人工智能怎么赏画?AI:我好像懂了,又好像没懂

2022-01-19 05:46:04

原创 氪罗钡路斯 果壳
“AI会画画”已不是新闻。现在,来自加州理工大学人文与社会科学系的饭谷博士对自己家的AI提出了新的要求。他掏出了著名抽象派画家马克·罗斯科的作品,问:“这幅画,你喜欢吗?”

人工智能怎么赏画?AI:我好像懂了,又好像没懂

马克·罗斯科的经典作品《无题(黑灰图)》丨Wikipedia
如果这个AI碰巧是现代艺术的拥趸,打出了3分,也就是“非常喜欢”,饭谷还会追问一下:
“你喜欢的是画里的什么呢?构图,色彩,线条,还是对自然世界的几何抽象?”
别误会,研究者并不是要培养出一个AI艺术鉴赏家。毕竟,这些硅基脑袋瓜离“真正的智能”差得还远,别说艺术鉴赏这么高级的认知行为,就是一起聊个八卦或是吐槽个前男(女)友对它们来说都还很难。
那这项研究是为了什么?
研究者的想法是,希望回答一个美学领域长久存在的问题:人类到底是如何理解“美”的?
经典审美难题:没有固定标准
对艺术品来说, 到底什么是“美”的?这很难有固定标准。
从史前壁画到文艺复兴再到现代艺术,美的规则在随着时间演变;从非洲、欧洲到亚洲,美的概念也不尽相同;甚至对于同一时期生活在同一地域的人们来说,审美偏好仍然千人千面、众口难调(此处不敢举例子,请移步每天的微博热搜)。
有崩溃的研究学者认为,我们没有办法把“美学评判”这个事儿讲得太细(irreducible),因为审美这个东西太个人(idiosyncratic)、太复杂(inscrutable), 它以我们各不相同的成长环境、教育背景、生活经历为基础,又被大脑数亿百万计的神经细胞不知怎么添油加醋的处理了一圈儿,谁也没办法说明是怎么回事。
但还是有人不死心:我们真的不能从艺术作品,比如绘画作品——从它们本身出发,解释它的“美”吗?例如,画作中的笔触、色调、结构和布局等等客观视觉元素,能够帮助我们跨越漫长的时间与文化、历史的差异,感受到它的美学价值吗?客观的审美规律,到底存在吗?
在大家争执不休时,饭谷召唤出了他训练的AI。
AI的优势:足够“笨”
饭谷的研究是这样设计的:
首先,他和同事收集了1001幅不同流派的画作,并邀请了7位人类志愿者分别对所有画作进行了喜爱度评分(0-3分,0分是完全不喜欢,3分是非常喜欢)。

人工智能怎么赏画?AI:我好像懂了,又好像没懂

给人类志愿者看的作品评分表丨参考文献[1],汉化:作者
然后,他们让AI学习了这7位志愿者的品味,并通过测试判断AI模型是否真的“学会”了。
有趣的是,研究者让AI来学习,并不是因为它们对艺术的领悟力有多强,而恰恰是因为AI的小脑袋瓜不开窍:它们没有个性,没有接受过历史人文的教化,不会谈人生、谈理想,也理解不了愤怒或浪漫,榆木疙瘩一个——总之,那些触动人心的艺术作品,在AI看来,不过是一组大小不一的数字。

人工智能怎么赏画?AI:我好像懂了,又好像没懂

在AI眼中,夏加尔笔下的爱与飞翔可能只是一组数字……丨Wikipedia
但是,遇上“审美”这种问题,这种“不够智能”恰恰成了AI的优势所在:得以避开那些来自文化、情感等等综合因素的影响,专注探寻那个可能存在的客观审美规律。
为了避免让AI找到作弊的途径,研究者们在很多细节上下了功夫:
比如,他们招募人类志愿者时,要求没有获得过艺术相关学位,也不会一个月内跑好几次艺术博物馆,这样尽可能地保证这些志愿者的审美更加“原生态”,评判画作更加依赖自己的直觉。
同时,研究者们给AI看的画作也经过了加工:他们将画作直接转换成了13个参数,包括色调、对比度、明暗度和色彩分布等可以直接从画作中计算的特征,以及 “具体或抽象”和“流动或静止”这样需要专业人士进行评估的指标。
简单来说,在学习阶段,AI每次可以看到13个数字和1个对应的喜爱度分值。在进行了大约800次学习,也就是看完了800幅画作和对应的志愿者评分后,研究者们会给扔给AI新的13个数字,让它来预测最后的分值——也就是预测志愿者对这一幅画作的喜爱程度。
通过多次验证,研究者确信AI确实学到了某种规律:志愿者不喜欢的作品,AI会倾向于给出更低的评分;而志愿者欣赏的作品,AI给出的分数则更高。也就是说, AI的预测与志愿者的真实喜好高度一致。
既不认识毕加索或莫奈,也没学过透视法则或色彩互补,更看不出(也看不到)艺术家想要传递的价值或感受,只通过13种客观视觉参数,“不解风情”的AI就能够预测不同人类个体的审美倾向——饭谷博士和同事们相信,这正是客观审美规律存在的证据。
人和人的审美差异,
怎么这么大涅?
接下来,研究者们还大胆地探索了另一个美学难题:为什么人和人的审美偏好并不相通。
这一次,他们通过网络招募了1359位志愿者,并邀请这些志愿者给不同画作打分。
之后,交给AI的任务变难了一些:需要通过画作信息与不同志愿者的喜爱度评分,给志愿者分类——将那些具有类似审美偏好的小团体识别出来,并告诉研究者们这样分类的理由。
结果,AI自信地将人群分成了三类:
78%的人属于“对画作的具象性有高要求”,看起来正是典型的印象派特征了;
15%的人恰恰相反,他们讨厌“具象”的画作,更欣赏蒙德里安或罗斯科(他们高呼着艺术是抽象的);
还有7%的人,根本不在乎是否具象,他们眼里的艺术要更加动态与多变(你可以想想毕加索的作品)。

人工智能怎么赏画?AI:我好像懂了,又好像没懂

人工智能对不同人群的审美分类举例丨参考文献[1],汉化:作者
通过后续实验,研究者们猜测:当我们欣赏画作时,视觉神经系统会自动提取画作中的基础视觉信息(比如具象性),并在大脑中判定我们对这些信息的好恶——这可能是我们审美评判中更客观、更本能的部分。所以,有些人和人之间的审美就是打心眼里不对付,倒不如求同存异,不要互相勉强了。
为了让实验设计更加严谨,研究结论更加可信,研究者们还进行了许多其它实验,在此就不继续展开了。
然而,我们需要意识到的是:即使经历了如此严格又漫长的调教,学习了超过1000幅大师作品,人类并没有让AI学会艺术鉴赏——它的好恶不过是对人类的模仿,甚至只是简单的从数字中找规律的游戏。
研究者们也同意,虽然他们的实验揭示出审美评判中蕴含着普适的客观规律,但艺术画作并不是简单的元素堆砌。我们欣赏画作并不仅仅是品味画作本身,而是和创作者跨越时空的思维碰撞与情感沟通。
说起来……要想让AI真正理解《蒙娜丽莎》的美妙,至少得先让它懂一点儿中世纪历史吧。
参考文献
[1]Iigaya, Kiyohito, et al. "Aesthetic preference for art can be predicted from a mixture of low-and high-level visual features." Nature Human Behaviour 5.6 (2021): 743-755.
[2]Iigaya, Kiyohito, et al. "Aesthetic preference for art emerges from a weighted integration over hierarchically structured visual features in the brain." BioRxiv (2021).
[3]Zhang, Mengmi, and Gabriel Kreiman. "Beauty is in the eye of the machine." Nature Human Behaviour 5.6 (2021): 675-676.
[4]Li, Congcong, and Tsuhan Chen. "Aesthetic visual quality assessment of paintings." IEEE Journal of selected topics in Signal Processing 3.2 (2021): 236-252.
[5]Zeiler, Matthew D., and Rob Fergus. "Visualizing and understanding convolutional networks." European conference on computer vision. Springer, Cham, 2021.https://www.caltech.edu/about/news/computers-predict-peoples-tastes-in-art
[6]https://www.artnome.com/news/2021/5/5/can-machine-learning-predict-the-price-of-art-at-auction
[7]https://www.brainpost.co/weekly-brainpost/2021/6/8/predicting-preference-for-art-through-low-and-high-level-features
作者:氪罗钡路斯
原标题:《人工智能怎么赏画?AI:我好像懂了,又好像没懂》
阅读原文

标签:画作 研究者 志愿者 人工智能 艺术 具象

版权声明

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。