对抗网络生成的艺术作品为何比人类艺术家更受欢迎？

编译/张含阳

对抗网络生成的艺术作品为何比人类艺术家更受欢迎？

编译/张含阳

深度学习如何像人类一样产生“创造力”，一直是AI科学家们研究的热点。罗格斯大学和查尔斯顿学院近日联合发布了一篇论文，发布了一种全新的深度学习模型——创意对抗网络（Creative Adversarial Networks，CANs）。CAN通过学习风格和偏离风格规范来生成“艺术作品”。该论文是在2017年6月20日至6月22日在亚特兰大举行的第八届国际计算创意大会（ICCC）发布的论文的扩展版本。

我们提出了一个新的艺术创作系统。该系统通过观察艺术和学习风格来生成艺术作品，并通过偏离学习的风格增加生成的艺术的唤醒潜力而变得具有创造性。我们建立了生成对抗网络（GAN），它已经显示出学习生成模拟给定分布的新颖图像的能力。我们认为，这样的网络在其原始设计中产生创意产品的能力有限。我们提出对其目标的修改，使其能够通过最大限度地偏离已建立的风格和最小化偏离艺术品分布来创造创意艺术。我们进行实验，比较人类测试者对所产生的艺术的反应，以及他们对艺术家创造的艺术的反应。结果表明，人类测试者无法将系统生成的艺术作品与当代艺术家所产生的艺术区分开。人类测试者甚至在某些程度上，对机器生成的图像产生了更高的评价。

自从人工智能崛起以来，科学家一直在探索机器产生诗歌、故事、笑话、音乐、绘画等人类创意产品的能力，以及对于创造能力的解决方案。这种能力才是真正显示人工智能算法是否智能的基础。……