原标题：谷歌“你画我猜”算什么，AI都开画展了

在我们生活的这个时代，世界日益被“算法的凝视”所掌控。在医疗、交通和安保等领域，人类将越来越多的决定权让给机器，计算机视角下的世界成了主导事实。比如，若一个脸部识别系统认不出你的肤色，它就不会承认你的存在。若一辆自动驾驶汽车看不到你在横穿马路，它就会从你身上轧过去。这就是实际运作中的算法凝视。

这种结构性改变发生得非常缓慢，很难让人有全面的认识。但就像所有社会变革一样，艺术家们最先投入了认识论之争。汤姆·怀特（Tom White）就是其中之一，他是新西兰惠灵顿大学的计算机设计学讲师。其画作所描绘的不是人类看到的世界，而是计算机眼中的世界。

在人类眼里，汤姆·怀特的数码版画就是一些无意义的色块，然而人工智能算法却能从中看出具像的物件。

数字版画揭开算法眼中的世界

2017年末，怀特开始创作这一类型的画作，其中一个系列名为《ImageNet的叛逆》（The Treachery of ImageNet）。“叛逆”典出勒内·马格里特（René Magritte）的《形象的叛逆》（The Treachery of Images），那个著名的“不是烟斗的烟斗”；ImageNet则是一个图片数据库，被业内广泛用于机器视觉算法的训练与测试。“在我看来，这一类比顺理成章。”怀特在接受采访时说。“而且我爱死双关语了。”

在人类眼里，这些画就是杂七杂八的线条和色块，缺乏显而易见的直观结构。但对接受过训练、旨在代替人类观察世界的算法而言，它们则是跃然纸上的具体物件：电风扇、缝纫机以及割草机。这些版画都成了视错觉，其中隐藏中某个具体的图像，而这些图像只有计算机可见。

“电风扇”

在机器学习社群内，怀特的作品引人注目。近期它们作为一个AI艺术展的一部分，在印度新德里的Nature Morte画廊首次展出。但怀特表示，他设计这些版画的意图是“通过机器视角看世界”，并创造“一种声音，供机器发声”。

这种“声音”其实是一连串的算法，怀特称之为自己的“感知引擎”。它们使用机器视觉算法的训练数据——海量的实物照片构成的数据库——从中提取出抽象图形。然后，这些图形又被馈入原先的算法，让机器加以识别。若无法识别，机器就会微调图形，并将其退回，如此循环往复，直至图形被识别出来。这是一个试错过程，归根结底，就是围绕算法对世界的理解，展开逆向工程。

怀特用“计算机通灵板”一词比喻这个过程，多个神经网络“同时施加不同的推力，将其推向目标”。他说，这使他得以控制输出结果。不过，通过这种方式创作一幅图片要花好几天。他坦言，这个过程“有点枯燥”。

不同于某些机器学习艺术家，怀特并不宣称这些画是自动AI的产物（有时，艺术家和推销者为了营造技术神秘主义的氛围，常常采用这种有失诚恳的说辞）。对于自己扮演了何种角色，他很坦诚：他给这个感知引擎设置了一组起始参数，包括颜色、线条粗细等，并遴选输出，不符合他审美的画作都会作废。虽然他赋予了算法一种声音，供其表达，但他也想确保一点：即这种表达是悦耳的。“我想，我所做的就是解放算法，使之能表达自己，这样，人们就能懂得它在说什么。”他说。

那么，算法究竟说了些啥？就跟所有艺术品一样，不同的人有不同的解读。

“一旦各种劳动（体力、心理、情绪、艺术）都被机器所取代，我们还能做什么？”

有人将怀特等人的创作视为不祥之兆——人工智能（AI）不仅变得越来越聪明，还启动了创造性思维，开始抢占专属于人类的角色。Nature Morte那场画展的两位策展人之一卡蒂克·卡里亚纳拉曼（Karthik Kalyanaraman）是接受邮件采访时表示，他安排这一展览目的是吸引人们关注人类未来所面临的“不可回避”的问题：“一旦各种劳动（体力、心理、情绪、艺术）都被机器所取代，我们还能做什么？”他问。“我们该如何定义自己？”

卡里亚纳拉曼指出，AI的这些艺术创作告诉我们，计算机也当得起“创作者”这一身份。怀特等人使用的这类机器学习的原理，是筛选海量数据，从中找到规律性模式，然后将其复刻出来。卡里亚纳拉曼认为，这跟人类学习艺术创作的过程类似，只不过，我们为创造这个概念赋予了神秘主义色彩，以至于看不到两者的相通之处。“如果机器可以创作出人意料、风格全新的艺术作品，那我觉得，再说这不是真正的创造力，因为它没有意识云云，就显得很愚蠢了。”他说。

有人使用更不留情面的经济术语剖析了这个问题。在为当代艺术杂志《frieze》撰写的文章中，迈克·佩皮（Mike Pepi）指出，鼓吹AI创造力，其实是企业为利益所作的宣传。他说，暂且抛开那些“乌托邦式的预言”，人工智能的发展终究是为了取代人力，包括需要创造力的白领工作。佩皮说：“若机器智能可以攻克这个由人类独占的领域，人工通用智能也就不远了，它能带来的利润将不可限量。”

Nature Morte画展上，怀特站在他的版画前（其中包括橘色的《大提琴》）。

怀特说，他的主要动机是解构我们观念中的机器感知。也就是解释“算法凝视”。以《ImageNet的背叛》系列中的《大提琴》为例，如果预先知道是大提琴，你就能看出大提琴的形状轮廓（中间一束平形线，周围是弧线）。但它后面还有一个让人摸不着头脑的形状。怀特表示，那是因为在算法的训练图片中，大提琴都是握在乐手手中的。因为对于这个世界，算法并没有先验知识——不知何为乐器，也不懂什么是音乐，什么是表演，它很自然地将两者归到一起。毕竟，我们就是这样要求它们的：学习图片中的内容。

在机器学习中，这类错误很常见。它给了我们不少重要启示。它说明训练数据不可小觑：提供错误的数据，让AI系统去学习，它学到的东西就是错的。它还告诉我们，不论这些系统多么“聪明”，它们的智能都弱不禁风，只能截取现实世界的一小部分，并加以理解，即便如此，这一小部分理解也不完美。比如，怀特的其中一幅画就是一些抽象的色块，旨在被谷歌的算法举报为“不适当内容”。而谷歌的算法所做的，正是过滤人类看到的世界。

尽管如此，怀特表示，他并不觉得自己的作品是一种警示。“我试图呈现算法本来的样子。”他说。“但坦白说，针对世界上各种物件是怎么回事，机器——我们所仰赖的这些机器——的看法竟如此不同，这还是挺让人警醒的。”

算法凝视固然容易出错，但也有非常有益的一面。机器视觉可以操控汽车在路上安全行驶，让世界变得更加安全；也可以加速医疗诊断，拯救更多的生命。但如果真想让这种技术发光发热，我们就得更好地理解它。而站在算法的视角看世界，也许是理解它的第一步。

翻译：雁行

校对：李莉

编辑：颖仔

来源：The Verge

造就：剧院式的线下演讲平台，发现创造力返回搜狐，查看更多

责任编辑：