艺术与机器学习

去年六月发表的一篇博文中我们用可视化的方法解释了神经网络在图形分类中的工作原理。我们意外地收获了一些副产品–由神经网络技术所产生出的奇特而深邃的图像。
　　DeepDream的开源引起了机器学习和创意编程社区对它的浓厚兴趣，甚至一些艺术潮人比如Amanda Peterson、Memo Akten、Samim Winiger、Kyle McDonald和Gene Kogan也立即开始了对艺术与机器学习相结合的探索。
　　
　　图：Memo Akten作品 “谷歌总部”
　　DeepDream开源之后德国图宾根大学的研究生Leon Gaty发表了一篇使用卷积神经网络CNN将图片的风格和内容进行分解的方法。这篇论文更加激励了社区和艺术家们使用神经网络方法进行艺术创作的动力。
　　
　　图：照片与绘画风格进行结合产生出的作品（图中人物是美国科普节目嘉宾尼尔）
　　深度学习开源社区，尤其是GitXiv项目对于这些用于艺术的算法起到了很大的推动作用。DeepDream和风格转换算法被开源社区迅速迁移到了多种计算机语言和软件包，于是机器学习艺术得到了进一步的发展。
　　
　　图：Mike Tyka作品 “萨克斯之梦”
　　虽然机器学习与艺术一度没什么交集，但随着机器学习领域的飞速进步，艺术与机器学习相结合的机会也迅速增加。伦敦大学和纽约大学都提供了机器学习与艺术相结合的课程和项目，连泰特美术馆IK奖2016年的主题都是人工智能。