考虑到它将给整个人类社会带来深远的影响，当前有关人工智能和机器学习的讨论如火如荼。但是除此之外，将神经网络用于艺术创作的应用也开始迅速增长。目前，人们正在积极地训练算法来绘制人脸，烟花甚至艺术品。尽管这看起来很愚蠢，但这种替代尝试确实可以帮助我们更全面地了解人工智能技术。慕尼黑的Google艺术家Mario Klingemann继续在Twitter上发布有趣的神经网络实验。他展示了他的神经网络几乎实时地训练有各种类型的数据，并且结果通常很有趣-特别是当算法尝试绘制人脸时。然而，这也是该实验的重点：通过观察神经网络如何“哑巴”地进行神经网络训练。了解到，我们将能够一窥人工智能艺术创作的基本思想。目前，克林格曼（Klingemann）专注于使用1900年前的油像。他使用NVIDIA的pix2pixHD算法和1900年前的油画来构建逼真的人脸生成器，并使用了成千上万的欧洲艺术家。努力训练它。绘制人脸的最终结果在真实和荒谬之间来回移动。克林格曼在一封电子邮件采访中说：“纵观整个艺术发展史，我们可以清楚地看到人们自文化启蒙以来就沉迷于艺术。我认为重要的原因之一是，绘制面孔既简单又极其复杂-我们可以绘制简单且可识别的面孔，我们还可以尝试重现每个孔的具体细节。最困难的制冷剂是每个人都是面部识别专家。我们将注意到面部表情的细微变化，并容易发现非常细微的比例失衡问题。这意味着，如果绘制或生成一张面孔，那么人们会很快发现由这种微小变化引起的影响。 “那么，我们如何区分人类绘画和神经网络作品呢？乍一看，我们似乎很难判断。但是仔细观察，每个人都会发现神经网络的工作中存在一些奇怪的事物，包括左眼和右手的黑胡须般的阴影。对于Klingemann而言，让神经网络绘制出真正好的作品绝对是一个巨大的挑战＆amp; mdash;＆mdash;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆nbsp;＆rdquo他指出，“我可以轻松判断此模型的能力水平，尤其是在细节方面，因为任何错误都会引起一些令人难以置信的内容。他还承认，由于该模型的培训材料主要是几百年前的欧洲中青年男女绘画，所以人物的大部分面孔都太白了-他是寻找更多图像来源以丰富自己的训练数据集。在克林格曼看来，训练神经网络的过程也是一项艺术挑战。换句话说，人类和机器必须同时具有创造力。他解释说，“构建面部表情生成器就像开发故事生成器一样。每个面孔或面孔组都会触发相应的关联，问题甚至情绪。当然，在处理此类任务时，机器通常会带来意想不到的结果。 “实际上，通过这一轮实验，他发现以19世纪油画风格生成肖像比以逼真的风格创建肖像要简单得多。他指出，“当我们看画时，我们倾向于容忍那些看起来不太准确的部分。这是因为我们认为艺术家可能故意这样做。毕竟，许多绘画都具有解剖学原理，这将进一步缩小人类作品与机器作品之间的差异。以“加冕耶稣雕像”为准。举个例子。这是一幅画得很差的耶稣肖像，出生于1930年，并以其怪异的风格在互联网上广为人知。克林格曼（Klingemann）创作了自己的绘画算法版本，该算法与原始版本一样具有令人毛骨悚然的风格，但在同一方面时间很可笑。