（连载之十一）

 

艺术创作：
AI与人类各擅胜场

　　我们通常说，目前的人工智能更擅长从大量数据中发现规律，帮助人类完成那些人类只需要简单思考就能做出决策的重复性工作。而人类相比人工智能的一个优势是人类有情感、明善恶、懂美丑，更擅长从事对创造性要求很高的文艺类工作。但这只是从普遍规律的角度来区分机器与人的最大不同。在一些特定的案例中，其实机器也可以用非常有趣的方式，完成某些足以令人类刮目相看的“艺术创作”。
　　2017年1月，我在瑞士达沃斯出席世界经济论坛时，就有三部由软件算法驱动的智能机械手，拿画笔为我画了三幅有趣的肖像画。
　　从算法上说，智能机械手为我作画时，电脑所做的事情包括采集我的面部影像，用人工智能算法将影像与电脑事先学习过的某一种绘画风格关联起来，利用一种叫作“风格迁移”的技术，将我面部的每一个特征映射到一种特定的表现手法，并最终计算出画笔的移动方位和运笔力度，以完成最终的肖像画创作。
　　有趣的是，三部机械手为我画的三幅肖像画竟然是三种完全不同的画风。照片里，最左边一幅画的风格是“写实”，中间一幅画的风格是“疯狂”，而右边一幅画的风格是“抽象”。大家觉得，哪一幅画得更好些？
　　基于深度学习的“风格迁移”技术，可以为计算机绘画或计算机修图软件带来许多难以置信的功能。在本书开头，我们已经见识了名为Prisma的手机应用程序将普通照片变为或曼妙或奇幻的不同风格绘画作品的神奇魔力，也看到了著名的手机app美图秀秀提供的手绘自拍功能。
　　其实，除了绘画、修图，人工智能算法还可以模仿人的笔迹创作书法作品。2017年春节前夕，阿里巴巴在公司的西溪园区，展示了一个能够自动创作春联的机器人——阿里云人工智能ET。这部阿里云人工智能ET可不简单，它不但会根据之前学习的书法风格现场挥毫泼墨，而且它写出来的春联内容，也是由人工智能算法根据人类体验者的具体要求，现场创作出来的。人工智能算法既可以写出很有传统意味的春联，如“九州天空花俊丽，未央云淡人泰康”，也可以根据体验者的要求，写出颇具调侃意味的词句，如“貌赛西溪吴彦祖，才及阿里风清扬”，真是妙趣横生。
　　用机器进行音乐创作，也是人工智能领域长期以来的研究方向。加州大学圣克鲁兹分校的戴维·柯普（David Cope）就是这一方向最有名的研究者之一。早在1981年，戴维·柯普就开始尝试计算机谱曲的研究。据说他花了7年时间，写了一个名叫EMI（音乐智能实验，Experiments in Musical Intelligence）的人工智能程序，这个程序可以在一夜之间写出5000多首巴赫风格的乐曲来。有一次，在圣克鲁兹音乐节上，戴维·柯普演奏了EMI谱写的几首乐曲。当时，场内的观众大多以为听到的真是巴赫的某个曲目。戴维·柯普后来又对EMI进行了许多次升级，使这个人工智能算法可以模仿贝多芬、肖邦、拉赫玛尼诺夫等音乐家的曲风。不过，根据戴维·柯普自己的描述，EMI使用的大多还是基于音乐规则的，类似专家系统的人工智能算法。在许多情况下，计算机所做的只是将古典音乐大师惯用的小节根据预设的规律做重新的排列组合，或简单变换。今天，与计算机绘画使用的风格迁移技术类似，深度学习一样可以在音乐领域帮助计算机更好地模拟大师的作曲风格。
　　2016年，谷歌的工程师让人工智能学习了2865篇爱情小说，然后又教人工智能一些英语诗歌创作的基本格式，接下来，人工智能算法就真的写出了一首又一首情感小诗。这些英文诗读下来，还真有一些多愁善感的意味，隐约流露着那两千多篇爱情小说中，为了爱情辗转反侧的主人公们难以捕捉的微妙心情。比如下面这首“小诗” ：

 

　　it made me want to cry.
　　no one had seen him since.
　　it made me feel uneasy.
　　no one had seen him.
　　the thought made me smile.
　　the pain was unbearable.
　　the crowd was silent.
　　the man called out.
　　the old man said.
　　the man asked.

 

　　人工智能算法会画画，能作曲，懂书法，能填词赋诗，还会写春联，这在普通人看来，是非常了不起的成就。这是不是意味着，人工智能和人一样有意识、有创造力、有情感、有思想了呢？
　　人文学者通常会用感性的方式来思索机器与人在艺术创作方面的异同问题。历史学家、畅销书作者尤瓦尔·N. 赫拉利（Yuval Noah Harari）在《未来简史》一书中是这样分析的：“常有人说，艺术是我们最终的圣殿（而且是人类独有的）。等到计算机取代了医生、司机、教师甚至地主和房东时，会不会所有人都成为艺术家？然而，并没有理由让人相信艺术创作是片能完全不受算法影响的净土。人类是哪来的信心，认为计算机谱曲永远无法超越人 类？”
　　但从事人工智能研究的专业技术人员非常清楚，这些所谓的“艺术创作”，离人类作家和艺术家真正意义上的艺术创作还相距甚远。人类艺术或者紧密结合人类的真情实感，或者深刻反映历史积淀的厚重久远，或者清晰折射社会现实的复杂多样，或者自由发挥艺术家天马行空的想象力……相比之下，人工智能算法的“艺术创作”，只是在大量学习人类作品的基础上，对人类某种特定创作风格的简单模仿。二者之间的区别，还是非常明显的。即便如尤瓦尔·赫拉利所说的那样，机器与人在艺术创作的根本原理上，并没有不可逾越的鸿沟。但从今天人工智能算法的发展水平看，在可预见的近未来，我们实在看不到计算机有接近或超越人类艺术家的可能性。

 

人类将如何变革？

走出金字塔模型

　　人工智能将改变全世界各行各业的现有工作方式、商业模式，以及相关的经济结构。那么，人类应当如何应对呢？最最基本的一点，当人工智能开始大规模取代人类工作者的时候，我们应该做些什么，才能避免人类大批失业、社会陷入动荡的危险局面呢？
　　从刀耕火种时代至今，人类历史上的协作分工，基本都遵循一个类似金字塔形状的社会结构模型：少数人影响、领导和指挥较多的人，较多的人再进一步影响或管理更多的人，逐级向下，金字塔底层是大量从事简单、重复性劳动的人。
　　无论是在古罗马的奴隶社会，还是在中国汉唐直到明清的皇权社会，抑或是在今天的现代社会里，人们总是努力寻求这种金字塔结构的平衡。当然，由古代集权社会到现代共和政治之间所经历的翻天覆地的变化，深刻地影响着这个金字塔结构中每个层级的管理者的产生方式，以及层级之间的权利与义务的重新组合、分配。但即便是在共和体制的现代社会里，高效的经济运行机制仍然需要这种自上而下，层层分解工作，层层授权的金字塔型分工结构。迄今为止，唯一能稍微改变这种金字塔构型的现象，是在发达国家中可以观察到的中产阶级数量的增长和蓝领工人的减少，这让金字塔最下面两层的人数比例不再呈现绝对化的梯形关系，而是有可能融合为一个更大的人群。
　　尤瓦尔·赫拉利在《未来简史》中说：“研究历史，就是为了挣脱过去的桎梏，让我们能看到不同的方向，并开始注意到前人无法想象或过去不希望我们想象到的可能性。……研究历史并不能告诉我们该如何选择，但至少能给我们提供更多的选项。”
　　过去几千年里，人类在科技、经济、社会等方面所做的诸多变革，其实大多数都是为了让这个金字塔结构工作起来更高效。
　　比如，几乎在同一时间，欧洲的古罗马和中国的秦帝国都在全国范围内建设四通八达的公路网络。古罗马有超过29条大型军事公路，由首都罗马以辐射式向外扩散，总长超过40万千米。而秦帝国不但修建了类似的路网，甚至还修筑了最宽处达60米，穿越14个县，全长700多千米的高速公路——秦直道，又用行政命令的方式统一了全国的车辙标准（车同轨）。对于帝国交通的狂热让当时的罗马帝国和秦帝国从中央到地方，从官僚机构到平民百姓的政令传递畅通无阻。这套高效的、金字塔结构的指挥体系，无论是用于军事征服，还是用于大型工程建设，其水平都达到了当时历史条件下的巅峰。
　　从本质上说，今天的现代人还是在做着与两千多年前的古罗马人和秦人一样的事情。我们建设了通达全世界的互联网，我们用发达的空运、海运、陆路运输为全世界每一个角落配送世界各地生产的产品。新技术的普及和全球化经济体系的建设，都是为了让人类的金字塔构型的社会分工更加合理和高效。
　　在现代商业体系中，处于金字塔顶层的政治家、经济学家为整个经济活动的总体战略布局指示方向——这个人群的数量最少；处于稍下层的企业家们，则在尽可能地利用互联网时代的全球化经济体系，设计最符合自身企业需求的商业模式——这个人群的数量稍多；企业里的中层管理者则起到承上启下的作用，在实际执行过程里既负责监控执行效果，又负责制定具体执行策略，实施人员管理（互联网和流程自动化的普及让这个中层的管理结构趋于扁平，使每个中层管理者可以管理更多的员工，或监控更复杂的流程）——这个人群的数量相当大，在中国也许有数千万人；而更多的人则投入到每一项具体的工作任务中，包括产品的生产制造者，技术的研发者，商品的运输者（想想我们在淘宝轻松购物的背后，有千千万万的快递骑士每天奔波于每个城市的街头）——这个人群在中国有好几亿人。这种社会体系顺利运行的基石就是分工协作，从最复杂的脑力劳动，到简单的、重复性的脑力或体力劳动，分别由数量不同的人群承担。
　　那么，人工智能到来后，如果50%以上的简单、重复性工作在未来的一段时间内都会被人工智能所取代，人类过去数千年来分工协作的金字塔结构会不会变得不再稳定？这大概涉及三个问题：
　　·金字塔底层原本从事简单工作的人，如果都涌向金字塔中部甚至塔顶，试图去尝试艺术创作、决策分析、领导管理等工作，金字塔会不会就此坍塌？
　　·现代社会里，在金字塔结构中分工协作的人，本来是有一个从初级到高级的上升通道的。比如，在公司里，一个高层管理者通常需要从底层实际工作做起，通过学习和锻炼慢慢承担起中层管理工作，再经过一定时间的积累，最终走上高层管理岗位。如果底层工作都由机器来完成，人们是不是就缺少了向上发展所必需的实际锻炼机会？
　　·更重要的是，如果未来失去工作的人，都必须从简单工作转换为相对复杂的脑力劳动，那么，他们要学习的知识体系对他们来说将是一个庞大的架构。那些中年失去工作的普通劳动者，他们怎么可能重新开始一次历时5到10年的学习深造呢？　　（待续）