藝術與機器學習

去年六月發表的一篇博文中我們用視覺化的方法解釋了神經網路在圖形分類中的工作原理。我們意外地收穫了一些副產品–由神經網路技術所產生出的奇特而深邃的影象。

deepdream的開源引起了機器學習和創意程式設計社群對它的濃厚興趣，甚至一些藝術潮人比如amanda peterson、memo akten、samim winiger、kyle mcdonald和gene kogan也立即開始了對藝術與機器學習相結合的探索。

圖：memo akten作品「谷歌總部」

deepdream開源之後德國圖賓根大學的研究生leon gaty發表了一篇使用卷積神經網路cnn將的風格和內容進行分解的方法。這篇**更加激勵了社群和藝術家們使用神經網路方法進行藝術創作的動力。

圖：**與繪畫風格進行結合產生出的作品(圖中人物是美國科普節目嘉賓尼爾)

深度學習開源社群，尤其是gitxiv專案對於這些用於藝術的演算法起到了很大的推動作用。deepdream和風格轉換演算法被開源社群迅速遷移到了多種計算機語言和軟體包，於是機器學習藝術得到了進一步的發展。

圖：mike tyka作品「薩克斯之夢」

雖然機器學習與藝術一度沒什麼交集，但隨著機器學習領域的飛速進步，藝術與機器學習相結合的機會也迅速增加。倫敦大學和紐約大學都提供了機器學習與藝術相結合的課程和專案，連泰特美術館ik獎2023年的主題都是人工智慧。