从生成美学说起,细数人工智能艺术的前世今生
前沿 从生成美学说起,细数人工智能艺术的前世今生 前沿 | 2019-06-24 16:28 从生成美学说起,细数人工智能艺术的前世今生 大数据文摘

时间将证明人工智能艺术是否会成为一场革命,它将质疑我们制作艺术的方式 。

大数据文摘出品

编译:lvy、橡树_hiangsug、蒋宝尚


随着第一幅AI画作被拍卖了3000万人民币之后,机器艺术突然变得炙手可热了。


许多博物馆和画廊已经在着手开办AI艺术作品展览。而国外一个名为9 GANs的艺术馆也将AI画作推向了市场


不仅如此,一系列围绕着计算机艺术创作的哲学问题被不断激起,受到了各界的广泛关注。


其实大多数被称为“人工智能艺术特有的哲学问题”,在上世纪50年代末开始的生成性艺术的前几次迭代中已经得到了解决。


换句话说:虽然人工智能艺术确实产生了新颖有趣的作品,但从艺术历史的角度来看,它并不像人们所吹捧的那样具有革命性质。


因此,人工智能艺术的未来与其说是将用于“图像制作”,还不如说是在为人工智能的工业化进程发挥其关键潜力。


前世:计算机艺术


至少在20世纪50年代后期,艺术家们就开始使用计算机创作作品。当时斯图加特大学马克斯本斯实验室的一组工程师开始进行计算机图形的相关实验,像Frieder Nake、Georg Nees、Manfred Mohr、Vera Molnr等艺术家也开始探索使用大型计算机、绘图仪和算法创建视觉艺术作品。


正如弗里德·纳克回忆的那样,最初这只是作为在本斯实验室测试新设备的练习,但很快就变成了一场艺术运动——马克斯·本斯为这种艺术形式提供了一个理论框架,并以此对立于法西斯主义。本斯认为,计算机艺术的字面上的“计算”美学有意避免所有的情感诉求,从而使其免受政治攻击。


untitled.png


当然,从弗里德·纳克(Frieder Nake)早期对祖斯图形绘制仪的实验到海伦娜·萨里诺(Helena Sarinone)等当代人工智能艺术家的作品还不及完整半百之年的传承。


换句话说,如果我们利用早期的计算机艺术实例来理解它,人工智能艺术就变得更有趣了。我们甚至可以说:早期的计算机艺术为当代人工智能艺术提供了缺失的理论框架。


untitled.png

但为什么选择早期的计算机艺术作为参考,而不是像亚伦·赫茨曼(Aaron Hertzmann)提出的那样,选择电影或摄影?从表面上看,目前人工智能艺术的发展似乎与摄影和电影的发展历史相似,它们都是从单纯的“技术演示”开始的(想想著名的蒸汽铁路电影,据说是为了让观众恐惧地离开剧院),经历了一个从模仿传统媒体(绘画和戏剧)到最终成为独立的艺术媒体的阶段。


此外,摄影和电影都具有漫长的历史可作为机器辅助艺术的理论参考,也很早就解决了机器的所有者问题:机器的所有者还是操作者拥有通过该机器创作的作品的所有权?


因此,摄影和电影对人工智能艺术看起来确实有借鉴意义。然而,计算机艺术与人工智能艺术有着更为明确和直接的联系:就像今天的人工智能艺术家一样,早期的计算机艺术家主要关注的是大量的图像。早期的计算机艺术家认为作品的算法制作便是在创造“生成美学”。计算机艺术先驱弗里德·纳克在2010年一次清晰的采访中谈到了这个想法。


纳克的论点很简单:在计算机艺术中没有杰作,因为计算机艺术不是关于“作品”的制作。它涉及到系统设计的产生,以及这些设计的美观和一致性。换言之,对“生成美学”作品的审美判断机制是基于作品生成方法而非作品本身。尽管在过去的五十年中,制造这种系统的工具已经发生了一定的变化,“生成美学”的思想仍然存在。


例如, Alexander Mordvintsev的DeepStream(2015)作为机器学习的第一个艺术应用之一,其本质上是一个视觉转换系统(技术上基于特征可视化)。由于Deepdream主要与imagenet/ilsvrc-2012(数据集)结合使用,因此生成了大量狗的形象,但Deepdream作为一个系统,它并不局限于任何特定的数据集。事实上,DeepStream可以用来“find anything in anything”(译者注:即算法可以基于不同图像数据集创造出不同形象)。


一些对DeepStream的负面反响可能是由于系统没有使用不同的数据集发挥其全部潜力,在不反映其生成性质的情况下,将系统中的样本呈现作为全部工作的结果。当然,这个问题并不是人工智能艺术所独有的,而是所有媒体艺术都在面临的一个问题,且在市场压力下将持续存在——正如最近Deepdream被用来作为时尚模式的识别机器一样,这一问题再次被证明存在。


untitled.png

McDonald是2015年Google开源Deepdream后第一批尝试Deepdream(除Alexander Mordvintsev本人)的艺术家之一。


如果我们现在把一些最流行的作品命名为人工智能艺术,例如Anna Ridler, Sophia Crespo, Memo Atken, Mario Klingenmann, Gene Cogan和其他人的作品,那么很明显它们的作品本质上也是对特定图像集的操作:他们在通过图像数据集训练GAN(生成式对抗网络)隐空间,或通过各类方法探索这些隐空间的意义。从技术的角度来说,我们可以说,早期的计算机图形学和当代的人工智能艺术都在对概率分布进行操控和探索。


这并不是说,人工智能艺术对艺术史没有任何新的贡献——只是人工智能艺术的哲学问题是历史问题,而不是当代艺术所特有的问题。然后,我们首先应该怎么定义当下时刻人工智能艺术所面临的问题?当代人工智能艺术对这些历史、哲学问题给出了什么具体的答案?


今生:AI艺术目前所面临的三大问题


人工智能淘金热是否来临?


最近有人提出一种观点:人工智能迎来了“淘金热”。相对于围绕人工智能的极端媒体炒作,尤其是基于神经网络的人工智能艺术,其实人工智能艺术目前在已建立的艺术世界中的所占份额微乎其微。目前,人工智能艺术在很大程度上是一种内部游戏,少量的主角带动了大量的审美和批判输出。但这不一定是坏事,毕竟当代艺术的理念曾经意味着区别于大型机构和市场(即小众),而这一事实却在对当今人工智能艺术流行的描述中很容易被忽视。


拍卖会


支持“淘金热”的一个主要案例是收藏家最近对所谓“人工智能艺术”作品的购买行为,一个最著名的例子是法国集体拍卖行在Christie’s以432.500美元的价格出售了由GAN生成的罗比·巴拉特肖像中一个普通金边样品。


而在几周前,一个先前的版本实际以10000美元的价格卖给了一位私人收藏家。这在新生的人工智能艺术界引起了巨大的波澜。当然,对已售出作品的重新拍卖感到愤怒是合理的,但这也同时表明人工智能艺术品的价格和数量并没有显示出所谓的“淘金热”。目前来讲,购买人工智能艺术主要是一个宣传的噱头,Christie’s借此得到免费公关的价值肯定比它臭名昭著地拍卖法国集体作品的售价高出一个数量级。


untitled.png


切尔西美术馆曾开办过由Ahmed Elgammal主绘的Faceless Portraits Transcending Time show(无脸肖像跨时代展),正如美术馆老板菲利普•赫勒•古根海姆(Philippe Hoerle Guggenheim)直言道,该美术馆主要是通过想通过之一类艺术展标榜自己身处站在前卫派的前沿中。


一些观众认为人工智能艺术是一种威胁。在他的办公室里,霍勒·古根海姆给我看了一篇关于Instagram的评论,抱怨说这个画廊以机器创造的艺术为特色:“对于一个美术馆来说,真是太可惜了……他们居然不去支持人类视角下丰富多彩的世界(反倒去支持机器)。”考虑到人们对机器人从事人类工作的普遍恐惧,这是可以理解的,一些观众可能会认为人工智能将取代视觉艺术家甚至所有人。霍勒·古根海姆反倒欣然接受了这一类批评——毕竟它只是表达了人们实际上对这一展会具有极大的关注度。

 

展览


与此同时,到目前为止,人工智能艺术展几乎都是贸易展,基本上都是包含浅层机器学习知识的作品展览。 而最近在伦敦巴比肯举办的“人工智能:超越人类”展览,很好地将技术,纯粹的装饰作品(如TeamLab的作品)以及人工智能艺术作品融合在了一起。


untitled.png


这有助于再次审视计算机艺术的历史,以了解展览策划人的折衷主义思想。伦敦(1968年)举办的神经机械奇缘展览是第一个展示技术性艺术的展览之一,它采用了同样的非概念来展示“一切技术”。


与巴比肯展览一样,它声称已经“发现”了技术在艺术中的应用,尽管有很多早期的展览都这么说(如一年前萨格勒布和1965年斯图加特的展览)。然而,只有杰克·伯恩汉姆(Jack Burnham)在纽约犹太博物馆举办的软件展览会(1970年)开始关注使用技术所产生的具体问题,而不只是展示新技术。

untitled.png

杰克·伯恩汉姆在纽约犹太博物馆举办的软件展览会(1970年)


此外,从历史上看,技术演示和艺术作品的展示是互相穿插的。在20世纪90年代所谓的第二波媒体艺术高潮时期,技术演示非常狂热,许多策展人都将其作为展览的一部分,如卡尔·西姆(Karl Sim)的著名 “进化的虚拟生物” 展览(1994年)。


与此同时,克里斯塔·索默勒(Christa Sommerer)和劳伦特·米格诺尼尔(Laurent Mignonneau)等艺术家在技术期刊上发表了关于他们作品的文章,如A-Volve(1994年),并在Siggraph等技术会议上发表了演讲。


untitled.png

卡尔·西姆斯:进化的虚拟生物展览(1994年)


这两种现象,AI艺术展览的奇特概括,以及艺术品和技术演示的混合,都可以被视为艺术界缓慢采用某种技术的副作用。然而,这种采用正在进行中,只是没有品牌作为AI艺术,作为一些最近由知名艺术家的作品显示。


人工智能艺术展览的兴起,以及艺术品和技术演示的融合,这两种现象都可以被视为艺术界采用技术产生的副作用。这种副作用仍然在继续,只能还没有在知名艺术家的作品中被标榜为人工智能艺术。


人工智能艺术能证明机器可以是艺术家吗?


在克里斯蒂丑闻事件的讨论中,机器是否为艺术家问题引起了公众的注意,并被媒体和展览策划人欣然接受。事实上,机器可以是艺术家,甚至可以取代艺术家,就像他们将取代所有其他的工作一样。


但这种想法太理想化了,并不值得讨论:毕竟,创造艺术通常被认为是所有活动中最人性化的。但是实际上还存在着一种观点:正如巴比肯展览中所展示的,人工智能最终会告诉我们“是什么造就了人类”。在历史进程中,机器是艺术家一直是计算机艺术的通俗解释。


弗里德·纳克(Frieder Nake)对20世纪60年代计算机艺术的这种思维方式提出了批评,因为这种思维方式很容易与人工智能艺术产生交集:


当今画坛的进步与时尚服装和汽车界的进步是一样的[…]在我看来,“计算机艺术”不过是这些时尚中的最新一种,从一些偶然中涌现出来,一时兴起的基于偏见和误解肤浅的“哲学”推理的主题,逐渐就会消失,给下一个时尚留下空间。[…] 像“是电脑创意”或“是电脑艺术家”之类的问题不应被视为严重问题,句号。鉴于我们在20世纪末所面临的问题,这些都是无关紧要的问题。”


如果我们认为将人工智能艺术定义为GAN网络的发现,或者DeepDream的发展,那么这段话的其余部分似乎非常合适。


接下来,如果我们再往前走,我们可以争辩说,机器和艺术家一样古老。艾伦·图灵在1950年著名的论文《计算机械与智能》中讲述了机器创造力的问题:


我认为,机器不能产生让人惊叹的观点应归咎于哲学家和数学家特别受制于一个谬论。这是一个假设,一旦一个事实被呈现给一个人,这个事实的所有后果都会随之产生。 在许多情况下,这是一个非常有用的假设,但很容易忘记它是假的。 这样做的结果就是,人们假设仅仅通过数据和一般原则来解决后果是没有道德人性的。


换句话说,图灵认为,机器是否具有创造性问题的缘起是人们有一些刻板印象:即创造力与成果产出无关。 基于图灵的观点和对阿多诺的解释,我们可以说艺术家是遵循直觉逻辑的,这是一个直观的过程,但他们仍然与理性过程一样受到规则约束。 因此,机器具有创造性并不是例外,但是其中的规则约束和“机器能否创新”的问题源于有缺陷的创造性观念。


正因为它有缺陷,机器是否为艺术家问题几乎从来没有被人工智能艺术家自己提出过。克里斯蒂丑闻事件,似乎是人工智能艺术的技术参与,以及其对开源文化接受的一个实际产生的结果。而媒体艺术和计算机艺术传统上都没有开源代码/数据,因此它们没有遇到类似的问题。


人工智能艺术是“合适的”(当代的)艺术吗?


与艺术界的是否使用人工智能技术问题密切相关的是批判性的接受问题。在对巴比肯展览的回顾中,乔纳森·琼斯(Jonathan Jones )在《卫报》上写到了关于马里奥·克林格曼(Mario Klingemann)的作品《巡回训练》:


这是我所看过的最无聊的艺术作品之一。突变的面孔在任何方面都没有体现出意义。很明显,复印机都比它们“智能”,因为在复印的过程中,复印机中可能还会有一些意外产生。


如果你看了上面对弗里德·纳克(Frieder Nake)的采访,这个观点与20世纪60年代末的“我不太喜欢它”非常相像。正如上面指出的,其中一个原因当然是系统和人工制品的不同:克林格曼(Klingemann)的作品肯定不仅仅是一组可以单独判断的图像集合。然而,琼斯(Jones)的评论(尤其是使用复印机的类比)针对的是人工智能艺术的一个特定问题:它的模仿性质。


模仿是一种和哲学美学本身一样古老的美学概念。它将审美过程描述为某种程度上模拟现实的人工制品的生产。众所周知,现代艺术试图从模仿中解放出来:首先尝试抽象图像,然后完全摆脱图像(例如在概念艺术中)。当代艺术的核心并不图像的创造,这几乎是一个完全错误的发展,特别是那些欣赏高度模仿艺术的精湛技艺的人(例如,下面的古斯塔夫·凯莱博特(Gustave Caillebotte)的作品),但事实上,这只是艺术界突然意识到,它是19世纪末后迅速变化的世界的一部分。


untitled.png


相比之下,在本文讨论的有限范围内,人工智能艺术有一个问题:它基本上都是模仿的。毕竟,神经网络对世界的所有认知都来自它处理的数据。这里的“模仿”并不意味着与(非抽象)摄影一样,人工智能艺术能以一比一的方式制造出与现实世界的人工制品相仿的作品。但是,它的输出仅限于其操作数据集的范围,只有在这个范围内作品才有新颖性。举一个具体的例子:一个接受过梵高绘画训练的网络肯定会产生类似梵高的图像,但是它不会凭空产生一个图像,所以说,它反映梵高美学(印象主义)的艺术历史背景。一个神经网络永远不能与数据保持距离,因为这些数据是它的整个世界,但这些数据仅仅是世界上许多子集中的一个,就像人类观察者所看到的那样。


这也是为什么使用机器学习的艺术展示的“新奇效应”经常如此迅速地消失。 正如Zach Lipton所说的关于MuseNet:它“与我们训练LSTM生成__'的每个通用'完全一样无趣”。 我认为这里没有任何音乐家应该感兴趣的内容。“纯粹的模仿,结果令人印象深刻,但没有持久的审美价值。 它可以轻松识别相似性,但很快就会消失。 换句话说,纯粹的模仿AI艺术变得非常快。


这也是为什么使用机器学习的技术演示的“新奇效应”往往会很快消失的原因。正如扎克·利普顿(Zach Lipton)对MuseNet的评价:“这与我们训练LSTM生成的每一种通用方法完全一样,是无趣的。我不认为这里有什么能让音乐家感兴趣的地方。”事实证明,纯粹的模仿是令人印象深刻的,但它没有持久的美学价值。它在识别相似性时提供了即时的满足感,但这很快就会消失。换言之,纯粹模仿的人工智能艺术很快就变得庸俗。


上述人工智能艺术品交易的突出案例属于这一类。艾哈迈德·埃尔加马尔的作品甚至以“精心设计的框架”呈现,以“加强与欧洲艺术摇篮的联系”,如霍勒·古根海姆所说。很明显,也是这样。两人都出售了名目繁多的历史肖像,这是一种几十年来都不属于当代艺术的作品风格——除了其对肖像的专门历史重构,如凯辛德·威利(Kehinde Wiley)所作的“古典的、欧洲的”彩色人像,这些人像永远不会出现在“欧洲”中。“肖像”数据集。


上面提到的人工智能艺术交易的突出案例属于这一类。 正如霍勒·古根海姆(Hoerle-Guggenheim)所说,艾哈迈德·埃尔加马尔(Ahmed Elgammal)的作品以“精心设计的框架”呈现,用来“加强与欧洲艺术摇篮的联系”。 他们两人做了同样的事情,都出售了名目繁多的历史肖像画,这种作品风格几十年来一直没有成为当代艺术的一部分-除了专门的历史肖像重构,如凯辛德·威利(Kehinde Wiley)所作的“古典的、欧洲的”彩色人像。有色人种肖像,永远不会出现在“欧洲肖像”数据集中。


untitled.png

Kehinde-Wiley的巴拉克·奥巴马肖像画:从欧洲肖像传统中吸收了许多元素,同时批判地超越了这一传统。


当然,与人工智能合作的艺术家们已经意识到了这一点,因此,他们常常有意地在神经网络的模仿极限下工作。例如,海伦娜·萨林(Helena Sarin)纯抽象的GAN网络绘画,一些艺术家很清楚他们所选择的技术的历史意义。


这种意识在计算机艺术中有着悠久的历史:例如,哈罗德·科恩(Harold Cohen)的“aarondrawing机器人”(aarondrawing robot),对纯粹模仿风格进行了长达数十年的探索,是机器模仿能力边界上最突出的工作实例。


untitled.png

哈罗德·科恩,由AARON(1995年)创建的图像。


在海伦娜·萨林(Helena Sarin)的研究中,我们还发现了一种避免模仿的手段:手工整理数据集。如前所述,DeepDream 是未来的工具包,它在imagenet/ilsvrc-2012之外还 没有充分发挥出潜力。数据集越有趣/精心策划,艺术就越有趣/复杂。人脸会合成人脸,Imagenet会创造出狗,但是小的自定义数据集(结合正确的技术)会产生有趣的结果——正如萨林自己所说,在这一点上,几乎所有的数据都是关于数据的。


未来:人工智能艺术的关键应用


这里有一个预测:一旦GANs成为合适的Photoshop过滤器,我们可以从David Bau(大卫·鲍)和其他人的作品中发现,模仿的问题会被解决。至少它将不再是人工智能美学探索的焦点,就像艺术访问互联网不再被视为网络艺术一样。


untitled.png


相反,艺术家们最终将接受人工智能艺术的关键应用:用人工智能批评自己。正如沃尔特·本杰明(Walter Benjamin)在《The Author as Producer》一书中所说,技术性艺术的力量在于它能够站在生产关系中,积极地塑造某种技术的使用方式,而不仅仅是提供旁观者的审美评论。人工智能艺术的未来已经开始了,一位从事机器学习的艺术家Kyle McDonald发表了一篇关于Gan生成人脸的顶级文章,如何识别人工智能生成的假图像。


换句话说,AI艺术将成为创新的驱动力,但正如五十年前Frieder Nake所提出的那样,不仅仅是审美创新的驱动力,而是批判性创新的驱动力。 正如抽象是对绘画中现实主义的批判一样,人工智能艺术将成为批评“现实主义”人工智能的媒介,即人工智能在假设它是现实世界中的适当代理人的情况下使用(如有问题假设是 现实世界的有效和详尽的样本)。


换句话说,人工智能艺术将是创新的驱动力,但正如50年前弗里德·纳克(Frieder Nake)提出的那样,它并不是美学创新的驱动力,而是关键创新的驱动力。正如抽象是对绘画现实主义的批判一样,人工智能艺术也将成为对“现实主义”人工智能批判的媒介,即人工智能是在被假设成为现实世界中的一个适当媒介时才可使用的(就像ImageNet被假设是真实世界的有效和详尽的样本一样)。


总结


对于科学和艺术来说,这些都是激动人心的时刻。 然而,我们并不处于艺术革命的中期,更何况艺术家随时都有被机器取代的危险。经常被忽视的是(非平凡的)艺术的进步,就像科学的进步一步,建立在发明和发现的历史上,有的会渐进发展,有的会被质疑和推翻。


时间将证明人工智能艺术是否会成为一场革命,它将质疑我们制作艺术的方式 - 但从一般的当代艺术史,特别是计算机艺术史,这似乎不太可能发生。更有可能的是我们今天已经看到的一个过程的延续:当代艺术对明确的“人工智能艺术”的修复。换句话说,机器学习将成为另一套工具。如果太过依赖这一工具,有关美学的哲学思辨将会慢慢消失。

-END-

本文由大数据文摘投稿一鸣网,本文仅代表作者个人观点,文章非经授权请勿转载,

向一鸣网投稿,请点击投稿按钮,详情请参阅《一鸣网投稿须知》。

互联网人都在关注的微信号

难道你还没有关注?