内容简介:PPT01
这是在 DT数据侠实验室直播间分享的一个内容。
PPT01
大家好,我是shadow,我是一名智能产品架构师,有10年经验的技术和设计经验; 毕业于上海交通大学,同济大学;服务过的企业有中兴通讯、招商银行、ARKIE智能设计等。我每天的工作就是在设计师和 程序员 的身份之间切换,设计思维和计算机思维之间切换。
我毕业的时候从事了很久的设计工作,设计师的经历跨越了甲方跟乙方的设计经历,涉及的领域包括景观设计、旅游景区规划、城市规划、室内设计、平面设计、互联网的用户体验设计。
早在2008年我就涉足参数化设计,当时主要是想用计算机来实现空间设计。
程序员的经验主要是前后端的开发、跨终端平台的开发、机器学习、深度学习之类的。
因为具备设计师及程序员的背景,我对设计+技术的跨领域会比较感兴趣,长期研究智能设计。
PPT02
大家觉得设计师、艺术家会不会被AI取代?
业界有非常多的人认为,AI没法做一些创造性的工作,然后,我采访了很多在玩技术的艺术创作者、设计师,得到的反馈是AI有创作艺术、设计的潜力。
我们看下PPT上的这6张图片,大家猜一猜哪张不是人类创作的?
是不是很难识别出来哪个是AI创作的?
PPT03
好,接下来,我们思考2个观点,主要从想象力及理解力这2个点出发。
观点1
机器不具有真正意义的「创造力」,因为机器没有想象力
有一个常见观点,认为「创造力」是人类的独有的东西,在爱德华·威尔逊的《创造的起源》一书中提出了创造源自一个冲动。
如果机器具备“冲动”,机器就具备想象力,那机器也会有创造力。
在“冲动”的角度,机器是不如人的,因为机器不会犯错,机器只会处理1+1=2的这种结果很明确的问题,即使是引入「概率」的AI,假如程序运行正常,它也不大会偏离正轨;
但人会,因为人的思维是发散性的,无法用数学公式描述的。
所以从这个“冲动”的角度来说,机器是不具备真正意义的「创造力」的。
ps:
此部分是跟 ML41 limber 一起合作的内容。
PPT04
我们看另一个观点,既然机器没有“冲动”,那理解力呢?
我们觉得
「理解力」可以被假装
在约翰·希尔勒的《Minds, Brains, and Programs》一书中介绍的著名的思想实验「Chinese Room」(中文屋子)。这是一个关于 中国人、外国人、说明书的故事。
有这么一间封闭的房间,注意,这房间是封闭的,并且这个房间只有一个窗户。
房间里锁了一位对中文一窍不通的,母语是英语的老外。
房间里有一本用英文写的说明书,说明书解释了中文的句法和文法组合规则,以及一大堆中文符号。
这时候,房间外有位中国人不断地往房间内传递用中文写成的问题。房间里的老外按照说明书,将问题翻译成英文,然后对问题进行解答,再翻译回中文,写成答案,传递给房间外的中国人。
大家觉得房间外的中国人,能不能看懂答案?能不能发现房间里其实是一名外国人?
在上面的交流过程中,房间外的中国人所扮演的角色相当于程序员,房间里的外国人相当于计算机,而说明书相当于“代码”。
房间里的外国人是不可能理解中文的,必须借助说明书才能理解,同样的道理,计算机也不可能通过“代码”来获得理解力。但是,房间外的中国人误以为计算机具有理解力,能读懂“代码”。
ps:
此部分是跟 ML41 limber 一起合作的内容。
PPT05
创造的前提是如何让机器理解艺术?
综合前面的2个观点,没有必要让机器具有哲学意义上的「创造力」,只需要“假装”具有创造能力就好了。
我们放宽对创造力的定义,将创造定义为:推陈出新。在技术角度, 只要数据做得足够好,推陈出新的创造是可以做到的 。
在这里分享另一个启发我们的事件,就是最近Google在上海办的AI体验展,通过简单有趣的互动,利用图片、绘画、语言、音乐等艺术体验为我们展示了人工智能与艺术之间的融合可能性。
综上,机器创造、机器艺术是可行的。
接下来,给大家介绍一些机器创作的方法。
PPT06
方法1 基于艺术规则
这里要举一个Adobe的人工智能平台Sensei的案例,它有一项能力是图像质量的评估,有10个维度的指标,从构图、色彩、图像内容、灯光、景深、三分法则等维度,分别给大家介绍下。
Balancing Element - 整体构图的平衡程度如何
Color Harmony - 颜色的和谐程度
Interesting Content - 图像是否包含有趣的内容
Interesting Lighting - 有趣的灯光,检测五彩缤纷的灯光效果,例如夜景,日落,有趣的灯光效果......
Repetition - 是否在照片中有重复的图案,构图......
Symmetry -对称,基于构图和对象的对称性
Depth of Field - 景深
Object Emphasis - 检测是否有主体物体
Rule of Thirds - 摄影三分法
Vivid Color -色彩鲜艳程度
经过以上指标的计算,计算最后的Quality - 总分
这是一套艺术规则,是基于大量艺术家、摄影师的经验总结而出的。
PPT07
我们来看一下adobe的AI其他功能,image quality就是图像质量评估,前面已经介绍过了。
第二个能力就是body crop,把图像中的人体裁切出来
第三项是auto swatch,自动提取主要颜色的色板,并且提取图像中具有代表性的区域,返回的是矩形框
第4项是auto tag,给图片打标签,这个功能跟目前各大厂提供的图像内容识别是类似的
PPT08
我们来看下另一种方式,基于数据的方法。
基于数据本身,我们可以挖掘到平常无法直接得到的潜在规律。那么在艺术领域,涉及最多的媒介是图像,这里分享一个关于图像色彩风格的量化方法。
大家看一下ppt上的这一图片,上面的颜色是压缩过的,经过计算,这张图共有4个颜色,他们之间的比例及空间关系如图所示。
这里采用的方法是色彩量化,简单来说,就是压缩颜色,使颜色可以量化的一种方法。例如MCCQ、KMeans算法都是可用于色彩量化的算法。
PPT09
下面,我们拿一张图片作为示例,一步步讲解如何获取量化色彩。
STEP1
量化图片,压缩颜色
通过RgbQuant.js库来获取图片的色彩量化结果,这里示例获取的是3个色彩数据来压缩图片。获得结果,包括压缩色彩后的图片及色板。
PPT10
STEP2
获取色彩“图”数据
节点跟节点之间连线的称之为“图”。
计算邻接矩阵:
PPT11
STEP2.1
初始化邻接矩阵
详细的过程可以看 如何量化一张图片的色彩关系?
PPT12
STEP2.2
遍历量化后的图片
PPT13
STEP2.3
更新邻接矩阵
上图的过程,我们用文字描述一下:
一次获取4个像素点,然后获取4个像素点在色板中的位置(编号),如果任意2个像素之间的颜色不相等,则这两个节点之间接近程度+1,对应更新邻接矩阵中对应的元素数值。
最后一步就是 邻接矩阵归一化处理, 通过归一化处理后,我们就得到这张图片的邻接矩阵啦,一张图片的色彩关系就被量化了。
PPT14
前面介绍了2种方法,下面给大家结合2个案例,继续分享基于数据的方法。
案例1 基于posenet的人体关键点识别
摄影是我们日常生活中最接近艺术的一种行为,网络上存在大量的优美的人物摄影作品,我们如何让机器提炼出最佳的人物摄影姿势?这边可以使用深度学习的人体关键点识别,对海量的摄影图片进行数据提取,提取人物的姿态关键点,及与画面的构图关系,然后进行数据的聚类,相似度分析等等。
通过数据提取,数据挖掘、处理后,我们可以构建成知识图谱,有了知识图谱我们就可以创造各种关于摄影的应用。
应用:
人工智能摄影师
自动跟拍用户,然后从大量跟拍的摄影照片中,自动挑选出最佳的摄影作品。
PPT15
案例2 基于word2vec的颜色图谱构建
颜色,是我们生活中最常见的艺术元素之一,穿衣搭配需要考虑颜色,绘画需要考虑颜色的搭配,电影、电视剧的色彩风格与氛围塑造,非常多的颜色场景。那么,我们如何让机器理解色彩关系?
除了上文提到的色彩邻接矩阵外,我们可以通过计算颜色之间出现的频率,并转化为向量的方式,应用于色彩知识图谱的构建。
应用:
智能配色
用户通过上传设计图,机器自动改变颜色搭配,生成多种配色方案
以上为全文。
︱关于MIXLAB
MIXLAB 无界社区 是一所面向未来的实验室,它提倡“ 跨界创新,开放成长 ”的理念。
—— 跨界 开放 互助 学习 思维 创新。
目前社区汇集了 20000+ 跨学科人群,主要来自GoogleBrain、微软、华为、阿里鲁班、腾讯、旷视、三角兽、物灵科技、众安保险、美团、360等科技人才、设计师及CEO和投资人;
高校分布MIT、Oxford、Cambridge、CMU、UoM、清华、北大、复旦、上交大、同济等学生及教师群体;
学科跨越机器学习、自然语言处理、量化交易、物联网、区块链、前端、后端、产品经理、UI设计、建筑设计、服装设计、珠宝设计、音乐、艺术等。
详细介绍 点击以下卡片:
mixlab期待您的加入!
让你具备无限可能……
不 赞赏 下?
不 点下广告 ?
不 转发 下?
以上所述就是小编给大家介绍的《设计师、艺术家会被 AI 取代吗?》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- AI 艺术家:Pindar Van Arman
- GAN:艺术家眼里生成作品的创作利器
- 艺术家对“技术技能组合”做出了可视化的呈现
- 这位艺术家为开源领域的“先驱者”拍摄了这些肖像……
- 硅谷创业之父:不想当艺术家的程序员不是好黑客
- 人工智能会取代人工翻译吗?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Responsive Web Design
Ethan Marcotte / Happy Cog / 2011-6 / USD 18.00
From mobile browsers to netbooks and tablets, users are visiting your sites from an increasing array of devices and browsers. Are your designs ready? Learn how to think beyond the desktop and craft be......一起来看看 《Responsive Web Design》 这本书的介绍吧!