AI 可以创造艺术吗？

出自 https://www.arxiv-vanity.com/papers/1801.04486/
作者：
Aaron Hertzmann
Adobe Research

这篇文章表达了我自己的观点，而不是我的雇主的观点。这是一篇论文的预印版本，将出现在“作为艺术家的机器（21世纪）”的艺术，特刊上（http://www.mdpi.com/journal/arts/special_issues/Machine_Artist）。

抽象

本文讨论了使用人工智能（AI）的计算机是否可以创造艺术。首先，调查了自动化艺术方面的技术历史，包括摄影和动画。在每种情况下，最初的恐惧和否定技术，随后为艺术家开辟了新的创意和专业机会。然后讨论当前用于艺术创作的人工智能（AI）工具的炒作和现实，以及关于如何使用AI工具的预测。然后推测是否可能发生AI系统可以归功于艺术作品的作者。从理论上讲，艺术是由社会代理人创造的东西，因此在我们目前的理解中，计算机不能归功于艺术作者。还假设了一些可以改变的方法。

1简介

人工智能（AI）研究最近取得了惊人的进步，包括在网络搜索，图像识别，会话代理和机器人技术方面的许多公开可见的发展。这些发展引发了对人工智能对社会许多方面的影响的恐惧。在艺术的背景下，新闻媒体宣传提出了新的图像和视频创作算法，好像它们是艺术创作的自动化。也许他们会在让艺术家失业的同时赋予日常用户权力……而且，当他们参与其中时，会剥夺我们的人性？
除了炒作之外，关于技术如何影响艺术的混乱贯穿于严肃的讨论中。专业艺术家经常担心计算机可能会把他们从工作中解雇[ 50] - 这是我几十年来所听到的一个问题。一些从业者可凭算法以自己的，潜在的，艺术家[ 10，22，61 ]，因为这样做一些记者[ 53，19，54 ]。而且，最近我与一位着名的社会心理学家联系，他受到最近神经网络结果的启发，希望进行实验来评估普通人是否愿意购买电脑制作的艺术品，如果是的话，为什么呢？假设计算机已经开心地制作自己的艺术品。
另一方面，当我非正式地向朋友或同事询问计算机是否可以创造艺术的问题时，答案有时是决定性的“不”。艺术需要人的意图，灵感，表达某种东西的愿望。因此，根据定义，没有计算机创造的艺术……为什么有人会担心？艺术和灵感的概念通常用神秘的术语来表达，这是超越科学和技术领域的特殊和原始的东西; 好像人类只能创造艺术，因为只有人类才有“灵魂”。当然，应该有更科学的解释。
在这篇文章中，我解决了“计算机可以创造艺术吗？”的问题。这似乎是一个简单的问题。有时人们会将其视为一个关于技术能力的问题，比如询问新车是否可以达到每小时100英里。对于这类问题，了解该技术的人应该能够给出一个简单的“是或否”答案。但并不是说任何计算机都会被广泛认为是艺术家。迄今为止，已有丰富的计算机生成艺术，并且在所有情况下，作品都归功于工具背后的人类艺术家，例如软件的作者或用户 - 这可能永远不会更改。
对这篇文章问题的一个更准确的陈述是：“一件计算机软件能否被广泛认为是艺术作品的作者？这需要什么？“这是一个关于心理学和艺术哲学的问题; 我没有详细描述现有技术。我还讨论了“人工智能会让艺术家失业吗？”的相关问题，以及更广泛地说，人工智能是否会对艺术和艺术家有益。
在直接解决这些问题之前，我将讨论艺术自动化的历史和现状。我从一些历史视角开始：历史上的新技术自动化图像和电影创作，尤其是摄影发明。在每种情况下，我们都看到这些新技术引起了对艺术家取代的担忧，事实上，新技术在为传统媒体注入活力的同时为艺术家创造了新的机会。
我认为新技术有益于艺术和艺术家，创造新的工具和表达方式，以及新的表达方式。可悲的是，艺术和科学经常被视为是分开的，甚至是反对的[ 64 ]。然而，技术发展激发了艺术的持续活力，新的艺术技术创造了新的就业机会。我们新的人工智能技术遵循这一趋势，并将在可预见的未来：新的人工智能算法将提供新的工具，以积极的方式表达和改造我们的艺术和文化，就像过去许多其他技术一样。
计算机不创造艺术，使用计算机的人创造艺术。尽管有数十年的程序和计算机生成的艺术，但从未有过作为艺术作家的计算机被广泛接受的计算机。迄今为止，所有“计算机生成的艺术”都是人类发明，软件开发，调整以及其他类型的直接控制和作者的结果。我们将人类艺术家视为作者，承认人类始终是工作背后的主谋，并且计算机是一个简单的工具。
然后我讨论这是否会改变：我们是否同意将作者身份分配给计算机？我认为艺术创作主要是一种社会行为，一种人们主要表现为与社会中其他人相互作用的行为。这意味着计算机无法创造艺术，就像人们不向他们的咖啡机赠送礼物或嫁给他们的汽车一样。相反，任何人都可以创造艺术，因为我们人类是社会生物。然而，艺术的界限是流动的，有一天，更好的人工智能可能会被视为真正的社会代理人。我将讨论这种情况以及人工智能算法可能被接受为艺术家的其他场景，以及过于热切地接受软件作为艺术家的一些危险。
本文表达了我的观点，作为开发各种艺术技术的人，多年来一直关注影响艺术和文化的新技术的发展，并且在一些小的例子中展示了我自己的艺术作品。我用一种普通观众可以访问的风格来编写它，因为这些是许多人关心的主题。

2历史与现实

在对计算机工具如何与艺术相关的一般主张之前，我首先描述几个有用的历史例子，包括摄影，电影和计算机动画的发明。这些例子展示了以前的情况，其中新技术似乎有望取代艺术家，但实际上，为艺术家提供了新的机会和角色。我还讨论了程序艺术和计算机艺术如何应用自动化。在许多这样的领域中，外人将计算机或技术视为创造性的工作。然而，在每一种情况下，作品背后的人类艺术家或艺术家都是作品的真正作者。
我认为，在整个历史中，技术通过为艺术家提供更新，更强大的工具，为艺术家创造了巨大的创作和专业机会。新技术的出现经常引起对传统艺术家流离失所的担忧。事实上，这些新工具最终会带来新的艺术风格，并为艺术形式注入活力，否则这些艺术形式可能会变得过时。这些新工具还使艺术更容易被社会更广泛的部分所接受，无论是创作者还是消费者。这些趋势在工业革命以来的两个世纪中尤为明显。

2.1摄影如何成为一种艺术形式

“从今天起，绘画已经死了！” - 画家保罗·德拉罗什在1839年的银版照相示范中本节的历史资料来自两个文本：Scharf [ 60 ]和Rosenblum [ 57 ]。
对于过去关于人工智能和艺术的经验教训，也许没有任何发明比摄影更重要。此连接先前已经做出[ 34，1]，但我更彻底地探索这里它。在摄影发明之前，世界的真实图像只能由艺术家制作。在今天的世界里，我们如此淹没了图像，很难想象看到一幅巧妙执行的写实绘画必须有多么特别和独特。现实主义的技术技能与其他创造性方面密不可分。当摄影自动化生成现实世界图像的任务时，这种情况就发生了变化。
1839年，发明了前两个商业实用的摄影过程：Louis-Jacques-MandéDaguerre的dagguereotype和William Henry Fox Talbot的消极积极过程。它们主要是作为制作世界实用记录的方式。在这两者中，达盖尔银版几十年来更受欢迎，因为塔尔博特的过程受到专利的限制。塔尔博特方法的改进最终使得银版照相机变得过时，并演变成现代电影流程。
肖像画是早期采用的主要动力。然后，就像今天一样，人们喜欢拥有他们的朋友，爱人和祖先的照片。肖像画只适用于贵族和非常富有的人。在18世纪，开发了几种廉价的替代品，例如轮廓，个人轮廓的表示（图1（a）），通常由黑纸工匠手工切割。银版照片提供了一种创造逼真肖像的经济方式（图1（B））。它非常缓慢，需要用头部支撑将受试者的头部锁定几分钟，同时受试者紧紧抓住他们的椅子，以免移动他们的手指。尽管如此，随着技术的改进，许多银版照相工作室出现并变得司空见惯，许多肖像画家转而采用这种新技术。到了1863年，一位名叫Henri Le Secq的画家摄影师说：“人们知道摄影对绘画造成了相当大的伤害，特别是在艺术家生活的情况下，肖像画已经过去了。”摄影在很大程度上取代了大多数旧形象，如剪影，似乎没有人特别后悔这种损失。虽然我很欣赏看到旧版画像和肖像画的神秘感和美感，但我宁愿用我的手机相机拍摄自己的照片，而不是试图用手工绘制它们。
（a） （b）
图1： （a）传统的轮廓肖像。（b）1846年亚伯拉罕·林肯的银版照片肖像。像这样的摄影技术完全取代了以前的肖像技术。图2： 1843年，西奥多·霍斯曼（Theodor Hosemann）的“不快乐的画家”（The Unhappy Painter）讽刺了画家，他是进步的受害者，被银版照相术淘汰了。
达盖尔银版的另一个早期用途是为游客制作纪念品：到1850年，罗马废墟的银版照相完全取代了游客以前购买的版画和版画。随着技术的进步，摄影作为工程项目和消失的建筑遗迹的记录来源，以及纪录目的，如马修布拉迪的美国内战恐怖照片，变得不可或缺。
“是摄影艺术吗？”这个问题已经争论了好几十年，融合到三个主要位置。许多人认为摄影不可能是艺术，因为它是由机械装置而不是人类创造力制造的。许多艺术家对摄影不屑一顾，并将其视为对“真正的艺术”的威胁。例如，诗人查尔斯·波德莱尔在1859年的沙龙评论中写道：“如果允许摄影在其某些功能中补充艺术由于众多的愚蠢是它的天然盟友，它很快将完全取代或腐蚀它。“第二种观点认为摄影可能对真正的艺术家有用，例如供参考，但不应被视为等同于绘画和绘画。最后，第三组，将摄影与已建立的形式相关联，如蚀刻和光刻，
摄影最终对绘画产生了深远而意想不到的影响。几个世纪以来，画家的模仿能力一直在提高。19世纪的许多画家，如约翰·埃弗里特·米莱斯等拉斐尔前派和像安格尔一样的新古典主义者，以前所未有的方式描绘了具有令人眼花缭乱的现实主义的世界。然而，相机变得更便宜，更轻，更易于使用，并且在业余爱好者和专业人士中广泛普及。逼真的照片在19世纪末变得司空见惯。如果照片写实可以简化为机械过程，那么艺术家的角色是什么？
这个问题促使画家从视觉现实主义转向不同形式的抽象。詹姆斯麦克尼尔惠斯勒的调性运动创造了大气，喜怒无常的场景; 他写道：“模仿者是一种可怜的生物。如果只画他在他面前看到的树，花或其他表面的人是艺术家，那么艺术家之王就是摄影师。艺术家可以做一些超越这个的事情。“那些试图捕捉场景感知的印象派画家很可能受到早期照片的”不完美“的影响。相比之下，象征主义者和后印象派艺术家完全背离了感性现实主义。爱德华·蒙克写道：“只要它不能在天堂和地狱中使用，我就不会害怕摄影。……我要画那些呼吸，感受，爱和受苦的人。“Vincent Van Gogh，描述他在1888年左右的艺术突破，写给他的兄弟：“你必须大胆夸大颜色产生的和谐或不和谐的影响。在绘图中是一样的 - 准确的绘图，准确的颜色，可能不是瞄准的必要的东西，因为镜子中的现实反射，如果它可以被抓住，颜色和所有，将不会是一个图片，只不过是一张照片。“摄影继续影响着20世纪的现代艺术; 人们可以推断出Étienne-Jules Marey的多重曝光摄影对未来主义和立体主义的重大影响，例如杜尚的 瞄准可能不是必不可少的东西，因为镜子中的现实反映，如果它可以被抓住，颜色和所有，都不会是一张照片，只不过是一张照片。“摄影继续影响现代艺术20世纪; 人们可以推断出Étienne-Jules Marey的多重曝光摄影对未来主义和立体主义的重大影响，例如杜尚的 瞄准可能不是必不可少的东西，因为镜子中的现实反映，如果它可以被抓住，颜色和所有，都不会是一张照片，只不过是一张照片。“摄影继续影响现代艺术20世纪; 人们可以推断出Étienne-Jules Marey的多重曝光摄影对未来主义和立体主义的重大影响，例如杜尚的裸体下楼梯。
事实上，摄影似乎是现代艺术运动的主要催化剂之一：它的影响力导致了绘画世界数十年的活力，因为艺术家们都受到摄影图像的启发，超越了现实主义。

图3： 绘画与早期摄影的相互作用。（a）到了19世纪，西方画家已经达到了令人眼花缭乱的现实主义水平。（b）早期的相机采用了低质量（虽然令人回味）的照片。这种银版照相用了十多分钟才能曝光。（c）然而，相机技术在更快的曝光中稳步提升，捕捉越来越大的真实感。（d）这对画家提出了创造与超现实描绘无关的作品的挑战，例如惠斯勒的调性主义夜曲。（e）摄影师摄影师试图通过模仿绘画的风格和抽象来将摄影作为一种艺术形式。 作品： （a）奥菲莉亚，约翰埃弗里特米莱斯，1851年（b）Boulevard du Temple，达盖尔，1838年; （c）1864年FélixTournachon（Nadar）的Sarah Bernhardt的肖像 ; （d）Blue and Gold的Nocturne：Old Battersea Bridge，James MacNeill Whistler，c。1872-1875; （e）早晨，克拉伦斯·怀特，1908年。
与此同时，1885年左右开始的画报运动试图将摄影作为一种艺术形式。画家们对这些照片进行了更多的艺术控制，通常使用古典绘画中的高度主题，并在暗室中操纵他们的图像。他们的许多作品都具有朦胧，大气的外观，类似于调性主义，从而淡化了高品质摄影的真实感。他们似乎刻意模仿当时美术绘画的品质，今天他们的大部分作品似乎都受到了影响。他们采取各种策略将其作品合法化为艺术形式，例如摄影协会的组织，期刊和评审摄影展[ 67 ]。他们的作品和成就使得越来越难以否认摄影的艺术贡献; 1964年，在美国艺术博物馆的第一次摄影展上，阿尔弗雷德·施蒂格利茨在纽约布法罗的奥尔布赖特画廊举办的“布法罗秀”中最终成功举办了“布法罗秀”。摄影作为一种艺术已经确立，并且可以自由地超越Pictorialism。
这个故事提供了几个与人工智能作为艺术工具直接相关的课程。起初，像AI这样的摄影被许多人认为是非艺术性的，因为它是一个机械过程。有些人认为摄影是一种威胁，并反对其合法性。摄影确实取代了已经完成非艺术功能的旧技术，例如肖像画的社交功能。一些艺术家热情地接受了这项新技术，并开始探索其潜力。随着技术的进步和近一个世纪以来的广泛应用，艺术家学会了更好地控制和表达自己的新技术，直到对摄影的现状没有更多的真正争议。这项新技术使非专家和业余爱好者更容易获得图像制作; 今天，每个人都可以尝试摄影。此外，这项新技术为旧的艺术形式注入了新的活力，使其更具抽象性。如果人工智能作为一种艺术工具存在争议，我会预测相同的轨迹。最终，新的AI工具将被充分认可为艺术家的工具; 人工智能工具也可以刺激传统媒体，例如新美学[ 66 ]。

2.2真人电影技术

电影制作和技术的故事有很多关于艺术家和技术人员如何协同工作的重要经验教训。大多数早期摄影师必然是艺术家和技术专家，他们试验由他们的艺术驱动的新技术或激发他们的艺术。但是，在电影和动画中，这种互动对于艺术形式来说更为重要。
电影的历史充满了艺术家 - 修补匠，以及艺术家和技术人员团队。LumièreBrothers创作了第一部电影之一，简单记录了工人离开工厂，还尝试了各种相机技术，色彩处理和艺术方式来使用它们。舞台魔术师GeorgeMéliès拍摄了诸如“月球之旅”等奇幻故事，采用各种巧妙的相机技巧，创造出令人愉悦的创造性和迷人的电影。沃尔特迪斯尼采用并推动了声音和彩色记录的新技术，并推动了其他创新，例如多平面相机。Orson Welles的许多创新电影技术都是通过他的电影摄影师Gregg Toland使用的新相机镜头实现的。更多便携式摄像机和音频设备的推出使法国新浪潮的实验成为可能，而法国新浪潮又影响了弗朗西斯·福特·科波拉和乔治·卢卡斯这样的年轻美国导演。乔治卢卡斯的星球大战团队是一个早期的开发人员，他们在预算上有很多新的视觉效果（想想Ben Burtt打电话的电话线来创造“爆炸”音效），[ 59 ]。从那时起，数字和计算机图形技术显然已经彻底改变了电影故事，像Michel Gondry和James Cameron这样的导演将这项技术进一步推向了无法预料的方向。在每种情况下，我们都会看到导演迅速采用的技术，以创造新的讲故事技巧和风格，一遍又一遍地改变媒介。
（a） （b） （c）
图4：电影制作艺术的发展：（a）第一部被捕的电影，工人离开卢米埃尔兄弟的工厂（1895年），（b）乔治梅利斯1902年的“月球之旅”拍摄的就像一个舞台剧，但是奇妙的特效，（c）Citizen Kane，它使用了大量的实验相机和镜头效果来讲述故事。

2.3 3D电脑动画：一种合作

作为艺术形式的3D计算机动画是皮克斯动画工作室的先驱，这一成功归功于艺术家和工程师的密切合作[ 55 ]。这一切都始于动画爱好者Ed Catmull，他于1974年获得计算机科学博士学位。在他的论文中，他发明了几种核心技术，这些技术是当今每个主要的3D计算机图形系统所使用的。在研究生院期间，他悄悄为自己设定了一个目标：制作世界上第一部计算机动画电影[ 5 ]。因此，他在Lucasfilm计算机部门成立了图形集团，并聘请了一支杰出的工程师团队来发明用于制作电影的计算机系统。然而，这个群体中没有一个能够制作动画，即通过动作将角色带入生活。因此，他们招募了John Lasseter，一位深受迪士尼传统培训的动画师。通过Lasseter与技术人员之间的紧密合作，他们能够发明新技术并共同探索计算机动画如何开始成为自己的艺术形式[ 43 ]。这个由Catmull和Alvy Ray Smith领导的团队分拆出皮克斯，并在接下来的几年中发明了许多技术创新，旨在满足皮克斯艺术家提出的需求; 反过来，艺术家们受到这些新工具的启发，并将它们推向了新的极端。他们的咒语之一是“艺术挑战技术，技术激发艺术” [ 5 ]。
皮克斯在设计上将艺术家和工程师视为公司成功的关键，并最大限度地减少了团队之间的障碍。当我在休假期间在那里工作时，尽管我担任技术职务，我还是与不同类型的艺术家进行了许多激动人心的对话，参加了许多关于艺术和讲故事的讲座，在开放式的生活绘画会议上勾勒出来，观看了一个员工即兴表演的表演，以及参加了许多其他社交和教育活动，这些活动故意混淆了公司不同部门的人员。这种文化尽管仍有一些缺陷需要解决，但却实现了多年的技术和创新创新，并最终实现了商业和艺术的成功。
计算机动画是另一种吓唬传统艺术家的技术。在他们找到Lasseter之前的早期，Lucasfilm Graphics Group曾多次尝试让迪士尼动画师对他们的作品感兴趣[ 55 ]。史密斯后来说：“动画师们害怕电脑。他们觉得这会把他们的工作带走。我们花了很多时间告诉人们，“不，这只是一种工具 - 它没有创造力！” 这种误解无处不在“ [ 52 ]。一种常见的误解是计算机动画只相当于计算机解决所有问题; 程序员按下按钮，角色自己移动。实际上，计算机动画是极其劳动密集型的，需要有才华的艺术家（特别是动画师）的技能几乎每一个细节。角色动画是极端技能和才能的艺术形式，需要使用相同的基本技能 - 通过纯粹的动作将角色带入生活 - 如传统动画[ 43]。
出于各种原因，传统的cel动画工作并没有持续到迪士尼。迪士尼特色动画在90年代早期经历了一次复兴，从小美人鱼开始。然后，随着管理层的一些变化，迪斯尼动画开始缓慢而悲伤的下降。在发布兄弟熊和家庭之类的哑弹之后，管理层关闭了迪士尼的所有传统2D动画，并将工作室完全转换为3D电脑动画。许多传统动画师都在3D动画中接受过再培训，但迪斯尼的第一部3D动画是Chicken Little仍然是一个哑弹。继迪士尼几年后收购皮克斯之后，他们重新启动了迪士尼深受喜爱的2D动画制作。结果，一部名为The Princess and the Frog的迷人而有趣的电影在票房上表现得如此，而且，动画师的创作能量主要集中在新的3D艺术形式上[ 5 ]。今天，迪斯尼的传统2D动画已经死了。传统动画风格在日本和法国等国家仍然至关重要，与美国不同，它们不相信动画“仅供儿童使用”。即便如此，由于计算机技术，它们的视觉风格也有了很大的发展。今天，计算机动画是一个蓬勃发展的行业，它在比动画片动画更多的地方蓬勃发展：在许多不同的电影制片厂，真人电影的视觉效果，视频游戏，电视工作室，网络创业公司，独立网络工作室， 还有很多。现在动画师的机会比以往任何时候都多。这里的故事不是工作的破坏，而是艺术形式通过技术的演变和发展。这是另一个与冲突中运作的艺术和技术概念相矛盾的故事，事实上，事实恰恰相反。

2.4程序艺术品

在艺术界，有程序艺术作品的悠久传统。让·阿尔普（Jean Arp）在20世纪10年代创作了由偶然法则管理的艺术作品（或者他声称），从20世纪50年代开始，约翰·凯奇（John Cage）使用随机规则来创作音乐。“生成艺术”一词似乎起源于20世纪60年代。Sol LeWitt的墙图是作为精确指令的列表提供的; 人们在他去世后仍在绘制新版画[ 11 ]。从20世纪70年代开始，受过古典风格影响的画家哈罗德·科恩（Harold Cohen）开始展出他所写的名为AARON的节目[ 6 ]。。自20世纪80年代以来，许多现有的艺术家，如卡尔·西姆斯，斯科特·斯基布，戈兰·莱文，斯科特·德拉维斯和杰森·萨拉文，通过编写计算机程序来创作抽象艺术作品，这些计算机程序可以生成静态图像，或者创建交互式艺术体验和安装作品（图5））。在Sims和Draves的作品中，艺术作品根据观众的意见“演变”。处理计算机语言对艺术家的普及说明了程序艺术的发展。
（a） （b）
图5： 画廊和艺术博物馆艺术世界的程序艺术作品。（a）斯科特·德拉维斯（Scott Draves ）的“ 电羊”（Electric Sheep）根据数千张选票演变出令人眼花缭乱的程序抽象动画。BrothaLewis的“羊”。（b）Jason Salavon的史上最佳电影，1 x 1（2000），显示电影泰坦尼克号的每一帧的平均颜色。
在每一种情况下，尽管存在程序性的，紧急的和/或众包的元素，但它背后的人被认为是艺术作品的作者，否则它似乎有悖常理。人类已经围绕视觉风格，设计框架和流程，测试和评估替代算法等所做的所有创造性决策。

2.5计算机科学研究的最新进展

计算艺术图像合成的最新发展是非常壮观的。但他们不应该被误认为AI艺术家。
非真实感渲染（NPR）是计算机图形学研究的一个子领域[ 58]，我已经工作了很多年。NPR研究开发了新的算法和艺术工具，用于创建灵感来自传统媒体外观的图像，例如绘画或绘画。Paul Haeberli 1990年开创性的论文[ 32 ]引入了一个以用户选择的照片开始的绘画程序。每当用户点击画布（最初为空白）时，系统会根据照片放置带有颜色和方向的画笔笔划。通过这种方式，用户可以在没有任何特定技术技能的情况下快速创建简单的绘画（图6（一个））。在后续文章中，Pete Litwinowcz通过在网格上放置画笔描边来完全自动化该过程[ 45 ]。我自己的第一篇研究论文来自于对他的算法进行实验的修改：我想出的方法创建了长而弯曲的笔画，从大笔画开始，然后通过小细节进行细化[ 33 ]（图6（b））。该算法的灵感来自于我对真实绘画的体验，以及艺术家通常从粗略草图开始然后对其进行优化的方式。
（a）
（b）
图6： 使用手工编码规则和算法处理输入照片的绘画渲染算法。（a）Paul Haeberli的互动绘画系统[ 32 ]。（b）我的自动绘画系统 [ 33 ]除了选择一些参数设置外，还处理没有用户输入的照片。
这种类型的艺术算法设计体现了在这一领域的大多数计算机图形学的研究[ 35，58 ]。算法是自动化的，但我们可以详细解释算法的工作原理以及它所体现的艺术过程的直觉。这种艺术表现的数学模型继续在文艺复兴时期开始的调查与Filippo Brunelleschi发明的线性视角，这是我在其他地方写过的观点[ 36 ]。
在某些时候，我发现很难将关于艺术过程的更丰富的直觉体现在源代码中。相反，受到最近计算机视觉结果的启发[ 21 ]，我开始开发一种从示例中开始工作的方法。我的合作者和我在2001年发表了这种方法，称之为“图像类比” [ 37 ]。我们从例子中将作品呈现为学习艺术风格。但这里的“学习”很浅薄。它等于以巧妙的方式重新排列源图稿的像素，但不能推广到全新的场景或风格（图7）。（相关的风格转移方法由Efros和Freeman同时发表[ 20 ]从那时起，其他研究人员已经大大改进了这种方法，使其更加稳健[ 24]。

图7： 我们的图像类比算法[ 37 ]，它以给定艺术作品的风格对照片进行风格化; 在这种情况下，梵高在罗纳河上的星夜。
2016年，Leon Gatys和他的同事在这个领域发表了一项新的突破，即神经风格转移[ 25 ]。基于神经网络的最新进展，他们的方法将某些神经网络相关统计从绘画转移到照片，从而产生输入照片的新绘画（图8）。从某种意义上说，这种方法仍然是“浅薄的” - 对照片或艺术品没有“理解” - 但这种方法似乎比原始的图像类比算法更加稳健。本文引发了一系列激动人心的新应用，包括流行的Prisma应用程序和Facebook的Live Video程式化，以及许多改进这些想法的新研究论文。今天这项工作正在进行中。

图8：神经风格转移算法[ 25 ]，它以给定艺术作品的风格对照片进行风格化; 在这种情况下，梵高的星夜。该算法带来了许多新的应用程序和程式化研究。
2015年受到广泛关注的另一项发展是Mordvintsev等人发明的DeepDreams。 [ 48 ]，开发神经网络可视化工具的人发现，一个简单的激活激发程序产生了一种我们从未见过的类型的引人注目的幻觉图像。还有许多其他当前的项目，特别是那些围绕Generative Adversarial Networks [ 29 ]和Project Magenta at Google [ 46 ]的项目，这些项目也显示出新的艺术工具的前景。例如，图9显示我们通过可视化神经网络从不同风格的大量艺术图像中学习的趋势而生成的图像。各种相关图像由Creative Adversarial Networks [ 22 ]制作 ; 它是一种看似熟悉但与我们熟悉的不同的视觉风格（并且可能部分地由卷积神经网络表示的偏差驱动）。
在每种情况下，艺术品都是由人为定义的程序产生的，人类是图像的作者。
图9：我们使用在艺术图像数据库的不同子集上训练的神经网络生成的图像[ 74 ]。尽管卷积神经网络架构的偏差也很明显，但每一个都是为了代表单一的风格类别或媒介。

2.6人工智能并不聪明

不幸的是，围绕AI技术的媒体炒作已经相当多。在新闻媒体，算法通常被人格化，仿佛它们具有相同的意识作为人类（例如，[ 75]），并且有时它们被描述为艺术家[ 53，19，54 ]。事实上，我们并不真正知道什么是意识（尽管有许多理论），或者在算法中将其体现为什么意味着什么。
今天，最成功的AI和机器学习算法最好被认为是美化数据拟合程序[ 4 ]. That is, these algorithms are basically like fitting a curve to a set of datapoints, except with very sophisticated ways to fit high-dimensional curves to millions of datapoints. When we as researchers speak of “training” an algorithm, or an algorithm that “learns,” it is easy to misinterpret this as being the same thing as human learning. But these words mean quite different things in the two contexts. In general, “training” a model to learn a task involves careful human effort to formulate the problem, acquire appropriate data, and test different formulations. It is laborious and requires considerable expertise and experimentation. When a new task needs to be solved, the human starts over.
与人类智能相比，这些算法是脆弱的和定制的。例如，图像识别算法在过去十年中经历了惊人的突破，现在广泛用于消费产品中。然而，他们常常因输入暗示出奇怪的误解而失败; 对抗性实例[ 69 ]和程序性进化图像[ 49 ]的存在性和稳健性表明这些算法并没有像人类层面的理解那样学到任何东西。他们就像在外国的游客，可以重复和组合短语中的短语，但不能真正理解外语或文化。除了在他们接受培训的狭窄范围内，这些系统没有自主权，并且通常还必须安装故障保险箱，例如，Google Photos不再将任何东西归类为“大猩猩”，因为一个高调失败[ 63 ]。
有人类的学习和机器学习之间的一些有趣的相似之处，并且它似乎有可能，人类是，在某些方面，通过进化原则优化[ 2，41，70，30 ]。但是，从这些高级别的类比转向实际的机器智能是解决方案甚至尚未出现的问题。

3技术如何改变艺术

基于这段历史，我现在就技术如何改变艺术作出若干具体主张。新技术远非取代艺术家，而是成为艺术家，振兴和改变艺术与文化的新工具。这些声明同样适用于人工智能的当前发展，就像他们对摄影和动画等先前的发展一样。

3.1算法是艺术家的工具

“我的水彩老师曾经说过：让媒体做到这一点。是的 - 所以我的草图提供了基础，然后网络做了事情; 我不打架，只是不断调整#brushGAN工具包“ - Helena Sarin（@glagolista）
在我们目前使用的每种技术中 - 无论是摄影，电影还是软件算法 - 我们使用的技术和算法都是基本工具，就像刷子和油漆一样。这个观点反映了我认为计算机图形学研究领域的传统智慧，这是我的研究背景。这个领域一直与某些艺术社区密切联系，特别是计算机动画和视觉效果，并且基于这种经验，该领域经常抵制自动化创作任务的尝试。相比之下，人工智能研究人员更多地使用术语，历史上使用诸如“智能”，“学习”和“专家系统”之类的词语，其方式远比人类版本的这些东西简单得多。对于出现的基于AI的新算法也是如此。它们并不总是可预测的，结果往往令人惊讶和愉快 - 但水彩在页面上流动的方式也是如此。当前的系统反映出“真正的”人工智能没有合理的意义：艺术品背后总有一个人。
将相同的标准应用于神经网络和神经样式转移的当前研究，将其输出的作者身份分配给软件本身似乎同样有悖常理。DeepDream软件由人类创作; 另一个人然后选择了一个输入图像，并尝试了许多参数设置，反复运行软件，直到获得良好的结果。事实上，在最近的一次艺术展览中，旨在促进这些方法及其探索[ 71 ]（图10），人类艺术家被认为是每件作品。

图10：旧金山格雷区的神经网络艺术展
所有当前和可预见的计算机作品中都会出现选择工具和输入，调整设置甚至修改代码以及迭代直到产生所需输出的相同过程。计算机生成的艺术作品源于人类艺术家的大量时间和精力，从概念的概念到精心指导执行，从输出中进行选择。
已经有其中AI算法已经被呈现为艺术家或艺术家潜在少数情况下[ 10，61，19，53，54 ]。由于上述原因，我认为这种说法误解了程序艺术的本质。
简而言之，在我们目前的理解中，所有艺术算法，包括基于机器学习的方法，都是艺术家的工具; 他们本身不是艺术家。

3.2新技术有助于艺术保持至关重要

我们应该热衷于他们将使艺术家能够制作的新作品，而不是害怕新技术。当我们想到具有外在影响的艺术时，我们通常会想到社会或政治影响，但忽略了新工具的影响。相比之下，我认为，特别是从19世纪开始，技术发展在推动艺术发展，保持艺术发展和注入新思想方面发挥了关键作用。我给摄影和电影的故事包含了许多这方面的例子。然而，效果更为广泛。
西方艺术史上最重要的突破之一是佛兰芒画家如Jan van Eyck在15世纪发明了油画[ 13 ]。以前，绘画主要是使用没有微妙着色的蛋彩画和壁画，这是非常麻烦的工作。几个世纪以来，油画已经以某种形式存在，但van Eyck和其他人发现了新技术，这些技术为他们提供了非常实用的新媒介。它快干，允许丰富的色彩和色调，锋利的边缘和坚硬的表面。我们与北方文艺复兴和意大利文艺复兴相关的丰富光线和色彩都归功于这项技术（图11）。
（a） （b）
图11： 油画技术的发展改变了绘画作为一种艺术形式。（a）米开朗基罗在西斯廷教堂（约1508年）的壁画。壁画过程很困难，并且实现了有限的色调范围。今天，壁画已经不复存在了。（b）Jan van Eyck为Ghent Alterpiece（约1430年）绘制的油画。油漆可以提供更丰富的色彩和照明。
自20世纪50年代以来的每个十年中，我们许多具有重要文化意义的作品都使用了过去十年才发明的技术。例如，十年前在今天的故事片中使用的大多数技术都不存在（例如，高清数码相机的广泛使用;面部表现捕捉）; 使用智能手机和众包的艺术品也是如此; 涉及白光LED和Arduino控制器的艺术品; DJ在他们的笔记本电脑后面的舞台上表演; 等等。即使是最看似浪漫的浪漫喜剧也经常涉及最近的数字视频编辑和数字背景。
相反，未能改变的艺术风格变得陈旧，失去了文化意义; 采用和探索新技术是艺术保持活力的方式之一。例如，20世纪80年代流行音乐中合成器音乐的引入创造了令人兴奋和现代的新声音。随着工具的改进，声音变得多样化，直到垃圾变得流行并使80年代的合成声音看起来肤浅和过时。如今，Daft Punk和LCD Soundsystem等乐队最近对70年代和80年代乐器的复兴似乎最令人兴奋的是他们使用旧乐器制作新型音乐时。相比之下，在我看来，20世纪90年代的摇摆音乐复兴从来没有去过任何地方（来自Big Bad Voodoo Daddy和Squirrel Nut Zippers等乐队），因为乐队用经典乐器模仿经典风格，
在每个时代，激进和拒绝的艺术家都会遇到激进的技术创新。例如，当穆格合成器开始流行时，它被艾默生，莱克和帕尔默这样的大牌乐队采用。其他乐队认为扭曲旋钮制作音乐是“作弊：”女王的专辑封面自豪地说乐队没有使用合成器。罗伯特·穆格描述了一位纽约音乐家，他讲述了“这就是世界末日” [ 65 ]。现在看来人们可能曾经断然反对合成音乐，或嘻哈DJ的搔痒和取样，现在看起来很愚蠢，就像人们曾经拒绝跳华尔兹，印象派和春天的仪式一样愚蠢无效或不道德。
除了刺激专业艺术家，新工具使艺术更容易被社会的大部分人所接受。摄影曾经只有最坚定的早期采用者才能访问，但不断变得更容易，更快，更紧凑，几乎每个人都在口袋或钱包里携带手机摄像头。电影摄影工具也是如此（从手摇到重型摄像机，从Steadicams到handycams再到iPhone），等等。现代计算机几乎每个人都可以使用暗室，混合工作室，绘画工作室等数字等效设备; 这些都是以前高度专业化的技术，需要付出艰苦的努力。

图12： Les Paul，发明于1943年的固体电吉他; Robert Moog，分别是电子合成器的先驱。他们的技术以他们无法预见的方式改变了流行音乐。

3.3新技术不会导致净失业

关于技术如何取代工作的担忧至少从19世纪开始，当时Luddite抗议者摧毁机械织机，并且在民歌中，John Henry与蒸汽钻孔机竞争。这些恐惧是真实的，可以理解的。然而，尽管有几个世纪的技术中断，我们并没有生活在一个大规模失业的世界里。这是因为，随着旧角色的消失，更多的角色出现了。但是这些担忧一再发生，因为在任何特定的时间，很容易想象失去特定的工作，但它需要超人的想象来预测变革性新技术将创造什么样的新机会。如今，我们大多数人都从事难以向19世纪工人解释的工作。
真正的劳动力问题不应该与技术本身有关，而是经济系统是否能够在整个社会中公平地分享新生产力的好处，而不仅仅是在最富有的人之间集中财富[ 68 ]以及机器学习系统是否被滥用以扩大现有的不平等形式[ 51 ]。当新技术发生流离失所时，社会安全网和更好的教育基础（就业灵活性和再培训）可以缓解其影响。相反，一个不能公平分配财富和经济收益的社会比人工智能的影响要大得多。
对新技术的恐惧似乎是人性的。我怀疑很多人认为事物的“正常”状态是他们成年时的状态，他们认为任何重大变化都是可怕的。然而，几乎所有我们熟悉的现代技术都被前一代人视为威胁。
对人类创造生命的恐惧已经伴随着我们很长一段时间。值得注意的是，18世纪的科学家们发现了电力。当他们寻求了解它时，他们发现了电流的生命效应，即死亡的青蛙的肌肉可以被电流刺激。生命的秘密被发现了吗？这启发了玛丽雪莱的小说弗兰肯斯坦; 或现代普罗米修斯，一个雄心勃勃的大学生利用现代科学创造新生活[ 62 ]。今天，这个故事生动而又令人回味，但从理智上讲，我们认为它是荒谬的。对AI的恐惧基本上是同样的非理性恐惧; SkyNet是弗兰肯斯坦的怪物，但神经网络作为普罗米修斯的火花而不是电流。事实上，弗兰肯斯坦被描述为关于一般知识追求的警示故事。维克多·弗兰肯斯坦（Victor Frankenstein）在得知沃尔顿上尉自己被一种与科学怪人完全无关的知识追求所驱使时，将他的故事作为警告。目前，终结者的自主人工智能比其及时向后旅行的能力稍微合理一些。

3.4新的AI将成为艺术家的新工具

围绕技术和艺术发展的一些总体趋势似乎非常强大。如上所述，当前的AI算法不是自主创建者，并且在可预见的将来不会。它们仍然只是工具，可供艺术家探索和利用。一些艺术家将热情地采用这些工具的新发展，从而产生令人兴奋的新形式和风格，这是我们目前无法预见的。新手可以访问新的简化表达工具。人类艺术家执行的某些任务可能会淡出，但这些通常是机械任务，不需要太多的创造力，因为它们填补了除艺术表达之外的社会功能。一些传统艺术可能因为看似老式而褪色。这就是艺术的本质：没有什么是新鲜的，这不应该归咎于技术。艺术技术是“想象力放大器”[ 8 ]更好的技术将使艺术家能够比以前更进一步。
除了一般趋势，很难对未来的艺术作出具体的预测。莱斯保罗在20世纪40年代发明了固体吉他，他自己主要表演轻快的流行音乐，乡村音乐和演出，很难预测电吉他将如何被Led Zeppelin所使用，就像很难想象的那样Daguerre预测Instagram。更一般地说，预测人工智能技术如何改变社会是非常困难的，因为我们对这些技术实际上可能是什么知之甚少[ 4 ]。甚至20世纪50年代和60年代的科幻作家也完全没能想象互联网和移动计算的变革力量[ 42 ]; 对他们来说，未来的计算机仍然是房间规模的怪物，人们不得不坐在前面操作。但他们确实预测到2018年月球殖民地和复制品。
简而言之，我们无法预测艺术家将来会想出什么样的新发明和创意，但我们可以预测它们将是惊人的，并且它们将是惊人的，因为它们以新的，不可预测的方式利用技术。

4什么是艺术家？

到目前为止，我已经描述了计算机技术目前如何被接受为艺术家的工具，而不是艺术家本身。为什么是这样？毕竟，计算机可以执行其他人工任务，如说话，搜索，打印，导航，以及在某种程度上驾驶汽车。计算机不能创造艺术的原因有几个，包括传统，所涉及的激励以及现有自动化的相对可预测的性质。但是，仍然可以想象一个替代历史，其中一些机器或计算机程序已经被称为艺术家。我相信有一个更根本的原因，这不仅解释了为什么没有发生这种情况，而是为什么它不可能很快发生。
在本节中，我将理解一个实体作为艺术家的先决条件，并着重于我的假设，即艺术是一种社会行为。然后，我将在下一节中将此想法应用于AI。我还探讨了可以使AI成为艺术家的几种替代假设。大多数这些替代假设都识别出人类艺术家的某些属性，然后假设AI需要该属性才能成为艺术家。

4.1艺术是社会的

“艺术家试图为人们做的事情是让他们更接近某些东西，因为当然艺术就是分享：如果你不想分享经验，思考就不会成为艺术家。” - David Hockney [ 38 ]
我们为什么要创作和消费艺术？我认为艺术主要是一种社会行为：艺术是关于人与人之间的交流和展示。例如，人们经常将艺术称为个人表达，这是一种交流行为。
任何人都可以创造艺术，因为人类是社会生物。一位画家年复一年地为旅游者提供相同的传统景观仍被视为艺术家。孩子的绘画可能只对他们的家庭有意义，但它仍然是艺术。
我直接受到理论的启发，回到查尔斯达尔文，艺术创作是我们生物进化的适应性产物。Dutton [ 17 ]为这一理论提出了一个有说服力的论点，我简要总结一下，尽管我不能正义。创造艺术为我们的更新世祖先提供了多种功能。艺术创作是交配和性选择的健身信号。艺术也可以用作财富和地位的展示。讲故事，音乐和舞蹈加强了团队内部的社会联系。讲故事另外在传递信息方面起着非常重要的作用，否则这些信息很难分享。
我观察到艺术的这些功能中的每一个都是社交的：艺术作为人们之间的交流，展示和分享形式而出现。虽然艺术在今天的不同文化中有许多不同的形式，但这些形式中的每一种都与更新世中的一种或多种基本社会功能相同。
我将这一理论概括为人类以外的假设：艺术是社会行动者之间的互动。“社会代理人”是指具有类似于人格的地位的任何东西; 有人值得同情和道德考虑的人。我们的许多其他行为是社交代理之间的互动，例如礼物，对话以及友谊，竞争和浪漫等社交关系。
相反，虽然我们可以在情感上依赖于我们的计算机和其他财产，但我们并不真正同情他们的需求，也没有对他们的道德责任。财产只能参与这些互动的浅版本。例如，我们经常谈论我们的财产，例如“我的自行车上的刹车都在抱怨所以我给了它一双新礼物作为礼物，现在它更快乐了。我喜欢我的自行车。“这句话表明情感依恋，但不是真正的同情自行车的感受，尽管有拟人化的语言。我们不会与我们的财产生活在一个社会等级制度中：我们不会与他们竞争地位，或试图给他们留下深刻的印象。我们关心其他人要说的是因为我们关心别人; 我们关心计算机只有在对我们有用的情况下才能说。
艺术创作对艺术家也有非社会效益。例如，艺术创作可以帮助练习灵巧和解决问题等技能。创作艺术本身往往是令人愉快或冥想的。但这些好处是他们社会利益的次要因素：它们不是进化使艺术成为人类活动的原因。同样地，人们也可以独自谈论或唱歌，但说唱和唱歌仍然是基本的社交活动。
请注意，这里的进化论证是可选的; 人们可以讨论没有它，艺术是否从根本上是社会性的。但我相信艺术的进化观提供了一些额外的理解。

4.2非人类作者

正如我们所看到的，尽管有许多技术进步，但目前的算法并不被接受为艺术家。还有一些其他现有示例，其中对象由非人为驱动的作者或进程创建。这些为这一理论提供了一些支持。

自然过程。

自然过程，包括大峡谷或黄山等景观，都不被认为是艺术，尽管它们可能非常美丽并且极大地改变了一个人的视角。动物本能地制造的美丽结构，如蜂窝和珊瑚，不被认为是艺术。这表明，简单地创造复杂和美丽的输出本身并不足以满足艺术需求，因为在这些情况下没有创造性的社交交流。

动物。

一些高等哺乳动物，包括黑猩猩，大象，和海豚，已培训画[ 14，17 ]。许多作家对动物造型艺术持怀疑态度。通常，动物的主人或操纵者操纵过程，让动物在画布上投掷油漆，然后在他们相信完成时停止绘画，然后选择要显示的作品; 之后动物似乎对艺术品毫无兴趣。动物艺术品没有任何重大的文化影响或受欢迎程度; 它似乎主要是媒体特技的产物。（动物伦理治疗的人最近试图声称有利于猴子的版权，但失败了[ 47 ]，因为美国版权法只允许人类声称版权。）
这次讨论最有趣的方面不是动物是否可以创造艺术，而是我们如何决定。 关于动物制造的文物是否是艺术的讨论不是基于先验规则，动物是否可以是艺术家。相反，他们试图研究动物在艺术品周围的行为的证据，并从中推断艺术作品是否是某种形式的内在表达[ 14 ]，或者是动物特别欣赏的作品 [17]。 ]。换句话说，我们对动物创造艺术的想法持开放态度，因为它们可以与我们建立社会关系。只是我们没有发现任何其他生物满足我们创造艺术的标准，无论它们是什么。
（a） （b）
图13： 不是艺术。（a）美丽的风景不被视为艺术。（b）猴子画家Pierre Brassau。他是1963年讽刺现代艺术的恶作剧的一部分。

4.3改判工作

很容易判断计算机是否仅仅是基于其产生的工作的优点而成为艺术家。在这个假设中，计算机是否可以是艺术家是对其产生的作品质量的判断，而与计算机本身的属性无关。如果一个算法输出一系列不同的，刺激的，美丽的和/或熟练的输出，没有很多哑弹，我们可能很想把这个算法称为艺术家。计算机生成的艺术越好，我们就越会听到关于计算机是艺术家的问题。
技能显然不是某人或某物成为艺术家的真正要求。任何人都可以创造艺术，包括不熟练的业余爱好者和孩子。相反，计算机已经可以编程，以创建无限的令人眼花缭乱的逼真或抽象图像序列，展现出超越典型人类能力的技术熟练程度。
我怀疑，当我们查看计算机的输出并询问“这项工作是否足以让计算机成为艺术家？”时，我们实际上并不是在评判工作本身的质量。相反，我们真的在寻找证据证明系统本身是聪明的，有意识的和感觉的：我们与社会代理人联系在一起的特质。无论计算机的输出多么巧妙和令人惊讶，我们都不会接受它作为艺术家，直到我们推断出某种社会存在。

4.4意图机器

另一个假设如下：在现代艺术世界中，艺术家的作用是为作品提供“意图”和“想法”; 除了协调制作之外，艺术家没有必要执行作品。对于人类来说，这在很多例子中都是如此，例如2.4节中的那些例子，以及像杜尚的Readymades和Richard Prince的可疑Instagram复制品那样的挪用作品; 艺术家也可以雇佣助手或众筹工作者，例如Scott Draves的Electric Sheep和Aaron Koblin’s Sheep Market [ 40 ]。因此，对于作为艺术家的计算机，它只需要提供意图。
很容易想象设计一个创造意图的系统，甚至协调生产作品的劳动。例如，人们可以编写一个简单的程序算法来生成非常基本的意图（例如，“描绘不祥的风景”），或者从从网上抓取的艺术家语句训练的递归神经网络中的样本意图。或者该方法可以随机选择一些新闻项目，照片或历史事件，并随机对该事物采取一些态度。从这个意图出发，群众工作者可以用来改进这个想法并将其转换成新的图像，类似于像Soylent这样的系统[ 3 ]。人们还可以自动化流程的步骤，例如，使用GAN [ 29 ]从头开始生成全新的起始图像。Crowdworkers也可用于评估和评估系统的输出，选择最佳结果并丢弃其余部分。该过程的最后步骤还可以自动聘请专业设计师，例如，来自Upwork或99Designs等网站。然后，该系统可以连续运行，随着时间的推移生成新图像（自动向所涉及的众筹工作者付款）。工人可以使用共同的主题和意图对图像进行分组，并围绕这些主题创建单独的集合。艺术家的陈述可以围绕这些主题产生。随着更多数据的收集或外部数据流（例如，摄影博客）的变化，系统的偏好可以随着时间的推移而增长和适应。
假设有人要建立这个系统，称之为“意图机器”，并在艺术展或画廊展出它的作品。此外，假设他们说服策展人或画廊所有者将“意图机器”归功于其创作作品的作者身份，但完全披露了其工作的程序。人们会把它归功于撰写其作品的艺术家，还是他们会说系统建设者是真正的艺术家？
我相信，总的来说，共识是系统构建者是这里真正的艺术家，而这实际上是关于探究计算机生成艺术的本质或商业艺术世界的本质的艺术作品。请注意，用于定义系统的过程与任何其他程序计算机生成的艺术算法没有根本的不同（如第2.4和2.5节）。即使作品本身结果非常好，观众也会问为什么它是好的，而且计算机自身的贡献被认为是超出相关人类的重要性是值得怀疑的。
艺术家只是“意图机器”吗？如果艺术是一种社会行为，那么答案就是否定的。

4.5创造力，成长，反应能力等

最后，具有直觉吸引力的三个相关标准是创造力，成长和响应性的概念。它们对于人类艺术家来说非常重要，所以也许它们应该也适用于AI艺术家。
几位作者提出的能源条件或标准，创造性 [ 49，22 ]。这些通常试图表达系统的输出应以某种方式“超越”人类程序员和/或训练数据的想法。例如，Colton [ 9 ]提出我们判断一个系统的创造力，部分是因为系统的输出是否会让系统的作者感到惊讶。我认为这是一个太弱的标准，因为许多机械或算法现象可能会让他们自己的发现者或作者首先感到惊讶。例如，生成Mandelbrot集图像的基本算法可以在单个句子中指定，颜色的图像位置（X ，ÿ ）成比例的步数迭代Ž Ñ + 1 = ž 2 Ñ + X + ý 我需要达到| z | ≥ τ，从开始ž 1 = 0，其中，τ是一个大的常数。然而却产生了无限复杂的炫目动画。例如：https：//www.youtube.com/watch？v = PD2XgQOyCCkMandelbrot集非常令人惊讶并且产生了美丽，前所未有的图像，但我们并没有将其迭代方程称为创意，或称为艺术家。
所有当前的程序艺术系统，例如Mandelbrot集，都具有可识别的风格，并且在一段时间后，失去了它们的新颖性。我相信，同样的将是专门与“创造力”的目标设计的系统真正[ 22，49 ]。与人类艺术家不同，这些系统不会随着时间的推移而增长或发展。
也许AI艺术家需要表现出某种形式的成长。 For example, Harold Cohen, the fine-art painter who began, in 1968, to write software to generate art, described the evolution of his views: “Ten years after [1968], I would have said ‘look, the program is doing this on its own.’ … Another ten years on and I would have said ‘the fact that the program is doing this on its own is the central issue here,’ denoting my belief in the program’s potential and growing autonomy over the whole business of art-making. … It was producing complex images of a high quality and I could have had it go on forever without rewriting a single line of code. How much more autonomous than that can one get? … [But] it’s virtually impossible to imagine a human being in a similar position. The human artist is modified in the act of making art. For the program to have been similarly self-modifying would have required not merely that it be capable of assessing its own output but that it had its own modifiable worldview …” [ 7 ]
在任何现有系统中，很容易想到系统随时间演变和变化的微不足道的方式，例如，多年来巧妙地改变调色板或训练数据。表面生长很容易; 有意义的增长很难为计算机AI定义。如果有人能够设计一个能够产生对人类有意义并且随着时间的推移而显着发展的一系列艺术的系统，那将是非常了不起的。当前系统中另一个缺失的部分是艺术家有能力对他们的文化，经历，世界事件，对工作的反应以及环境的其他方面作出有意义的回应。如果没有巨大的技术进步，似乎很难想象实现这些目标 - 如果没有真正的人工智能或某种形式的社会AI，它们可能是不可能的。

4.6艺术定义

关于艺术本质的指导，我们也可以看看现有的艺术定义。然而，没有皇家学会规定什么是有效艺术，什么不是有效艺术。相反，艺术是一种现象，它源于我们可以分析的文化机构和一般人群的相互作用，并随着时间的推移而发生变化。哲学家们试图设计简明的艺术定义，包括所有现有类型（音乐，舞蹈，绘画等）和艺术风格。制度定义，起源于60年代响应于概念艺术，状态，大致，艺术是在一个风格任何被广泛接受作为艺术[ 12，15，44 ]。更细粒度的方法是确定共同的属性，以许多不同类型的技术的[ 26，27，16，17]。这些艺术定义中的每一个都是试图拟合数据，并在我们称之为艺术（如戏剧）和我们不称之为（如观看体育）的事物之间划清界线。可以理解的是，这些定义都假设艺术家总是人类，而不是探索非人类是否可以创造艺术，因此没有为这个讨论提供太多指导。

4.7一般的属性理论

本节中的许多理论都有以下方法：识别人类艺术家的某些属性，然后假设具有这些属性的AI将被视为艺术家。艺术家做高质量的工作; 艺术家提供意图; 艺术家很有创意; 艺术家成长。
科恩思想的发展说明了这一点。科恩最初认为制作高品质艺术品的机器可以被视为艺术家。他越是观察自己的软件，就会发现越来越多的东西。他指出，人类艺术家会随着时间的推移而成长，而他的系统却没有。如果他在他的系统中添加了某种形式的“增长”，那么它会成为一名艺术家吗？
也许有一天，有人会开发出一个具有足够这些属性的系统来跨越一些无形的门槛，从而被视为艺术家。但是，似乎很难具体说明这种可能性。我们如何精确定义这些属性中的任何一个？多少钱够了？
此外，人类艺术家并不真正需要这些属性中的许多。任何人都可以创作艺术，即使它不是非常原始或令人惊讶; 艺术家不需要显着增长或回应文化或反馈。我们确实通过这些属性来判断工作，但是人类没有最低要求来制作艺术品。
相比之下，社会理论提出了更为具体的陈述。艺术从根本上说是一种社会互动，因此只能由社会代理人来做。由于我们创造艺术的原因，社会理论具有基于合理的进化假设的额外吸引力。

5人工智能会成为艺术家吗？

在此背景下，我现在转向猜测未来。正如我们所看到的，所有当前算法艺术的作者都被分配给算法背后的人类作者。我们会说人工智能本身创造艺术吗？我们是否会将一件软件视为艺术品的作者？

人类AI。

如果我们用人类智慧和意识开发人工智能，根据定义，它将能够创造艺术，因为它具有相同的意识，情感和社会关系的能力。但是，如第2.6节所述，这种情况是科幻小说，我们不知道这是否可能或如何实现。用“真正的人工智能”做出有意义的预测是不可能的[ 4 ]因为我们对这个AI实际操作的具体程度知之甚少。而且，这种人工智能会改变社会，使我们无法识别。我们也可以猜测来自外太空的外星人制作什么样的艺术品 - 如果我们遇到它们，我们会遇到比他们喜欢什么样的音乐更迫切的问题。
因此，有趣的问题是，是否存在没有人类智能或意识的计算机创作的艺术作品。

社交AI。

如果像我所说的那样，创造艺术是一种表达和交流的基本社会行为，那么当我们将AI视为社会代理人，并且通过艺术进行某种交流或分享时，AI可以被授予作者身份。
将AI视为社交代理对我们意味着什么？我们必须将AI视为在某种程度上值得同情和道德考虑。但是，AI不需要人类智能; 就像我们与宠物有社交关系一样。但是我们确实期望人工智能在社交方面有所作为，这意味着内心的意识和感受。
缺乏真正的智慧（科幻场景），我认为这种情况发生的唯一方法是通过“浅层AI”代理。人们有时被浅层人工智能“愚弄”。经典的例子是Eliza，这是一个简单的基于文本的“精神病学家”程序，开发于1964年，基于简单的模式匹配和重复用户输入的内容[ 73 ]。它意味着当时AI的肤浅表现，但是，出乎意料的是，很多人将人类的情感归因于机器。从那时起，有很多人的轶事在网上设置的“聊天机器人”被愚弄[ 18，23 ]，包括最近Twitter的僵尸瘟疫[ 39 ]。但是，一旦揭开面纱，很明显这些聊天机器人并没有表现出真正的智慧。
一些软件和机器人被设计为与其所有者建立关系，包括说话玩偶，Tamagotchi和Paro治疗婴儿海豹。一个相关的影响是，人们以某种方式对待他们的计算机就像他们是社交代理一样[ 56 ]，即使他们不相信他们是聪明的。例如，像Siri的和Alexa对话系统都默认使用女性的声音，基于大量的调查结果，男性和女性用户都更好地应对女声[ 31，56 ]。
也许，对于许多用户来说，系统不需要真正的智能，它只需要被视为社交代理，如Siri或Alexa，你可以要求让你成为一件艺术品[ 76 ]。这些代理人如此融入我们的日常生活的那一天可能会忘记他们是精心设计的软件。可以很容易地想象人工智能的发展模拟情感和对用户的感情; 很容易想象，例如，一个玩具娃娃为其主人绘制图片，作为许多旨在展示友谊和感情的行为之一。

非社交AI。

非社会算法似乎可以成功地被提升为艺术家; 已经有几个试探性突袭在这个方向上，例如，[ 10，22 ]。由于上面给出的原因，我怀疑这些方法将被接受为真正的艺术家，而没有对其潜在的社会和/或意识属性的某些似是而非的信念。
也许知名博物馆的馆长会从软件“艺术家”下载或以其他方式获取各种文物，并将软件系统列为作者。在报纸和期刊上会引起争议和讨论。也许其他策展人和画廊也会效仿。也许人们会在这些计算机生成的艺术作品中找到足够的价值，同时也确信没有人可以因其作品而得到正确的信任。这种过程发生在诸如抽象表现主义之类的事情上，而不是用于黑猩猩艺术。计算机艺术会发生吗？

手提箱的话。

“艺术家”一词可能会被用作具有多重含义的词语，正如“智力”和“学习”这样的词语对人类来说意味着与算法不同[ 4 ]。一个软件程序，比如说，自动设计你的照片风格，可以被称为“艺术家”，就像“日历”和“邮件”程序等软件应用程序取代了他们的物理世界名称一样。不幸的是，在第2.6节中讨论过，使用相同的词来表示不同语境中的不同内容会导致无休止的混淆。

危险。

新的人工智能技术的持续危险是人类用户误解了人工智能的本质[ 51 ]。当我们将浅浅的AI称为“艺术家”时，我们会冒着严重误导或欺骗人的风险。我相信，如果你让人们相信AI是一个艺术家，那么他们也会错误地将情感，感受和道德分量归因于AI。如果这是真的，我认为称这些AI为“艺术家”是不道德的。它导致各种各样的危险，包括超越人工智能的能力和能力，误导人们关于艺术的本质。
似乎有些公司对此不会有任何顾忌。例如，汉森机器人公司（在很多情况下）推广了一个社交机器人作为一个真正聪明的人，尽管它显然只不过是一个“带脸的聊天机器人” [ 28 ]，或者用Yann LeCun的话说，是一个“Potemkin AI” “ [ 72 ]。
一个相关的问题是我们剥夺了AI的设计师的作者信用。目前，我们将一个自动软件的作者归功于该软件的输出。这通常承认设计和迭代软件所需的技能和努力，以便产生良好的输出。艺术信用对于理解某些事物的真实来源非常重要。
在科幻小说之外，我认为把电脑称为艺术家没有任何好处，但我确实看到了危险。

结论

我不相信我们目前理解的任何软件系统都可以被称为“艺术家”。艺术是一种社交活动。我的意思是这是一个警告，不要误导自己和他人对艺术本质的误解。当然，雄心勃勃的读者可以将此作为一项挑战：如果你想创建一个软件“艺术家”，我已经列出了你必须克服的一些严重的反对意见。我不认为它可以很快完成，但是我也知道，批评错误是艺术和科学进步的方式之一。
我在这篇文章中的主要目标之一是强调技术对艺术的贡献程度，而不是对抗性。在艺术家可以探索更强大的工具的时候，我们很幸运能活着。每当我看到一位艺术家用新技术创造出美妙的东西时，我就会感到有点兴奋：感觉就像一种新的艺术形式在不断发展。Danny Rosin的木制镜子，Jason Salavon的史上最佳影片，1x1，Bob Sabiston的小吃和饮料，Michel Gondry 就像滚石，Kutiman的ThruYOU，Amon Tobin的排列，Ian Bogost的Cow Clicker，Christian Marclay的视频装置，ÍñigoQuilez的程序效果图，Wesley Allsbrook和Goro Fujita的虚拟现实画作是多年来以这种方式影响我的艺术品的几个例子。今天，通过GitHub和Twitter，机器学习研究人员和艺术家之间的相互作用极为迅速; 看起来，每天，我们都会看到新的修补匠和艺术家用RNN和GAN推特他们最新的创意实验（例如@JanelleCShane，@ helena，@ christophrhesse，@ quasimondo，@ DrBeef_）。
艺术通过不断创新保持其活力，技术是该创新的主要引擎之一。偶尔，前卫具有巨大的文化影响：电子音乐和采样曾经是实验电子和音乐先锋的领域，如Wendy Carlos和Delia Darbyshire。同样，计算机动画电影曾经只能在晦涩的短片电影节上看到。今天，我们看到许多有趣的人工智能技术的实验，并且，作为艺术家的工具，他们肯定会以令人兴奋和不可预测的方式改变我们对艺术的思考方式。

致谢。

感谢Shira Katz，Alvy Ray Smith，Craig Kaplan，Shiry Ginosar和Dani Oore对手稿的宝贵意见。感谢在线分享讨论和/或鼓励的所有人，包括Aseem Agarwala，Mark Chen，Lyndie Chiou，Michael Cohen，James Landay，Nevena Lazic，Jason Salavon，Adrien Treuille等等。

参考

• [1] AgüerayArcas，B。机器智能时代的艺术。 艺术6，第4（2017）。
• [2] Alexander，R。M. Optima For Animals。 普林斯顿大学出版社，1996年。
• [3] Bernstein，M。S.，Little，G.，Miller，R。C.，Hartmannn，B.，Ackermann，M。S.，Karger，D。R.，Crowell，D。和Panovich，K。Soylent：一个带有人群内部的字处理器。 在Proc。UIST（2010）。
• [4] 布鲁克斯，R。人工智能预测的七大致命罪。 麻省理工学院技术评论（2017年）。
• [5] Catmull，E。和Wallace，A。Creativity，Inc：克服那些阻碍真正灵感的看不见的力量。 兰登书屋，2014年。
• [6] 科恩，H。画家AARON的进一步利用。 斯坦福人文评论4,2（1995）。
• [7] Cohen， H。ACM SIGGRAPH奖 - Harold Cohen，终身成就杰出艺术家奖，2014年.https：//youtu.be/_Xbt8lzWxIQ ？ t = 13m20s。
• [8] 科恩，M。F.想象力放大。 IEEE Comp。图形。和App。（2000年）。
• [9] Colton，S。创造力与计算系统中的创造力感知。 在Proc。AAAI春季研讨会：创意智能系统 （2008年）。
• [10] Colton，S。The Painting Fool：构建自动画家的故事。 在Proc。计算机与创造力（2012年）。
• [11] Cotter，H。现在居住：甜美紧缩的墙壁。 纽约时报（2008年）。
• [12] Danto， A。The Artworld。 哲学杂志61,19（1964）。
• [13] de la Croix，H.，Tansey，R。G.和Kirkpatrick，D。Gardner的Art Through The Ages，9 ed。 哈考特布雷斯，1991年。
• [14] Desmond， J。Zoos赚钱卖动物画。他们艺术吗？ 华盛顿邮报（2016年）。
• [15] Dickie，G。定义艺术。 美国哲学季刊6,3（1969）。
• [16] Dutton，D。但他们没有我们的艺术概念。 在今日艺术理论中，N。Carroll，Ed。威斯康星大学出版社，2000年。
• [17] Dutton，D。The Art Instinct：Beauty，Pleasure，and Human Evolution。 布鲁姆斯伯里出版社，2009年。
• [18] Dvorsky，G。计算机科学学生被人工智能TA愚弄。 Gizmodo（2016）。
• [19] Dvorsky，G。这种人工智能机器人编写并演奏自己的音乐。 Gizmodo（2017）。
• [20] Efros，A。A.和Freeman，W。T. Image Quilting for Texture Synthesis and Transfer。 在Proc。SIGGRAPH（2001）。
• [21] Efros，A。A.和Leung，T。通过非参数采样进行纹理合成。 在Proc。国际计算机视觉会议（1999年）。
• [22] Elgammal，A.，Liu，B.，Elhoseiny，M。和Mazzone，M。CAN：创造性对抗网络通过学习风格和偏离风格规范来创造“艺术”。 在Proc。诠释。CONF。计算创造力（2017年）。
• [23] Epstein，R。来自俄罗斯，有爱。 科学美国人心灵（2007）。
• [24] Fišer，J.，Jamriška，O.，Lukáč，M.，Shechtman，E.，Asente，P.，Lu，J。和Sýkora， D。StyLit：Illumination-guided Example-based Stylization of 3D Renderings 。 ACM Trans。on Graphics（SIGGRAPH） 35,4（2016年7月），92：1-92：11。
• [25] Gatys，L。A.，Ecker，A。S.和Bethge，M。Image Style Transfer Using Convolutional Neural Networks。 在Proc。计算机视觉和模式识别（2016）。
• [26] Gaut，B. 艺术为群集概念。 在今日艺术理论中，N。Carroll，Ed。威斯康星大学出版社，2000年。
• [27] Gaut，B。艺术的集群帐户辩护。 英国美学杂志（2005年）。
• [28] Gershgorn，D。在世界上第一个机器人公民的机械大脑里面。 石英（2017）。
• [29] Goodfellow，I。J.，Pouget-Abadie，J.，Mirza，M.，Xu，B.，Warde-Farley，D.，Ozair，S.，Courville，A。和Bengio，Y。Generative Adversarial Nets。 在Proc。神经信息处理系统（2014年）。
• [30] Gopnik，A。和Wellman，H。M.重建建构主义：因果模型，贝叶斯学习机制和理论理论。 心理学公报138,6（2012）。
• [31] 格里格斯，B。为什么计算机声音大多是女性。 CNN（2011年）。
• [32] Haeberli，P。Paint By Numbers：抽象图像表示。 在Proc。SIGGRAPH（1990）。
• [33] Hertzmann，A。绘制多重大小的弯曲笔划的绘画。 在Proc。SIGGRAPH（1998）。
• [34] 赫兹曼，A 。艺术风格渲染算法。 博士论文，纽约大学，2001年。
• [35] Hertzmann，A。基于笔画的渲染概述。 IEEE Computer Graphics＆Applications 23,4（2003）。
• [36] Hertzmann，A。非照片写实渲染和艺术科学。 在Proc。NPAR（2010年）。
• [37] Hertzmann，A.，Jacobs，C。E.，Oliver，N。，Curless，B。和Salesin，D。H. Image Analogies。 在Proc。SIGGRAPH（2001）。
• [38] 霍克尼，D。这就是我看待它的方式。 纪事，1996年。
• [39] Kessler， S。Twitter机器人如何欺骗你，让他们认为他们是真人。 Fast Company（2014）。
• [40] Koblin，A。M. The Sheep Market。 在Proc。Creativity and Cognition（2009），pp.451-452。
• [41] Koerding，K.P。和Wolpert，D。M.贝叶斯决策理论在感觉运动控制中的应用。 认知科学趋势10,7（2006），319 - 326。 特刊：概念的概率模型。
• [42] Krauss，L。为什么科幻作家无法想象互联网。 石板（2017年）。
• [43] Lasseter，J。传统动画原理应用于3d计算机动画。 在Proc。SIGGRAPH（1987）。
• [44] Levinson，J。历史地定义艺术。 英国美学杂志19,3（1979）。
• [45] Litwinowicz，P。处理印象派效果的图像和视频。 在Proc。SIGGRAPH（1997）。
• [46] Metz，C。AI如何创造积木来重塑音乐和艺术。 纽约时报（2017年）。
• [47] Millward，D。猴子自拍案：英国摄影师与动物慈善机构就特许权使用费纠纷达成和解。 电讯报（2017年）。
• [48] Mordvintsev，A.，Olah，C。和Tyka，M。Inceptionism：深入神经网络。 Google Research Blog（2015）。
• [49] Nguyen，A.，Yosinski，J。和Clune，J。Understanding Innovation Engines：Automated Creativity and Improved Stochastic optimization via Deep Learning。 进化计算24,3（2016）。
• [50] Nicholas，G。这些令人惊叹的AI工具即将改变艺术世界。 石板（2017年）。
• [51] 奥尼尔，C 。数学毁灭的武器：大数据如何增加不平等并威胁民主。 皇冠，2016年。
• [52] Paik，K。To Infinity and Beyond！皮克斯动画工作室的故事。 编年史书籍，2007年。
• [53] Perez，S。微软的新绘图机器人是AI艺术家。 TechCruch（2018年）。
• [54] Pogue，D。艺术是由AI真正的艺术创作的吗？ 科学美国人（2018年）。
• [55] Price，D。A. 皮克斯之触。 复古，2008年。
• [56] 里夫斯，B。和纳斯，C 。媒体方程：人们如何对待计算机，电视和新媒体，如真人和地方。CSLI，1996。
• [57] Rosenblum，N 。世界摄影史。 阿贝维尔出版社，1984年。
• [58] Rosin，P。和Collomosse，J。Image and Video-Based Artistic Stylisation。 施普林格，2013年。
• [59] 鲁宾，M。Droidmaker：乔治卢卡斯和数字革命。 三合会，2005年。
• [60] Scharf，A。Art and Photography。 企鹅，1968年。
• [61] Shein，E。计算艺术。 COMMUN。ACM 60,4（2017）。
• [62] Shelley，M。W. Frankenstein; 或者，现代普罗米修斯。 Lackington，Hughes，Harding，Mavor＆Jones，1818。
• [63] Simonite，T。当涉及到大猩猩时，谷歌照片仍然是盲目的。 有线（2018年）。
• [64] Snow，C。P. The Two Cultures。 伦敦：剑桥大学出版社，1959年。
• [65] Snowden， D。Robert Moog：’我不会称之为音乐’ - 一个标记谷歌涂鸦的经典采访。 卫报（2012年）。
• [66] 斯特林，B。一篇关于新美学的论文。 有线（2012年）。
• [67] Sternberger，P。S . Amateur＆Esthete：1880-1900，美国摄影作为艺术的合法化。 新墨西哥大学出版社，2001年。
• [68] Stiglitz，J。E. The Price of Inequality。 诺顿，2012年。
• [69] Szegedy，C.，Zaremba，W.，Sutskever，I.，Bruna，J.，Erhan，D.，Goodfellow，I.，和Fergus，R。神经网络的迷人属性。 在Proc。诠释。CONF。学习代表（2014年）。
• [70] Tenenbaum，J。B.，Kemp，C.，Griffiths，T。L.和Goodman，N。D. How to Grow a Mind：Statistics，Structure，and Abstraction。 科学（2011年）。
• [71] Tyka，M。探索艺术与机器智能的交汇点。 Google Research Blog（2016）。
• [72] 文森特，J。Facebook的AI主管真的很讨厌机器人索菲亚（并且有充分的理由）。 The Verge（2018）。
• [73] Weizenbaum， J。ELIZA—一个研究人与机器之间自然语言交流的计算机程序。 通讯。ACM（1966）。
• [74] Wilber，M。J.，Fang，C.，Jin，H.，Hertzmann，A.，Collomosse，J。和Belongie，S。BAM！Behance艺术媒体数据集超越摄影识别。 在Proc。计算机视觉国际会议（2017年）。
• [75] Wilson， M。AI正在发明人类无法理解的语言。我们应该阻止吗？ 快公司（2017年）。
• [76] Xu，T.，Zhang，P.，Huang，Q.，Zhang，H.，Gan，Z.，Huang，X。和He，X. AttnGAN：细粒度文本到图像生成与注意生成Adversarial Networks， 2017.arXiv：1711.10485。