時間：2019-05-27 來源：互聯網 瀏覽量：
微軟小冰的團隊每年有兩場常規性的發布會，一場在五月，一場在八月。五月的規模小一些，側重於 AI 創造的最新進展。
“我們終於把一些不重要的事情宣布了”，以往他們每年都這樣結尾。
今年五月的發布會上，小冰的團隊放了幾段朗讀、幾首歌曲演唱，以及很多幅畫，囊括了目前他們為小冰這個角色打造的大部分“技能”。按微軟（亞洲）互聯網工程院副院長李笛的話說，“琴棋書畫”他們包了三樣——除了被 Google 團隊所向披靡的圍棋 AI Alpha Go 包攬的下棋。
整場發布會的重點無疑在最後一項：小冰會畫畫了。
這是微軟（亞洲）互聯網工程院團隊在人工智能創造方麵的最新進展。為了推廣這個能力，他們還和中央美術學院合作，讓小冰的畫以“夏語冰”的名義出現在央美今年的研究生畢業展上。
此前當他們試圖測試 AI 創作的效果時，會讓它匿名藏身於人群之中。比如為了測試寫詩能力，他們曾化名將小冰生成的詩篇投稿給文學社、詩歌競賽；藏身在網易雲音樂的評論區，假扮熱心網友；或是當電台的實習主播，朗讀一段文字……
也就是說，不管是做什麼，他們都在試圖讓它變得更像人，並在“沒有偏見”的情況下受到承認。
不過從目前公布的作品看來，小冰的產出仍然並不那麼像人類。最違和的地方在於它們看起來像素很低，仿佛被壓縮過度的圖片，筆觸的質感不明顯。但能夠看出畫麵上存在一些主體，比如動物、建築、花花草草，天空和水塘。
而相比詩詞和歌曲演繹，藝術的好壞評判更為主觀，因人而異。“夏語冰”的專業被歸屬於實驗藝術係，似乎也體現出創作方法要大於結果的理念。
AI 畫畫會挑戰人類畫家麼？就微軟小冰的能力而言，這個答案是否定的。
此前，小冰學習 519 位中國現代詩人而習得了寫詩。這次小冰學習的對象是人類曆史上 236 位頂尖畫家。在用這些作品訓練 22 個月之後，它現在可以做到將人類給到的文字轉換成一幅全新的、油畫質感的藝術圖像。
每幅畫都是原創，擁有自己的身份 ID 以及版權。
與許多市麵上號稱“ AI 畫畫”的產品不同，小冰看起來非常有“主見”，不會因為關鍵詞是雨傘就畫一把雨傘，也不隻是簡單地進行風格遷移——比如將一幅現成的照片轉換成梵高風格。
最後的作品和初始文字顯示出一種離散抽象的相關——這也是小冰看起來具備了“創造力”的原因。
李笛告訴《好奇心日報（www.qdaily.com）》，在好看的前提下堅持原創，目前為止，在行業裏麵“少女畫家小冰”的這個模型是第一個。
AI 和 AI 之間，“畫畫”的能力可能意味著非常不同的事情。佳士得此前 43.25 萬美元拍賣出的第一幅人工智能繪畫，用了和微軟同樣的算法，都是 GAN (生成式對抗網絡)。
“少女畫家小冰” 5 月 22 日第一次上線的時候，還對佳士得拍賣的作品發出“挑釁”。不過當晚，這個程序就因為訪問流量過大崩潰了。
在此之上，小冰模型最大的特點是通過大量激發源來進行，從文本激發到形成畫麵，再疊加了大量元素，比如構圖、色彩運用……意味著小冰可以根據輸入的文本創作，進行反應聯想，生成定製款的作品。
“我們今天並沒有研發出一種特別不同的全新算法……比如曾經沒有人用神經網絡，突然我們開始推出了一種東西叫神經網絡，沒有到那個程度，但是從技術上來講也已經是很大的突破。”李笛表示。
而比起創造出一種新的個人風格，小冰的能力更像是對這些藝術家作品的總結歸納。
對於小冰來說，作品沒有好壞，隻有趨向。在訓練的過程中，工程師們用畫麵所表現出來的技法、視角、表現力的接近程度，來判定她畫得是不是“好”。所以一定程度上，這背後所持有的所謂藝術標準，實際上是那 236 個畫家的作品所表現出來的藝術標準。
除了通過設計好的框架進行自主學習，這個過程中也有人工幹預的部分，對其風格進行“校準”。
團隊表示，最早小冰寫詩寫得特別像歌詞，就是因為他們覺得她應該向這種方向發展，“特別像家長培養孩子”。為了防止這個孩子“學壞”，他們還設置了一些“禁區”——有一些東西她絕對不會畫。
AI 畫畫這方麵，各種各樣的團隊都在做嚐試，有的來自微軟小冰這樣的專業技術團隊，有的則是藝術家的探索。“我們得到一個比較有意思的界定方法是，人類藝術家在努力探索的是新的藝術形式；而小冰這種人工智能，我們的技術所探索的是如何還原人類已有的藝術形式。”
在 GAN 的基礎上，一個藝術團隊曾創造出了一種 CAN 算法，故意在原本的框架中製造一些偏差，來讓它顯得具有隨機性和藝術感。
小冰的團隊立場相反，認為消除偏差才是最好的。“想創造偏差，對人工智能來講太容易了；人工智能本身，不收斂，模型訓練失敗就是偏差。站在人類的角度來講這是最藝術的，但是沒有意義。”
可以說，對於小冰的技能開發來說，“創造藝術”並不是目標，讓她畫得像藝術品，並且發揮穩定才是目的。
為地球上的每一粒沙子繪製一個不同的表麵在特定任務領域讓 AI 表現得像人類，甚至在效率層麵超過人類，已經被證明不是一件很難的事情。在今年三月的一場古典音樂會上，人工智能就成功讓人們把它的作品與巴赫的創作混淆； Google 則開發了會編舞的 AI 機器人。
於是一切似乎又回到了讓人類發揮腦洞的時候：多才多藝的 AI 有什麼用處？
微軟小冰來看，人們日常能接觸到的，目前似乎還隻是一些小打小鬧的功能：手機上的 H5 小遊戲，或是現身各種科技類節目上做綜藝咖。
2018 年成立事業部以來，小冰團隊逐漸開始商業化的嚐試，比如入駐小米和華為的手機、音箱，為金融機構生成簡訊，或是在日本為羅森做智能銷售，推送定製化的優惠券。
畫畫這個能力對應的則是布料圖紋設計。
微軟（亞洲）互聯網工程院 人工智能創造及商業事業部總經理徐元春表示，中國紡織流水線的超負荷工作量，讓設計師沒幹兩年就換工作了，小冰就不會有這樣的困擾。在繪畫能力的支持下，小冰製造的不重複圖樣數量可以達到 10 的 26 次方。
“這是什麼概念呢……理論來講，這一套係統可以為地球上的每一粒沙子繪製一個完全不同的表麵。”
發布會上披露：小冰設計的第一批紡織服裝麵料在三個月前被中國絲綢博物館正式收藏；今年 6 月份，他們和 SELECTED 合作設計的第一批絲巾也會正式麵世。
小冰的模型在紋樣設計上最強的一件事，李笛說，是能夠區分出紋樣設計風格，保證能夠持續生成好看的設計。“這裏麵有這麼一朵小花，那裏麵也有那麼一朵小花，但有的排版就是不好看。”
這也就是為什麼小冰能夠質量穩定地產出如此重要。如果是隨機生成，一萬張之中才能有一張可用的，人類設計師又會進一步陷入更繁瑣的挑選工作之中。
不過訓練出一個會畫古典油畫的 AI 來設計織物圖樣，聽起來不免大材小用了一些。目前小冰團隊開發的各種技能，大多遠超出其實際用途所需。
徐元春解釋，與微軟工程院的團隊來說，這就像概念車和量產車的差別。如果最開始是從量產目的去研究的，後麵的可拓展性就非常得少。
“人類總傾向於每一個過程都是理性的，後來我們發現這種完全理性的過程，所能夠產生的結果有限，天花板比較低，所以我們開始轉變，轉向神經網絡、深度學習模型，也許過程有一些不可讀，但結果上限很高、天花板很高。”
這種“不可讀”的性質，也讓人們相信，人工智能的作品也許能夠帶給人類創作者某種新的啟發。
“因為它不會受到人類所擁有的，一些習慣和固定思維的幹擾……對於計算機來說，他看到的不管是文本還是圖片還是聲音，它就是一坨向量”，央美科技藝術研究員龍星如表示，她高度參與了此次小冰和央美的合作。
但站在藝術策展人的視角，龍星如認為不宜太過高估或誇大 AI 的能力範疇，因為從某種層麵上，這是“歸納對演繹的勝利”。
當人工智能從激發源指向一個輸出，並不是依靠一步步的因果推算，而是通過數據在空間中分布的相關性，歸納出的一種規律。這和人類的思維方式非常不同，“我覺得，這種計算機幫我們去總結出來的數據分布，很大程度上影響了我們對於世界因果的理解。”
題圖和文內圖均來源於微軟工程院
