藝術(shù)與機器學(xué)習(xí)

去年六月發(fā)表的一篇博文中我們用可視化的方法解釋了神經(jīng)網(wǎng)絡(luò)在圖形分類中的工作原理。我們意外地收獲了一些副產(chǎn)品–由神經(jīng)網(wǎng)絡(luò)技術(shù)所產(chǎn)生出的奇特而深邃的圖像。
　　DeepDream的開源引起了機器學(xué)習(xí)和創(chuàng)意編程社區(qū)對它的濃厚興趣，甚至一些藝術(shù)潮人比如Amanda Peterson、Memo Akten、Samim Winiger、Kyle McDonald和Gene Kogan也立即開始了對藝術(shù)與機器學(xué)習(xí)相結(jié)合的探索。
　　
　　圖：Memo Akten作品 “谷歌總部”
　　DeepDream開源之后德國圖賓根大學(xué)的研究生Leon Gaty發(fā)表了一篇使用卷積神經(jīng)網(wǎng)絡(luò)CNN將圖片的風(fēng)格和內(nèi)容進(jìn)行分解的方法。這篇論文更加激勵了社區(qū)和藝術(shù)家們使用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行藝術(shù)創(chuàng)作的動力。
　　
　　圖：照片與繪畫風(fēng)格進(jìn)行結(jié)合產(chǎn)生出的作品（圖中人物是美國科普節(jié)目嘉賓尼爾）
　　深度學(xué)習(xí)開源社區(qū)，尤其是GitXiv項目對于這些用于藝術(shù)的算法起到了很大的推動作用。DeepDream和風(fēng)格轉(zhuǎn)換算法被開源社區(qū)迅速遷移到了多種計算機語言和軟件包，于是機器學(xué)習(xí)藝術(shù)得到了進(jìn)一步的發(fā)展。
　　
　　圖：Mike Tyka作品 “薩克斯之夢”
　　雖然機器學(xué)習(xí)與藝術(shù)一度沒什么交集，但隨著機器學(xué)習(xí)領(lǐng)域的飛速進(jìn)步，藝術(shù)與機器學(xué)習(xí)相結(jié)合的機會也迅速增加。倫敦大學(xué)和紐約大學(xué)都提供了機器學(xué)習(xí)與藝術(shù)相結(jié)合的課程和項目，連泰特美術(shù)館IK獎2016年的主題都是人工智能。
?