人工智能算法能够创造原创艺术，但也能创造出虚假的音频和视频

作者：Brian Santo，特约撰稿人 用于任何科学目的的全新神经网络类别也被艺术家迅速采用，以进行各种类型的人类模仿，其结果既令人惊讶又令人不安。

生成对抗网络 (GAN) 仅在三年前由 Google Brain 的研究科学家 Ian Goodfellow 领导的一组研究人员首次提出。基本思想是同时训练两个人工智能，让一个学习，另一个从本质上挑战第一个的结果，直到第一个得出的结果在第二个看来可能是新的。

正如他们在论文摘要中所描述的那样，这个想法是创建“一个捕获数据分布的生成模型 G 和一个估计样本来自训练数据而不是 G 的概率的判别模型 D。训练过程因为 G 是使 D 犯错的概率最大化。”

起初，GAN 的用途正是人们所期望的那种类型。例如，一组研究人员正在使用它们来改进先进望远镜的成像结果。另一组正在使用 GAN 自动推断动物的行为。

但随后艺术家几乎立即掌握了 GAN。

几十年来，计算机一直被用来创作艺术，其中一些被认为是引人注目的艺术。大多数这些努力要么依赖于对过程的某种人工操作，要么直接模仿现有的图片或风格。GAN 是不同的，因为它们可用于自动生成不直接与现有任何东西进行比较的图像。

罗格斯大学的艺术与人工智能实验室开发了一个 GAN，并对其进行训练，以识别、分类和排列不同的绘画和绘画风格。2015 年，该 AI 对来自不同时代和不同绘画流派的艺术家的作品进行了一些有趣的新比较，并得出了令艺术界感兴趣的排名。之后，罗格斯大学的团队与查尔斯顿学院的研究人员和 Facebook 合作，开发了一种称为创意对抗网络 (CAN) 的 GAN 版本，它综合了不同的绘画风格，创造出风格独特的图像。结果既美丽又奇怪。

并且有些争议。最近几个月，一些由 GAN 和 CAN 生成的艺术作品被放置在人类生成的作品旁边，并要求观众猜测是谁（或什么）生成了每件作品。观众并不总是正确的，这引发了关于什么是创造力的问题。

另一位艺术家 Mike Tyka 正在使用 GAN 来创作从未存在过的人的肖像。

虽然在艺术的背景下争论创造力的本质——甚至是人类的本质——可能很有趣，但计算机生成的艺术不太可能阻止人类创作自己的艺术。

更令人不安的是最近使用 GAN 来轻松创建从未发生过的事件的视频。

2 月，一位名叫 Mario Klingemann 的艺术家在 YouTube 上发布了一段他使用 GAN 生成的视频。他输入了 20 多岁歌手弗朗索瓦丝哈代的 GAN 视频和唐纳德特朗普顾问凯莉安康威的音频剪辑，结果是一个剪辑，其中哈代似乎正在传达康威的对话。一个额外的转折是视频片段是存档的。哈代现在已经 70 多岁了。

视频处理并不是什么新鲜事，而且越来越复杂——想想《星球大战：侠盗一号》中非常逼真（但不是很完美）的数字彼得库欣的外观。

然而，在过去，这样做需要积极使用复杂的编辑工具。Klingemann 的 GAN 在 PC 上运行并自动输出结果。

GAN 可以通过多种方式用于创作艺术。这不是困扰一些人的事情。令人担忧的是，GAN 让创建假视频变得更加容易。

几十年来，“眼见为实”的概念一直在不断地、无情地被破坏。Photoshop 对 30 年前照片的固有真实性造成了打击。通过使伪造视频的能力民主化，新的担忧是真正的假新闻的产生者——不仅仅是你不想同意的新闻，而是故意的虚假宣传——将能够造成更大的恶作剧和彻底的损害。

审核编辑 黄昊宇