人工智能和數(shù)字媒體藝術(shù)實踐的關(guān)系及發(fā)展現(xiàn)狀

摘? ? 要：在當今數(shù)字背景下，人工智能技術(shù)與數(shù)字媒體之間關(guān)系愈發(fā)緊密，從語音、圖像識別，到藝術(shù)創(chuàng)作的其它方面都印證了兩者的聯(lián)系。人工智能與數(shù)字媒體藝術(shù)的商業(yè)化浪潮暗流涌動，在多領(lǐng)域中，逐漸孕育成為主流之勢。

關(guān) 鍵 詞：數(shù)字媒體藝術(shù)實踐;人工智能;技術(shù)革命

一、基于人工智能的數(shù)字媒體藝術(shù)實踐進入全面超越時代

（一）圖像識別

時光追溯回2009年，就曾有學(xué)者發(fā)表過論文，其中提出針對計算機視覺研究者需要建立首個超大型圖像數(shù)據(jù)庫。2010年首次舉辦了ILSVRC 2010。該大型圖像識別競賽是以Imase Net為基礎(chǔ)，最初競賽的訓(xùn)練樣本包括120萬個圖像。從種類上看，這些圖像涉及1000多個類別，且都具有手工標志。程序通過培訓(xùn)后，經(jīng)過5萬多測試圖像評估，判斷是否能夠分類圖像。

在2012年度開展的Image Net競賽中，在30個團體中取得了第一名測試成績。而位居第二的日本代表隊，模型出錯率為26.2%。由此說明，在圖像識別領(lǐng)域神經(jīng)網(wǎng)絡(luò)遠遠領(lǐng)先于其他技術(shù)，有望成為突破人工智能的轉(zhuǎn)折點。

之后微軟亞洲研究院（即MSRA）衛(wèi)冕2015年度的Image Net競賽的桂冠，提高了網(wǎng)絡(luò)深度，反而降低了學(xué)習(xí)效率。為了解決在層層傳遞中信息有效性的衰減問題，MSRA團隊試著導(dǎo)入了“ 深度殘余學(xué)習(xí)”的算法。由此得到了包含152層神經(jīng)網(wǎng)絡(luò)的MSRA深度殘余學(xué)習(xí)模型，在前五個類別的測試中，刷新了以往的記錄，出錯率僅為3.57%，相較于正常人5%左右的出錯率還要低。

（二）語音識別

2012年10月，來自于微軟，IBM，谷歌，多倫多大學(xué)的鄧力、Geoffrey Hinton等人共同發(fā)表了一篇名為《深度神經(jīng)網(wǎng)絡(luò)在語音識別的聲學(xué)模型中的應(yīng)用：四個研究小組的共同觀點》的文章。他們對神經(jīng)網(wǎng)絡(luò)實施了從Hinton中導(dǎo)入的“限制波爾茲曼機”的“預(yù)培訓(xùn)”。運用深度神經(jīng)網(wǎng)絡(luò)模型對文字識別的幾率進行估算。在測試中，谷歌的語音輸入，最低的單詞錯誤率為12.3%。

2013年3月，在Alex Graves（多倫多大學(xué)）為主導(dǎo)發(fā)表的一篇名為《深度循環(huán)神經(jīng)網(wǎng)絡(luò)用于語音識別》論文中，導(dǎo)入了RNN/LSTM 技術(shù)，形成了有三個隱層構(gòu)成的網(wǎng)絡(luò)，其中包含自由參數(shù)430萬個，由此進行的TIMIT基準測試，得出了只有17.7%的“音位錯誤率”，領(lǐng)先于同期所有技術(shù)的效果。

2015年5月，谷歌公開表示在RNN/LSTM等技術(shù)的支撐下，谷歌語音已經(jīng)將單詞出錯率壓縮到了8%（一般正常人為4%左右）。

2015年12月，Dario Amodei代表百度AI實驗室發(fā)表了一篇名為《英語和漢語的端對端的語音識別》的著作。運用了基于lstm得到的簡化模型——封閉循環(huán)單元，在長達12000個小時（16個GPU約3-5天）的語音訓(xùn)練下，百度英文語音識別系統(tǒng)在接受WSJEval'92的一個基準測試中，創(chuàng)造了3.1%的單詞出錯率，這一水平已經(jīng)比5%的正常人水平還要低。同時在小型漢語的一個測試中，得出的出錯率結(jié)果為3.7%，而另外的一個由五人構(gòu)成的團隊測試中集體出錯率為4%。

從本質(zhì)上來看，循環(huán)神經(jīng)網(wǎng)絡(luò)能夠?qū)σ粋€序列的長度變化的輸入/出（多對多）進行處理。就廣義而言，前饋神經(jīng)網(wǎng)絡(luò)所優(yōu)化的對象如果是一個函數(shù)（如，識別圖像），就可以認為循環(huán)神經(jīng)網(wǎng)絡(luò)所優(yōu)化的對象是一個程序，有著更加寬闊的應(yīng)用空間。

（三）藝術(shù)創(chuàng)作

長時間以來，在人類的意識中，機器一直被賦予了理解人類思維及邏輯的能力，而對于豐富的人類情感和美學(xué)價值，卻認為機器是無法理解的，所以也不可能形成有美學(xué)價值的作品。然而以往的實踐歷歷在目，在與李世石對局中阿爾法狗下出了讓我們震撼的一步，面對阿爾法狗的高超下法，就連聶衛(wèi)平先生都脫帽致敬，由此證明，深度學(xué)習(xí)算法具備了美學(xué)價值的自發(fā)創(chuàng)造能力。實際上，人工神經(jīng)網(wǎng)絡(luò)在視覺藝術(shù)領(lǐng)域，已經(jīng)能夠區(qū)分出一副作品的風格及內(nèi)容，同時能夠掌握多種藝術(shù)風格，并隨意地運用到其他作品中，可以在同樣的內(nèi)容上，嘗試多種藝術(shù)風格來渲染。

（四）其它方面

谷歌AI實驗室于2016年5月的一篇報道中表示，對機器開展英文言情小說的培訓(xùn)，讓機器從2865部小說中學(xué)習(xí)敘事方式與用詞風格。通過觀察程序的演化進程來看，單詞的空格結(jié)構(gòu)，最先被機器模型所領(lǐng)悟，隨后有短到長識別了更多單詞，并逐步掌握了標點符號的運用，一些相關(guān)性較高的語句結(jié)構(gòu)也被重新慢慢掌握。

2016年5月，谷歌的Deep Mind團隊對其開發(fā)的“神經(jīng)編程解釋器”做了相關(guān)報道，該神經(jīng)網(wǎng)絡(luò)不僅具備自主學(xué)習(xí)程序的能力，且能夠完成一些簡單的程序編輯，具備了初級程序員的能力。

二、基于人工智能的數(shù)字媒體藝術(shù)實踐的商業(yè)化浪潮

2015年，谷歌推出了TensorFlow開源機器學(xué)習(xí)平臺，臉書定制打造的FBLeamer Flow平臺，顯著的提升了員工效率;特斯拉也在同年的5月，創(chuàng)設(shè)Open AI升源人工智能系統(tǒng)。一時間人工智能領(lǐng)域熱鬧異常，大量工業(yè)巨頭攜帶巨資蜂擁而入，加速了人工智能的前進步伐，代表性的如百度大腦計劃、IBM的沃森系統(tǒng)、微軟的同聲翻譯等。

2016年，在IBM的帶領(lǐng)下，全球人工智能開啟了首輪核心業(yè)務(wù)轉(zhuǎn)型，并驅(qū)動人工智能的商業(yè)化浪潮?，F(xiàn)階段，深度學(xué)習(xí)的焦點如同疾風一樣向以深度卷積神經(jīng)網(wǎng)絡(luò)為依托的物體檢測和定位，分割蔓延，一旦突破將會引領(lǐng)人工智能加快轉(zhuǎn)化，實現(xiàn)產(chǎn)業(yè)化發(fā)展。基于人工智能與大數(shù)據(jù)、機器人、云平臺、移動互聯(lián)等融合的持續(xù)深化，人工智能開始轉(zhuǎn)向基礎(chǔ)性、前沿性、關(guān)鍵性的重要角色。以大數(shù)據(jù)為基礎(chǔ)建立的商業(yè)直覺、業(yè)務(wù)流程智能化、產(chǎn)品服務(wù)差異化，驅(qū)動人工智能向醫(yī)療、新聞、律師、保險、金融、數(shù)字個人主體等新領(lǐng)域進軍且占據(jù)了核心地位，全面地滲透于日常生活。

人工智能雖然實現(xiàn)了突破性的成長，但還只是一顆幼苗。雖然聯(lián)結(jié)主義的方法無堅不摧、戰(zhàn)無不勝，然而在理論層面卻缺乏堅實的基礎(chǔ)。立足于仿生學(xué)與經(jīng)驗實現(xiàn)的突破，并未實現(xiàn)透徹的理解與預(yù)測。小樣本的學(xué)習(xí)如何開展，尤其是自主的對周圍環(huán)境進行學(xué)習(xí)，提高學(xué)習(xí)的泛化性，均是亟待剖析的熱點。

就當前而言，在圖像識別、文本處理、語音識別、藝術(shù)美學(xué)、藝術(shù)博弈、軟件開發(fā)等領(lǐng)域，人工智能已經(jīng)全面超越人類。在醫(yī)療、新聞、律師、保險、金融、數(shù)字個人主體等領(lǐng)域，人工智能顯然是勢不可擋的主流，由其引發(fā)的新一輪技術(shù)革命正在孕育，人工智能暗流涌動，或即將面臨全面爆發(fā)！

參考文獻：

[1]張登峰.《人工智能藝術(shù)的美學(xué)限度及其可能的未來》[J].江漢學(xué)術(shù)2019，（01）：86-92.

[2]徐放鳴.《審美文化新視野》[M].北京：中國社會科學(xué)出版社，2008.303

作者簡介：蔡念，女，生于1994年，江蘇揚州人，南京藝術(shù)學(xué)院2017級研究生，研究方向：數(shù)字媒體。

基金項目：此文章為2018年江蘇省研究生科研實踐創(chuàng)新項目 項目編號：SJCX18_0548。