В чём разница между вопросительными оборотами «est – ce que» и «qu’est – ce que» во французском?
目录:
本月早些时候，拍卖行佳士得（Christie）出售了它所说的第一件由大型拍卖行出售的算法生成的艺术作品。价格标签 - 近五十万美元 - 已经引发了一些关于作者身份的起源，这个痴迷于新奇艺术市场的问题，也许最重要的是：为什么？
然而，正在进行的教授机器艺术，或者更确切地说是关于图像的努力，几乎不是宣传噱头。从能够更好地检测欺骗性视频到追溯改变电影的演员阵容，计算机科学家有许多实际的原因来教授机器如何更好地参与视觉世界。
Daniel Heiss就是这样一位技术爱好者。 ZKM艺术与媒体中心的创意开发人员是NVIDIA研究人员4月份发布的神经网络的早期采用者。它的创建是为了在成千上万的现有名人照片训练后生成虚构名人的照片。这激发了Heiss插入由ZKM的一个互动艺术装置收集的50,000张photobooth图像，以了解他的A.I.是什么样的艺术。会产生。他在网上采访中说道 逆 结果比他想象的要好。
“我看到将一张脸部图像疯狂翘曲成三张脸部图像为两张脸部图像，依此类推。这比我想象的要好得多，“他说。 “我甚至试图过滤图像，以便只使用带有一个面部的图像，但是当我正在研究时，未经过滤的数据集生成的样本非常好，我就停止了。”
渐渐成长的GAN（Karras等人）训练了大约80,000幅画作pic.twitter.com/fkNjw8m2uC
- Gene Kogan（@genekogan），2018年11月3日
此后，Heiss的视频在Reddit上获得了超过23,000个赞成。他最初发布了11月4日上面看到的镜头，以回应程序员Gene Kogan对NVIDIA算法的另一种冒险。 Kogan没有喂养神经网络自拍，而是使用了大约80,000幅画作。
Kogan也对A.I.能够制作出类似于独特风格的镜架感到震惊，而不仅仅是混搭一切。
“我很惊讶它能够记住这么多不同的美学而不会过于混乱，”他说 逆 。 “我认为这就是拥有数亿个参数的效果。”
我们如何教A.I.制作自己的照片
由Tero Karras领导的NVIDIA研究团队利用了一个生成的对抗网络（GAN），最初由着名的计算机科学家Ian Goodfellow在2014年推出。这是Google DeepDream工具背后的潜在技术，它在现场和网络上引起了轰动。
GAN由两个网络组成：生成器和鉴别器。这些计算机程序相互竞争数百万次，以改进其图像生成技能，直到它们足以创造最终被称为深度伪造的东西。
生成器被送入照片并开始尝试尽可能地模拟它们。然后它将原始图像和生成的图像显示给鉴别器，鉴别器的作用是将它们区分开来。进行的试验越多，发生器合成图像越好，鉴别器就越能区分它们。这导致一些相当令人信服 - 但完全是伪造的 - 面孔和绘画。
这项技术如何帮助艺术家
A.I.在艺术界已经有了自己的名声。除了在佳士得拍卖的计算机生成的肖像照片之外，DeepDream在深度拍摄之前一直在制作迷人的风景画。
Heiss认为，今天创建的机器学习工具已经成熟，可供艺术家使用，但使用它们需要技术实力。这就是为什么ZKM举办其开放代码展览以激发技术和创意部门之间更多合作的原因。
“现在出现的工具对于艺术家来说可能是非常有用的工具，但对于没有任何编程和系统管理技能知识的艺术家来说，使用它们很难，”他说。 “科学与艺术之间的这种联系可以带来伟大的事物，但它需要双向合作。”
与GANS一样，A.I。的早期迭代能够吸收数百万个数据点，以查看人类永远无法想象的模式甚至图像。然而，他们的创造性视野仍然受到人类选择将这些算法作为原始数据的限制。
对于美学和编码技巧的敏锐洞察力，未来使用A.I.的艺术家可能会利用机器学习来启动一个全新的创造时代或为旧式艺术注入生命。但需要大量的数据才能教会机器如何更好地模仿人类的聪明才智，并将计算机的内容更进一步。