计算机自动生成的图像是艺术品吗？(2)

团队把CAN生成的图像和一些人类创作的前沿艺术作品混在一起，然后挑选了一些人让他们辨认这些画作是否是人创作的。最后的统计结果表明，这些测试个体更倾向于判断CAN生成的图像是人类创作的。

[本文来自：www.11jj.com]

[转载出处：www.11jj.com]

被混在一起的人类艺术作品。实际上，这些作品显然缺乏代表性，并且与该团队挑选的CAN生成的图像有着较大差异，因此测试结果可能不那么可靠。(from CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms, 2017)

CAN生成的充满艺术气息的图像真的可以被称为艺术品吗？基本上所有人的直觉都会告诉自己——不能。但这是为什么呢？

在科幻作品中经常出现的人工智能

问题的关键在于这些神经网络生成图像的过程中，不论是CAN还是GAN，其本质都是CNN。上文介绍了许多有关神经网络运行的细节，我们知道CNN具有“学习”的能力，然而，这种所谓的“学习”的实质实际上是“试错”。大量试错使得CNN积累了大量数据，它能使用这些数据做出决策。但归根结底，这些能力只不过是数据分析罢了，最后还是会回到原始数据本身，它学不到“新”东西。

不说人类，猩猩在很小的时候都有学习新事物的能力。

拿印象主义风格识别举例，给CNN大量印象主义的代表作，它很快就能发现“这些画中很少出现轮廓线”，然后它会以此作为一个评判标准去识别风格未知的图像。但是人类不一样，我们在发现大量印象派作品都具有这个特征之后，会思考这种现象的缘由并得到答案——“原来是为了更好地呈现光的形态”。

但是，如果我们去“问”CNN中的某个神经元“为什么少画轮廓线”，他们会说“这是对上一层传过来的数据进行分析的结果”；然后我们就接着去问上一层“你为什么会得到你输出的数据”，它还是会说“这是对上一层传过来的数据进行分析的结果”......最后，当我们追溯到最初一层时，它就会说“因为原始的图像库就是这样的”。

对于CNN来说，它所选择的处理方式与它输出的结果全部来源于原始图像库，其余的它什么也不知道。

点击播放视频Pascal Dombis《Blue Screen of Death》，2014年。虽然计算机不知道自己在干什么，但是艺术家可以利用计算机和算法去创造自己的艺术作品。显然，人类艺术家才是这类作品的作者。

因此，判断一幅作品是否是艺术作品的关键在于其创作的过程上——艺术品需要其作者的创作意图。当然，现在有很多作者不愿意在作品中透露自己的创作意图，他们希望自己的作品成为一种客观的存在——客观的美，客观的有张力，客观的有价值等等。但显然，这些目的无法被还原为简单的图像上的特征——正如“更好的呈现光本身”不等于“轮廓线少+色块拼贴+色彩渐变+……”，不管+后面添加多少东西（图像上的特征）。

Robert Rauschenberg《床》，1955年。显然，除了是一张床，这件作品中还充满了“别的东西”。

至少直觉告诉我们，艺术作品不只是视觉上好看就可以，它还需要一些“别的东西”，而这些“别的东西”正是计算机所缺少的。

精彩回顾：

如果80岁才开始创作艺术，晚吗？

做人要留有余地，画画也需要吗？

今天七夕，你居然不懂“心形”是什么意思？

[编辑、文/flcl]

[本文由《时尚芭莎》艺术部原创，未经许可不得转载]