪到 20 世纪之间绘制的超过 1 万 5 千张肖像数据集。当鉴别器无法区分这幅画到底是人手工完成的，还是通过计算机生成时，就完成了。现在大家看到的这幅新图像，是画作通过鉴别器后，在画布上印刷出来的副本。
可见，人工智能作画，并没有你想象的那么简单。因为机器也要自我学习，自我进步。
这幅画背后是一个叫做 Obvious 的法国组织，它是由三位 25 岁法国年轻人 Hugo Caselles-Dupré，Gauthier Vernier 和 Pierre Fautrel 组成的。其中，Hugo 是深度学习领域的博士候选人，研究方向是机器人强化学习，Pierre Fautrel 则是艺术背景。三位年轻人喜欢探索科技和新事物的结合，既然如此，为什么不尝试把人工智能跟艺术结合呢？
其实，Obvious 不仅仅“画”了这一张被佳士得拍卖的画，还“画”了整个家族的照片。Obvious 将系列命名为“La famille de Belamy”（Belamy 大致翻译为法语中的“好伙伴”，彰显对 GAN 算法的创造者 Ian Goodfellow 的致敬）。
AI 作画？大公司也来掺一脚
看到这里，大家可能会说，名画鉴别还是太难了啊。确实如此，那让你鉴别鉴别名人如何？
图片来自Facebook AI Research
上面从左到右的图片中，你觉得哪些照片是真实的名人照片？哪些是 AI 生成的呢？
你可能又会说了，这里面我没有一个认识的啊，但，怎么又觉得那里似曾相识？比如，小探就觉得，中间那位咋感觉这么像贝克汉姆... 左二的女生则像碧昂斯...
那就对了。
因为，这上面的图片其实是英伟达利用生成对抗网络的成果之一。事实上，这些照片里的名人，都不是真正的名人，而是英伟达根据名人数据库，用 AI 生成的全部高清真实照片。
去年，英伟达就发布相关论文，阐述的是人工智能如何创造“虚假名人”的真实照片。听起来是不是很绕？其实，道理是一样的。就是生成器通过不断输入名人数据库，然后由鉴别器鉴定，生成器再改进输出，直到最后生成的这一组照片，骗过了机器的“眼睛”，认为他们是真人照片，就有了上面这一堆不存在、但又似曾相识的“名人”。
所以，这也迷糊了我们人类的双眼。
除了英伟达之外，像 Facebook 也围绕生成对抗网络进行了相关研究。只不过，他们把 GAN 变成了 CAN（Creative Adversarial Networks，创意对抗网络）。两者有什么区别呢？
顾名思义，在 Facebook 和美国罗格斯大学的研究人员看来，CAN 跟 GAN 相比，突出的是创意。因为 GAN 结构原本生成有创意产品的能力有限，更大程度上像是“模仿”。于是，研究人员们通过修改网络的目标，防止最后产生与原始数据过于相似的内容。这样，机器在训练的过程中，最大限度地偏离已经确立的艺术风格，从而创造出有创意的图像。
图片来自Facebook AI Research
像上面这些抽象画，就是机器根据创意对抗网络生成的。唔，小探已经分不清这艺术作品是谁画的了。。。
不仅用人工智能创作画，Facebook 的研究人员还进行了跟踪试验，比较人在观看系统生成的图像和艺术家创作的画作的反应，是不是有所区别。
结果你猜。
（编辑：怀化站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
