讓機器也能有創意:人工智能“增強”人類 賦能想象力

主講嘉賓：范凌 同濟大學設計人工智能實驗室主任、博士生導師，未來論壇青年理事，特贊信息科技創始人及CEO

　　人工智能很多時候和自動化、重復性的工作有關。其實人工智能剛剛出現的時候，很多的學者和行業先驅就在思考人工智能能不能幫助我們。

　　我們在探討人工智能的時候，尤其是過去幾年，往往看到兩種場景：一個是我們可能在很多雜志上都會看到一個表格，統計了哪些行業、工作最有可能被人工智能取代。

　　2013年一個牛津大學學者做的研究，看哪些行業最有可能在人工智能興起的時候被取代，比如說像電話的接線員這些人等等；另一種藝術化的表達。如上圖右側Adam Levey的作品《一個未來沒有工作的世界》。這個作品就是把一些工作的從業者放到博物館成為展品，比如這里是“工廠的工人”，下面寫著“在21世紀初滅絕了”。

　　不論是表格還是藝術作品，都在講一個充滿“恐慌”的人工智能未來，這個未來中人的工作可能會受到技術進步的威脅。Elon Musk、比爾·蓋茨、霍金，都指出了人工智能可能會成為人類未來的威脅。

　　我們可以用象限圖來對人機未來做個分析。上圖橫軸代表對人來說很簡單的工作，另一端是很難的工作。雖然我們自己也描述不清楚，為什么做得好的工作都是難的工作，比如我們很難說清楚如何把主持做好，可能會說“熟能生巧”或者“天賦運氣”?？v軸代表交給機器完成工作的意愿度，因為并不是工作我們都愿意交給機器做的。

　　我們講機器取代人，都在講左下角這個維度的工作，這是一種人與機器的“零和關系”——機器多做了人就少做了，這里的終極目標就是“自動化”。

　　我會集中探索右邊這兩個象限：本來就對人很難，機器完成度不算太高。機器幫忙的越多，人的能力就越強，我們叫賦能（empowerment）或者增強（augmentation）。

　　可以看到，很多使用人工智能來“增強”人類工作的例子，比如用word寫作時，機器會提醒我們錯別字，甚至幫我們完成句子。這都是基于大量的自然語言學習。這是一種“正和關系”，有了機器反而讓我們的能力更強。

　　在過去10多年里，人工智能蓬勃發展、家喻戶曉，既作為概念、技術，也作為一種社會狀態。如果我們把人工智能比作大腦，就像人的左腦右腦一樣，左腦代表了語言、分析、抽象、數字、邏輯。代表更高、更快、更強——是不是意味著識別的速度更快，識別的效果更好，分析的結果更準，這都是一些定量的維度。

　　所以在人工智能左腦的層面上，我們的研究成果還是很豐碩的，很像我們常說的“學好數理化，走遍天下都不怕”。但當我們數理化能力強的時候，大家開始意識到要去培養藝術修養。那么人工智能是不是也到了要去培養右腦的時候呢？

　　右腦是一些比較抽象的、感性的、系統的、真實的圖像思維，所以人的右腦這些屬性對于機器來說，人工智能能不能讓我們變得更美？人工智能能不能讓我們變得更平等？人工智能能不能讓我們變得更善意？人工智能能不能讓我們具有同理心？

　　人工智能的右腦，也就是人工智能在過去一直注重更高、更快、更強以后能不能帶來更美好的生活，就像我們自己關注GDP的絕對數字以后，現在關注到我們的獲得感。人工智能也是一樣，在飛速發展以后開始逐步地幫助我們去思考右腦的問題。

　　創意，這個詞比較廣義，分為兩種：一種是“表達性的創意”，沒有專業訓練的小孩會用畫筆表達自己的想法或者感受，所以這種是有感而發的創意。這種創意往往我們會把它等同為藝術，很感性，也不需要計量它到底有沒有價值，對了就是對了，別人也只需要去感受它，所以它是一種基于內在的自我表達，可能源自于記憶，可能源自于情感，可以源自于某種沖動，很像各種各樣的藝術形態，不只是繪畫，有雕塑也有音樂，表達性的創意更多的發自內心，不需要計較結果。

　　另外一種創意，則是類似我們看到的廣告，我們使用的產品背后都有創意在，這些創意我們稱之為叫“功能性的創意”，就是通過創意來解決一個問題，通過理性的分析創造一個答案，有明確的功能，有明確的方式可以度量，而且這種功能性的創意的出發點通常來自于外部。

　　這兩張女性圖像，上面這張是繪畫作品，是表達性的創意，下面是電商的海報，是功能性創意。雖然風格似乎有接近的地方，但是出發點、目的完全不一樣。上面是一種自我意識的表達，而下面是旨在銷售、品牌的觸達，有明確的功能性。

　　比較直白的說：表達性的創意約等于藝術，功能性的藝術可能約等于設計，設計都是有目的的，設計都是可衡量的，藝術都是表達的。

　　很有意思的是，如果大家用學術搜索創意這個詞creativity，其實從無到有只有不到100年的歷史，雖然整個創意在人類的世界貫穿了始終，但是創意這個詞只有75年的歷史，一開始和“想象”有關，慢慢才變為一種行動。所以我們研究創意其實是一個非常短暫的歷史，這里面我們會對創意進行各種方式的演繹與延展。

　　創意這個詞從無到有在過去的幾十年里其實伴隨著這樣的一個趨勢，我把它稱之為叫“創意工具的發展”和“創意的大眾化”。過去不講創意，因為不覺得創意是一個有意識的創造。但是慢慢隨著創意的工具更可觸達，逐步把創意這個概念、方式放大了，大眾化了。

　　第一個幫助藝術家繪畫的工具，英文叫Camera Obscura，就是“暗房”，影像的一個方式。所以藝術家可以很容易的捕捉到透視，讓更多的畫家可以畫更準的透視，是簡單的工具。慢慢小孔成像Camera Obscura開始通過一些化學反應有了成像，有了照相機，照相機變成一個比較方便使用的光學儀器，光學相機、傻瓜相機，在30、40年前有了photoshop，然后數碼相機讓拍照變得更容易，現在我們每個人的手機都可以拍照。

　　這里舉例的拍照或者圖像維度的工具，其實變得越來越容易使用，因為越容易使用，越來越多的人會使用。原來Camera obscura全世界上千個藝術家在用，到現在幾十億的人在用手機，所以創意工具的發展自然而然帶來的是創意的大眾化和大爆發。

　　現在工具都和機器智能發生聯系，創意工具也不例外，人工智能成為我們新的工具來做創造性的工作。

　　我們希望機器思考的方式和人思考的方式是一致的，所以給機器設定了很多思考的規則，但最后發現這個規則并不能帶來更智能的結果。就像最早人類做飛機總想把飛機設計成鳥的樣子，但是類鳥的飛機從來沒有飛起來過，最后把飛行的原理抽象成為空機動力學，慢慢才形成之后的飛行器。

　　所以看看我們現在的飛行器，包括飛機、包括火箭，其實和鳥沒有太多形狀上的關系。人工智能也是一樣，希望復現人思考的方式是走不通的。在過去10多年里逐步變成一種統計的邏輯，也就是說不追求因果關系而是追求關聯關系。如果概

　　率上這些都發生過，通過學習這些概率，有可能產生新的結果。

　　所以創意的人工智能也是一樣，我們通過創意變為數據，數據形成某種模型，這種模型帶來運算，運算之后產生的結果進行評估，再來迭代這種運算的過程，這個就是人工智能之所以能夠進入到創意領域就是走這樣的一個流程。

　　如何讓機器和創意發生聯系？就像我們教一個人學習時，你要給他一本教科書，同理教機器能夠進入到創意領域，第一先讓機器開始理解創意。

　　10多年前，我當時還在普林斯頓大學，有一位年輕的教授李飛飛，現在已經是如雷貫耳的人工智能大牛，她做了一件事情，建立了一個數據集叫ImageNet，來幫助機器識別圖像。當時這個工具是比較早期的，成功的可能性并不大，不像現在ImageNet已經成為我們數據里面的基礎。但是當時看上去并不太完整，有一次李飛飛教授開玩笑說“早年的時候如果不是因為她是一個女性科學家，她可能連研究經費都申請不到”。

　　ImageNet讓機器開始理解圖像，現在絕大多數圖象處理的人工智能都可能原自于ImageNet這個教科書，通過10多年的數據積累，現在準確率已經比人眼識別率還要高。這就是機器通過吸納進數據，理解圖像維度理解的越來越準，理解的越來越好。

　　我自己的研究團隊做了一個數據集叫DesignNet，名字也算是致敬ImageNet。我們的數據集理解的是創意圖像上面有什么字體、內容、風格、氛圍、顏色的組合是怎么樣的，所以這個數據集建立的是基于創意的知識和理解。

　　想象一下，對沒有背景知識的人開始描述創意時，可能會說這是什么風格，顏色搭配是否互補等，可能會用一些比較簡單的視覺和創意的詞匯去描述創意的內容。我們建這個數據集，讓機器也開始理解這方面的知識。

　　我們把創意變為數據的知識圖譜，叫做“普羅米修斯”，可以不停的輸入一些設計的問題，比如：什么是設計，它會產生一個知識圖譜，有顏色、有字體、有大小等等。點進每一個知識圖譜，比如說色彩這個關鍵字里面會延展出不同類型的知識關聯。我們問它暖色和綠色有什么關系，它把綠色和暖色的關系用多個維度串聯起來，可能是互補的，可能是代表某種文化含義的等等。

　　也可以問它一些設計的知識，它有另一種表現形式。問它什么是“襯線體”，襯線體是和曲線骨架有關的，大量在互聯網上關于設計的知識都被聚集在像“普羅米修斯”這樣一個知識體系里面，可以進行詢問，所以我們把創意的知識庫變成一個可搜索、可聚類、可分析、可連接、可關聯的一個知識圖譜，并且通過“普羅米修斯”前端的應用界面變成一個人可觸達的創意知識庫，這是我們做的把創意能夠變為數據知識的事情。

　　把創意變為數據之后可以做哪些事？可以讓機器識別創意的種類、識別創意的好壞、識別創意之間的關聯；我們可以優化創意，比如說優化廣告的內容、優化做出來的某種設計是不是符合設計的目的；我們還可以生成創意，從一個創意變為更多的創意，我們可以預測創意，預測功能性創意的好壞。

　　講到智能識別，上圖這個項目是谷歌的研究員Klingemann做的項目，非常有意思。大家看到上圖可能最左邊的是一個人，是一張油畫作品，大家可能都能感受到在做什么工作，機器做的是在第一張人臉的雕塑和最后一張油畫之間，用各個數據庫里面的藝術作品做一個漸變，所以叫x Degrees of Separation，意思就是說任何的兩個藝術作品都能夠找到這樣逐步轉變過去的藝術演進，中間可能是5個作品，8個作品，能夠很順的把頭和尾銜接起來。

　　這件事情有什么作用？大家可能不了解，這么多的藝術學者，在沒有人工智能進入到藝術行業的創意里面之前，這件事情是不可能發生的，我們很難把兩個作品中間的這種類似于不同刻度的漸變發現出來。恰恰是人工智能幫助創意人去更好理解創意深度，這樣有了一個科技的武器去理解文科的內容，實現文理兼修，通過理科的角度理解文科，這是一件很重要的工作，因為這個過程里面創意開始被機器理解了，所以它才能夠做這樣的工作。

　　智能識別在功能型創意上用途很廣泛，很多創意廣告都是“千人千面”，不同的消費者、不同的用戶畫像會看到不同的創意內容。但是這些內容生產上來之后難免會出現各種各樣的挑戰和問題。所以我們這里的一個識別引擎叫T.Compliance ，識別這些內容的品牌，比如說這張圖里面是清揚，里面的圖像元素的合規情況；比如說這兩批洗發水是不是最新的包裝，如果不是應該替換為最新的包裝，法規是否合規；“去屑拔頭籌，清揚敢出頭”，有沒有違反廣告法，有沒有這些很絕對的詞等。

　　其實機器通過識別功能性的創意內容里的核心元素，能夠做到內容的理解和合規檢測。有很多的創意都難免會撞車，不管有意還是無意。有意就是抄襲，無意就是大家英雄所見略同。這種情況下機器都有可能向提醒你把相似度的東西找出來。在海量的創意里面，機器其實可以幫助創意不管是使用者還是創意的生產者做更好創意維度的理解。

　　另一個智能生成的例子是在字體設計領域。做一套字體其實是很耗時的，尤其是中文的字體還有很多排列組合和修正，但是人工智能逐步的已經開始學習到一些字體的方法，可以智能的生成新的字體。過去每個字都需要老師傅一個一個的寫出來。上圖案例是卡內基梅隆大學的一個研究生用業余時間做的，它叫Zi2Zi，通過100個字的輸入就能產生一套幾千個字的字庫。所以從100到幾千個字的過程是由機器生成的，人進行一些修正，這是開源的項目，大家可以去找來嘗試。

　　阿法狗戰勝李世石是3、4年前的事情，那時候機器更擅長的解決確定問題、分類問題，但是在過去3、4年里機器逐步開始解決開放性問題，去做創造性的工作，主要就是基于類似于創意對抗網絡等等的技術，開始能夠做創造性的工作，也就是說沒有最優解的，更多是多元工作。

　　是否會出現創意的機器？

　　這里就會產生到我們下一個思考的議題，是不是會出現創意的機器？

　　油畫作品Edmond de Belamy2019年在佳士得拍賣行賣了43萬美金，右下角的藝術家署名是一段代碼，意思是這張畫是通過一套算法，主要是對抗生成網絡做成的一張油畫。這個油畫的算法作者其實是一個用算法來做藝術作品的工作室。

　　過去我們看到人創造出作品，現在我們看到純機器創造出來的作品。我更想跟大家去探索的是這兩種更復雜的情況：第一個叫“機器在環路中（machine-in-the-loop”：人對機器先提出一個假設，機器給人很多的建議，人再基于這些建議創造出一個作品。我們在做的一個蠻有意思的項目叫做“秀色可餐”。

　　上海張江的人工智能島上有一個人工智能體驗中心，我們希望能夠不要像常規的體驗中心那樣羅列式的介紹人工智能各種各樣的技術，而希望大家在里面體驗。我們選擇體驗的場景就是吃飯，所以做了一個作品叫做“秀色可餐”，如果大家看動畫視頻，其實是我們后臺的demo，前臺是一個投影儀。我們把餐館的菜單，比如說魚香肉絲、宮保雞丁、番茄炒蛋，把它抽象轉譯成一種繪畫風格，我們把每一個菜名變成一個文字，然后這個文字有不同藝術家的風格。比如說在這里可能能看到的德庫寧，這是一個荷蘭的當代藝術家，畢加索，波拉克，羅斯科，或者是我自己特別喜歡的亨利盧梭，風格非常迥異的畫家，這個字可以換風格，然后再變成一種筆觸。

　　筆觸通過投影儀投射到餐廳的桌布上，所以每個餐廳的桌布的形象都和這個餐桌菜單所下的單有關，我們希望不要讓人工智能只變成冷冰冰的技術，而是可以看、可以聞、可以和我們的煙火氣發生關聯的這樣的一種生活的一部分。

　　這個就是我們做的一個工作，這里面用的核心思想方法就叫“機器在環路中”，用人工智能機器幫助人的藝術家能夠延展。畫家畫畫是比較漫長的，但是在這里，可以迅速地通過機器把繪畫復制很多倍，所以這個叫賦能人的創作。

　　另一個邏輯“人在環路中（Human-in-the-loop），核心觀念和剛才講的機器在環路中正好相對。機器算法創作出一些作品，人給予反饋，這些反饋能夠讓機器做更好的作品。機器可能做一千個、一萬個、一億個作品，人不同不斷地給反饋，來訓練機器。

　　我們與2×4——全球最著名的平面設計公司一起，和螞蟻金服支付寶合作。當時我們提了一個概念，這個也是來自于創業中我們經常講MVP（minimal viable product），最小的可行產品。這些小商家可能也有一個東西叫MVD（minimal viable design），最小可行的設計。如果商家僅需要一個設計，會是什么？我們覺得是“海報”。所以我們能不能讓全世界最好的設計師通過機器，產生讓千千萬萬中小商家不用花很多的設計費用的作品，就能夠得到每個人不一樣的定制化海報設計。

　　我們當時就和2×4等大概有50個不同的創意工作室合作，讓機器不停的在數據庫里找創意的元素，這些設計大師告訴機器哪些好哪些不好，就產生了一個海報生成的引擎。這個引擎任何一個商家輸入名字，比如這里看到“熊熊奶茶小屋”，輸入類型、地域、有一些和風格有關的提示詞以后，就能夠產生一張這個小店的海報，在支付寶上支付10元，這張海報就能打印出來，送到店家。所以換句話說，10元就可以擁有一個世界上最好的設計師訓練過的作品。

　　2×4的創始人叫做Michael Rock，他是耶魯大學的一個平面設計的教授，他自己的學術觀點和企業能做的事情存在著鴻溝，所以當我們聊起這件事情時，他非常高興，他覺得人工智能讓人，讓2×4這樣的設計團隊，成為機器閉環中的一部分，把更多的能力通過機器變得大眾化。

　　我們前面看了很多的案例，各種各樣的內容的制作、識別、生成、創意等等，哲學家、評論家會發出這樣的問題：機器真的可以創意嗎？我這里摘取了兩個觀點，一個觀點來自著名計算機科學家、圖靈獎獲得者Dijkstra。他講過一句很意思的話：“潛水艇能潛水，但是它真的能游泳嗎？計算機會不會思考這個問題就像潛水艇會不會游泳一樣”。機器不管是做了這么多的創意，還是輔助人做了這些多的創意，它真的會創意嗎？

　　另一個角度是著名心理分析學家卡爾榮格講的，他說“任何新的創造都不是通過思維來實現的，而是通過一種對于像玩東西一樣的內驅”。所以我們沒有玩具的時候我們自己想著玩，有了玩具之后產生某種互動，有更不一樣的玩具我們可能完成新的花樣。人工智能是不是人的一個新的玩具？這個玩具能夠讓我們人更有創造？這個是兩種思考維度沒有答案的問題，但是這是一個值得討論的問題。

　　我想提一個比較實實在在的角度：喬布斯講電腦和人關系的一段視頻。視頻中講到人的行動力特別糟糕，人的行動力沒有馬好、沒有狗好，沒有絕大多數動物好。但是很聰明的是，人是可以發明工具的。所以當人騎上自行車以后就成為這個行動力最強的生物了。

　　喬布斯講PC個人電腦就是人類思維的自行車，人工智能是不是在后個人電腦時代的創意思維的自行車呢？麥克盧漢曾說“我們先塑造了工具，然后工具塑造了我們，我們先塑造了創意的人工智能，然后人工智能塑造了我們”。

　　在我們自己的研究里面提了一個概念，主要想表達的是在創意中人機的正和關系，我們把它叫“腦機比”。取代關系就是前面最早《經濟學人》雜志那種表格，多少可能性被取代，這種是零和關系，正和關系用腦機比這個概念來。就是機器越多機器作為思維的自行車能夠給我們更多的創意和思維的空間，所以希望用腦機比。

　　我自己既是學者也是創業者，不管在學術領域還是做公司，我們的愿景都是一致的，就是用“科技賦能想象力”。我原來在加州大學伯克利分校，2015年機緣巧合拿到天使投資開始做企業。之后也有一系列很好的投資人進入到我們的公司，讓我們不停的可以做嘗試。在2017年初的時候我們成立了這個實驗室，也是希望能夠把我們自己在產業里面做的工作跟各個方方面面進行分享。

　　我自己其實做大學老師到現在已經快10多年了。大概2010年，我讀到了一篇2004年的文章，這篇文章的作者叫Chris Anderson，他當時是美國一本雜志叫《連線》雜志的主編，他寫了一篇文章，大家如果感興趣在網上可以搜到，叫《理論的終結》。

　　他說可能未來隨著大數據狀態的出現，我們可能不再需要用假設小樣本結論，就是理論化再通用化的方式來做研究，我們也許可以做全樣本的研究。這個觀點很打動我，也建立了希望能夠產學研結合的方式來做自己工作的角度，所以我才會兩只腳都要踏，一邊在學術，一邊在產業。

　　我們自己的團隊其實也是一樣的有產業和學術組合，我們實驗室現在規模挺大的，除了我之外我們還有我的副主任，我們有一系列的研究員，有一堆背景各異的研究生，有些是誤入這個行業的工科生，有些是誤入這個行業的文科生，我們在這里有點文理兼修的意思，有些會寫代碼，有些人不會寫代碼，有些人是非常厲害的黑客，有些則是不停的反思人工智能對創造性的理解的批評家。我們還有一個叫腦機工作者的一個社群，所以組成了這樣一個很有生機的產學研結合的環境。

　　大家想一想人類的發展歷史，變相就是不停的有新的更高級的工具讓我們的體力消耗變得更少。但是這個過程并沒有讓我們更閑著，讓我們人類有了《詩經》，有了國風，有了藝術，有了文學。

　　無限的運算力就像無限的生產力一樣，無限的產能一樣是不是會讓我們擁有更強的創造能力？我自己很感興趣，把人工智能的右腦不作為一個結論，而作為一個問題，能夠提問題恰恰是人和機器最本質的差異。也希望所有的聽眾我們能夠一起在機器越來越強大的時代利用好機器，探索更多的未知。

原文轉自：https://tech.sina.com.cn/scientist/2020-05-18/doc-iirczymk1792209.shtml