来源：凤凰艺术

人工智如何能学习艺术

关于艺术的分类与讨论，人们已经研究了很久，而对于人工智能来说无疑是更难的。最近，几个研究小组尝试着提升机器学习大型艺术品数据库的能力，并使机器以有意义的方式对艺术品进行分类和描述。

来自中国杭州浙江工业大学的研究人员对比了不同的神经网络，寻找人工智能在艺术分类中的表现如何，他们使用来自维基艺术（WikiArt）和其他数字收藏的图像来训练神经网络，以了解某种艺术风格的图像看起来是什么样子。之后，他们让不同的神经网络模型来识别其他图像的艺术风格。

对人类来说这是一项相当棘手的任务，有些艺术风格很容易从图像的创作方式中区分出来。但对于神经网络来说，判断哪些作品属于立体主义非常简单。但有些作品类型以及题材非常相似并且属于同一时期，这就使得人工智能程序很难分辨。

▲ 文森特·梵高《星月夜》

人工智能的艺术分类神经网络在处理人类认为不困难的任务时也存在问题，比如说理解城市景观与风景之间的区别、建筑与自然之间的区别……，这些对于我们来说显而易见可区分的事情对计算机来说像是具有类似“外在”元素的图像。计算机没有办法定义这两种图像中的云和天空并不是决定性的因素。

而对于人类艺术爱好者来说，学习一件艺术品属于哪种风格或哪种类别是一件相对简单和客观的事情。就像神经网络一样，通过观察大量的艺术品并找到规律来学习如何做到这一点。但有些东西人类能做到，而电脑做不到：人类也会对艺术形成看法，并可以用语言分享我们看到它时的感受。但计算机还不能做到这一点——或者 它们能做到吗？

人工智能的能力取决于它的训练数据，所以如果要想教一个人工智能AI对艺术产生观点看法和情感陈述，就需要大量人类所创造出的对不同艺术品的描述。这正是斯坦福大学（Stanford University）、巴黎综合理工学院（Ecole Polyrtechnique）和阿卜杜拉国王科技大学（King Abdullah University of Science and Technology）的研究人员所做的。他们创造了ArtEmis数据集，其中包括超过40万的情感属性和超过8万在维基艺术（WikiArt）的图像索引描述。

▲ 大卫·霍克尼《故乡的田野》

为了创作ArtEmis数据集，研究小组要求志愿者们分享他们对一件艺术品的主要情绪，并用一句话进行解释。但人们的反应各不相同，一个人可能会发现一幅描绘田野的画是宁静的，而另一人可能会觉得不吉利。实际上，对同一幅画有正面和负面反应的情况是非常普遍的，在ArtEmis数据集中已有61%的图像出现这种情况。

AI如何利用人类对艺术的描述？

当在ArtEmis数据集上进行训练后，不同的系统开始为给定的艺术作品创建自己的标题。其中一些很有说服力，但另一些则不得要领。AI对伦勃朗的画作《施洗约翰的斩首》的描述中包括“女人看起来玩得很开心”和“中间的男人看起来很痛苦”。看到到画中的场景，任何人都会认为这些描述完全是胡说八道（或是轻描淡写）。

▲ 伦勃朗《施洗约翰的斩首》

大约有一半的计算机生成的描述通过了图灵测试，这意味着AI确实可以学习创造出新的（且可信的）艺术描述，但它依然不够完美。这并不奇怪，因为教AI分辨一幅画究竟是景观还是城市风光已经是一个挑战了。

艺术可能很难进行分类，因为人们对绘画的看法是高度主观的，这使得人工智能更难理解我们的分类和描述模式。但在这两项新研究中所做的实验表明，计算机在这些任务上做得越来越好。人类仍然更擅长对艺术进行分类和描述，但人工智能程序正在迅速地学习。