AI畫家是如何煉成的：深度學習和神經網絡的秘密

張羿

天青色等煙雨，而我在等你。

炊煙裊裊升起，隔江千萬里。

周杰倫的流行歌曲《青花瓷》相信朋友們都聽過，它是一首充滿書生飄逸氣息的中國風歌曲。婉轉動聽的旋律和意境深遠的歌詞，無疑會讓聽眾腦補出一幅優美的畫卷。

但是你相信嗎？人工智能聽完這首歌也能“腦補”并描繪出一幅畫。上面這幅畫就是人工智能根據以上幾句歌詞繪制的作品。朦朧的遠山籠罩著輕紗，綿綿細雨伴著漫山云霧，山上草木郁郁蔥蔥，山峰在裊裊云煙中若隱若現，空靈秀氣。整幅作品不但符合歌曲的意境，還極具中國傳統水墨畫的神韻，說它出自人類插畫師之手也不為過。

你一定會好奇：人工智能是如何繪制出插畫作品的？要回答這個問題，需要先了解一下何為人工智能。人工智能（Artificial Intelligence），其詞根arti本身就兼具藝術與文化的含義，但它誕生的最初目的并非是為了進行藝術創作。早在1956年，麥卡錫、明斯基等科學家在美國達特茅斯學院開會，研討如何用機器模擬人的智能，首次提出“人工智能”這一概念。這標志著人工智能學科的誕生。然而，其發展歷程幾經沉浮，幾十年后的今天終于取得了令人矚目的成果。人工智能已經可以勝任很多只有人類才能完成的任務，比如視（圖像文字識別等）、聽（語音識別、機器翻譯等）、說（語音合成、人機對話等）、思考（下棋打牌、電子競技、科學研究、寫作等）、運動（自動駕駛汽車等）。

不難看出，經過幾十年的研究摸索，人工智能已經達到了新高度。而且，人工智能在普遍認為最不可能被機器替代的藝術創作領域也闖出了一片新天地。一直秉行實用主義的人工智能居然躋身藝術領域，人們或多或少會覺得有些不可思議。但了解了人工智能創作藝術作品的原理之后，就能知道這其實是意料之外、情理之中的事情。

以繪畫這種最常見的藝術形式為例，想讓AI實現繪畫，必須先讓它學會識別物體，理解世界。這對于人類而言，易如反掌，比如面前有一顆草莓，我們瞬間就能識別出它是草莓，大腦會自覺提取草莓的特征——有點圓的三角形、紅色、表面帶顆粒……把這些特征匯總起來，就能判斷是草莓。

然而，計算機無法像人類這樣輕而易舉地捕捉到草莓的特征。因為計算機擅長的是加減乘除運算，這種純計算能力并不能讓它直接辨認出草莓。此時它需要先把草莓圖像轉化成數字，再用計算機擅長的加減乘除來操作這些數字，最終判斷出是草莓。

我們可以制作一個簡單的會識別數字的AI，親身體驗AI學習識別數字的過程。比如，白紙上寫了一個7，如何讓AI認出寫的是7。我們可以用3×3的九宮格把圖像分成9個區域，7經過的區域就用1表示，否則為0。這樣，圖像就轉化成了AI能處理的數字。然后，科學家模仿人腦的思考機制，創造了“人工神經網絡”。人腦由大量的神經元組成，神經元之間相互連接形成網絡。神經元通過“突觸”（接觸的部分）接收其他神經元的信號。當它接收的信號總量超過一定大小后，它就會把信號傳遞給其他神經元。人腦進行信息處理的機制正是依靠神經元不斷傳遞信號。

人工神經網絡就是模擬人腦神經元的活動。人工神經元接收多個輸入數值，進行若干計算之后輸出數值結果。在上面的例子中，九宮格中的1和0就是輸入的數值，把它們一字擺開，形成了人工神經元的“輸入層”。輸入層的數據最終會傳到后面的“輸出層”。當然，這些數據直接傳下去是毫無意義的，而要經過計算處理。因此，每個輸入值都對應一個“權重”。用人腦神經元解釋的話，權重相當于突觸的連接強度。權重越大，對應的輸入值就越容易傳到后面的輸出層。神經網絡就是通過不斷修改權重來改變人工神經元之間的連接強度，由此進行學習的。學習之前，權重是雜亂無章的，因此得到的輸出信號并不能正確識別我們寫的數字7。核對答案之后，AI發現結果錯誤。此時，AI會自主修改權重。比如，AI可能發現，九宮格中的上邊和右邊這幾個區域是容易被7覆蓋的區域，所以這幾個輸入值所對應的權重要調大一些。相反，左下角幾個區域不容易被7覆蓋，一旦這些區域被覆蓋了就要扣分，所以把對應的權重修改成負數。此時，輸出結果顯示，7會被正確識別，而4和0則不會被識別為7。通過對大量數字圖片反復進行“識別圖像—核對—修改權重”的過程，AI最終能學會正確識別數字。現在常見的神經網絡識別數字的正確率已經達到99%以上。

現實中的問題往往非常復雜，用如此簡單的人工神經網絡無法解決所有問題。因此，絕大多數人工神經網絡并不止輸入層和輸出層這兩層，中間還有很多隱藏層，故而得名“深度神經網絡”。訓練深度神經網絡進行學習，即所謂的“深度學習”。

像前文中提到的計算機辨認草莓的例子就需要用到深度神經網絡。在計算機中，草莓圖像首先被分解為像素，一個個像素點構成了輸入層。在靠近輸入層的隱藏層上，分布著對構成圖像輪廓的橫豎斜等線段有反應的節點。信息傳到下一層之后，這些線段無縫銜接，整合為更復雜的圖塊。每經過一個隱藏層，上一層中的信息就會再次組合，識別出的圖案也隨之越來越復雜。反復進行“識別圖像—核對—修改權重”的過程之后，“尖狀”“顆粒”這些契合草莓的特征路徑上的節點被點亮，最終輸出草莓的結果。

神經網絡就像在根據你提供的數據和目標進行規律總結。你要設計出合適的網絡模型，運用各種技巧，盡可能找到這個預期的規律。假如你設想的輸入輸出數學邏輯關系正確，這個網絡模型理論上就能實現。

現在再回到開篇AI根據《青花瓷》歌詞繪制的山水題材水墨畫。讓AI學會繪制這樣一幅畫需要給它準備兩個模塊，分別叫作“學生模塊”和“老師模塊”。學生模塊負責創作，老師模塊負責對學生的作品進行核對。一開始，學生模塊并不會畫山水畫。但沒關系，我們可以讓學生模塊隨機生成一些山的圖片。同時，我們再準備一些真實的山水畫作品。當隨機生成的圖片和真實的山水畫作品都準備好之后，我們就可以對老師模塊進行訓練。當老師模塊看到隨機圖片的時候，就告訴它這不是山；當老師模塊看到真實的山水畫之后，就告訴它這是正確的山。讓“老師”不停地看圖學習之后，“老師”會粗略地學會一點判斷能力，比如它可能會學到：尖狀的圖形是山。雖然這種判斷力非常有限，但用它來指導一無所知的“學生”卻是恰到好處。因為對這樣的學生來說，教的東西太復雜往往會適得其反。于是第一輪教學就這樣開始了。“學生”學習的知識是：山必須是尖狀的。這樣一個簡單的知識對“學生”來說很容易學習。經過一輪訓練之后，“學生”就會創作出很多尖狀物體的圖片。我們再用這些尖狀物體的圖片去訓練“老師”，讓“老師”知道，僅僅有尖狀物體的圖片并不是山。“老師”逐漸了解到，山除了是尖狀外，上面還可能有植被。隨后，讓能力提升之后的“老師”再去訓練“學生”，然后再用提升之后的“學生”訓練“老師”。經過這樣一輪輪的反復訓練后，“老師”知道山不但是尖狀，還要覆蓋植被，還可能云霧繚繞，等等。“學生”也知道創作的山要契合以上各種特征。最后，“學生”終于能夠創造出靠譜的山水畫作品。

總而言之，AI繪畫并不是通俗理解的抄襲和縫合，但可能存在規律、套路上的縫合。AI先根據輸入的關鍵詞確定繪制的主題和物品，接下來的風格則源于人類畫師的作品。比如開篇那幅根據《青花瓷》歌詞生成的作品就是中國水墨畫風格。如果把《七里香》的歌詞“雨下整夜，我的愛溢出就像雨水。院子落葉，跟我的思念厚厚一疊”給AI去發揮，依然可以生成類似的中國水墨畫風格的作品。

如果要讓AI畫西方油畫風格的作品，那繪制出的作品可能就有凡·高、莫奈、雷諾阿等印象派大師的影子。如果要讓AI畫科幻風格的作品，那可能就會畫出像好萊塢科幻大片一樣的場景。

沒有任何繪畫基礎的人用AI程序生成這些高質量畫作，只需要短短幾分鐘，而人類畫師則需要聚精會神地繪制數小時甚至數日才能完成這樣一幅作品。因此，AI繪畫問世之后引起了很多爭議。有人認為，AI繪畫沒有生命力；有人認為，AI繪畫學習了很多藝術家的作品，藝術家的版權得不到保護；還有人認為，AI繪畫會導致大量畫師失業。但無論如何，AI繪畫已經開始投入商業運用。國外一些雜志社開始用AI創作的圖片來做雜志配圖，也有AI繪畫作品在拍賣行拍出幾十萬美元的高價，甚至連近日爆火的新型聊天機器人ChatGPT也具有繪畫功能。AI藝術創作的未來究竟會如何？讓我們拭目以待。