一文了解中国人工智能学会《AI + Art》白皮书重点

人工智能
神经网络
亚马逊云科技
生成式人工智能
0
0
![image.png](https://dev-media.amazoncloud.cn/058b7e780b8e47f6919f0c3670400af8_image.png "image.png") 2023年9月17日,“中国人工智能学会(CAAI)系列白皮书”发布会在江西南昌举行。其中,世界首份人工智能系列白皮书《**AI + Art**》是由中央美术学院牵头,携手**亚马逊云科技等**全球人工智能领域的知名专家学者共同编撰。这一里程碑式的成果不仅为 AI 与艺术领域的交汇点提供了深度洞察,更为人工智能与文化艺术的融合发展指明了方向。 今天,我们将为大家共同分享和解读这份白皮书,探索跨学科和文理贯通的精神,通过了解技术史、科学思维和实验方法,探索未知领域。 ![image.png](https://dev-media.amazoncloud.cn/03ce84bd106948efbbc1600d365f0ce0_image.png "image.png") ### 1、AI 艺术的发展概述 自1956年 AI 的概念应运而生,它已历经多个高潮与低谷。最初的规则引擎及知识系统后,编写组见证了80和90年代神经网络与[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的崛起,揭示了 AI 在不断进化,挑战其先前的界定。近五年的进展更是飞速。计算力与数据量的巨大增长,让深度学习技术,特别是生成式对抗网络(GANs)大放异彩,该技术通过一对神经网络的对抗训练能生成接近真实的数据。这种技术的影响力可从《Edmond de Belamy》肖像画上见证,这幅通过 GAN 生成的作品,以较高的拍卖价格震撼了艺术和技术界。同时,随着业界对 AI 训练数据集版权的关注,这类作品重回聚光灯下。 然而,技术总是伴随挑战。GANs 在艺术生成上存在不确定性,其输出很难与艺术家的初始指令完全对齐。且因为训练过程复杂且需大量资源,每次创作方向的变动都要求重新训练,降低了效率。转眼到了2021年下半年,一系列先进模型如扩散模型、CLIP 以及其他预训练大模型的问世,大大推进了 AI 在艺术领域的应用。尤为出色的 CLIP,能将文本描述与图像紧密联系,为艺术家提供了更准确的生成能力。这种进步不仅仅是技术上的,更是为艺术家提供了创作上的工具升级。 现今的 AI 工具开始扮演了艺术家的辅助角色,例如利用 GANs 快速生成草图,从中筛选出最具创意的作品细化。从这一发展趋势来看,AI 不再仅仅是艺术创作的尝试,更是开始深入地、有系统地融入到艺术创作的每一个环节中。 ### 2、AI 艺术的艺术史意义 ![image.png](https://dev-media.amazoncloud.cn/59afefa8beb44b23a5dbb94c240a825e_image.png "image.png") 在20世纪的艺术脉络中,艺术家们深受规则和结构的启发,利用预定的系统来引导、限制或放大创造力。著名的艺术家如布里奇特·莱利和维克多·瓦萨雷利采用几何模式为观众呈现视觉错觉,而理查德·朗和迈克尔·巴恩斯利则受分形理论的启示,利用数学逻辑来呈现艺术作品中的无穷细节。 这种对规则的探索不仅体现在传统的艺术形式上,还在技术与艺术的结合中得到深化。Process Art 聚焦于艺术创作过程,展现了系统与偶然性的有趣交融。科恩等艺术家甚至引入编程语言,以计算机为辅助,探索艺术的生成规则。摩尔更是在“P-511/D”系列中,通过预定义的算法,全面挖掘了立方体的各种可能性。 而观念艺术更是将规则和指令提升到了新的高度。以索尔·莱维特为例,他的壁画系列根据特定的指令创作,这些指令开放而多样,允许不同执行者带来各式各样的解读和体验。规则与自由、预测与不确定性在这里交织成一个复杂而丰富的网络,为后来 AI + Art 的发展提供了深厚的土壤。 ### 3、AI 艺术的算法与工程问题 #### 01 [AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 算法简述 生成式技术在 [AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 领域中也扮演着重要角色,它在数据生成和增强、无监督学习、视觉和语言生成、强化学习和策略生成,以及创意和艺术生成等方面为编写组开启了创造性和多样性的视角,推动了智能系统在创造、理解和交互方面的进步。生成式技术通过学习数据分布模型来生成新的数据样本。这些模型通常基于概率模型,如生成对抗网络和变分自编码器。 其中,生成对抗网络在图像生成领域取得了重大突破,其用于生成逼真的图像样本。后来,Tero Karras 等人提出 StyleGAN ,用于生成逼真的人脸图像。它通过在生成网络中引入风它通过在生成网络中引入风格向量,并采用渐变叠加的训练方法,生成高分辨率、多样化和具有艺术风格的人脸图像。人脸中的“Style”通常是指头部的姿态、面部的表情、人物的发型等。如图所示,StyleGAN 生成的人脸可以捕获到这些细节并生成高质量的图像,而且在不同分别率的条件下有一致的表现。OpenAI 团队提出的 GPT 基于深度自回归 Transformer 模型。它在自然语言处理任务中取得了突破性的成果,具有强大的语言生成能力和广泛的应用前景。 最近,Stable Diffusion 作为一种生成式技术,提供了一种有效的方法来生成高质量的图像样本。该方法通过对噪声进行多步扩散来生成图像,每一步都会逐渐减小噪声的规模,使生成的图像逐渐变得清晰。Stable Diffusion 在生成图像的质量和多样性方面取得了显著的进展,并被广泛应用于图像生成任务。 ![image.png](https://dev-media.amazoncloud.cn/b1367ee0b1bc4dc29a352f562d07c71c_image.png "image.png") StyleGAN 生成结果图(来源:StyleGAN) #### 02 AI + Art 生成任务中的工程化问题 ![image.png](https://dev-media.amazoncloud.cn/cf991becde6e4375a47d753d7e7ef7a1_image.png "image.png") 随着扩散模型和微调技术的进步,从2022年底开始,以 ChatGPT 和 Midjourney 为例,[生成式 AI ](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail)技术已经被广泛应用于多种移动应用和商业产品中,实现了工程化应用,进而使其更加亲民并服务于实际业务场景。工程化主要考虑: (1)提供优良的用户体验,包括美观、易用的用户界面和高效的构建及维护方法; (2)灵活地获取所需的算力资源,尤其是面对资源紧张的情况下; (3)确保生成效果的稳定性,特别是面对带有随机性和不确定性的生成式 AI 技术。 除了上述焦点,随着工程化的深入实践,新问题如模型管理和搜索、媒体资源的存储和管理等也开始浮现,需要被合理地解决以确保生成式 AI 的长期、稳定和高效的应用。 用户在应用平台中调用生成式 AI 模型,设定参数并获取反馈,而这一过程得以高效运行依赖于简洁易用和功能齐全的平台设计。此类平台主要为算法工程师、制作人和设计师服务。算法工程师在平台上主要关注AI模型的训练与调优,其中,可视化的用户界面可帮助他们更快地调整参数,减少编码量,进而优化模型效果。制作人,传统上需要与设计师多次沟通以实现自己的设计理念,现在可以通过 AI 平台直接将创意转化为图像形式,从而简化与设计师的沟通。而设计师则利用平台高效生成大量初稿,之后可以细化和完善这些设计,实现流畅的设计工作流程。 ![image.png](https://dev-media.amazoncloud.cn/70de8dc06e4b41abb0040719604a1d07_image.png "image.png") ### 4、AI + Art案例 ![image.png](https://dev-media.amazoncloud.cn/22e185a7665d4a7daac8f6d70377aa9c_image.png "image.png") 在前 AI 时代,数字创世纪被视作数据可视化的扩展,主要聚焦于虚拟空间的数字景观构建。交互性是这个领域的核心,艺术家和游戏开发者利用游戏引擎,如 Unity 和 Unreal Engine,结合艺术与代码,为观众带来沉浸式体验。但由于技术限制,前 AI 时代的数字创作通常是线性和单一的。而 AI 技术的引入为艺术家提供了更广阔的创作空间,允许更加精细和真实的虚拟环境构建,同时增强了作品的交互性。这不仅为艺术家开启了多样创作可能性,也为观众带来了新的鉴赏体验。这种技术与艺术的融合既激发了无限的创意,也引发了关于创新与伦理的讨论。 通过研究近年来的 AI 艺术案例,编写组可以深入了解这场正在进行的文化与技术的交融与变革。编写组将案例大致分为三个类别,以获得结果为导向的 AI 生成类作品、由 AI 驱动的交互式作品、涉及多智能体虚实结合的作品。 #### 01 生成式 在早期的 [AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 创作中,编写组注意到生产关系并没有显著的革新,研究者和创作者更多地专注于算法的创新和调整,目的是得到一个令人满意的“画面”。但随着 AI 生成任务从算法创新逐渐转向产品化,艺术家现在应更积极地参与模型的训练过程。从 AI 的视角看,当前的模型推理更像是为消费者服务。而对于创作者来说,现在应将训练 AI 模型,而非仅仅获得最终的生成结果,作为创作的核心目标。 #### 02 [AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 标准建设 [AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 急需建立标准的原因可以从 ImageNet 项目和李飞飞在图像识别领域的工作中获得启示。当 ImageNet 项目被推出时,通过引入一个有标签的大规模图像数据集,它为图像识别领域设定了一个共同的基准和评估标准。这种标准化促进了技术的快速发展,因为研究者们可以在同一数据集上进行比较,分享方法和结果,从而快速推进领域内的研究。 相似地,[AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 领域面临着多样性和复杂性,尽管 AI 艺术在国际范围内有广泛的应用,但在特定的垂直应用如中国文化艺术数字化生产中仍存在挑战。没有一个共同的标准或基准,可能导致研究和应用的碎片化。通过建立一个或多个标准化基准,编写组可以促进跨多个领域和维度的合作,从技术、设备到内容和产业,从而更好地满足公众的审美体验和实际需求。 因此,正如 ImageNet 推动图像识别领域的进步一样,[AIGC](https://aws.amazon.com/cn/codewhisperer/?trk=cndc-detail) 领域亟需建立相应的标准来引领和整合该领域的发展。生成艺术的评判因其涉及深度的专业知识和主观审美而变得复杂,迫切需要艺术界的专家输入(如 RLHF)来建立评价标准。合作开发的评价模型(Reward Model)可以独立于生成模型,为自动生成的艺术作品提供专家级的评分,旨在为生成领域提供更精确、科学的评价机制,并加强艺术家与技术研究者之间的连接。 AI 在艺术领域的应用涉及技术与文化的深度整合,尽管国际上的 AI 艺术应用广泛,但在满足中国文化艺术需求上仍有空缺。为了更好地服务文化和艺术行业,除了上述标准的建设,编写组需要在多个方面加强合作和研究,技术、设备、内容创作和管理等,目的是打破技术和艺术界的壁垒,并解决 AI 在数字艺术创作中的实际应用问题。 ![image.png](https://dev-media.amazoncloud.cn/c734e5510a1341c6a4c0e62d0f60cda9_image.png "image.png") 生成式艺术与数据可视化和数字创世纪之间存在一个深层次的联系。数据可视化始于将复杂的数据集转化为视觉形式,使之更易于理解和消化,而数字创世纪则涉及在数字空间中构建和塑造虚拟环境。生成式艺术,作为这两者的延伸,探索了如何使用算法和数学模型创造出新的、前所未有的艺术形式。 随着技术的进步,特别是人工智能的崛起,生成式艺术的领域得到了进一步的拓展。AI 驱动的交互为生成式艺术带来了新的可能性,使艺术家能够创造出更加复杂和动态的生态系统。这些系统不再是静态的、预先定义的结构,而是能够根据内部的规则和外部的互动进行实时的变化和演化。 #### 03 AI 驱动交互 交互艺术强调观众的参与,与传统艺术相比更鼓励观众与作品进行实时的交互和反馈。观众往往可以通过触摸、倾听、行走等形式与作品进行互动。随着信息技术的进步,人机交互的界面也由最开始的 命令界面、图形界面、多媒体界面朝着更智能、更复杂的混合形式发 展。人工智能为主的交互作品,也由简单的线性互动逐渐发展为多维度,多结果的综合感官交互。 编写组观察到 AI 技术为叙事赋予了新的维度,观众可能被邀请进入一个由 AI 驱动的机器人组成的宇宙,扮演创造世界的角色,有权决定各个星球上生物的命运。通过与系统的交互,观众可以选择助长生物之间的和谐与合作,也可以选择导致它们之间的冲突或完全毁灭它们。这种叙事方式为观众提供了影响故事发展的机会,从而创造出无限的叙事可能性。 #### 04 多智能体艺术 多智能体系统(MAS)是人工智能的一个子领域,专门研究多个自治智能体如何互相交互和合作。每个智能体都有自己的感知、决策和行动能力,并根据自己的目标进行合作或竞争。整个系统的行为由这些智能体的互动产生,能够模拟真实世界的复杂场景。艺术家如 Ian Cheng 通过作品"BOB"探索了虚拟的多智能体生态系统。在艺术领域,MAS 不仅可以模拟人类的创作过程,如集体绘画,而且还可以展示机器在互动中如何形成和优化其"意识"或"观念"。这为艺术家提供了一个新的视角,探索机器如何感知和理解外部世界。 ![image.png](https://dev-media.amazoncloud.cn/5c3ed06d1f06406cb2989e545207ca42_image.png "image.png") 斯坦福大学的 AI 小镇项目 ### 5、对生态艺术的影响 将 AI 应用于艺术创作,能推动对 AI 算法的改进研究。通过在不同应用场景下对算法的表现进行研究和分析,可以使人们不断反思 AI 算法的极限、原理以及它的未来发展。AI 大模型的应用将促进艺术家和科技研究人员之间的交流与合作,进一步拓宽数字化创作的可能性。艺术创作不仅能够拓展 AI 应用场景,还能为 AI 算法的改进提供实验数据和实践基础。跨界合作能同时推动技术的发展和文化与艺术的数字化转型,进而推动中国式现代化进程。因此,艺术与 AI 的深度融合将成为文化数字化建设的重要方向,这也是研究 AI 在国家文化数字化建设中的重要意义所在。 ![image.png](https://dev-media.amazoncloud.cn/0a261cc1f0be4fa7bcdb81af5fdb155b_image.png "image.png") 《AI + Art》白皮书旨在强调跨学科和文理贯通的精神,将文化发展和 AI 统一在人文精神框架下,反思科技发展对人的精神和社会心理的影响,并持批判性思考。同时强调艺术思维对科技创新的激发,将横向、发散、逆向等创造性思维融入学科建设,以艺术探索的能量激发双向创新。在艺术学科重视AI技术发展史,通过了解技术史、科学思维和实验方法,探索未知领域。 中国文化传统的悠久历史和独特贡献,AI 技术在全球化的影响下西方文化逐渐进入中国,且对中国现代化建设和文化创新起到了借鉴和启示作用。目前 AI 艺术创作的研究成果较多来自西方,这显示出一定的研究难度,又揭示了该研究的必要性。扎根中国,学习西方的观点强调了对中国传统文化的保护和传承,同时也注重吸收和融合西方文化中有价值的元素,以此来促进中国与世界的文化交流同时提升国际竞争力、文化软实力。 ![开发者尾巴.gif](https://dev-media.amazoncloud.cn/f2e19e19fab8457ab671ca10a712fa53_%E5%BC%80%E5%8F%91%E8%80%85%E5%B0%BE%E5%B7%B4.gif "开发者尾巴.gif")
目录
亚马逊云科技解决方案 基于行业客户应用场景及技术领域的解决方案
联系亚马逊云科技专家
亚马逊云科技解决方案
基于行业客户应用场景及技术领域的解决方案
联系专家
0
目录
关闭