关于人工智能与信息安全的思考
关于人工智能
随着社会信息化的飞速发展，一项划时代的技术正在掀起新的技术革命浪潮，那就是人工智能。
自1956年“人工智能”一词第一次出现在达特茅斯会议上，已经过去60多年。在经历了第一阶段的符号主义、第二阶段的数学建模之后，人工智能来到了移动互联网、大数据、超级计算、万物互联为技术基石的信息时代。在算法和计算能力的驱动下，这项曾经只在科幻小说里被人们津津乐道的技术，终于化茧成蝶，第一次真真切切地站在普通大众面前，以阿拉法狗在围棋领域颠覆性的胜利为标志，宣告了信息时代又一次新技术革命的到来。
根据中国电子技术标准化研究院在2018年1月最新发布的《人工智能标准化白皮书》，人工智能被定义为利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能通常被划分为弱人工智能和强人工智能两类。弱人工智能是能制造出真正地推理和解决问题的智能机器，但这些机器不具备自主意识；而强人工智能则是让这些智能机器拥有思维能力和自主意识。现阶段的人工智能研究主要集中于弱人工智能，并且已经在计算机视觉、语音识别、自然语言处理、大数据应用和决策系统等方面取得重大突破。但是，关于强人工智能的研究仍处于探索阶段。
人工智能是信息社会的核心技术
当今社会已经进入信息时代。信息社会的主要资源就是信息。这些信息资源及其以大数据、人工智能、云计算和网络通信为主的信息处理技术共同形成信息产业，逐步在经济和社会发展中发挥主导作用。当信息的共享突破时空限制的时候，所有人类高端的生产、生活、学习形态都以信息的获取、存储、处理以及再产生为基本模式。这其中又以信息处理环节为核心。而人工智能技术正是借助算法和计算能力，仿照人脑同时在很多方面超越人脑的信息处理技术，因此人工智能技术将是构成信息社会的核心技术。
鉴于人工智能技术对信息社会的重大推动作用，我国“国家互联网+行动计划”和“十三五”国家科技创新规划均将人工智能作为战略型新兴产业，同时部署了智能制造等国家重点研发计划和专项，对人工智能产业予以大力扶持。在2017年7月国务院发布的《新一代人工智能发展规划》中对人工智能的发展制定了三步走的目标：第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点；第二步，到2025年人工智能基础理论实现重大突破，人工智能成为带动经济转型的主要动力；第三步，到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。这是国家层面的战略规划，必将得到强有力的推进和实施。
我们正站在又一次技术大变革时代的门口。
工业革命中出现了动力和机器，曾经大量繁重的体力工作被机器所替代，从而大大提高了社会的生产效率。人工智能的出现也将把人们从繁重的脑力劳动中解放出来。人工智能技术是知识和数据双驱动下的产物，随着信息社会中数据的膨胀，人工智能的数据样本趋于丰富，人类的一些规则明确、烦琐单一的脑力劳动直至分析、决策、规划等高端脑力劳动都可以逐步被人工智能所替代。人工智能技术给人类带来的影响，可能远远超过计算机和互联网在过去几十年间给人类世界带来的改变。
人工智能的安全问题
人工智能是信息社会的革命性技术，是智能化的信息社会的核心技术，目前正处于爆炸式发展的初期阶段。但是，正如任何一个事物的出现都有其两面性一样，人工智能的加速发展也已经带来一些实际问题，最为突出的就是信息安全问题。
首先，是人工智能应用带来的安全问题
人工智能具有广泛的应用前景，目前已经涉及制造、农业、物流、金融、商务、家居等行业和领域。伴随着人工智能应用的推广，其安全问题越来越凸显出来。
以目前非常热的智能交通领域为例，很多汽车厂家和互联网公司都推出了无人驾驶汽车以及智能交通系统。在智能交通方面，目前在我国深圳，首批无人驾驶的公交车已成功运行，预示着人工智能技术在决策系统应用上有了重大突破。在人工智能控制交通的时代，指挥交通运行的效率可以达到最优，交通事故率理论上可以趋近于零。但是在已有风险消除的同时，新的风险被引入：曾经驾驶员人为的交通事故可能被智能交通系统的信息安全事故所替代。黑客可以从无线渠道侵入智能汽车终端、从有线渠道侵入后台信息控制系统，从而接管无人驾驶汽车甚至智能交通系统的控制权；也可以破坏自动驾驶系统的信息采集和传输途径，进而诱导终端和后台的智能算法作出错误判断。实际上，无人驾驶汽车或者智能交通系统由复杂的自动化机器和信息系统组成，其信息采集、传输、处理各个要素环节都面临安全风险，目前已有黑客通过盗取移动App账号密码进而控制自动驾驶汽车的案例。
人工智能技术应用于其他领域也同样如此。安全问题最突出的包括工业智能制造、智慧城市管理、智慧医疗、智慧家居等和人们社会生产生活密切相关的领域。由于人工智能处于信息社会的核心层面，控制着大量生产、生活设备、数字化资产乃至社会运转规则，一旦黑客入侵后台控制系统，技术系统遭到破坏，将带来与其技术重要性相同的破坏力，严重威胁信息系统安全乃至人身安全和社会安全。
其次，人工智能作为一项信息领域的关键技术，其自身也存在一些安全问题
在信息领域，任何代码、算法、开发框架乃至工程实现的软件系统，毫无例外都会存在一定程度的信息安全问题。代码量越大，系统越复杂，往往暴露出的安全问题越多。人工智能领域的专家往往不具备信息安全专业知识，因此，在这项技术的发展过程中，他们专注于实现机器模拟、延伸和扩展人的智能这些核心目标，安全问题往往被当作次要因素加以忽略。目前，安全届已经暴露出人工智能技术自身存在的一些安全漏洞，包括开发框架稳定性、算法设计缺陷、代码自身漏洞等方面。以代码漏洞为例，根据公开报道，国内外安全技术团队曾发现数十个深度学习的软件漏洞，其类型包括内存访问越界、空指针引用、整数溢出、除零异常等常见类型。人工智能技术自身的安全性和健壮性问题会导致人工智能系统出现错误甚至崩溃，或被攻击者利用进行破坏、侵入乃至劫持系统。随着人工智能应用的推广，其自身的安全问题也越来越引起人们关注。
再次，人工智能暴露出人们的隐私保护问题
人工智能技术的普及大大提升了人们生活的便利，但是，也带来了非常严重的隐私保护问题。人工智能技术本身算法的准确率高度依赖于海量用户数据的训练分析，尤其需要获取大量用户个人信息，以便提供个性化、定制化服务，这些都会导致用户个人信息泄露。谷歌DeepMind公司曾与英国NHS医疗服务机构联合开发了一个名为Streams的基于人工智能的手机应用程序，希望能给患者提供更加个性化的智能服务。但是作为医疗服务机构，NHS并没有向患者明确说明他们的医疗信息将被如何使用，也没有询问患者是否同意DeepMind处理自己的医疗数据。它们之间的数据交易被英国信息专员办公室认定为“没有遵守数据保护法案”。从这个案例可以看出，人工智能技术的普及在为人们生活带来便利的同时，存在非常严重的隐私保护问题。实际上，获得生活便利和保护个人隐私，目前已经成为一个两难选择。交出个人隐私和数据，获得个性化、人性化的全方位技术服务，这是人工智能时代的基本模式。不管是无人驾驶、智能管家、数字助理还是机器人保姆，这些人工智能技术和产品能更好为你服务的前提都是全面收集处理你的各种行为数据。小到兴趣、爱好、行为习惯，大到道德、宗教、政治倾向、人生观价值观，人工智能比你自己还要了解你自己。这样一种生活状态不管是拒绝还是欢迎，都会在未来20年左右的时间来到我们身边。技术上为了保护用户的隐私，在采集数据的时候可以对数据集进行模糊处理，使得收集到的海量数据无法和个体用户相对应。这种信息模糊技术从上个世纪就存在，但是其发展速度远远落后于人工智能技术的发展。目前，我们的隐私和个人数据，在大数据和人工智能这些收集、处理和分析技术面前基本上处于裸奔的状态。
人工智能在信息安全领域的应用
人工智能技术在信息安全方面带来的不只是威胁和风险，也对信息安全技术的提升有很大帮助。人工智能在信息安全领域的应用十分广泛，包括生物特征识别、漏洞检测、恶意代码分析等诸多方面。
基于生物特征的身份认证和访问控制是目前人工智能技术应用最成功的信息安全领域。从前制约生物特征识别技术在信息安全领域应用的关键问题是漏报率与误报率达不到实用要求。而利用以深度学习为核心的人工智能技术，科研人员已经将人脸、语音、指纹等等生物特征的识别率大大提升。以人脸识别为例，目前的准确率已经达到99%以上，技术的进步为生物特征识别的应用打下了良好基础。目前，已经有人脸支付等相关产品面世。支付领域的应用涉及社会和金融安全，在人脸识别的漏报、误报和检测准确率这些指标没有大幅提升的前提下是不可想象的。
在信息安全中尤为重要的漏洞检测技术领域，目前还缺乏高效、准确的漏洞分析自动化技术，很多安全威胁和风险需要专业工作人员的经验作深度的分析和最后的判断。人工智能在处理海量数据方面极具优势，通过对样本的训练可以模拟大量的攻击模式，可以基于人类已有经验也可以抛开人类经验进行全新的样本空间学习和探索，这样的技术解决思路将大大提高漏洞检测的全面性、准确性和时效性。
在恶意代码检测领域也是一样。传统的网络安全技术应急响应速度慢，不能适应恶意代码的迭代进化速度。而人工智能拥有强大的自主学习和数据分析能力，能够加速响应的流程，提升自动化和响应效率，缩短从发现到响应的间隔。这就为提前预知危险，及时预警并处理，将危险扼杀在摇篮中提供了可能，进而大大提高网络安全防御的敏捷性。
人工智能将成为推动我国信息社会变革的创新科技。国务院颁发的《新一代人工智能发展规划》提出，“人工智能在教育、医疗、养老、环境保护、城市运行、司法服务等领域广泛应用，将极大提高公共服务精准化水平，全面提升人民生活品质”。但是，这项技术的发展也会产生冲击法律与社会伦理、侵犯个人隐私、引入新的安全风险等问题。
为最大程度降低人工智能带来的安全风险，应从管理和技术两方面采取一系列应对措施。在管理上展开立法研究、标准制定、监管体系建设，加强对人工智能技术和产品的监管。在技术上，推动大数据时代用户隐私和数据保护技术的研究、提高人工智能技术和产品的内生安全性设计水平、对智能产品和技术应用可能带来的威胁风险进行从监测到应急处置等全安全要素的监控，提高风险控制与处置能力。
我们相信唯有正视问题的存在，在发展技术的同时，重视可能存在的安全风险，在政府层面约束规范，进行良性引导，在技术层面最大程度地规避风险，才能确保人工智能技术在我国安全、可靠、可控地发展。
（原载于《保密工作》2018年第4期）
李开复AI五讲｜人工智能的五个定义：哪个最不可取
编者按：从惊呼“人工智能来了”到察觉“人工智能无处不在”，人类社会才走过寥寥数年。在提出建设国家人工智能高地的上海，许多率先试水的应用在各行各业写下了“AI+”的故事。此时此刻，我们更加要冷静地思考自身与人工智能的关系。我们真的知道什么是人工智能吗？我们真的准备好与人工智能共同发展了吗？我们该如何规划人工智能时代的未来生活？
本月底，2019世界人工智能大会将在黄浦江畔揭开序幕。澎湃新闻特邀李开复、王咏刚将著作《人工智能》精编为系列短文，试析与AI相关的若干关键问题。
请抛开人工智能就是人形机器人的固有偏见，然后，打开你的手机。我们先来看一看，已经变成每个人生活的一部分的智能手机里，到底藏着多少人工智能的神奇魔术。谷歌最资深的计算机科学家与软件架构师、谷歌大脑开发团队的带头人杰夫•迪恩（JeffDean）说：“很多时候（人工智能）都是藏在底下，因此人们并不知道有很多东西已经是机器学习的系统在驱动。”
到底什么是人工智能？为什么我们说智能搜索引擎、智能助理、机器翻译、机器写作、机器视觉、自动驾驶、机器人等技术属于人工智能，而诸如手机操作系统、浏览器、媒体播放器等通常不被归入人工智能的范畴？人工智能究竟有没有一个容易把握和界定的科学定义？
这里，简要列举几种历史上有影响的，或目前仍流行的人工智能的定义。对这些定义的分析、讨论是一件相当有趣的事，这有些类似于古代哲学家们围坐在一起探讨“人何以为人”，或者，类似于科幻迷们对阿西莫夫的“机器人三定律”展开辩论。其实，很多实用主义者反对形而上的讨论，他们会大声说：“啊，管它什么是人工智能呢？只要机器能帮助人解决问题不就行了？”
定义一：Al就是让人觉得不可思议的计算机程序
人工智能就是机器可以完成人们不认为机器能胜任的事——这个定义非常主观，但也非常有趣。一个计算机程序是不是人工智能，完全由这个程序的所作所为是不是能让人目瞪口呆来界定。
这种唯经验论的定义显然缺乏一致性，但这一定义往往反映的是一个时代里大多数的普通人对人工智能的认知方式：每当一个新的人工智能热点出现时，新闻媒体和大众总是用自己的经验来判定人工智能技术的价值高低，而不管这种技术在本质上究竟有没有“智能”。
计算机下棋的历史就非常清楚地揭示了这一定义的反讽之处。
早期，碍于运行速度和存储空间的限制，计算机只能用来解决相对简单的棋类博弈问题，例如西洋跳棋，但这毫不妨碍当时的人们将一台会下棋的计算机称作智能机器，因为那时，普通计算机在大多数人心目中不过是一台能用飞快的速度做算术题的机器罢了。
1962年，IBM的阿瑟•塞缪尔的程序战胜了一位盲人跳棋高手，一时间成了不小的新闻事件，绝大多数媒体和公众都认为类似的西洋跳棋程序是不折不扣的人工智能。
随着PC的普及，每台个人电脑都可以运行一个水平相当高的西洋跳棋程序，会下棋的计算机逐渐褪去了神秘的光环。
当国际象棋、中国象棋逐渐被计算机玩得滚瓜烂熟，公众找到了维护人类智慧尊严的最后阵地——围棋。直到2016年年初，除了一个叫樊麾的职业围棋选手和谷歌DeepMind的一支规模不大的研发团队外，几乎所有地球人都说：“下象棋有什么了不起？真有智能的话，来跟世界冠军下盘围棋试试？”
很不幸，人类的自以为是又一次被快速发展的人工智能算法无情嘲笑了。2016年3月9日，随着AlphaGo在五番棋中以四比一大胜围棋世界冠军李世石，有关人工智能的热情和恐慌情绪同时在全世界蔓延开来，也因此引发了一拨人工智能的宣传热潮。
今天，没有人怀疑AlphaGo的核心算法是人工智能。但想一想曾经的西洋跳棋和国际象棋，当时的人们不是一样对战胜了人类世界冠军的程序敬若神明吗？
定义二：Al就是与人类思考方式相似的计算机程序
这是人工智能发展早期非常流行的一种定义方式。从根本上讲，这是一种类似仿生学的直观思路。
但历史经验证明，仿生学的理路在科技发展中不一定可行。一个最好也最著名的例子就是飞机的发明。在几千年的时间里，人类一直梦想着按照鸟类扑打翅膀的方式飞上天空，但反讽的是，真正带着人类在长空朝翔，并打破了鸟类飞行速度、飞行高度纪录的，是飞行原理与鸟类差别极大的固定翼飞机。
人类思考方式？人究竟是怎样思考的？这本身就是一个复杂的技术和哲学问题。哲学家们试图通过反省与思辨，找到人类思维的逻辑法则，而科学家们则通过心理学和生物学实验，了解人类在思考时的身心变化规律。这两条道路都在人工智能的发展历史上起到过极为重要的作用。
世界上第一个专家系统程序Dendral是一个成功地用人类专家知识和逻辑推理规则解决一个特定领域问题的例子。这是一个由斯坦福大学的研究者用Lisp语言写成的，帮助有机化学家根据物质光谱推断未知有机分子结构的程序。
Dendral项目在20世纪60年代中期取得了令人瞩目的成功，带动了专家系统在人工智能各相关领域的广泛应用，从机器翻译到语音识别，从军事决策到资源勘探。一时间，专家系统似乎就是人工智能的代名词，其热度不亚于今天的深度学习。
但人们很快就发现了局限。一个解决特定的、狭小领域问题的专家系统很难被扩展到宽广一些的知识领域中，更别提扩展到基于世界知识的日常生活里了。
一个著名的例子是1957年苏联发射世界上第一颗人造卫星后，美国政府和军方急于使用机器翻译系统了解苏联的科技动态。但用语法规则和词汇对照表实现的俄语到英语的机器翻译系统笑话百出，曾把“心有余而力不足”（thespiritiswilingbutthefleshisweak）翻译为“伏特加不错而肉都烂掉了”（thevodkaisgoodbutthemeatisroten）。
另一方面，从心理学和生物学出发，科学家们试图弄清楚人的大脑到底是怎么工作的，并希望按照大脑的工作原理构建计算机程序，实现“真正”的人工智能。这条道路上同样布满荆棘。最跌宕起伏的例子，非神经网络莫属。
20世纪90年代开始，随着计算机运算能力的飞速发展，神经网络在人工智能领域重新变成研究热点。但直到2010年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。神经网络这一仿生学概念在人工智能的新一轮复兴中，真正扮演了至关重要的核心角色。
定义三：AI就是与人类行为相似的计算机程序
和仿生学派强调对人脑的研究与模仿不同，实用主义者从不觉得人工智能的实现必须遵循什么规则或理论框架。“黑猫白猫，逮住耗子的就是好猫。”在人工智能的语境下，这句话可以被改成：“简单程序，复杂程序，聪明管用的就是好程序。”
实用主义者推崇备至的一个例子是麻省理工学院于1964年到1966年开发的“智能”聊天程序ELIZA。这个程序看上去就像一个有无穷耐心的心理医生，可以和无聊的人或需要谈话治疗的精神病人你一句我一句永不停歇地脚下去。当年，ELIZA的聊天记录让许多人不敢相信自己的的眼睛。
可事实上，ELIZA所做的，不过是在用户输入的句子里，找到一些预先定义好的关键词，然后根据关键词从预定的回答中选择一句，或者简单将用户的输入做了人称替换后，再次输出，就像心理医生重复病人的话那样。ELIZA心里只有词表和映射规则，它才不懂用户说的话是什么意思呢。
这种实用主义的思想在今天仍有很强的现实意义。比如今天的深度学习模型在处理机器翻译、语音识别、主题抽取等自然语言相关的问题时，基本上都是将输入的文句看成由音素、音节、字或词组成的信号序列，然后将这些信号一股脑塞进深度神经网络里进行训练。
深度神经网络内部，每层神经元的输出信号可能相当复杂，复杂到编程者并不一定清楚这些中间信号在自然语言中的真实含义，但没有关系，只要整个模型的最终输出满足要求，这样的深度学习算法就可以工作得很好。
定义四：AI就是会学习的计算机程序
没有哪个完美主义者会喜欢这个定义。这一定义几乎将人工智能与机器学习等同了起来。但这的确是最近这拨人工智能热潮里，人工智能在许多人眼中的真实模样。谁让深度学习一枝独秀，几乎垄断了人工智能领域里所有流行的技术方向呢？
这一定义似乎也符合人类认知的特点一—没有哪个人是不需要学习，从小就懂得所有事情的。因此，今天最典型的人工智能系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。
如果说人工智能未来可以突破到强人工智能甚至超人工智能的层次，那从逻辑上说，在所有人工智能技术中，机器学习最有可能扮演核心推动者的角色。
当然，机器目前的主流学习方法和人类的学习还存在很大的差别。举个最简单的例子：目前的计算机视觉系统在看过数百万张或更多自行车的照片后，很容易辨别出什么是自行车，什么不是自行车，这种需要大量训练照片的学习方式看上去还比较笨拙。反观人类，给一个三四岁的小孩子看一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩子也十有八九能做出那是一辆自行车的判断。也就是说，人类的学习过程往往不需要大规模的训练数据。
最近，尽管研究者提出了迁移学习等新的解决方案，但从总体上说，计算机的学习水平还远远达不到人类的境界。
如果人工智能是一种会学习的机器，那未来需要着重提高的，就是让机器在学习时的抽象或归纳能力向人类看齐。
定义五：Al就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序
维基百科的人工智能词条采用的是斯图亚特•罗素（StuartRussell）与彼得•诺维格（PeterNorvig）在《人工智能：一种现代的方法》一书中的定义，他们认为：
人工智能是有关“智能主体（Intelligentagent）的研究与设计”的学问，而“智能主体是指一个可以观察周遭环境并做出行动以达致目标的系统”。
基本上，这个定义将前面几个实用主义的定义都涵盖了进去，既强调人工智能可以根据环境感知做出主动反应，又强调人工智能所做出的反应必须达致目标，同时，不再强调人工智能对人类思维方式或人类总结的思维法则的模仿。
以上，我们列举了五种常见的人工智能的定义。其中，第二种定义（与人类思考方式相似）特别不可取。人们对大脑工作机理的认识尚浅，而计算机走的是几乎完全不同的技术道路。
第一种定义（让人觉得不可思议）揭示的是大众看待人工智能的视角直观易懂，但主观性太强，不利于科学讨论。
第三种定义（与人类行为相似）是计算机科学界的主流观点，也是一种从实用主义出发，简洁、明了的定义，但缺乏周密的逻辑。
第四种定义（会学习）反映的是机器学习特别是深度学习流行后，人工智能世界的技术趋势，虽失之狭隘，但最有时代精神。第五种定义（维基百科使用的综合定义）是学术界的教科书式定义，全面均衡，偏重实证。
人工智能绘画，到底有多惊艳
人工智能（ArtificialIntelligence，AI）的发展可追溯到1956年达特茅斯大会，会议探讨用机器模拟智能的系列问题，并首次提出“人工智能”概念，因而1956年被公认为是人工智能的元年。
人工智能发展史
人工智能历经沉浮之后，如今迎来迅猛发展的时期，越来越多地进入并改变着人类社会和日常生活，不仅在科技、医疗、工业、数学等领域应用广泛，在音乐、诗歌、绘画等文化艺术领域也成为不可忽视的新技术趋势。
狩猎时代的洞穴艺术
纵观人类文明的发展，从狩猎时代到农业文明、工业文明、信息化时代以及人工智能时代，几乎每一次的科技发展进步都深刻影响并改变人们的生活和工作方式，也推动着新的人文价值观念与艺术创造的变革。
信息化时代的交互艺术
人们曾经认为人工智能难以在艺术领域有所突破，如今看来，很多人工智能在艺术领域已经取得非凡的成果，比如著名的人工智能小冰，受到文本或其它创作源激发时能够独立完成100%原创的绘画作品。还有全球首款人工智能机器人艺术家艾达，她的动手能力远超一般画家。
世界上第一位超写实AI机器人艺术家艾达
2018年，法国艺术创作团队Obvious使用GAN算法（GAN,GenerativeAdversarialNetworks）生成的《埃德蒙·德·贝拉米肖像》以约300万元人民币的高价被拍走，这幅肖像画成为进入大型拍场的首件人工智能艺术作品。
埃德蒙·德·贝拉米像，Obvious
团队先后输入超过15000多幅14世纪到20世纪之间的世界名画给AI系统，让AI系统不断地进行绘画训练，最终AI“创作”出了这幅肖像画。肖像的签名揭示了创作者的虚拟身份，也就是生成对抗网络GAN算法模型。
肖像右下角的签名就是Gan算法
GAN算法通过“生成”与“判别”的互相博弈学习产生输出，好像模拟艺术伪造者与艺术侦探的互动。“伪造者”模仿生成新的图像，“侦探”评判图像是生成的还是真实的，直到“侦探”再也无法分辨时才算结束。这件作品正是经历了这样的过程。
由AI生成的爱德蒙·贝拉米家族，图源：Obvious
这组系列作品共包括11幅肖像，这些人物共同组成虚构的贝拉米家族，同时也向2014年提出“生成对抗网络”（GAN）模型的人工智能研究学者伊恩·古德费洛（IanGoodfellow）致敬。尽管有不少争议的声音，认为这种灵感匮乏，分辨率低的代码编辑图像愚蠢至极，但新颖的创作方式已经预示AI绘画的势不可挡。
在2020年举行的全球人工智能和机器人峰会AI艺术专场上，清华大学未来实验室高峰及其团队展示了“道子智能绘画系统”，该系统利用计算机将自然图像以风格迁移的方式转变成艺术图像，或者通过机械手臂根据训练习得的艺术图像进行水墨创作，达到了与人类艺术家的作品难以分辨的程度。
道子AI生成的水墨画图像
左图为学习徐悲鸿作品后生成的水墨马
右图为学习黄宾虹作品后生成的山水画
诞生于2014年的微软小冰是世界上最具创新性的人工智能技术框架产品之一，自2017年开始积极推进人工智能内容生成，比如诗歌创作以及绘画等。2019年，人工智能“小冰”的绘画模型化名“夏语冰”参加央美研究生毕业展。
图源：第九代小冰发布会现场
毕业后的夏语冰将更多精力转向学习中国山水画和书法，2021年夏语冰完成了人工智能视觉创作模型的全新升级，能够通过笔墨运用呈现山水之美。导师邱志杰教授曾评价：“人工智能第一次能够像人类艺术家一样，运用丰富多变的笔触赋予作品不同的风格特征，从而将人工智能绘画和设计品质提升至新的高度。”
山水精神，投影，2021，邱志杰、夏语冰共同创作
全球首个人工智能水墨画家“A.I.Gemini”也是新晋之秀。研发者黄宏达通过重力、构造碰撞、侵蚀对地质景观的影响，转换成三维景观为Gemini“造境”，Gemini通过深度学习，寻找合适的角度构思，之后由系统“漫游”至最佳位置。
根据“心境”，Gemini使用机械臂以及传统的中国墨水和宣纸开始创作，下笔力度不同，用墨深浅不一，形成独特的风格。Genesis的创作过程已经不是简单输入输出的复制，有点写生以及意在笔先的味道。
Gemini创作过程
研发者认为，先给AI一些路径或规则进行学习，反之它能带给我们灵感和启发，由此我们再改变调整一些参数设定，这其中的互动为新的创作带来了不可预期的可能。
FarSideoftheMoon，2019，人工智能，水墨纸本
（图源：VictorWongand3812Gallery）
Gemini创作过程
近几年有不少AI作画神器出现，比如谷歌DeepDream、英伟达GauGAN、OpenAI的DALL·E，以及最近大火的开源DiscoDiffusion等，在美术行业、收藏界以及NFT领域的影响愈发广泛。
DiscoDiffusion界面
最近刷屏的DiscoDiffusion，是可以将文字转化为图像的AI，目前是通过谷歌在线编辑器Colab运行，所有渲染过程都可以在线上进行。某种意义上实现了“动动嘴就能画画。”
“黑云下的人们正进行棒球比赛,白色肌肉和粉色雕像，玛格丽特。”艺术从业者尝试输入描述关键性词以及画家名字，让AI学习雷尼·玛格丽特的《TheSecretPlayer》并生成一系列不同结果。
雷尼·马格利特《TheSecretPlayer》原作
DiscoDiffusion生成的不同结果图源：wang2mu
全球艺术爱好者们纷纷沉浸在AI创作中，驰骋着自己的想象，输出一幅幅颇有艺术创造力的作品。
海景画系列，random_noir
泡泡中的男孩，shane54music
长安元宵节，shelly_wan
江南的春日记忆，mindplayer
龙宫一瞥，jarvis_010
星际学校，jizhou.sun
糖果乐园，diffusion_dreams
有作者运用古诗词和水墨风关键词生成中国画，有的甚至形成一段极富意蕴的古风视频。
日暮苍山远，greatdk
水墨风AI绘画，Simon_阿文
水乡之旅（视频）片段，MiyoC
DiscoDiffusion的惊艳表现带给人们对人工智能艺术创作的思考和审视，或许在不久的将来，人与智能技术的高度融合让艺术在技术变革中获得璀璨新生。
（图片来源网络，根据果壳、设计癖、量子位、雷锋网等报道整理）返回搜狐，查看更多