能轻松复制梵高独特的视觉天赋，人工智能会成为艺术天才吗？
就在一年多的时间里，一个叫做“风格转换”的技术就颠覆了我对艺术的认知。风格转换将梵高的画作输入一个软件，将其风格笔触进行解构，然后复制这种风格，这样就可以将任何照片转化成与《星夜》风格类似的图片。人工智能已经实现了一个世纪以来艺术家和学者所无法做到的事情：复制梵高独特的视觉天赋。
但是，这就能使风格转换的人工智能成为艺术天才吗？又或者，这只相当于教一只猴子用竖笛弹奏假的巴赫赞美诗？
这个问题是Ahmed Elgammal提出的，他是罗格斯大学的计算机科学教授。他可能认为风格转换是后者。在这一领域，Elgammal走得更深更远，而非仅仅训练人工智能复制绘画大师的作品。相反，他训练一个系统脱离所学习的东西，去创造更出人意料的杰作。
Elgammal正与查尔斯顿大学合作，他说：“风格转换系统以一张照片开始，并尝试将其转换成某种风格······这不是我们的目标。我们的系统从零开始创造新图像，这其中没有任何人类因素的参与，不会选择谁的作品或者风格进行转化。我们的目标是让系统模仿某位画家的创作过程，或至少创作过程中的某些因素，这就是在创作新的艺术作品中与已有风格的脱离。”
换句话说，Elgammal想要创造能像一名画家或者某个学派的画家们一样思考的人工智能，通过留心观察这些画家，将其绘画过程内化，然后创造自己独特的作品。他的团队推理，这个过程会促进新的艺术运动。现实主义催生了印象主义，印象主义反过来又催生了表现主义。艺术就是这样通过即兴创作和批判持续发展的。
为了教机器这样做，Elgammal的团队研究了当今机器学习领域最热门的工具：一个生成式对抗网络（GAN）。
理解GAN的最好方法不是将其视为一个人工智能，而是将其视为两个人工智能，但是这两个人工智能相互竞争。他们相当于两个虚拟运动员，相互竞争或批评以使其中拥有更强大神经网络的虚拟大脑变得更聪明。
一个普通的、创作图片的GAN是这样工作的：虚拟运动员甲有上千张图片。让运动员乙从零开始创作图片以欺骗运动员甲，使其认为它正在看图画。运动员甲无数次尝试拒绝或者接受乙的作品之后，最终运动员乙会学会创作看起来非常像图画的东西，或甚至会复制特定的艺术风格。但是，通过这种方法得到的是一个擅长复制旧艺术风格的系统，而非创造新的艺术风格。
Elgammal的GAN有些不同。运动员甲有多种风格的图画。运动员乙尝试从零开始创作。但是在这种情况下，运动员甲表明自己不止有图画，还有非图画艺术。它还告诉运动员乙某些图画属于某种特定风格。运动员乙则受到启发创造出被视为图画的东西，但也会创造出全然一新的艺术风格—运动员甲不具有的风格，从而将其归为任何单个艺术运动。
那么这个系统能够创造什么呢？此文通篇你都能看到它的作品。Elgammal说：“我预期可能会看到怪异的、模糊的、恐怖的、丑陋的图片；或者最好的情况，典型的传统图画艺术的优质模仿品。结果令人吃惊，它们是新奇但有美学吸引力的图画作品，这超出了我们的期望。我认为，我们的设计可以推动机器以一种消极的方式探索新奇但不过于荒诞的创作空间，从这一角度来说是成功的。”
虽然，可以预见这些作品难以描述，但Elgammal是正确的，因为一个有美感的基线已经确立。它们中一些看起来像照片，其它像是抽象表现主义。我从其中看到各种风格，有罗斯科的颜色方块，还有绘图软件的滤镜效果。有时我会看到天才画作，有时看到的是拙劣的图案。
但是，这当然也是我批评现实中画廊中的作品的方式。我身边的人相信Elgammal的这一神经网络系统75%的时间里都在创作真正的艺术作品。若将人类主体作为对照物进行测试，他们则认为自己85%的时间里创作的抽象表现主义是真正的艺术作品，然而巴塞尔艺术博览会的作品仅仅在48%的创作时间里成为真正的艺术作品。考虑到这些，Elgammal的神经网络已经是个很高的门槛了。
Elgammal的系统在创作新奇艺术作品方面似乎是成功的。但这能证明一个神经网络能创造可以代表新的艺术运动–艺术自身的进化–的东西吗？
Elgammal承认：“它创造的东西会是下一个艺术潮流吗？这很难回答。当然，我们看到的是算法产生的东西。一个潮流或一致风格的形成取决于多种其它因素。因此算法探究的就是新奇的可能性。”确实如此，因为艺术的文化价值不能简单归结为你我的想法。它的价值最终是由批评家、馆长、亿万富翁，以及GAN决定的。
Vivi 