““阿尔法狗”后的AI艺术问题”

本篇文章2816字，读完约7分钟

作者:中国人民大学文学院陈奇佳

年，被称为“阿尔法狗”( alphago )的围棋软件以很大的特点击败了世界级名人李世石九段。 之后，改良版的各种围棋软件如雨后春笋般涌现，人类无法抵挡这些软件，世界冠军们纷纷下降到授予二胎的水平——几乎是业余高手和职业高手的差距。

阿尔法狗的出现在一定程度上改革了人们的看法。 沿着阿尔法狗打败人类的基本路径，首先，可以问一个问题:逻辑计算是不是所谓的“智慧”的本质，也就是说所有问题的思考最终能否回归强制计算？ 在理想状态下，人工智能( ai )将在硬件方面得到充分的支持，充分的新闻资源和自我学习的发展时间(“学习”是阿尔法狗划时代的技术进展，根据所给的新闻、自我游戏、经验获得处理问题的概率论优势。 在被赋予的智能活动行业中，ai把人类看成是这个意义上的，阿尔法狗打败人类看起来像是ai飞速发展史上的一小步，但其实是真正的一大步。

其次，根据上述问题人们能否进一步推断“人类特有的智慧”是否存在？ 所谓模糊计算、直观的云云，难道只是人类长期无效的刚性力强制计算的遁词吗？

再次，由于互联网、云计算、大数据、生物神经技术、脑科学等新兴技术行业的扩张，ai将来会在更多行业获得大量“自我学习”的资源，最终取代这些行业的人类工作。 由此可以推论，在艺术行业中，ai艺术由ai生成艺术，成为艺术活动的主流形态吗？

阿尔法狗及其同类的ai技术会给人类社会带来怎样的冲击，这个问题非常多。 在阿尔法狗和同类ai所能达到的智慧水平上，在可以预见的未来，艺术行业有可能取得划时代的进展吗？ 或者更严谨地说，在哪些具有经典形式规范的行业，有可能生产出能够通过非抽象图灵测试的艺术作品？

事实上，目前我们很难明确评价这个问题。 第一，因为阿尔法狗的胜利不足以证明强制计算比人类计算有绝对优势。 围棋中潜伏的游戏变化数量极大，阿尔法狗的算法能够绕过穷举计算出的数量陷阱得到优异的解确实值得庆祝，但围棋变化多还是很穷的。 阿尔法狗根据人类几千年的棋谱展开学习，回避冗长的思考。 之后，阿尔法狗的改良版，据说阿尔法大师抛弃人类棋谱进行自我游戏，产生自我经验，自我学习，彻底打败阿尔法狗等，理论者解释了ai的万能。 但是，这没有说服力。 因为alphamaster整体框架的改善建立在阿尔法狗的胜利和暴露的bug之上。 另外，虽然围棋的一些变化是巨大的，但从整体来看，其博弈逻辑仍然是线性的:通过博弈得到的多少决策博弈的成败，其计算逻辑远比象棋复杂，但本质上是线性的。

人类活动，特别是社会和人文精神方面的活动，其思维活动的根据和来源非常多，很多事件的真实新闻来源，甚至人类自身都很模糊，不清晰。 其是非成败利弊需要考虑更多方面的因素，断绝无线性的评价依据。 例如，王羲之书法和小学生笔记的差异可以设定ai程序，王羲之书法和小学生笔记的差异可以设定ai程序，但是王羲之、王墉、小学生笔记之间可以进行比较有效的评价 如果这个程序和其他书法风格兼容的话，困难就更难以想象了。 问题是，对有文化的中国人来说，评价这个问题并不困难。 人类这样的精神活动非常多，我们必须承认人类的思想方法有一点可以用非强制性计算来涵盖的比较有效的智慧行业。

第二，阿尔法狗算法的普遍比较有效性尚未说明。 阿尔法狗通过比较有效的震撼式计算战胜了人类顶尖高手，但这个成果应该受到尊重。 但是，能否据此进行推论。 人的思维中的计算也是很牛逼的计算(或者从ai的快速发展趋势来看，不过是其低配版)，如果其中有一点牛逼的算法，终究是无效的(或者说是效率低下的)。 笔者对阿尔法狗的智慧在这方面的标识价值表示怀疑。 确实，在19盘棋和17盘棋等低计算领域，阿尔法狗的智慧压倒人类是无可争议的。 但是，如果扩大这个计算区域，假设有27路围棋，逻辑关系不变，算法不变，但是在游戏的变化程度超过原对象无限接近，没有充分“学习”的条件下，与人类的胜负是几何学的吗？ 如果阿尔法狗无法展开游戏或惨败给人类，目前这种ai的普遍性值得怀疑。

阿尔法狗的胜利只表明，如果人类是能够通过其智慧比较有效地减少某个极大值可计算对象来强制计算的对象，那么在这个对象行业中，ai就具有比人类智慧更明显的特征。 这几个在四色定理被证明时得到了充分的证明。 换言之，人类解决巨大新闻的计算妙手依然不能被ai所覆盖。 当然还有另一种可能性。 在27号盘中，ai也战胜了人类。 如果出现了这种情况(虽然笔者认为这种情况近期内不会出现)，这将是本体论意义上的大事，所有思想家都有必要从以前彻底流传下来的意义上重新思考人类的本质和未来。

总之，在目前的ai水平下，如果在阿尔法狗或其升级版中担任艺术生产者的角色，其算法是否能够应对艺术活动中极多、杂七杂八、接近无限的新闻(以及新闻组合)变量，就非常值得怀疑。

第三，现有的ai艺术不能说明ai获得了从学习到创造的智慧。 抽象绘画、抒情短诗、小说等，都有一点ai艺术实践。 但是，这些实践通常局限于“学习”的境界，ai的程序员利用大数据时代的特点，通过对某一特定艺术类型的作品进行几乎包罗万象的检索，总结出一些模式化创作的妙招。 所谓ai创作，就是基于这些模式的规格，将现有的素材进行概率组合排列(也许有更好的筛选逻辑设定)。 。 但是，这种“创作”方法明显存在难以克服的两个障碍:1.有没有可能生产长篇叙事诗？ 很难想象ai通过“学习”的方法掌握10万词的小说妙手。 这10万个词汇的采集、因果组合，用概率计算，不知道其开放程度和杂合程度超过19路围棋的多少倍。 这似乎不能轻易适应ai计算能力的进步。 2.ai为什么能逻辑整合新知识和人的感性评价？ 人类感知世界的方法随着外部世界的变化而变化，艺术家总是可以将新的知识、新的感觉融入到艺术创作中，从而达到与以往人类经验的巧妙平衡( 20世纪初的哪部立体主义、形而上学画派的作品)。 在前人没有经验的“学习”的情况下，ai有可能通过收集大数据的新闻资源，利用强迫性计算导出、整合产生“创造性”的作品吗？ 笔者在此保存意见，并认为，即使发生这样的作品，也是随机性的极小概率之事，人类的鉴赏力消耗巨大的能量，需要在浩如烟海的ai习作中寻找。

最后应该指出的是，笔者虽然怀疑目前ai艺术的水平和快速发展方向，但不否认在现代艺术实践中充分融合ai技术的必要性。 人脑和ai技术结合，会产生怎样的想象力火花，目前无法预测，但这可能含有很大的探索价值空。 ai的力量式计算可以产生任何独特的艺术风景，目前艺术界的探索还处于草创阶段，其实践还很原始粗糙(这与我们前面提到的对ai创新力的质疑不矛盾)。 。 在视觉艺术行业等艺术行业，现代ai技术可能已经具备了某种直接的应用性。 它还可以帮助人类在历史以前传下来的外面开辟具有革命意义的图像形式的道路。 当然，这些思考是另一个话题，相关研究也需要进一步展开。