当人工智能已经发展到可以创作诗歌的时候，很多人开始惶恐：人工智能是否会取代人类独有的创造力？其实，我们无需担心，因为种种迹象都表明：人工智能和人类创造，二者会相处得非常愉快。
关于离别的诗作我们可以想到很多，比如「行行重行行，与君生别离。相去万余里，各在天一涯。道路阻且长，会面安可知？」，再比如「乐哉新相知，忧来生别离」。 我们可以从离别的诗作中读出很多美感，这样的美多半与无力感有关面对距离的无能为力，面对故人远去杳无音讯的无力。假如我们生活在古代，会不会希望有一种魔法，可以瞬间得到来自远方的消息，或者看到远方的人？
当然，这些对我们今天的我们来说都已经不是魔法了，通讯技术野心勃勃，从一开始就想要打破距离的界限。
技术可以拉近物理距离，却不能代替诗歌给予的情感寄托，那脑海中的图像与现实作品的距离呢？技术不能代替创作，可是却能鼓励我们的想象力。
神经网络在计算机视觉上硕果累累，比如做图片的分类，在一些精细的分类领域准确率甚至已经可以超过人类。现在有一种颇有野心的想法就是，能不能让计算机像画家一样在白纸上作图呢？或者我们给出一句文字，让计算机「理解」文字，然后自己像去表达出相应的图片？
2014 年 Goodfellow 用对抗生成网络（简称 GAN [1]）非常优雅地解答了第一个问题，这些年 GAN 取得了很多有趣的成果，比如从图片到图片的转化，当我们画出简单的色块，计算机可以把它描绘成一栋建筑，或者像铅笔画一样绘出皮包的轮廓，计算机便可画出被填充好颜色的皮包。[2]
而第二个问题的成果也通过条件生成对抗网络得到了展现。[3]
我们先来看一下成果,我们输入文字描述，最后一行就是计算机自己生成的图片，比如第一幅图片，一朵有着白色花瓣和粉色底纹的花，再比如一只红棕色，有着短喙的鸟。
GAN 的原理，是同时训练两个网络，一个生成器 G，还有一个判别器 D。生成器 G 的目标就是生成尽量真实的图片去欺骗判别器 D。而 D 的目标就是尽量把 G 生成的图片和真实的图片分别开来。
生成器可以类比成要仿造家长签名的小孩子，判别器就是老师。一开始，一个连字都不会写的小孩子想要模仿爸妈的签名，可能一眼就会被认出来，但是慢慢地，经过很多次练习之后，就不那么容易被认出来了，这时候，老师也该练习了，老师讲更精确地分辨哪个是伪造的签名，哪个是真实的签名。在这种类似于博弈的过程中，小孩子模仿的功力越来越强，老师也越来越火眼金睛。而条件生成网络呢，就是生成的图片和给定的文字要对应，比如爸爸的签名，妈妈的签名，
我们可以看到，GAN 所谓的「创作」离不开在训练时输入的样本。但是，它有一个魅力，在给定文字，输出图片的时候，可以打破常规，重新作画。
打破文字的常规排列，并将它们重新组合，这样的游戏卡尔维诺再擅长不过。在《看不见的城市》，在卡尔维诺的阿纳斯塔西亚里，买得到玛瑙、石华、绿玉髓以及各种其他的玉髓，还有用陈年的香桃木烤熟的、涂满大量牛至的金黄色的野鸡。每当马可波罗描绘了一座城市，可汗就会自行从脑海里出发，把城市一点一点拆开，再将碎片调换、移动、倒置，以另一种方式重新排列组合。
神经网络的迭代速度非常快，我们甚至可以想象有一天，当输入这样的文字和意象的时候，它就会把这样的图片展现在我们眼前，这幅不满意，那么在再将碎片调换、移动、倒置后，总能创造一座专属于你的、看得见的城市，在奶油色的月亮下，在大铜钟旁，你从九眼喷泉的天池里钓起月亮，街角咖啡店的桌上有一套盔甲，而旁边坐着一只穿靴子的猫。神经网络再综合 VR 或者 AR 更是可以把想象之景从二维的画面中带入到现实世界。造梦师已经来了，我们被鼓励多多做梦。
神经网络与艺术的联系异常紧密，大家熟悉的 PRISMA 软件就是在应用神经网络完成风格迁移[4]。
艺术家们想重新观看世界，把天必湛蓝、草必青青、肉色粉红、苹果非黄则红的成见抛开，用线条和色彩将心中所想与眼前之景集合起来。好像从其他星球起航探险飘临此地，初次面对眼前的世界，从世界万物中发现出人意料的线条和色彩[5]。计算机科学家们面对电脑，也是从头开始，叫它认识轮廓，认识明暗，认识不同的色块，并从中获得新的知识。大师们将他们的航行探险记录在作品里，这些作品被计算机科学家们迁移和应用，尽管现在看来还有些笨拙，但它们确确实实地，被映射到矩阵空间里，在我们的生活里以这样颇为有趣的形式重获生命。
所以你看，诗歌、画作与技术像是在暧昧地蹁跹起舞，一边是随性而至的文字与色彩，一边是精细严密的公式与算法，他们彼此厌倦，彼此疏忽，可是，总会有那么一个点，又重新相遇，舒展与欣喜接踵而至。
参考文献：
[1]Generative Adversarial Networks, Goodfellow, Ian J.; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua, 06/2014, Origin:ARXIV, Bibliographic Code:
2014arXiv1406.2661G
[2]Generative Adversarial Text to Image Synthesis,Reed, Scott; Akata, Zeynep; Yan, Xinchen; Logeswaran, Lajanugen; Schiele, Bernt; Lee, Honglak, eprint arXiv:1605.05396 Publication Date: 05/2016, Origin:ARXIV, Comment:ICML 2016, Bibliographic Code: 2016arXiv160505396R
[3]Stacked Generative Adversarial Networks, Huang, Xun; Li, Yixuan; Poursaeed, Omid; Hopcroft, John; Belongie, Serge, Publication Date:
12/2016, Origin:ARXIV, Comment:CVPR 2017, camera-ready version, Bibliographic Code:2016arXiv161204357H
[4]A Neural Algorithm of Artistic Style, Gatys, Leon A.; Ecker, Alexander S.; Bethge, Matthias, 08/2015, Origin:ARXIV, Bibliographic Code: 2015arXiv150806576G
[5]贡布里希《艺术的故事》 广西美术出版社 2008-01 ISBN: 9787807463726
——- 学习人工智能，与创造共舞 -——
掌握深度学习原理
搭建神经网络模型
熟悉自然语言处理
开发智能个人助理
戳原文，马上预约下期！
