一幅画所体现出的创造性可以用人工智能（AI）来进行量化吗？
译者：崔牧云
编辑：王一丹
校对：子 川
排版：来红兵
编者按：
艺术史家向来是艺术作品价值评估的标杆。而在机器尝试复制人类能力的今天，机器学习也尝试介入这一领域，Elgammal所领导的团队就此创建了一个评估画作革新性的算法模型，它给出了和艺术史家稍有出入的答案。这样的尝试也为我们提供了重新审视艺术史的可能性。
从毕加索的《亚维农的少女》到蒙克的《呐喊》，究竟是什么让这些画作牢牢吸引住看客的眼球，又是什么让它们成为艺术史上的不朽之作？在很多时候，这是因为画家采用了前所未有的作画技巧
、
形式或是风格。他们展示出了一种富有创造性的艺术才华，并引得无数后生的模仿。
在人类历史上，专家们经常以这些艺术上的创新来强调一幅画作的相对价值。但是，
一幅画所体现出的创造性可以用人工智能（AI）来进行量化吗？
在罗格斯艺术与人工智能实验室（Rutgers’ Art and Artificial Intelligence Laboratory），我和我的同事提出了一个新奇的想法。我们做到了结合整个艺术史的发展背景，通过一个算法来评估任意一幅画作的“创造性”。
本文作者，来自罗格斯大学的Ahmed Elgammal
在处理分析了大量的画作数据后，我们发现这个算法已经可以成功甄选出那些艺术界公认的杰作。这个结果说明对“创造性”具有评判能力的不再只有人类了。电脑也可以做到，甚至可能更客观。
如何
定义“创造性”？
显而易见，这个算法的核心就在于如何解决这个问题——“创造性”能被怎样定义和评估？
如何定义创意这个问题由来已久，而且人们仍然对此争论不休。我们常常用“很有创造性”形容一个人（比如一位诗人或是
一个CEO）
，
一个产品（比如一座雕塑或是一本小说）或一个想法。在我们的算法中，关注的重点是产品的创造性。我们也由此采用了对
“创造性”最普遍的一个定义，即强调产品的原创性和它所能带来的长期影响。
这套评判标准与各时期对艺术天才的定义颇有异曲同工之妙。
譬如康德认为一个艺术天才需要满足两个条件：原创性和典范性。
《判断力批判》 康德 著
当代的玛格丽特·博登（Margaret A. Boden）提出的历史性创造力（Historical Creativity，即H-Creativity）和个人/心理性创造力（Personal/Psychological Creativity，即P-Creativity）也是一个很好的概念模型。前者评判一件作品
相对于人类历史发展
所体现出的新意和实用价值，而后者则侧重于作者在个人层面上所展现出的创造力。
建造算法模型
我们利用计算机视
觉
（指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像），
构建了一个从15世纪到20世纪的画作网络。借助过这个网络，我便可以推测出一件作品的原创性和其影响力的持续性。
通过一系列的数学建模，我们发现量化“创造性”其实可以被简化为网络中心性问题（network centrality problem）的一种，即一种广泛应用于社交关系分析，瘟疫传播分析和网页搜索的算法。比如说，当你用Google搜索网页时，
Google会
用
这样的算
法预先
浏
览大量网页
，并拣选出最符合你搜索指令的网页。
任何算法的输入结果都由它的输入内容和参数设定所决定。
在
这项工作中
，我们
输入的内
容就
是算法所看到画作的内容：颜色、质地、
视角
的应用和题材。
我们的参数则来自定义创造性的两大元素：原创性和影响力。
值得一提的是，
这个算法在
分析时
，
并无
任何关于艺术或是艺术史的知识背景
。除了辅以作品的创作时期外，
它仅仅是通过
视觉分
析
来对
这些作品
进行评判
。
