PS将消失！探秘 AI 的艺术作品如何诞生？

在真假图片横行的时代，很多人把“罪魁祸首”的矛头指向了PS技术，然而AI的出现，完全取代颠覆了大众认知，我们先看一张图：

上图是深兰科学院高级研究员、教授、专家方林博士在2018全球机器学习大会上分享的一项成果，他的团队用AI 画的几张人物头像。

AI世界编辑部联系到了深兰研究院方博士团队，希望他们可以给出一些技术分享。方博士告诉AI世界说，AI成功地用GAN生成式对抗网络技术来抓取了人脸的特征，而每对图片的左图（例如马云）是真实的人脸照片，右图是用特征复现的人脸的效果。

他们告诉AI世界，团队人员还训练出的一个GAN系统，而这个系统还可以生成很多张根本不存在、但看起来十分真实的人脸照片，例如：

虽然时间不多，也无法提前决断最后的效果，团队让 AI 根据现有照片创作原创作品，而任务目标是高层次抽象的——要展现 AI 中的一项重要概念，创作一幅能展示出这个概念的原创作品，并且它呈现出的视觉风格还与原来完全不同。

“AI艺术”这件事情对 AI 来说有点耐人寻味。

毕竟，AI 总是我们身边的那个看不见摸不着的信息处理工具，它能分析路况转化成驾驶指令（自动驾驶汽车）、能把图像信号变成位置和概率输出（图像识别）、能把数字化后的连续波形信号转换成离散的文字符号（语音识别）。

但这些任务都不需要 AI 创造任何新的材料，它只是根据训练过程学习到的数据模式分析输入、产生输出而已。即便我们如今在图像和语义理解上已经有了不小的进步，也仍然很难想象如何让 AI 「思考自己看起来长什么样」。

如今面对着这幅作品，在外行眼中有种老生常谈的味道，因为看起来只不过像一个PS作品。

但看过创作流程介绍之后，内行就会会心一笑——这还真的是用深度学习时代的标准方法，把 AI 和人类的能力结合起来，让 AI进行互相博弈，互相学习的结果。

对于具体如何操作，方博士解释道，GAN主要包括了两个部分生成器 generator 与判别器 discriminator。生成器主要用来学习真实图像分布从而让自身生成的图像更加真实，以骗过判别器。判别器则需要对接收的图片进行真假判别。

在整个过程中，生成器努力地让生成的图像更加真实，而判别器则努力地去识别出图像的真假，这个过程相当于一个二人博弈。

随着时间的推移，生成器和判别器在不断地进行对抗，最终两个网络达到了一个动态均衡：生成器生成的图像接近于真实图像分布，而判别器识别不出真假图像，对于给定图像的预测为真的概率基本接近 0.5（相当于随机猜测类别）。

而以上照片的生成过程，AI会训练一个用于视觉识别的神经网络，GAN的训练步骤有三步：

1、用真实样本训练判别器，对于给定的真实图片（real image），判别器要为其打上标签 1；

2、用假样本训练判别器，对于给定的生成图片（fake image），判别器要为其打上标签 0；

3、用假样本训练生成器，对于生成器传给判别器的生成图片，生成器希望判别器打上标签 1。

因此，对于 GAN 更加直观的理解可以用一个例子来说明：造假币的团伙相当于生成器，他们想通过伪造金钱来骗过银行，使得假币能够正常交易，而银行相当于判别器，需要判断进来的钱是真钱还是假币。因此假币团伙的目的是要造出银行识别不出的假币而骗过银行，银行则是要想办法准确地识别出假币。

这也是一个典型的融合了 AI 的计算能力和人类的艺术创造、判断能力的流程，方博士团队还提到，AI还有其他更加高级、更加好玩的技术，可以用来生成其它领域的艺术作品，例如写诗，时装设计等。

∑编辑 | chuxin

作者 | 科技智库

关注公众号【AI世界】回复“资料”可获取海量AI资料

1、AI权威报告116份 2、数据分析资料