作者：Brian Santo，特約撰稿人 用于任何科學目的的全新神經網絡類別也被藝術家迅速采用，以進行各種類型的人類模仿，其結果既令人驚訝又令人不安。

生成對抗網絡 (GAN) 僅在三年前由 Google Brain 的研究科學家 Ian Goodfellow 領導的一組研究人員首次提出?；舅枷胧峭瑫r訓練兩個人工智能，讓一個學習，另一個從本質上挑戰第一個的結果，直到第一個得出的結果在第二個看來可能是新的。

正如他們在論文摘要中所描述的那樣，這個想法是創建“一個捕獲數據分布的生成模型 G 和一個估計樣本來自訓練數據而不是 G 的概率的判別模型 D。訓練過程因為 G 是使 D 犯錯的概率最大化?！?/p>

起初，GAN 的用途正是人們所期望的那種類型。例如，一組研究人員正在使用它們來改進先進望遠鏡的成像結果。另一組正在使用 GAN 自動推斷動物的行為。

但隨后藝術家幾乎立即掌握了 GAN。

幾十年來，計算機一直被用來創作藝術，其中一些被認為是引人注目的藝術。大多數這些努力要么依賴于對過程的某種人工操作，要么直接模仿現有的圖片或風格。GAN 是不同的，因為它們可用于自動生成不直接與現有任何東西進行比較的圖像。

羅格斯大學的藝術與人工智能實驗室開發了一個 GAN，并對其進行訓練，以識別、分類和排列不同的繪畫和繪畫風格。2015 年，該 AI 對來自不同時代和不同繪畫流派的藝術家的作品進行了一些有趣的新比較，并得出了令藝術界感興趣的排名。之后，羅格斯大學的團隊與查爾斯頓學院的研究人員和 Facebook 合作，開發了一種稱為創意對抗網絡 (CAN) 的 GAN 版本，它綜合了不同的繪畫風格，創造出風格獨特的圖像。結果既美麗又奇怪。

并且有些爭議。最近幾個月，一些由 GAN 和 CAN 生成的藝術作品被放置在人類生成的作品旁邊，并要求觀眾猜測是誰（或什么）生成了每件作品。觀眾并不總是正確的，這引發了關于什么是創造力的問題。

另一位藝術家 Mike Tyka 正在使用 GAN 來創作從未存在過的人的肖像。

雖然在藝術的背景下爭論創造力的本質——甚至是人類的本質——可能很有趣，但計算機生成的藝術不太可能阻止人類創作自己的藝術。

更令人不安的是最近使用 GAN 來輕松創建從未發生過的事件的視頻。

2 月，一位名叫 Mario Klingemann 的藝術家在 YouTube 上發布了一段他使用 GAN 生成的視頻。他輸入了 20 多歲歌手弗朗索瓦絲哈代的 GAN 視頻和唐納德特朗普顧問凱莉安康威的音頻剪輯，結果是一個剪輯，其中哈代似乎正在傳達康威的對話。一個額外的轉折是視頻片段是存檔的。哈代現在已經 70 多歲了。

視頻處理并不是什么新鮮事，而且越來越復雜——想想《星球大戰：俠盜一號》中非常逼真（但不是很完美）的數字彼得庫欣的外觀。

然而，在過去，這樣做需要積極使用復雜的編輯工具。Klingemann 的 GAN 在 PC 上運行并自動輸出結果。

GAN 可以通過多種方式用于創作藝術。這不是困擾一些人的事情。令人擔憂的是，GAN 讓創建假視頻變得更加容易。

幾十年來，“眼見為實”的概念一直在不斷地、無情地被破壞。Photoshop 對 30 年前照片的固有真實性造成了打擊。通過使偽造視頻的能力民主化，新的擔憂是真正的假新聞的產生者——不僅僅是你不想同意的新聞，而是故意的虛假宣傳——將能夠造成更大的惡作劇和徹底的損害。

審核編輯 黃昊宇