不管未来如何不确定，技术的发展和知识的流通至少会让人与人之间的机会与选择更加平等。而艺术化的技术会唤起更多人对技术的关注和思考，并且将技术教育带到 不同的领域。这也许是机械化未来诸多挑战中的一丝光亮。

责任编辑：王一丹

版式设计：童画 姜如月

排版：付安琪

瑞士人工智能专家Jürgen Schmidhuber一次演讲中说，我们不该把自己和飞速发展的人工智能看做“我们”和“他们”，而应当把自己和人性当做宇宙通往更高复杂度路上的垫脚石。

在这充满超人哲学意味的言论背后，Schmidhuber有自己的一套理论。

笛卡尔说“我思故我在”，人类向来为自身独一无二的理解力和创造力而自豪。Schmidhuber则认为，“理解”和“创造”实质上是压缩信息的过程，而美感和幽默都是不同的信息压缩方式，机器同样能够掌握。不仅如此，算法还可以自我进化，不断依据外界信息优化自己的代码，逐渐超越人类。

这种不断迭代、进化自我的算法属于一类被称作“种子AI”（Seed AI）的构架，它的实现意味着强人工智能的诞生。人工智能研究者们对于强人工智能是否能够出现有所争议，但是都认为它标志着机器在智能上全面超过人类。

Schmidhuber是个坚定的奇点论者，相信技术的指数增长会让人类社会在短期内发生生产方式的巨变。这些想法也并非他独有，不少奇点论者同样认为，人类只是智能进化中的一步。人们历来热衷于探索世界，而人工智能也只是这种无止尽探索的自然延展。

这种无止尽的探索，也在艺术创作中催生了日新月异的表达方式。 人性与机械性交汇的典型，也许正是融入了技术的艺术创作。

例如艺术家Anna Ridler，期望将视觉与听觉的表达相互关联，扩展人表达的能力。于是她用自己多年的绘画作品训练了一个人工智能模型，让它能够分析和归类自己的一笔一式。然后与作曲家合作，为各种绘画方式编配不同女高音声音样本。最后，Ridler利用眼镜上的摄像头获取笔式信息，让笔触藉由人工智能同时生成绘画与音乐。

Anna Ridler，画出声音（Drawing with Sound），2017

图片来源：https://vimeo.com/226293297

Mario Klingemann则尝试让机器学习模型自己进行“表达”，生成“艺术品”。Klingemann将生成对抗网络 （Generative Adversarial Networks，GANs） 应用到从文艺复兴时期的画作到21世纪的自拍照片等各种图像，学习画作与照片中的构图、颜色、形态与审美，并自己生成新的创作。

Mario Klingemann，AI生成肖像，2017

图片来源：https://www.wired.com/story/neurographer-puts-the-art-in-artificial-intelligence/

因为由算法产生，观众可以挑战Klingemann的图画是否算是真的作品。而他的朋友Albert Barqué-Duran则基于Klingemann生成的图像重新创作绘画，避免了这个问题，顺便玩笑似地挑战了艺术品中艺术性的定义。

Albert Barqué-Duran躺在自己的画作面前。

图片来源：Albert Barqué-Duran推特账号

在创作者手中， 人工智能不再是一种简单的工具，而是可以以不同方式参与创造过程的智能，成为创作者智能的延展。 在未来，人工智能将渗入生活的各个环节，我们需要学会与这种智能共存。但是这种智能，和我们自己的非常不同，并且让人难以理解。

回溯到八十年代，人工智能领域流行的是一种称为“专家系统”的构架，依赖于逻辑推理与数据化的知识库。这种系统是对人类已有知识和思维模式的模仿，符合对“智能”的直观认识，却在简单的认知任务面前一筹莫展。

真正让人工智能在应用上突飞猛进的，是与人类思维方式关系不大的机器学习模型。这些模型是一个个充满旋钮的黑箱，每个旋钮将接收信号转换成输出信号。优化不断地调整这些旋钮，直到整个黑箱能够将收到的信息转换为正确的输出信息。

但是，使用者无法知晓每一个旋钮旋转的原因，也无法理解黑箱如何做出决定。

Schmidhuber等人设计的LSTM（Long-Short Term Memory）模型是一种特殊的神经网络，被广泛用于自然语言识别，同样是一个充满旋钮的黑箱。区别于传统的神经网络，LSTM可以根据输入形成“记忆”，输出收到输入的次序影响。这使得LSTM得以将输入的序列转换为输出序列，适合处理语言、音乐或其他序列数据。

图片来源：https://research.googleblog.com/2016/09/a-neural-network-for-machine.html

许多人会觉得，以这种方式运作的机器学习模型还算不上智能。但是， 鸟类虽不同于飞机，却同样具有飞行的能力。人们曾从鸟类得来飞行的灵感，试图制造扇翅飞行的机械鸟，却一直没有获得成功。只有放弃了对鸟类的模仿之后，才造出了现代意义上的飞机。

在莱特兄弟发明现代意义上的飞机以前，许多人曾试图模仿鸟类来制造飞行器。上图是达芬奇15世纪时对鸟类飞行的研究和对飞行器的设计，下图是1884年德国航空先驱奥托·李林塔尔制作的飞行器。

图片来源：维基百科。

人工智能的研究也正是放弃了对人类意识的模仿，才产生出了能够解决实际问题的机器学习模型。 这种“智能”即使不同于我们，却同样能够解决问题、进行创造，成为与我们类似而不同的“智能”。

这种类似与不同，在Nao Tokui的一个DJ表演中被展现得淋漓尽致。

在这个表演中，学习了无数音乐样本的人工智能担任DJ，与Tokui合作一起打碟，人工智能会根据上一首曲子的风格选择下一首音乐，并调整碟机转动速度来匹配之前的音调音高。人工智能的选择有时候让Tokui感觉惊喜，如同Klingemann痴迷于AI在几千张生成图片中有时会绘制出来独特的效果一样，这种不可预期不可控的部分产生了新的灵感与创造力。

Nao Tokui，AI DJ

视频来源：https://vimeo.com/252846189