編譯 | 張震

　　來源 | Fastcompany

　　作者 | Katharine Schwab

　　看看下面這兩張圖片,，你能區(qū)分出哪一個人類藝術家創(chuàng)作的油畫,，哪一個是神經網絡生成的作品嗎？

　　乍一看好像有點難,，反正我是看不出個真假,。

　　但如果仔細觀察的話，你會發(fā)現,，右邊圖像中人物的左眼球黑的有點異常,，唇下那片深色的山羊胡區(qū)域也有點怪異。

　　沒錯,，右邊就是神經網絡生成的作品,，它的創(chuàng)造者是來自慕尼黑的谷歌代碼藝術家 Mario Klingemann,。他經常在推特上展示一些用各種類型的數據訓練神經網絡而得出的有趣實驗結果，這些幾乎像模像樣的‘油畫’作品就是他的實驗成果之一,。

　　最近,，Klingemann 一直在關注 19 世紀的油畫作品。他基于英偉達 pix2pixHD 算法,，通過訓練幾千幅歐洲著名藝術家的畫作,，構建了一個逼真的面部生成器。這些機器生成的面孔,，就如同早期繪畫大師對世界的看法一樣,，即真實又可笑。

　　‘通過研究藝術史,，我們可以清晰的發(fā)現,，人臉從一開始就很令藝術家為之著迷。其中一個原因可能在于,，面部繪畫是一個即容易卻又很困難的工作,，幾條線就可以勾勒出一個輪廓清晰的臉龐，但你也可以極度寫實,，把每一個毛孔都清晰的表現出來,。’Klingemann 說道,。

　　‘每個人都是人臉的專家,，我們可以察覺到最細微的變化，或者某些比例并不那么協調,。這也就意味著,，如果你畫或者生成一張臉，一個細小的改變可能就會完全不一樣,，或者一點微小的瑕疵就會變得清晰可見,。’

　　對 Klingemann 來說,，利用神經網絡能創(chuàng)造這樣一幅作品在技術上就已經是一個很大的挑戰(zhàn)了,，但在他看來，這幅畫卻并不很理想,。

　　‘我很容易就能看出了這個模型的優(yōu)劣,，尤其是細節(jié)的好壞,�,！�他說。

　　他也承認,，由于訓練這個模型的畫作很大一部分都是中世紀歐洲男性或者年輕女性的畫像,，因此生成的人臉膚色大多是白色的,。他也在尋找更多的源圖片來豐富訓練數據。

　　而通過這個實驗,，Klingemann 還發(fā)現,，生成 19 世紀的人像畫作比創(chuàng)造逼真的人物肖像會更加容易。

　　‘我們在欣賞一幅畫作的時候,，對一些不甚真實的地方會抱著寬容的態(tài)度,，因為我們不了解藝術家真實的意圖究竟是什么�,！�他解釋��,，有一些舊時的畫作對人類的剖析會讓人產生一種很奇怪的感覺，好像這些畫作都能通過計算機生成,。

　　舉個例子,，有人將 1930 年一幅有關耶穌的畫作進行了修復，但因為修復的技術很拙劣,，這個修復后的畫作成為了 2012 年一個廣為流傳的表情包,。

　　Klingemann 根據這幅畫創(chuàng)造了一個算法的版本，結果卻一樣看起來奇怪又很好笑,。

　　盡管這樣的實驗頗具娛樂性質,，但不得不說，這也是人工智能對藝術的一種創(chuàng)造,，沒準哪天就能產出顛覆性的作品呢,！

　　來源：機器之能