1700516491
1700516492
[3] 一个正版流媒体音乐服务平台。——译者注
1700516493
1700516494
[4] 伯莱因与唐纳德·赫布（Donald Olding Hebb，1904.07.22—1985.08.20，加拿大心理学家，认知心理生理学的开创者）通过大量观察试验，提出了最佳唤醒（optimal arousal）理论。——译者注
1700516495
1700516496
[5] 1832.8.16—1920.8.31，德国生理学家、心理学家、哲学家，实验心理学之父。——译者注
1700516497
1700516498
1700516499
1700516500
1700516502
天才与算法：人脑与AI的数学思维 算法如何思考
1700516503
1700516504
艺术可以做很多事，但对我来说艺术最好的地方在于，它给我提供了一个了解他人内心世界、思维方式的途径。这也许就是人工智能艺术的真正潜力所在，因为它有可能帮助人类理解隐藏在计算机底层代码中的本质。如果人工智能即将替代我们人类去完成许多事情，那么了解一下人工智能的“世界观”“价值观”“机生观”就是非常有必要和重要的了。
1700516505
1700516506
谷歌的一个团队一直尝试通过人工智能创造的艺术来更好地理解他们所创造的算法在视觉识别中的思维过程。正如我在第5章中所解释的，已经开发出来的用来区分猫和香蕉图像的算法识别图像依赖于算法关于图像的层级发问。该算法有效地设计并完成了一个由20个问题组成的层级结构以识别图片中的内容。
1700516507
1700516508
问题是，随着机器学习的演化，程序员越来越难以追踪算法用哪些特征来识别到底是猫还是香蕉。如果只是查看原始代码，很难对算法的工作原理进行逆向工程。算法可以针对图像提出数百万个不同的问题，我们很难看出算法为何选取这些问题，也很难明白问题之间的优先关系是怎样安排的。为了了解这个算法是如何运行的，谷歌的团队想出了一个很聪明的办法，那就是将算法的工作程序颠倒过来。他们出示一个随机的像素化图像给这个算法，并要求它增加或增强识别一些特征，而这些特征是算法认为会触发识别可识别特征的特征。他们希望通过这个过程能揭示出这个算法究竟在寻找什么。他们称这种反向算法为“深梦”（DeepDream）。
1700516509
1700516510
对我而言，“深梦”所创造的图像可能是我所见过的最有意义的人工智能艺术形式。这些图像让我们看到了视觉识别算法是如何看待世界的，而不是试图去再创作一幅“伦勃朗的作品”，也不是巴塞尔艺术博览会上与现代艺术家的比试。也许它在美学上的意义并不大，但对我来说，这就是艺术的全部：试着用另一种眼光去理解世界，用一种不同的方式去看世界。
1700516511
1700516512
“深梦”算法使用了一种人类看图像的方式：我们会从烤面包片的焦痕中突然看到一张人脸，或是在天空中的云彩里看到动物的样子。但其实，在面包片上、云彩中什么都没有。人类的大脑已经进化到对动物图像极其敏感，因为这是生存的关键。但这也意味着有时我们会有误判，就像面包片上并不存在人脸一样。视觉识别算法也以类似的方式工作，其会试图寻找这种现象发生的模式并解释为什么会这样。“深梦”算法通过数千幅图像的训练，已经在压缩版的进化中学会了如何正确地发现、识别图像这一模式；它的“命”依赖于能否正确地识别图像。机器学习基本上是数字进化的一种形式，那么，“深梦”算法在数字化的灌木丛中看到了什么呢？
1700516513
1700516514
谷歌研究小组的发现令人相当惊讶。“深梦”算法像人一样无中生有地“看到”了海星和蚂蚁。似乎这个算法不仅有识别图像的能力，还有生成图像的能力。这不仅仅是一个有趣的游戏！这个试验为算法如何进行机器学习，提供了令人着迷的见解。在该算法中，哑铃的图像总是和一只握着它的手臂一起出现。很明显，该算法从人们举重的图像中“学到”了哑铃。正因为算法不懂人体解剖学，所以它不明白哑铃不是人体的延伸，它们可以独立存在。
1700516515
1700516516
你可以给算法一幅图像让它去识别，也可以邀请它玩一个我们都玩过的游戏：盯着天上的云，看看能在那些蓬松的云朵中发现隐藏着什么。算法能够在云朵中发现狗、鱼这些动物，或是发现狮身人面像、五爪金龙这些神话传说中的生物。《仿生人会梦见电子羊吗？》于1968年出版，作者是美国著名的科幻作家菲利普·迪克。广受好评、屡获大奖的电影《银翼杀手》就是由这部小说改编的。如果仿生人使用这些算法，他们就能拥有羊了——在算法生成的一张图像中，羊确实出现在了天空中。
1700516517
1700516518
算法将从人类的手中接手越来越多的决策，但问题在于，算法的机器学习导致了决策树的出现，而决策树对于人类来讲太复杂，我们很难对它进行分解。正因为如此，最终我们并不确定为什么算法会做出这样或那样的决定。这也是这种新型编程的局限之一。我们怎么才能确定算法做出的决定到底是一个错误，还是一个极具洞察力的建议呢？在AlphaGo与李世石的对阵里，第二盘棋的开局不久，AlphaGo就下出了让所有职业高手都无法理解一手棋。席尔瓦（AlphaGo技术负责人）称其为反人类的一手——第37手5路肩冲。席尔瓦解释道：“多数评论员都在第一时间批评这一步棋，从来没有人在这样的情况下走出如此一招。在胜负已定之后，一些专业人士重新思考这一步，他们改口称自己很可能也会走这一步。”越来越多的算法不仅仅用于游戏中，它们做出的决策影响着我们的生活，因此，在我们迈向一个自动化日益盛行的未来之际，任何能帮助我们理解算法的决策过程、决策策略以及价值判断的工具都是至关重要的。
1700516519
1700516520
就计算机视觉算法而言，它们通过产生艺术作品给我们提供了一些线索，让我们能够了解算法是如何运作的。有时算法检测和选择的特征是我们能够识别出的，但有时我们似乎很难说出算法在图像识别中到底选择并检测了哪些特征。这门“艺术”给我们了一种抽象的洞察力去深入了解算法在决策树的特定层级上所做出的处理。我们可能正在逐步深入了解算法的深层潜意识，谷歌的程序员称这个过程为“开始主义”（inceptionism）。他们认为这些图像就像算法的梦境，因此为算法取名为“深梦”。算法所生成的图像对他们来说有一种疯狂的迷幻感，就好像算法施了魔法一样。通过在算法的输出上反复应用算法并在每次迭代后生成新作品，程序员可以产生无穷无尽的新感观。
1700516521
1700516522
我认为没有人会把“深梦”的作品当作优秀的艺术品（不管究竟它是什么），所以你绝对不会在伦敦Frieze艺术博览会或巴塞尔艺术博览会上看到它们。但是，“深梦”所做的仍然是让我们理解算法内部运作状态的一种重要的新方法。
1700516523
1700516524
1700516525
1700516526
1700516528
天才与算法：人脑与AI的数学思维 算法就是一门艺术
1700516529
1700516530
这些新工具是否将视觉艺术带入了一个有趣的新领域呢？我决定回到汉斯·乌尔里希·奥布里斯特的画廊，与他聊聊人工智能在艺术世界中所扮演的角色，听听他的意见。但在去他的办公室之前，我决定先去看看现在正在展出的艺术品。
1700516531
1700516532
我在画廊看到了由郑曦然（Ian Cheng）创作的《信仰之袋》（bag of beliefs，BOB），这是一种用代码创造的人工生命形态，采用了嵌合分支蛇的结构形式。展厅中共有六组《信仰之袋》，每一组都以相同的代码开始，但是由于这些生命形态的进化受到了参观者交互的影响，当我参观的时候，它们已朝不同的方向发展了。就像我的基因完全相同的双胞胎女儿，后天环境因素会给她们的发展带来很大的影响，使她们的性格截然不同。
1700516533
1700516534
就像里希特的《4900种色彩》一样，我觉得有必要解开《信仰之袋》内部深处的代码。但这是另一种代码，一种更难逆向工程的代码。这也许就是为什么它能成功地比人们所预期的更长久地吸引人们的注意力——它是在与参观者互动的基础上学习和发展的。
1700516535
1700516536
《信仰之袋》通过与智能手机的互动了解参观者的情绪状态。郑曦然对原创和起源的问题很感兴趣，他想知道：“艺术是如何在其意义上被创作出来的，却又活在作者之外并自我变异的呢？”答案是创建一个系统，并允许其交互的内容在没有限制条件的基础上发展和变异。《信仰之袋》与参观者的交互意味着将郑曦然（作者）排除在外，代码会从它遇到的新参数中获得信息。
1700516537
1700516538
通常，我们人类会给自己无法理解的事物指定一个替代物来对它做出反应。当我们还不理解地震或火山爆发的原因时，我们创造了神，来为这些难以捉摸的力量负责。《信仰之袋》的核心算法也激发了参观者同样的反应，哲学家丹尼尔·丹尼特（Daniel Dennett）将这种现象称为意向立场。
1700516539
1700516540
正如汉斯·乌尔里希告诉我的：
[
上一页 ]
[ :1.700516491e+09 ]
[
下一页 ]