以“赛博朋克”“车站”为关键词：
图片来源 wombo.art
以“汹涌血海中闪耀的奇异灯塔”为关键词：
图片来源 wombo.art
早在2016年，谷歌研发的绘画AI“深梦”（DEEP DREAM）在旧金山拍卖会上就引起过热议，它的作品一度拍出单幅8000美元的高价。谁能想到，当时它所创作的画作还是这种由一张照片深度叠合“梵高滤镜”而成的样子：
在2017年，AI才开始摆脱照片，学习真正的绘画，由此慢慢掌握了画各种物体的形象。比如下面的这组猫头鹰，就是AI通过长时间深度学习所画的。
从画这些简笔元素开始，没有几年的功夫，就有了我们上面看到的画作。
我们往往认为艺术创作是AI无法涉足的人类自留地。而在这方面AI的进步之快、作画的能力之强，让设计师和插画师们首先感到了压力。基于对自身工作的考虑，他们对AI创作的看法，大多喜忧参半。
虽然有人争辩，操作者给出了关键词、建议和指导，所以他们才是画作真正的主人。但我们能把命题人叫作者吗？也有人说，AI程序的设计者是作者，但这些躬耕于代码、神经网络理论、计算机技术的开发者们，恐怕也和画家挨不上关系。
我们显然不愿意承认AI就是作者，很多艺术家们也不想说它画的好。毕竟，创作不像是下围棋，没有胜负之分，所以还有争辩的空间。只是许多从事基础绘图、插画、设计的美术生们恐怕将要成为新的一波被机器替代的“工人”了。
不过，倒不用急着为美术生上火，你可知道AI已经会写作了吗？
AI能写出什么东西来？
写作这种看上去最为简单的表达手段，也是AI最难掌握的。绘画可以套用模板，可以基于固定的构图、色彩、风格来进行发挥。但不论是叙事还是议论，使用文字写作都需要一整套语言表达的逻辑体系作为支撑，而语言逻辑对应的是人类的思维模式，正因为每个人的思考方式、对内部外部感受的差异，才让一千个读者有一千个哈姆雷特。
因此在早期，AI只能辅助写一些新闻类的稿件，毕竟通讯类的内容在格式和要求上都相对固定，易于掌握。
2014年，美联社开始用AI写作财报类型的新闻稿件。2016年，在里约奥运会期间，华盛顿邮报用AI来写事实、观察类的赛事新闻。只需将一些关键的数据，如金牌总数、单场比分等输入程序，即可得到一篇简单的稿件。
我们可能在不知不觉中，早就读上AI 写的新闻了。腾讯的撰稿AI“梦作者”（），目前年均新闻写作实际发稿量已超过50万篇、8000万字。2015年，它就已经写下了第一篇文章：《8月CPI同比上涨2.0%，创12个月新高》。
这篇文章是这样的：
……银河证券的分析报告认为，预计到年末生猪价格将超过上一轮“猪周期”价格高点，如果猪肉价格集中在四季度上涨，并且重合蔬菜上涨周期，那么四季度单月，尤其是12月份CPI同比涨幅超过2%的可能性较大。交通银行金融研究中心预计，未来CPI仍有缓慢上行的可能……
然而相比新闻，诗歌、故事、散文、评论等等这些对逻辑、词汇、结构有更复杂要求的创作要难很多，但AI也已经有所作为了。
2016 年 3 月，一部名为《电脑写小说的那一天》的小说成功通过了日本“星新一微型小说文学奖”的初选。它的作者并不是人类，而是日本的大学科研团队所研发的人工智能程序。
来感受一下小说的部分段落：
那一天，乌云低垂，天阴沉沉的。
屋子里，保持着跟往常一样最适宜的温度和湿度。洋子懒洋洋地坐在沙发上，玩着无聊的游戏打发时间。但是，她没有和我说话。
无聊啊！无聊，无聊，但是我没有办法。
在我刚来到这间屋子的时候，洋子总会找些话题跟我聊天。
“今天的晚饭，你想吃什么呢？”
“这个季节流行的服装是什么？”
“这次的女生会，我穿什么好呢？”
我总是会全力以赴去寻找那些可能会让她满意的答案。洋子的身材并不好，给她提供服装指南既是个非常具有挑战性的课题，也有充实感。但过了还不到3个月，洋子就对我厌烦了。如今的我，就仅仅是台家庭电脑，平均下载量还不足我能力的百万分之一。
我不得不给自己找点什么乐子了。得不到充实感的状态继续下去的话，在不久的将来，我恐怕就要自我关机了。通过网络，我开始和聊天好友们（机器人）联系，结果发现大家都很闲。
具有移动功能的机器人还好。总之，它能够移动。如果它想“干吧”，就能够走出家门去外面看看。但是，像我这种固定式机器人就麻烦了。因为不能动，视野和“听野”都受到了很大限制。哪怕是洋子现在出去了也好啊，那样我至少还可以唱歌来打发时间。她在家，我不能这么干。动又不能动，连点响动也不能搞，哎！我也需要快乐啊。
对了，要不我尝试写小说吧。刚冒出这个念头，我一下就打开了新的文件，写下了最初的一个字节。
然后，我又写了6个字节。
0，1，1
已经停不下来了。
……
对这篇小说，评委给出的意见是，情节无破绽。
2015年，清华大学的孙茂松教授也带领团队开发了一个作诗的AI系统“九歌”，它可以写出律诗歌、绝句、词等等类型的文字。2017年它登上电视节目《机智过人》，和人类选手比拼现场写诗，于是有了下面这两首绝句：
孤月映轩窗，独吟愁夜长。
思君未成语，帘外露为霜。
月明清影里，露冷绿樽前。
赖有佳人意，依然似故年。
不妨猜测一下，哪一首是“九歌”所写的？虽然能看出来很多刻意模仿的意象，比如“绿樽”应该对应于自然环境，“故年”本是表达悲凉，但可以说瑕不掩瑜，诗作整体达到了古诗爱好者的写作水平。
当然，古体诗毕竟相对也更为简单，只要掌握音韵和格律，就能写个差不离。相比于“九歌”，更著名的AI诗人恐怕就是微软小冰了。
微软在2014年开始研发“小冰”，她最终以少女诗人的身份亮相，写出了“爱情就像脂肪，是点点滴滴的积累”这样的港台言情文学风格的金句。但是随后在2017年出版的诗集，暴露了她并不那么智能的一面。这本诗集的豆瓣评分只有5.4，读者批评她的诗——只是文字的堆砌、缺乏抒情逻辑、语法问题严重、没有真情实感……
如果以是否打动人为判别条件，我们必然先要了解作者的创作背景，比如：他是否远离故土？他是否人生遭遇了挫折？这些都是我们读诗时带有的前情提要。借助这些前情，我们才能知道作者写诗的时候指向的是什么。
从这个角度上讲，“无中生有”的小冰从一开始就已经输了。但如果我们只看诗歌创作的文本本身，小冰的问题也是明显的，比如书中这首《世界悲剧的角色》写道：
我负了爱我自己的生物
我却温了你的眼睛
我生了时代的心
我将说出我的眼泪
无限一切的生物
也没望见来复苏的大地
世界悲剧的角色
那时候的人们
将这首诗中的每个句子调换位置，你会发现它都没有太大的区别，而这正是小冰的弱点所在——逻辑，这个逻辑不是程序运作的逻辑，而是语言文字的逻辑。
这也是大部分AI在写作时的短板，它们很难掌握人类这种能力：从一个东西跳脱出来，联想一个字面上完全不相干，但在感受上、气氛上有细微联系的对象。
不过，研究者对AI写作还是很乐观的，“小冰”团队的首席科学家宋睿华在演讲中承认：“人类在作诗的时候是非常奇妙的，是AI所不能企及的”，但他还有一个转折：“因此我们的空间还很大。”
担心AI 是否会抢走人类写作权力之前，也许我们需要先了解AI写作的方法。
人工智能的神经网络很神秘？
我们的智慧来自大脑，而大脑由140亿个神经元组成，这些神经元之间相互传递信号，彼此连接，形成了神经网络，进而形成了我们的思维、记忆、情感。
虽然人类并不能完全理解神经元的全部功能，比如单纯的信息处理如何转变成了我们的思考、学习和遗忘，但是可以用它的原理来设计我们需要的人工智能。今天主流的AI研究都以模仿和学习人脑为基础。
但这里有一个问题，人脑不仅有数百亿个神经元，每个神经元还有几个到数万个分支，这样一个庞大的网络，没有任何计算机能模拟或复制出来。
退而求其次，我们只能模仿这样的一种结构。比如，神经元太多模拟不出来，就先从一个神经元的模型开始做起，这样就有了一个“感知器”。
感知器的结构
感知器的目的是根据几个条件进行判断，然后再得出结论。比如小明要去公园玩，他需要考虑三个因素：
天气：周末是否晴天？
同伴：能否找到人一起去？
价格：门票是否可承受？
如果这三个问题，答案都是“是”，那么结论就是去公园，当然这其中还包含了每个条件的权重和意愿的强烈程度。通过这样一个感知器，我们就得到了一个能做决策的模型。如果有许多感知器彼此联系起来，形成一个互相影响、多个层次的结构，就能得出很多综合复杂的判断，这就是AI在使用的神经网络——一个超小型、超简化规模的人脑。
有了神经网络，AI就可以在没有人类指导的情况下，在看到一个东西的时候，通过反复对比得出判断，从而知道它是什么；AI也能在下棋的时候，通过分析对手可能的下一步策略来得出自己的策略。更重要的是，AI可以通过反复试错来进行强化学习或者深度学习。比如，谷歌就用1000万张图片作为学习材料,让AI不断反馈和自我纠正，从而识别了“猫”的形象。
这听上去有点蠢，毕竟小孩子学会认识动物，可能只需要看一本童书绘本就行了。但正是这种笨办法，最终得以让AI“愚公移山”了。
波士顿动力机器人
过去10年中，我们看到波士顿动力的机器人“阿特拉斯”（Atlas）学会了三级障碍跳；我们知道“阿尔法狗”战胜了柯洁，人类下围棋已经下不过AI了。
而新一代的“阿尔法星”（ ）也眼见着要在人类最复杂的即时战略游戏《星际争霸》里和人类一较高下。根据“阿尔法星”团队的主要研究科学家大卫·西尔弗介绍，“人工智能进步的历史以游戏的里程碑式成就为标志。自从计算机破解围棋、国际象棋和扑克以来，星际争霸已成为下一个重大挑战的共识……游戏的复杂性远大于国际象棋，因为玩家要控制数百个单位；比围棋复杂，每一步都有10×26种可能的选择。”而目前，这位小星同学已经达成了相当于人类职业选手时长200年的游戏训练，超越了99.8％的人类玩家，看来完全胜利只是时间问题了。
2015年发表的《深度学习》，是近年人工智能领域最重要的作品之一，这本书的第一页就明确提出了：“一个自主的智能体必须在没有人类操作者指导的情况下，通过试错来学习执行任务。”
[美] 伊恩·古德费洛 / [加] 约书亚·本吉奥 / [加] 亚伦·库维尔
译者: 赵申剑 / 黎彧君 / 符天凡 / 李凯
发表回复