日前，哥本哈根IT大學（IT University of Copenhagen）和懷俄明大學（University of Wyoming）的計算機科學家們開發(fā)出了一種能夠“創(chuàng)作”3D打印藝術(shù)品的“人工智能藝術(shù)”，它實際上是一款人工智能軟件，能夠在無人干涉的情況下使用深度學習和創(chuàng)新引擎來創(chuàng)建3D對象。

這個有趣的人工智能項目是由來自哥本哈根IT大學的Joel Lehman、Sebastian Risi與懷俄明大學的Jeff Clune合作完成的，這三位科學家在項目過程中一直在教一臺計算機制作3D（或者3D打印的）藝術(shù)，最終獲得了一個非常有意思的結(jié)果。

據(jù)科學家們介紹，為了創(chuàng)造出一位虛擬的藝術(shù)家，他們使用了基于深度學習的圖像識別技術(shù)，該技術(shù)屬于基于算法的機器學習領(lǐng)域，可以用于高級別數(shù)據(jù)抽象的建模。研究團隊假設(shè)，如果將深神經(jīng)網(wǎng)絡(luò)（DNN）—— 一種深度學習體系結(jié)構(gòu)——與一種進化算法相結(jié)合，可以在不投入人力的情況下用于創(chuàng)建虛擬的3D藝術(shù)品。最終，他們開發(fā)出來的這款人工智能程序——科學家們稱之為“創(chuàng)造力對象的一代（creative object generation）”——可能創(chuàng)作出不出大師級的杰作，但是其作品已經(jīng)讓人感到驚訝。

這位“人工智能藝術(shù)家”是通過以下方式創(chuàng)作其獨特的作品的：它的進化算法首先生成一個隨機的藍圖，然后再將其轉(zhuǎn)化成虛擬的3D圖像，這個3D圖像隨后被發(fā)送到深度神經(jīng)網(wǎng)絡(luò)（DNN），由后者判斷這個3D圖像是否類似于我們所熟悉的景觀、人、動物或任何實際存在的東西。該深度神經(jīng)網(wǎng)絡(luò)會反饋給算法一個關(guān)于相似度的報告，即“這看起來像一匹馬，相似度0.1%”，從這個時候起就轉(zhuǎn)入了一個試錯的過程：每—次，深度神經(jīng)網(wǎng)絡(luò)會返回關(guān)于3D圖像的相似度報告，然后由算法對它對進行更改，再將其發(fā)送回去。深部神經(jīng)網(wǎng)絡(luò)然后判斷出該3D圖像是否變得更可辨識還是更不可辨識。這個過程會反復(fù)重復(fù)達到數(shù)百萬次，直到程序“創(chuàng)作”出令人滿意的作品。

科學家們說，他們認為這種來回創(chuàng)造的過程與自然進化有一定的相似度——這兩者都展現(xiàn)了簡單的對象（或者生物）通向復(fù)雜的過程。“對我來說這是非常迷人的進化，沒有有意識的思維，卻能夠創(chuàng)造出具有巨大復(fù)雜性的對象，這種對象迄今依然超出了我們工程師的能力。”Lehman說。

科學家們讓這個人工智能程序連續(xù)運行了兩個星期，在這段時間里，上述的來回過程發(fā)生了超過250萬次。在兩個星期結(jié)束時，深度神經(jīng)網(wǎng)絡(luò)給算法提供了95%準確度報告。這位”虛擬藝術(shù)家”創(chuàng)作的很多東西都是有點奇怪、超現(xiàn)實的，然而最終還是能夠辨認的——就像很多人創(chuàng)作的藝術(shù)。Lehman謙虛地說，這些3D作品“有點漂亮”。據(jù)稱，最后，深度神經(jīng)網(wǎng)絡(luò)會根據(jù)（1）可以打印、（2）是彩色的、（3）能夠突出有趣的特性等這幾條標準挑選出幾件3D作品然后將其送到在線3D打印平臺Shapeways上用彩色砂巖材料進行3D打印。這些3D打印后的對象（如下圖所示）圖片然后反饋回深度神經(jīng)網(wǎng)絡(luò)，而后者通常能夠正確識別出這些藝術(shù)品是它們預(yù)期的對象。

科學家們關(guān)于此項目的論文：《用深入學習與創(chuàng)新引擎完成的創(chuàng)造性一代3D對象（Creative Generation of 3D Objects with Deep Learning and Innovation Engines）》，該論文還將被提交到6月27日—7月1日在巴黎舉行的關(guān)于創(chuàng)新計算的國際會議上。