前幾天，百度在尤倫斯當(dāng)代藝術(shù)中心（UCCA）、“勞森伯格在中國(guó)”展覽上，發(fā)布了這么一款AI——能夠通過(guò)解讀繪畫(huà)，來(lái)譜寫(xiě)出相應(yīng)的曲子。

筆者也參加了這場(chǎng)大會(huì)，并且聽(tīng)了聽(tīng)百度人工智能對(duì)勞森伯格《四分之一英里畫(huà)作》、梵高《星空》、徐悲鴻《奔馬圖》的音樂(lè)解讀。

不過(guò)關(guān)于這屆百度人工智能，筆者首先想到了最近的一則新聞：

以及一則稍老一些的，讓我們這碼字狗心驚膽戰(zhàn)的新聞：

人工智能已經(jīng)開(kāi)始入侵各個(gè)職業(yè)了，現(xiàn)在就連藝術(shù)家的飯碗也要被搶了嗎？下面，筆者就要從技術(shù)上，談?wù)勅斯ぶ悄艹剿囆g(shù)家的可能性。

首先需要強(qiáng)調(diào)一下，創(chuàng)造一個(gè)理解人類藝術(shù)的人工智能是非常難的，甚至比讓人工智能造摩天大樓、把人送入太空、明白宇宙大爆炸的細(xì)節(jié)更加困難。因此對(duì)于人類和人工智能來(lái)說(shuō)，能理解這一切的人類大腦，幾乎是全宇宙最復(fù)雜的東西。

國(guó)外版果殼網(wǎng)Wait But Why上的《為什么霍金 蓋茨等大佬讓我們警惕人工智能？》中是這么描述的：

造一個(gè)能在瞬間算出十位數(shù)乘法的計(jì)算機(jī)——非常簡(jiǎn)單

造一個(gè)能分辨出一個(gè)動(dòng)物是貓還是狗的計(jì)算機(jī)——極端困難

造一個(gè)能戰(zhàn)勝世界象棋冠軍的電腦——早就成功了

造一個(gè)能夠讀懂六歲小朋友的圖片書(shū)中的文字，并且了解那些詞匯意思的電腦——谷歌花了幾十億美元在做，還沒(méi)做出來(lái)。 

一些我們覺(jué)得困難的事情——微積分、金融市場(chǎng)策略、翻譯等，對(duì)于電腦來(lái)說(shuō)都太簡(jiǎn)單了，我們覺(jué)得容易的事情——視覺(jué)、動(dòng)態(tài)、移動(dòng)、直覺(jué)——對(duì)電腦來(lái)說(shuō)太TM的難了。

筆者說(shuō)了這么多，只有一個(gè)意思：不要小看人工智能對(duì)繪畫(huà)的解讀，因?yàn)樗娴某?jí)難！引用計(jì)算機(jī)科學(xué)家Donald Knuth的說(shuō)法，“人工智能已經(jīng)在幾乎所有需要思考的領(lǐng)域超過(guò)了人類，但是在那些人類和其它動(dòng)物不需要思考就能完成的事情上，還差得很遠(yuǎn)。”

而審美就是一種不需要思考的事情，我們能很快速地判斷出《星空》的幽靜、《奔馬圖》的氣勢(shì)，都是因?yàn)槲覀兊闹庇X(jué)而非邏輯。

好了，下面是干貨時(shí)間，

百度的人工智能是如何做到像顧爺一樣在名畫(huà)前裝逼的？

在輸入繪畫(huà)的圖片后，AI會(huì)先對(duì)畫(huà)作進(jìn)行分析理解，即把一幅畫(huà)從色彩、構(gòu)圖元素等數(shù)個(gè)角度進(jìn)行分拆。

我們這些二手藝術(shù)家們眾所周知，繪畫(huà)中的色彩基調(diào)，映射了整個(gè)畫(huà)作的感情風(fēng)格。馬蒂斯曾經(jīng)說(shuō)過(guò)：“如果線條是訴諸于心靈的，色彩則是訴諸于感覺(jué)的。那你就應(yīng)該先定線條，等到心靈得到磨煉后，它才能把色彩引向一條合乎理性的道路。”

 筆者來(lái)翻譯一下，那就是畫(huà)作的顏色（色相。明度、純度、冷暖blabla）對(duì)比能給人帶來(lái)最直觀的感情沖擊。例如我們即便沒(méi)有學(xué)過(guò)繪畫(huà)，也能感受到藍(lán)色的悲傷、紅色的熱情、黃色的溫暖……

是誰(shuí)說(shuō)藍(lán)色就等于憂傷，你看看天空和海洋——五月天

而AI做的，就是分析出這幅畫(huà)作上使用的顏色搭配套路，然后將顏色記錄并保存【存檔1】。

同理，各類構(gòu)圖元素，也各有其意象，AI要分析出個(gè)意象代表的感情，依舊記錄并保存【存檔2】。

那么問(wèn)題來(lái)了，要如何準(zhǔn)確的分析出畫(huà)作中的顏色和意象呢？這就不得不提到人類大腦構(gòu)成。

人類大腦是由網(wǎng)狀神經(jīng)組成，為了模仿人類思考，AI也普遍采用神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬運(yùn)算。經(jīng)過(guò)大量的樣本投食（特征訓(xùn)練），以及人工智能的深度學(xué)習(xí)之后，AI對(duì)畫(huà)作內(nèi)各種元素都會(huì)變得十分敏感，可以迅速分析出畫(huà)作代表的感情。

按照百度發(fā)言人的說(shuō)法，百度人工智能未來(lái)還可以識(shí)別更多的圖片，照片等——這意味著其AI必須要理解更高深的東西，比如微小的臉部表情變化，開(kāi)心、放松、滿足、滿意、高興這些類似情緒間的區(qū)別。等到了這一步，大概面部表情學(xué)家也要失業(yè)了。

賞完畫(huà)，就該譜曲了。

事實(shí)上，樂(lè)曲的譜寫(xiě)相比于識(shí)圖要簡(jiǎn)單一些。還記得之前識(shí)圖后輸出的兩個(gè)標(biāo)簽存檔嗎，AI做的就是為這些標(biāo)簽搭配出適合的音樂(lè)。

但譜曲過(guò)程中同樣有著難題，即如何將諸多標(biāo)簽代表的音樂(lè)得組合在一起——這涉及順序、過(guò)渡、整體風(fēng)格等問(wèn)題。

AI的解決手段是：將曲庫(kù)中的曲譜按照情緒一一分類，并把每半個(gè)小節(jié)化作一個(gè)曲譜【單元】，此時(shí)每一個(gè)單元都有一個(gè)對(duì)應(yīng)的情緒標(biāo)簽關(guān)鍵詞；之后將【存檔1】和【存檔2】中的標(biāo)簽轉(zhuǎn)化做每一個(gè)曲譜單元；在進(jìn)行排序時(shí)尋找能在曲子上無(wú)縫連接的每?jī)蓚€(gè)曲譜【單元】；最后將連貫的曲子輸出。

這樣下來(lái)，一次完整的賞畫(huà)譜曲就完成了。看起來(lái)簡(jiǎn)單，但實(shí)際上這些步驟中涉及到Kmeans、重要性采樣、深度神經(jīng)網(wǎng)絡(luò)、編輯距離等多個(gè)算法；并且AI每天要通過(guò)無(wú)數(shù)次這樣的步驟來(lái)學(xué)習(xí)，才能保證輸出結(jié)果的不斷精準(zhǔn)。而這些，都要依托于上千臺(tái)PC服務(wù)器和近1000臺(tái)GPU服務(wù)器構(gòu)建的世界上規(guī)模最大的深度神經(jīng)網(wǎng)絡(luò)。

現(xiàn)在各位讀者們可以慶幸自己擁有一個(gè)價(jià)值千萬(wàn)億的大腦了，所以請(qǐng)珍惜它，答應(yīng)筆者在一激動(dòng)就要抵制X貨前先用它思考一下好嘛？

好了，最后再回歸百度AI吧。作為一個(gè)二手的藝術(shù)家，筆者仔細(xì)對(duì)照了一下AI“翻譯”的音樂(lè)和原繪畫(huà)——區(qū)別不小。不過(guò)正所謂一千個(gè)讀者眼中就有一千個(gè)哈姆萊特，鑒定藝術(shù)作品本身就是一個(gè)見(jiàn)仁見(jiàn)智的事情；想針對(duì)每個(gè)人的審美制作出相應(yīng)的旋律，百度AI還需要學(xué)習(xí)更多的個(gè)人數(shù)據(jù)才OK。

其實(shí)筆者還蠻看好該項(xiàng)目的，因?yàn)榘俣冉K于選擇了一項(xiàng)離錢(qián)很遠(yuǎn)、離科技很近的技術(shù)。這才是成就偉大公司的態(tài)度，希望有朝一日，百度人工智能也能在世界范圍內(nèi)整出點(diǎn)大新聞。

作者：孫不二，號(hào)狗哥、大馬不計(jì)其數(shù)。互聯(lián)網(wǎng)新鮮事主編，少不更事，四體不勤，五谷不分。學(xué)書(shū)不成，學(xué)政不成，學(xué)醫(yī)不成，學(xué)節(jié)義不成，學(xué)仙學(xué)佛，學(xué)農(nóng)學(xué)圃俱不成。遂學(xué)文章，亦不敢稱有所成，徒博君一笑耳。