AI自画像技惊四座 AI威胁日益逼近

一项来自国外的研究指出，未来几十年里，美国47%的现有工作岗位可能被人工智能和自动化技术取代。尽管不少专家对这一预测算法存有疑虑，但AI的加速渗透已成为不争的事实。我们常常自我安慰：重复性的体力劳动容易被机器替代，创意类工作总该相对安全吧？然而现实真的如此乐观吗？实际上，AI早已悄然进军创意领域，其进化速度远远超出我们的想象。

AI自画像技惊四座

纽约时报的编辑曾向IBM研究院提出一个请求：让AI创作一幅画，用于AI专题报道的封面。这个看似简单的任务背后，蕴含着巨大的技术挑战。以往已经落地的AI应用——比如自动驾驶、机器翻译、电子游戏、电影预告片制作等——这些任务都无需AI无中生有地创造全新内容，只需分析既有数据、根据训练做出选择即可。但这一次，AI需要跳出已有资料库，借助“自我思考”的方式完成一件原创艺术作品，难度可想而知。最终，IBM的AI交出的作品让人耳目一新（图1）。

图1 AI自画像——AI与人类创造力携手共创（图片来源：IBM Research）

像人类一样提炼作品主题

上面这件AI作品是如何诞生的？它的算法大致分为三个步骤，与艺术家的创作逻辑颇为相似，我们来逐一解析。

第一步是确定作品的核心概念——也就是主题。主题是艺术作品的思想内核。过去AI创作（如写诗）基本都需要人类提前指定关键词，AI只是被动执行。但这次，研究人员决定让AI自主确定主题。

研究人员首先收集了纽约时报上约3000篇与AI相关的文章，然后利用自然语言处理（NLP）技术分析这些文章，提取出与AI高度关联的语义概念——例如“机器人”“自动驾驶”“计算”等，共计30个关键概念。

这些词语本身并不直接包含“人工智能”字样，传统的关键词搜索无法将其精准定位。软件必须像人一样智能地“理解”词语的深层含义，才能完成精确筛选——这正是自然语言处理技术的核心能力所在（图2）。

图2 自然语言理解的实现模型之一（要让计算机理解语言，首先得让计算机理解世界）

文字概念还需要进一步图形化。AI利用上述30个概念训练了一个视觉识别神经网络（图3），从纽约时报海量的文章图片中筛选出所有与AI相关的图片，并按相关性进行评分。在人机协作的最终环节，项目成员从得分最高的十张图片中，选定了一张人与机器人握手的照片（毕竟要体现与人类携手合作）。

图3 视觉识别神经网络模型示例

从学习模仿开始的原创图像

主题确定后，AI正式进入创作阶段。人类画家初学时大多从临摹模仿起步，AI绘画也是如此，只是方式更加独特。研究人员收集了1000多张机器人手臂和人类手的图片，作为训练数据集（图4）。

图4 机器人和人类手的图片样例

AI的学习模型主要分为两类：判别模型（Discriminative Model）和生成模型（Generative Model）。举个例子：给一张图片，判断里面是猫还是狗——这就是判别模型。如果给一堆猫的图片，要求生成一张不在原始数据集中的新猫图——这就是生成模型。

本文提到的AI运用了深度学习中的生成式对抗网络（GAN，Generative Adversarial Networks）。该网络同时包含判别模型（D）和生成模型（G）。生成模型G不断产生新的机器人和人手图片，努力逼近训练数据集的分布，试图欺骗判别模型D；而判别模型D则持续判断G生成的图片是否为“真实”数据，将虚假结果排除。两个模块反复博弈对抗，最终就能生成一张足以乱真的牵手图——且与数据集中的任何一张图片都不重复（图5）。

图5 生成式对抗网络的工作原理示意图

锦上添花的作品包装

既然是专为特定报刊定制的作品，自然需要符合该报刊一贯的设计风格。这对AI来说并非难事：将纽约时报以往的封面图片汇集成数据集，训练一个风格迁移神经网络，对新生成的牵手图进行自动风格转换，生成多幅候选作品，再从中挑选最满意的一幅——最终效果即为开篇展示的那幅自画像。

更多的拓展应用

IBM这套AI自画像技术的独特之处，在于让AI自主确定主题概念，并基于此生成全新的艺术作品，同时还能根据需求定制不同风格。这项技术可以迁移到诸多场景：比如作家设计新书封面、影视团队构思海报、音乐家定制专辑封面……未来的想象空间非常广阔。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI自画像技惊四座 AI威胁日益逼近要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题