國外一項研究認為，在未來的幾十年間，美國47%的現有工作崗位將面臨被AI（人工智能）和自動化取代的風險。雖然不少專家質疑了這一算法，但是AI的威脅確實越來越近了。我們現在聊以自慰的就是，手動的或者重復性的工作可能會被AI搶走，但是創意性的工作則相對安全。事實真的如此嗎？其實AI早就對人類創意工作虎視耽耽，并且有了長足的進步。

AI自畫像技驚四座

紐約時報的編輯找到IBM研究院，希望他們能夠通過AI的方式畫一幅畫，以便作為一期AI專輯的封面。這個請求看起來簡單，其實暗藏了很大的挑戰。已有的AI技術，比如汽車智能駕駛、翻譯、玩游戲，甚至制作電影的預告片等等，這些任務不需要AI創建新材料，只需分析手頭已有的信息并根據訓練做出選擇即可。而現在要讓AI跳出已有資料，以“自我思考”的方式創造出全新的藝術作品，難度可想而知。最終，IBM的AI還是交出了令人驚訝的作業（圖1）。

圖1 AI自畫像——AI與人類創造力手牽手（圖源：IBM Research）

像人類一樣提煉作品主題

上述AI作品的產生，它的算法可以分為三大部分，有點類似于藝術家的創作過程，下面我們就來一一解說。

首先是確定作品的核心概念，也就是作品的主題。主題作為藝術作品的核心思想，在以往的AI創作中（比如寫詩），基本上都是由人事先指定好關鍵詞，AI是被動的。而此次的AI創作，研究員們決定由AI自行確定。

研究員們首先匯集了紐約時報上大約3000篇左右的AI相關文章，然后通過自然語言處理軟件分析這些文章，找出和AI高度關聯的語義概念，比如“機器人”、“自動駕駛”和“計算”等，共選擇了30項。

因為這些詞語本身并不包含“AI”字樣，所以軟件通過簡單的關鍵詞搜索是不可能將它們提取出來的，軟件只有像人一樣智能地“理解”了詞語的意義，才能精確完成篩選任務，其中自然語言處理技術起著重要作用（圖2）。

圖2 自然語言理解的實現模型之一（想要理解語言，電腦必須要理解這個世界）

文字概念需要圖形化，AI通過上述篩選出來的30項概念，訓練一個用于視覺識別的神經網絡（圖3），以便從紐約時報紛繁復雜的文章圖片中，挑選出含有AI意義的所有圖片，并按與AI的密切程度對圖片打分。在評分前十的圖像里，項目參與人員最終選定一張人和機器人握手的圖像（還是不能完全排除人類干預，需要與人類攜手合作）。

圖3 視覺識別神經網絡模型之一

從學習模仿開始的原創圖像

主題概念確定之后，AI接下來正式進入創作過程。人類畫家，開始學畫時大都經歷過一個學習模仿的過程，AI畫畫也是如此，只是它的方法更為獨特些。研究員們首先收集到1000多個機器人及人的手的圖片，作為AI的學習訓練數據集（圖4）。

圖4 機器人和人的手圖片示例

AI的學習模型大致分兩類，一類是判別模型（Discriminative Model），一類是生成模型（Generative Model）。假設給定一張圖，要求判斷圖里面是什么動物，貓還是狗，這就是判別模型。假設給定的是多個貓的圖集，然后生成一張不在此圖集中的新的貓圖，那么這就是生成模型。

本文所述的AI采用的則是深度學習模型生成式對抗網絡（GAN， Generative Adversarial Networks ），它同時包括了判別模型（D）和生成模型（G）。G不斷生成新的機器人和人的手的圖片，盡可能貼近原有數據集中的圖，以欺騙D；D不斷識別G所生成的圖片是不是真實的，將假的圖排除。這兩個學習模塊不斷博弈的過程，最終的結果就是產生一個足以亂真的牽手的圖片，并且是與原來數據集中的圖不同的新作品（圖5）。

圖5 生成式對抗網絡的工作原理模型

錦上添花的作品包裝

既然是為特定報刊定制的作品，當然要盡可能符合原有報刊的一貫風格。這對AI來說已經不是什么難事，將紐約時報以往的封面圖片匯集成數據集，訓練出風格轉換神經網絡，對上面新創作的人與機器牽手的圖片進行自動風格轉換，生成多幅作品，從中挑選出最滿意的就可以了，效果便是本文開篇的那樣圖了。

更多的拓展應用

IBM的AI自畫像技術，其獨到之處就是可以由AI自動確定主題概念，再以此概念生成全新的藝術作品，并且還可以根據要求定制不同的藝術風格。這可以應用到很多領域。比如作家可以通過它設計新書的封面，影視可以通過它設計海報，音樂家通過它設置專輯封面等等。