图片来源@视觉中国

钛媒体注：本文来源于微信公众号硅谷密探（ID：guigudiyixian），作者：硅谷密探，钛媒体经授权转载。

在说今天的话题之前，大家先猜猜这幅画卖了多少钱？

在公布答案之前，大家再看看其他画：

图片来自Wired，版权属于TOM SIMONITE

这些抽象派海景，如何？

看得出上面这幅是什么吗？

要说这些画都有一个什么共同点的话，那就是：它们都是由人工智能作出来的！没错，AI 也能够作画了。而且这画的价格，还不一定比名画便宜....

不久之前，全球知名拍卖行佳士得进行了一项很有意思的拍卖，其中被拍卖的作品之一就是上面第一幅叫做 Edmond Belamy 的肖像画。

这个看起来像中世纪的男人，乍一看并没有什么特别。最初，佳士得对这幅画的期待也并不高，预计拍卖价格介于 7000 美元到 10000 美元之间。但没想到，最后竟然拍出了 43.25 万美元（快300万人民币啊……）！要知道，就在同时，佳士得拍出来的另一幅毕加索的画，也是差不多这个价格。当然，这可能是毕加索相对没有名气的画作了。

人工智能作画为何堪比名画价格？人工智能能作画了，这钱到底归谁呢？今天，小探就来跟大家说说，AI 作画的那些事。

AI 到底是如何作画的？

大家不妨再认真看看，第一幅画上面有什么特别的？

答案就在右下角。

按理说，不管是不是名画，一般都会有作者的落款。但是，为什么这幅画的右下角落款处，会是一行代码呢？

事实上，这幅画的“作者”，就跟这行代码相关。

这幅由 AI 作出来的画，背后技术全称是“Generative Adversarial Networks (GAN)”，即“生成对抗网络”。

简单说，这个“生成对抗网络”是由两个相互博弈的神经网络构成的，一个是生成器（Generator），另一个是鉴别器（Discriminator）。这是由谷歌研究员 Ian Goodfellow 提出的。

生成器主要负责输入并生成数据，鉴别器则负责分析数据，区分这些数据是真实的（来自数据集），还是是虚假的（来自生成器）。

如此周而复始，一旦“生成器”成功骗过了“鉴别器”，让鉴别器认为生成的这张图像是真实的，一张属于人工智能所作的新画，就诞生啦！

打个简单比方，就好比妹子让男盆友拍照一样，拍得不好，重来；再来一张，稍微好一点，但不够完美，再重来，最后，只有通过妹子的鉴定，男盆友才算拍出一张妹子想要的照片...

在这个过程中，生成器一共被输入了从 14 世纪到 20 世纪之间绘制的超过 1 万 5 千张肖像数据集。当鉴别器无法区分这幅画到底是人手工完成的，还是通过计算机生成时，就完成了。现在大家看到的这幅新图像，是画作通过鉴别器后，在画布上印刷出来的副本。

可见，人工智能作画，并没有你想象的那么简单。因为机器也要自我学习，自我进步。

这幅画背后是一个叫做 Obvious 的法国组织，它是由三位 25 岁法国年轻人 Hugo Caselles-Dupré，Gauthier Vernier 和 Pierre Fautrel 组成的。其中，Hugo 是深度学习领域的博士候选人，研究方向是机器人强化学习，Pierre Fautrel 则是艺术背景。三位年轻人喜欢探索科技和新事物的结合，既然如此，为什么不尝试把人工智能跟艺术结合呢？

其实，Obvious 不仅仅“画”了这一张被佳士得拍卖的画，还“画”了整个家族的照片。Obvious 将系列命名为“La famille de Belamy”（Belamy 大致翻译为法语中的“好伙伴”，彰显对 GAN 算法的创造者 Ian Goodfellow 的致敬）。

AI 作画？大公司也来掺一脚

看到这里，大家可能会说，名画鉴别还是太难了啊。确实如此，那让你鉴别鉴别名人如何？

图片来自Facebook AI Research

上面从左到右的图片中，你觉得哪些照片是真实的名人照片？哪些是 AI 生成的呢？

你可能又会说了，这里面我没有一个认识的啊，但，怎么又觉得那里似曾相识？比如，小探就觉得，中间那位咋感觉这么像贝克汉姆... 左二的女生则像碧昂斯...

那就对了。

因为，这上面的图片其实是英伟达利用生成对抗网络的成果之一。事实上，这些照片里的名人，都不是真正的名人，而是英伟达根据名人数据库，用 AI 生成的全部高清真实照片。

去年，英伟达就发布相关论文，阐述的是人工智能如何创造“虚假名人”的真实照片。听起来是不是很绕？其实，道理是一样的。就是生成器通过不断输入名人数据库，然后由鉴别器鉴定，生成器再改进输出，直到最后生成的这一组照片，骗过了机器的“眼睛”，认为他们是真人照片，就有了上面这一堆不存在、但又似曾相识的“名人”。

所以，这也迷糊了我们人类的双眼。

除了英伟达之外，像 Facebook 也围绕生成对抗网络进行了相关研究。只不过，他们把 GAN 变成了 CAN（Creative Adversarial Networks，创意对抗网络）。两者有什么区别呢？

顾名思义，在 Facebook 和美国罗格斯大学的研究人员看来，CAN 跟 GAN 相比，突出的是创意。因为 GAN 结构原本生成有创意产品的能力有限，更大程度上像是“模仿”。于是，研究人员们通过修改网络的目标，防止最后产生与原始数据过于相似的内容。这样，机器在训练的过程中，最大限度地偏离已经确立的艺术风格，从而创造出有创意的图像。

图片来自Facebook AI Research

像上面这些抽象画，就是机器根据创意对抗网络生成的。唔，小探已经分不清这艺术作品是谁画的了。。。

不仅用人工智能创作画，Facebook 的研究人员还进行了跟踪试验，比较人在观看系统生成的图像和艺术家创作的画作的反应，是不是有所区别。

结果你猜。

是的，这些受试的参与者跟小探一样，无法分辨人工智能生成的图像和当代艺术家在顶级艺术博览会中展示的画作，有什么不同。甚至认为某些CAN 生成的图像跟艺术家作品相比，在创意上相差不大。（也就是说，如果我们没有真正的鉴别能力的话，那你可能真的不知道这些画到底是机器画的，还是艺术家手作。。）

人工智能画作侵权吗？

如果说，大公司自己进行内部实验也就罢了。但，就在第一幅 AI 画作被拍卖的同时，讨论的声音也随之而来，那就是：让 AI 作画，到底会不会有版权问题和侵权问题呢？

我们都知道，手工画作不容易存在侵权问题。因为只要有你的落笔签名，剩下的都只能叫“模仿者”。即使是我们熟知的莫奈、梵高等世界名画，从时间上来看，也并不存在侵权问题。这是根据《伯尔尼公约》第7条规定，各公约成员国对一般作品的财产权的保护期为作者有生之年及其死后 50 年。

但是，当这幅画的作者，从人变成了一段段“代码”时，一旦这代码还是开源的话，那作者到底是谁呢？放到这个案例里的话，拍卖后的收入该归谁呢？

实际上，在这幅 Edmond Belamy 被拍卖后，就有一位 19 岁的少年 Robbie Barrat 跳了出来，他认为这幅画的代码大段引用了自己在 GitHub 上开源的代码。甚至他在推特上还举例自己一年多以前运用神经网络模型训练出来的画作，跟这幅被拍卖的画进行对比。

图自 Robbie Barrat 推特

上面说到的 Robbie Barrat 是一位艺术家，目前在斯坦福大学做 AI 和医学相关的交叉研究。他曾用人工神经网络来制作艺术作品，包括风景画、裸体画、时尚 T 台照片等，开头的裸体画就是他的作品。

每过一段时间，Barrat 会把旧的训练数据集和训练模型放到 GitHub 上进行开源，供大家使用。 “我的目标是，人们会像你一样玩它来玩，然后继续做更多的东西。” 在接受耶鲁大学建筑学院旗下杂志采访时，Barrat 如是说。

于是，Obvious 被认为直接使用了 Barrat 的这个数据模型，最后从生成的照片选出了他们想要的艺术品，然后拿去拍卖。

据 Obvious 主创人员在接受采访时表示，确实很感激 Barrat 的贡献，团队主要用 Barrat 的代码完成数据抓取工作，获得所有艺术作品数据。但团队本身在这个过程中调整了超参数，从而得出最后的结果。即使没有运用 Barrat 的代码，团队也关注了不同的数据集，从而保证足以完成关于 Belamy 家族的作品。

关于这幅画的作者，仿佛陷入了一场“罗生门”。所以问题来了：如果 Barrat 的代码是在开源许可下共享的，那他到底是否可以对艺术品的所有权提出索赔呢？如果真的以后都由 AI 来作画了，一旦画作卖出，钱又该归谁呢？

欢迎大家都来留言说说！尤其是码农朋友们~

如果想试一试 AI 作画的朋友，小探最后给推荐几个网址，大家不妨一试：

DeepArt.io，用户只需上传照片并选择一种艺术风格，比如以毕加索或梵高的风格。人工智能会将上传图片的内容与艺术风格相结合，甚至你的自拍也可以生成噢！

Get-art.work，这个网址专注于生成梵高风格的画作。它会把提交的照片跟梵高的 9 幅画作进行对比，寻找两者最匹配的风格，生成最后画作。可以订制出来，保证 75 年不变色，但价格有点小贵。

实在不行，我们还有修图软件嘛！还记得当年那个很火的修图软件 Prisma么，嗯，把自己照片生成世界名画风格吧~ 说不定，也能卖钱唷！