校對：子 川
排版：來紅兵
藝術史家向來是藝術作品價值評估的標杆。而在機器嘗試複製人類能力的今天，機器學習也嘗試介入這一領域，Elgammal所領導的團隊就此創建了一個評估畫作革新性的算法模型，它給出了和藝術史家稍有出入的答案。這樣的嘗試也為我們提供了重新審視藝術史的可能性。
從畢加索的《亞維農的少女》到蒙克的《吶喊》，究竟是什麼讓這些畫作牢牢吸引住看客的眼球，又是什麼讓它們成為藝術史上的不朽之作？在很多時候，這是因為畫家採用了前所未有的作畫技巧、形式或是風格。他們展示出了一種富有創造性的藝術才華，並引得無數後生的模仿。
在人類歷史上，專家們經常以這些藝術上的創新來強調一幅畫作的相對價值。但是，一幅畫所體現出的創造性可以用人工智能（AI）來進行量化嗎？
在羅格斯藝術與人工智能實驗室（Rutgers’ Art and Artificial Intelligence Laboratory），我和我的同事提出了一個新奇的想法。我們做到了結合整個藝術史的發展背景，通過一個算法來評估任意一幅畫作的“創造性”。
本文作者，來自羅格斯大學的Ahmed Elgammal
在處理分析了大量的畫作數據後，我們發現這個算法已經可以成功甄選出那些藝術界公認的傑作。這個結果說明對“創造性”具有評判能力的不再只有人類了。電腦也可以做到，甚至可能更客觀。
如何定義“創造性”？
顯而易見，這個算法的核心就在於如何解決這個問題——“創造性”能被怎樣定義和評估？
如何定義創意這個問題由來已久，而且人們仍然對此爭論不休。我們常常用“很有創造性”形容一個人（比如一位詩人或是一個CEO），一個產品（比如一座雕塑或是一本小說）或一個想法。在我們的算法中，關注的重點是產品的創造性。我們也由此採用了對“創造性”最普遍的一個定義，即強調產品的原創性和它所能帶來的長期影響。
這套評判標準與各時期對藝術天才的定義頗有異曲同工之妙。譬如康德認為一個藝術天才需要滿足兩個條件：原創性和典範性。
《判斷力批判》 康德 著
當代的瑪格麗特·博登（Margaret A. Boden）提出的歷史性創造力（Historical Creativity，即H-Creativity）和個人/心理性創造力（Personal/Psychological Creativity，即P-Creativity）也是一個很好的概念模型。前者評判一件作品相對於人類歷史發展所體現出的新意和實用價值，而後者則側重於作者在個人層面上所展現出的創造力。
建造算法模型
我們利用計算機視覺（指用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖像處理，用計算機處理成為更適合人眼觀察或傳送給儀器檢測的圖像），構建了一個從15世紀到20世紀的畫作網絡。藉助過這個網絡，我便可以推測出一件作品的原創性和其影響力的持續性。
通過一系列的數學建模，我們發現量化“創造性”其實可以被簡化為網絡中心性問題（network centrality problem）的一種，即一種廣泛應用於社交關係分析，瘟疫傳播分析和網頁搜索的算法。比如說，當你用Google搜索網頁時，Google會用這樣的算法預先瀏覽大量網頁，並揀選出最符合你搜索指令的網頁。
任何算法的輸入結果都由它的輸入內容和參數設定所決定。在這項工作中，我們輸入的內容就是算法所看到畫作的內容：顏色、質地、視角的應用和題材。我們的參數則來自定義創造性的兩大元素：原創性和影響力。
值得一提的是，這個算法在分析時，並無任何關於藝術或是藝術史的知識背景。除了輔以作品的創作時期外，它僅僅是通過視覺分析來對這些作品進行評判。
識別革新
在對這1700幅畫作進行評分的時候，我們得到了一些有趣的發現，比如說，這個算法給愛德華·蒙克的《吶喊》（1893）打了一個比它同時代的作品高出很多的評分。當然這有情可原：這幅畫被評最傑出的表現派畫作之一，而且也是20世紀被複刻最多的作品之一。
愛德華·蒙克 代表作《吶喊》
在這個算法評估的1904至1911年間畫作中，畢加索的《亞維農的少女》（1907）得分最高。這個發現與藝術史學者的看法一致。他們指出這幅畫採用的平面視圖（flat picture plane）和原始主義（Primitivism）使其成為一幅極具創造性的藝術品，屬於畢加索立體主義風格的先導。
《亞維農少女》（Ladies of Avignon），畢加索1907年繪製
卡濟米爾·馬列維奇（俄國畫家，1879年2月23日－1935年5月15日）在1915年創作的第一批絕對主義（Suprematism）作品，也被這個算法認定為極具創造性。在那個立體主義盛行的時期，它獨特的風格可謂是一個異類。在1916至1945年這段時期，皮特·蒙德里安和喬治亞·歐姬芙貢獻了大多數高分作品。
當然，這個算法並不總是和主流藝術史學家的觀點相同。例如，多米尼哥·基蘭達《最後的晚餐》（1476年）的得分要比列奧納多·達芬奇與之同名的的畫作高得多，後者的創作時間比前者晚了20年左右。同時，相對於達芬奇其它的宗教主題作品，算法更偏愛達芬奇的《施洗者聖約翰》（1515）。有趣的是，達芬奇的《蒙娜麗莎》並沒有拿到高分。
《最後的晚餐》，基蘭達約 (Domenico Ghirlandaio，1449-1494，意大利洛倫薩畫派畫家) 繪製
《最後的晚餐》，達芬奇 繪製
下圖展示了該算法認的最具創意的一些作品。
接受時間的檢驗
鑑於以上這些與藝術史學主流觀點的分歧（尤其是對於達芬奇的作品的評估），我們怎麼知道這個算法是真的管用呢？作為測試，我們進行了“時間機器實驗“”——我們把某一幅畫作的時間改成其創造之前或之後的某一時間，再重新計算它的創造性分數。
我們發現如果把印象主義、後印象主義、表現主義和立體主義的創作時間改為公元1600年前後，它們的分數會得到顯著的提升。相比較而言，新古典主義的作品即使是放在1600年也不會有很大的改變，畢竟新古典主義常常被認定為是文藝復興的再現。同時，文藝復興時期和巴洛克風格的作品如果被放在公元1900年的時間點上，它們在創造力上的得分也會相應的降低。
說到底，我們做這項研究的目的並不是希望它能夠代替藝術史學家們，也不認為電腦在鑑定作品價值這方面比人眼更好。
更確切地說，人工智能（AI）才是我們做這項研究的動力。研究AI的終極目標是賦予機器近似於人類的感知能力、認知能力和思考能力。我們相信，評判創造性是一項極具挑戰的任務，而且這三項能力缺一不可。
在這一層面，我們的研究結果提供了一個重要的突破：它證明了機器可以像人類一樣感知，並從視覺上分析和思考藝術作品。
討論：把作品放在歷史的座標去分析各風格的系譜，這是一個相對容易的工作，譬如文末提及的現代主義中各流派，它們相對傳統繪畫的革新是是明晰的，也是公認的。然而，鑑於當代作品形式更多元，題材更廣泛，風格也更包容，加之沒有此後的作品進行對比參照，機器學習如何基於過去的數據集給出自己的判斷？這是對AI的感知、認知和思考能力更進一步的考驗。
羅格斯大學計算機視覺教授
文章來源：the conversation
閱讀更多 706青年空間 的文章
