用人工智能复兴过去

在研究约翰·辛格·萨金特(JohnSingerSargent)描绘19世纪社会富有女性的画作时，前加州理工学院驻校艺术家杰西卡·赫尔凡德(JessicaHelfand)萌生了一个想法：搜索人口普查记录，找出这些女仆的身份。“我想，‘如果我按照约翰·辛格·萨金特的风格来描绘这些女性，会发生什么?’这是一种文化恢复，”Helfand解释说，“通过恢复一种美丽、风格和威严来对叙事进行逆向工程。”

为了重现历史风格，她转向越来越能推动未来发展的技术。“AI能帮我弄清楚如何绘画，比如蕾丝或亚麻布，以捕捉日光下衣服的褶皱吗?”Helfand在由HillaryMushkin主持的研讨会和讨论中讨论了她的过程，HillaryMushkin是工程和应用科学以及人文和社会科学领域的艺术与设计研究教授。

该活动是加州理工学院视觉文化计划的一部分，还邀请了DALL-E的产品负责人JoanneJang，DALL-E是一种基于用户提供的提示生成图像的人工智能系统。

虽然DALL-E从城市规划到服装设计、烹饪都有许多实际应用，但这项技术也提出了新的问题。Helfand和Jang谈到了生成人工智能的最新进展、使用此类工具时的伦理考虑以及艺术智能和人工智能之间的区别。

Jang和Helfand确定了艺术的三个组成部分。他们说，机器擅长其中两项：感知数据的能力和建立联系的能力。机器无法教授的第三个组成部分是主观的人类经验。

DALL-E等生成技术的能力和局限性取决于它们的工作方式。DALL-E1是一种生成式预训练(或GPT)模型，本质上是一种自动完成技术。它的继任者DALL-E2是一种扩散模型，它从随机的点图案开始，慢慢排列这些点以生成图像的突出特征。

对于Helfand，该工具还提供了一种探索艺术可能性新领域的方法。19世纪，优生学家弗朗西斯·高尔顿通过将多人的形象组合在一起，制作了“罪犯类型”的扁平化合成肖像。Helfand使用生成式AI来解构复合材料并重建每个人的真实肖像。

“当你通过一个你知道的故事积极地[赋予]某人时，会发生什么，你可以开始构建一个不同的故事，一个更接近于对那个人的忠诚度的故事。”Helfand说，通过这种方式，生成式AI使艺术家能够做与高尔顿所做的相反的事情：积累细节而不是平均它们——努力在肖像中恢复尊严和人性。

Helfand和Jang还解决了随着AI技术变得越来越强大而出现的伦理问题。例如：DALL-E如何决定CEO的画像是什么样的?每个变体都是男性吗?虽然这在统计上可能是准确的，但它合乎道德吗?

当科学家们决定修剪DALL-E的训练数据集以删除所有色情内容时，另一个问题浮出水面：他们发现女性代表下降了25%。这意味着由于训练数据较少，该模型在创建女性图像时所掌握的信息会减少25%。因此，研究人员面临着如何重新衡量女性形象的问题。

加州理工学院社区正在探索围绕DALL-E和ChatGPT等生成式人工智能系统及其对人类的影响的此类问题。“我们社区中有很多人对机器学习感到兴奋。像这样的对话是人们思考技术可以解决哪些问题以及人类的责任是什么的机会，”穆什金说。“加州理工学院有兴趣与在科学领域以外工作的人讨论这些问题。当我们为研究人员提供与演讲者单独会面的机会时，注册人数在一个小时内就满了。他们真的很想与相关领域的人可以为他们所做的事情带来新的视角。”