人工智能已經(jīng)變得非常容易被公眾使用，這使其非常受歡迎。各地的藝術(shù)家都在結(jié)合自己的技能和AI來進行各種編輯。甚至大多數(shù)應(yīng)用程序都具有使用AI的過濾器，以使您看起來更老，更年輕，甚至性別不同。
這位總部位于舊金山的圖形藝術(shù)家使用這項新技術(shù)來查看著名的繪畫和卡通人物在現(xiàn)實情況下的外觀，以及人工智能如何從繪畫或鈔票上的肖像中再現(xiàn)歷史人物。
內(nèi)森（Nathan）在他的網(wǎng)站上說：“我是技術(shù)總監(jiān)，創(chuàng)意技術(shù)專家，視覺效果主管和動態(tài)圖形藝術(shù)家，擁有十多年的經(jīng)驗。目前正在探索藝術(shù)與人工智能的交集?！?/p>
讓我們欣賞一下人工智能仿真模擬的魅力吧！
倫勃朗
內(nèi)森·希普利（Nathan Shipley）為我們回答了一些問題。他告訴我們是什么激發(fā)了他進行這些編輯的靈感：“一方面，我喜歡創(chuàng)建不可能的圖像并探索新技術(shù)。我擁有動畫和視覺效果的背景，一旦我看到了使用AI和機器學(xué)習(xí)可以實現(xiàn)的目標(biāo)我意識到使用這些工具可以完成很多事情，否則這些事情是不可能的，甚至在VFX和CG上在技術(shù)上可能實現(xiàn)的某些事情仍然非常耗時或昂貴，而AI則帶來了全新的可能性。
另一方面，探索建立在具有特定框架的特定數(shù)據(jù)集上的AI模型如何“看到”世界然后轉(zhuǎn)換圖像也很有趣。AI僅“知道”已經(jīng)看到的內(nèi)容，并通過此鏡頭過濾整個世界。對數(shù)據(jù)集，訓(xùn)練參數(shù)，模型和輸入圖像的每個小調(diào)整都可以更改輸出。這是一個探索人造神經(jīng)網(wǎng)絡(luò)如何以與我們自己的思維相似的方式解釋世界的空間。我并不是說我創(chuàng)建的圖像是Mona Lisa實際的樣子，而是機器根據(jù)這種特殊的變量排列看待她的方式。對我來說，這很令人著迷?！?/p>
#蜘蛛俠#里的Miles Morales
“我一直喜歡繪畫，拍照和繪畫。自從上小學(xué)以來，我就一直使用計算機，使用的是286，帶有MS-DOS，沒有硬盤。傳統(tǒng)藝術(shù)與技術(shù)的結(jié)合是一種我很自然地邁出了第一步，并帶領(lǐng)我從事了視覺特效和動畫領(lǐng)域。
我目前對使用AI和機器學(xué)習(xí)探索人臉操縱和生成藝術(shù)的興趣始于薩爾瓦多·達(dá)利博物館的一個名為Dali Lives的項目，該項目于2018年開始。我使用早期的Deepfake代碼將Dali帶回博物館，與參觀者討論他的藝術(shù)。從這里開始，我開始研究GAN，并意識到神經(jīng)網(wǎng)絡(luò)對于圖像處理和生成有多么強大！對我來說，創(chuàng)造藝術(shù)既是好奇心的表達(dá)，也是通過過程的探索行為?！?/p>
#世界名畫#蒙娜麗莎
超人特工隊的Elastigirl
“關(guān)于藝術(shù)創(chuàng)作，我最喜歡的部分是實際的創(chuàng)作過程；旅程以及隨之而來的所有探索。我喜歡遇到問題，卻不知道該如何解決，戴上耳機，迷失方向時間，然后嘗試嘗試直到可行。
看到完成的圖像真是太好了，但是嘗試新代碼，以非本意的方式使用代碼，將不同的工具組合在一起并通過新的流程創(chuàng)造出全新的藝術(shù)品，這將更加令人興奮。”
來自可可的Miguel
本杰明·富蘭克林
內(nèi)森（Nathan）有一個4歲的兒子，他喜歡和他一起探索世界：“我們釣魚，去海灘，繪畫，繪畫，閱讀，打棒球和假裝。否則我喜歡跑步-它使我平靜下來，讓我集中精神。”
藝術(shù)家告訴我們更多有關(guān)他自己的信息：“我只是一個來自美國中西部的人。我在印第安納州長大，就讀于印第安納大學(xué)，然后在印第安納波利斯賽車場從事電視動畫制作工作。準(zhǔn)備離開印第安納州去加利福尼亞。
我很幸運能夠在沒有任何計劃的情況下，先有機會環(huán)游世界一年，然后再前往舊金山。我以單程機票飛往秘魯利馬，并在接下來的12個月里住在南美，東歐，土耳其，印度和泰國的一些城市。如果到了自己喜歡的地方，我就住了一個月。
出差旅行，對世界充滿好奇并結(jié)識許多不同的人，這與創(chuàng)造藝術(shù)和一般生活息息相關(guān)。
我最終確實到達(dá)了舊金山，在過去的十年中，我在Google，Intel以及目前的廣告代理商Goodby，Silverstein＆Partners從事動畫，VFX和創(chuàng)意技術(shù)項目。
弗里達(dá)·卡羅
喬治華盛頓
內(nèi)森（Nathan）解釋了他是如何創(chuàng)建這些編輯的：“這是一個非常反復(fù)和探索性的過程。用最簡單的術(shù)語來說，人臉被用作軟件的輸入，并且軟件根據(jù)輸入生成新的人臉。繪畫或卡通人物的“真實”版本，以及真實人物的卡通版本。
更具體地說，要創(chuàng)建真實的人，該過程的中心部分使用機器學(xué)習(xí)來查找與Nvidia創(chuàng)建的AI網(wǎng)絡(luò)中的面孔形狀相似的人。該網(wǎng)絡(luò)是使用GAN（一種機器學(xué)習(xí)框架，稱為GAN）創(chuàng)建的，并在70,000人臉的數(shù)據(jù)集（稱為FFHQ）上進行了訓(xùn)練。人工智能學(xué)會了如何概括人臉的外觀，然后可以生成實際上并不存在但看起來非常真實的新人臉。
由于該網(wǎng)絡(luò)是根據(jù)真實人物的圖像進行訓(xùn)練的，因此即使您輸入的只是一幅圖畫或繪畫，它也非常善于創(chuàng)建更多真實人物。
我還有其他示例使用同一工具（StyleGAN）根據(jù)Aesop寓言插圖的400年木刻，Beeple的日常生活庫甚至是自定義數(shù)據(jù)集創(chuàng)建新圖像，以為Qrion和Hiatus等音樂家制作音樂視頻。很多這些都是在我的網(wǎng)站在這里。”
迭戈·里維拉
“我從動畫和VFX的背景中使用了一套核心工具（Photoshop，After Effects，C4D，Maya，Nuke），但最有趣的工具通常來自學(xué)者和機器學(xué)習(xí)研究人員發(fā)布的Github回購協(xié)議。這些是通常是通過在控制機器學(xué)習(xí)庫（如Tensorflow或PyTorch）的Linux機器上編輯Python代碼來運行的。
實際上，關(guān)于這些面部圖像的幾乎所有內(nèi)容都直接來自Python代碼。我對探索Nvidia的StyleGAN和一個稱為pixel2style2pixel的StyleGAN編碼器特別感興趣。”
內(nèi)森說，實際的圖像需要花費幾分鐘的時間來創(chuàng)建，但是他必須走很長的一段路才能學(xué)到所有東西：“我需要指出的所有學(xué)習(xí)和背景都是經(jīng)過幾年的探索和反復(fù)試驗。我甚至在2019年參加了麻省理工學(xué)院的一次名為GANocracy的會議。
例如，我建立了一個美術(shù)播放器，可以實時生成全新的，永無止境的，完全新穎的藝術(shù)品?？蚣苁羌磿r制作的！但是，訓(xùn)練模型并為玩家編寫代碼需要花費數(shù)周的工作和處理時間?！?/p>
倫勃朗
安德魯·杰克遜
藝術(shù)家分享了他如何選擇要重現(xiàn)人物或角色的方式：“我選擇自己喜歡的人物（例如，來自Coco的米格爾）或我們實際上沒有照片的歷史人物。其他的，但是當(dāng)獲得引人注目的結(jié)果時，確實是令人興奮的！其中很多是反復(fù)試驗，我只是在公開分享自己進行的測試。
例如，我很想看看蒙娜麗莎（Mona Lisa）可能是什么樣子，現(xiàn)在我有了一張可能像她的逼真的面孔。我并不是說這是蒙娜麗莎，但有可能。
當(dāng)人們看到我的剪輯時，他們說的都是“神奇！” 變得“令人毛骨悚然！” 到“看起來像我堂兄！” 他們似乎吸引了很多關(guān)注，因此至少他們很有趣！”
莉·米克拉（Lil Miquela）
難以置信的先生，感覺很熟悉，你們補充
“總的來說，我認(rèn)為生成藝術(shù)和AI藝術(shù)的領(lǐng)域非常有趣，而且值得深入研究。我當(dāng)然會鼓勵感興趣的讀者嘗試一下！技術(shù)上的障礙似乎令人生畏，但有一定的背景知識，您真的可以通過很多方式使用Google。
這也是學(xué)者和研究人員以非常學(xué)術(shù)或聽起來復(fù)雜的方式介紹這些技術(shù)的一種方式。理解一篇名為“用于生成對抗網(wǎng)絡(luò)的基于樣式的生成器體系結(jié)構(gòu)”的論文似乎令人生畏。但是，看到由具有相同技術(shù)的藝術(shù)家創(chuàng)作的圖像可能會非常鼓舞人心！
我強烈鼓勵讀者閱讀Memo Akten，Scott Eaton，Mario Klingemann，Refik Anandol，Helena Sarin和Ben Snell的著作。這些藝術(shù)家對于我探索AI和機器學(xué)習(xí)的興趣非常重要?！?/p>
迭戈·里維拉
尤利西斯·格蘭特（Ulysses S.Grant）
這個也好熟悉，交給動漫迷們補充啦~
倫勃朗
這個一定是隨機的，不認(rèn)識不認(rèn)識
倫勃朗
#飛屋環(huán)游記#里的小男孩羅素Russell
