[ Archive Dreaming ]

作品 Archive Dreaming

：艺术家 Refik Anadol 使用机器学习算法来搜索和排序170万份文档之间的关系。档案中发现的多维数据的相互作用通过可视化的方式被制作成了沉浸式媒体装置。

这是 Refik Anadol 入驻#Artists and machine intelligence#的项目。AMI是Google的一项计划，旨在将艺术家和工程师召集在一起，以使用Machine Intelligence实现项目。这是一种新兴的艺术合作形式，也会有助于探索使用智能系统的新方式。

当艺术遇上了大规模数据，前所未有的艺术表达方式随之而来。技术之于艺术，到底是工具还是“本身”？让我们从历史的长河中一窥究竟。

[ 人工智能的创造力 ]

人工智能目前还未能达到科幻小说里所说的那样：能够自主思考、自主学习。但是经过数十年的发展，已经影响到我们生活的方方面面，出于各种原因，越来越多的艺术家被吸引，在他们的作品中使用人工智能技术：

- 有些人喜欢使用最具未来感的技术

- 有些人将其作为一种新的方式融入工作之中

- 有些人则认为它具有扩展现有元素的潜力

opus

机器能有创造力吗？

机器不具有真正意义的「创造力」

#

#

「理解力」可以被假装

- 观点1

机器不具有真正意义的「创造力」

有一个streotype，认为「创造力」是人类的独有的东西，在爱德华·威尔逊的《创造的起源》一书中提出了创造源自一个冲动。机器不如人，因为机器不会犯错，即使是引入「概率」的AI，假如程序正常，它也不大会偏离正轨，但人会，因为人毕竟不是机器。

- 观点2

「理解力」可以被假装

在约翰·希尔勒的《Minds, Brains, and Programs》一书中介绍的著名的思想实验「Chinese Room」（中文屋子）。 一个对中文一窍不通的，以英语作母语的人被关闭在一只有两个通口的封闭房间中。房间里有一本用英文写成，从形式上说明中文文字句法和 文法 组合规则的手册，以及一大堆中文符号。房外的人不断向房间内递进用中文写成的问题。房内的人便按照手册的说明，将中文符号组合成对问题的解答，并将答案递出房间。

约翰·希尔勒认为，尽管房里的人甚至可以以假乱真，让房外的人以为他是中文的母语用户，然而他压根不懂中文。而在上面的过程中，房外人所扮演的角色相当于程序员，房中人相当于计算机，而手册则相当于计算机程序。

而正如房中人不可能通过手册理解中文一样，计算机也不可能通过程序来获得理解力。然而房间外的人误以为机器具有理解力。

opus

所以，没有必要让机器具有哲学意义上的「创造力」，只需要“假装”具有创造能力就好了。

如果将创造定义为：推陈出新。技术上，只要数据做的好，推陈出新的创造是可以做到的。

shadow

[ 人工智能艺术简史 ]

# 先行技术

人工智能在21世纪并非无中生有，它也是由最初的种子一步步演变而来。

* 公元前 3000 年

* Quipu 会说话的结

Quipu是古代印加人使用一种保存信息、传递信息的方法。Quipu使用各种各样的颜色、绳子，有时还有数百个结，所有结都以不同的方式在不同的高度打结。Quipu可以记录日期、统计数据、账户，甚至是抽象的想法，比如表达传统民间故事和诗歌中的关键情节。

在没有字母书写系统的情况下，这种简单且高度便携的方式实现了惊人的精确度和灵活性。

结和颜色组合后，可以创造出大量潜在的可能。

* 1842

* Poetical Science 诗意科学

分析机Analytical Engine，可以使用任何储存在穿孔卡上的指令进行数学运算。1836 年使用 24000 张穿孔卡片在织布机上织成的织布机发明者约瑟夫·雅卡尔的肖像，从这个意义上说，可以被视为第一个数字化图像。

在1842年，人称“数字女王”的阿达·洛芙莱斯（Ada Lovelace）编写了历史上首款电脑程序。她为好友查尔斯·巴贝其（Charles Babbage）发明的分析机编写了世界上第一套算法。

首个出版的计算机算法，来自查尔斯·巴贝奇发明的分析机草图，1842 年。

Ada

分析机编织代数图案，就像提花机编织花朵和树叶一样。

Ada称为诗意科学，想象一台机器可以有计算之外的应用——计算机可以用来制作艺术吗？在艺术和科学分裂成不同阵营的时期，她的目标是创建一门将科学的严谨性与艺术的创造力相结合的学科。

Poetical Science 诗意科学

使用AI创作 by shadow

诗意科学家

我们的世界是建立在数学之上的。举个例子：

玫瑰曲线公式：

在极坐标下可表示为 ρ=a*sin(nθ) , a为定长, n为整数。我们可以用玫瑰曲线绘制一朵花。

数学有很多值得探索的视觉之美。

shadow

* 1929 年

* A Machine That Could See 一台能看见的机器

奥地利工程师 Gustav Tauschek 发明了光电阅读机。

这个装置在一个旋轮上安装了与字母和数字的形状相同的透孔，当一个被强光照亮的字符经过透镜聚焦照射到旋轮上时，如果正好与某一个字符的透孔形状吻合，则透过的光强最强，会驱动旋轮内部的光敏元件发出信号，使阅读机识别出显示的字符。

光电阅读机是人类力图让机器具有识别能力的首次尝试，它采用的方法被称为“模板匹配”，也是第一个被实际应用的模式识别方法。

通过机器的眼睛看意味着什么？计算机看到了什么？

使用AI创作 by shadow

* 1950 年

* The Imitation Game 模仿游戏

1943年，人工神经网络的概念被首次提出，使用算法和数学的组合，运用“阈值逻辑”来模拟思维的过程，人工智能的大门由此开启。

艾伦·图灵 (Alan Turing) 开发了图灵测试，也称为模仿游戏，这是一种基准测试，用于测试机器展示与人类无法区分的智能行为的能力。机器能否思考？这个时期受图灵的影响，大量艺术家开始尝试类似的“游戏”。

图灵测试

自毁艺术

Jean Tinguely 利用一台钢琴，两个电动机，一个气球以及20多个自行车轮组装成了一个混乱的结构，这是一台自毁的，不能被预测其运动过程的偶发装置。

* 1953 年

* Reactive Machines 反应式机器

Gordon Pask是最早的控制论专家之一，同时他也是一位心理学家和教育家。他的研究包括生物计算、人工智能、认知科学、逻辑学、语言学、心理学和人造生命。他将各种媒体的信息流纳入控制论中，扩大了控制论的研究范畴。

在一次著名的展览：控制论的意外发现，Gordon Pask展出了名为“运动的对话 Colloquy of Mobiles”的作品。这是一种反应机器，可以响应来自人类表演者的声音输入以驱动一系列灯光。

Gordon Pask 1968 年的“The Colloquy of Mobiles”复制品于 2020 年在蓬皮杜中心画廊展出。

* 1968 年

* Cybernetic Serendipity 控制论机缘巧合

1960 年代的艺术家受到这些“控制论”创作的影响，许多人创作了根据生物类比行为的“人工生命”艺术品，或者开始将系统本身视为艺术品。

1968 年在伦敦当代艺术学院举办的“控制论艺术的意外发现”展览中包括了许多例子。其中，Jean Tinguely 展示了他的两台“绘画机”，这是一个动态雕塑，游客可以在其中选择笔的颜色和位置以及笔的长度，当机器人运行时，它会创造出一幅新绘制的抽象艺术品。

1968年，控制论艺术的意外发现（Cybernetic Serendipity）

* 1973 年

* An Autonomous Picture Machine 自主图像机器

陆续有一批艺术家尝试使用机器来绘画……其中一些思想仍影响着现代艺术创作。

Untitled  1972，计算机艺术的早期例子。匈牙利人 Vera Molnár 创建了第一个基于代码的绘图程序。

1973 年，艺术家哈罗德·科恩 (Harold Cohen) 开发了一种名为AARON的算法，可以让计算机以徒手画的不规则性进行绘画。尽管 AARON 仅限于以 Cohen 为其编码的一种风格进行创作，但它能够以这种风格产生无限的图像。Harold Cohen的工作定义了第一代电脑艺术。

Cohen

我是电脑艺术、算法艺术、生成艺术的先锋，不过我自认为，自己首先且最主要是个画家，其次，同时也是个工程师

040502 由智能画家 AARON 创作，2004

[ 深度学习时代 ]

到 20 世纪后期，随着个人计算机的蓬勃发展，该领域开始更快地发展，越来越多的艺术家开始玩软件和编程。到 2000 年代，由于专门用于帮助艺术家学习如何编程的资源以及可在Github上访问的开源项目，该领域快速发展。

另外，研究人员正在创建和公开大量数据，例如ImageNet，可用于训练算法对照片进行分类和识别对象。像谷歌 DeepDream 这样的现成的计算机视觉程序允许艺术家和公众对计算机如何理解特定图像的视觉表示进行实验。

在所有这些创新中，人工智能艺术领域的发展开始出现分支和重叠。这里主要分为三类：

- 聊天机器人

- 生成艺术

- 超越生成艺术

[ 聊天机器人 ]

* 1995 年

* A.L.I.C.E 爱丽丝

理查德·华莱士 (Richard Wallace) 著名的 A.L.I.C.E 聊天机器人于 1995 年发布，它通过从网络收集自然语言样本数据来学习如何说话。

* 2001 年

* Agent Ruby

艺术家Lynn Hershman Leeson 的Agent Ruby (2010)的登陆页面

agentruby.sfmoma.org

* 2020 年代

* Expanded Art 扩展艺术

从那时起，许多艺术家创作了涉及聊天机器人的作品。Martine Rothblatt 的 Bina48 聊天机器人以她妻子的个性为模型。Martine Syms 制作了一个交互式聊天机器人来代替她的数字化身 Mythiccbeing，一个“黑人、向上移动、暴力、唯我论、反社会、性别中立的女性”。

iPhone 手机里的一位虚拟朋友。

[ 生成艺术 ]

艺术家们可以通过各种方式与 AI 合作，使用各种神经网络以及机器学习技术来创作生成艺术，比如Neural Style Transfer, Pix2Pix, CycleGAN, and Deep Dream。迄今为止，与 AI 艺术最相关的是生成对抗网络（GAN）。

* 2014 年

* GAN 对抗生成网络

研究员 Ian Goodfellow 在2014 年的一篇论文中创造了这个术语，他认为 GAN 可能是神经网络进化的下一步，因为它们可以用来生成全新的图像。

Anna Ridler, Tulips from Mosaic Virus (2018).

GAN用于风景画生成

* 2017

* GANism 的诞生

在 2017 年左右，艺术家们开始尝试这项技术。

 GANism Is The New Art Trend 

* 2018

* 拍卖里程碑

当代艺术界最著名的 GAN 作品例子可能是法国 Obvious 创作的一幅肖像画，该作品于 2018 年在佳士得拍卖行以高达 432000 美元的价格售出。

Obvious Art’s [ ())] + [( − (()))], Portrait of Edmond de Belamy, Generative Adversarial Network print on canvas (2018).

主要使用了2种算法，GAN+超分辨率算法，来制作这种高分辨率的绘画作品。有趣的是，为了表达这些由GAN生成的艺术画，艺术家们采用了数学公式作为签名。

[ 超越生成艺术 ]

近年来，越来越多的艺术家将 AI 视为不一定是为了制作图像，而是作为解决 AI 系统和固有算法的偏见，以及如何影响社会正义、公平和包容问题的实践的一部分。