人工智能对不同人群的审美可以提供分类举例

　　但是，遇上“审美”这种问题，这种“不够智能”恰恰成了AI的优势所在：得以避开那些来自文化、情感等等综合因素的影响，专注探寻那个可能存在的客观审美规律。 　　为了避免让AI找到作弊的途径，研究者们在很多细节上下了功夫： 　　比如，他们招募人类志愿者时，要求没有获得过艺术相关学位，也不会一个月内跑好几次艺术博物馆，这样尽可能地保证这些志愿者的审美更加“原生态”，评判画作更加依赖自己的直觉。 　　同时，研究者们给AI看的画作也经过了加工：他们将画作直接转换成了13个参数，包括色调、对比度、明暗度和色彩分布等可以直接从画作中计算的特征，以及 “具体或抽象”和“流动或静止”这样需要专业人士进行评估的指标。 　　简单来说，在学习阶段，AI每次可以看到13个数字和1个对应的喜爱度分值。在进行了大约800次学习，也就是看完了800幅画作和对应的志愿者评分后，研究者们会给扔给AI新的13个数字，让它来预测最后的分值——也就是预测志愿者对这一幅画作的喜爱程度。 　　通过多次验证，研究者确信AI确实学到了某种规律：志愿者不喜欢的作品，AI会倾向于给出更低的评分；而志愿者欣赏的作品，AI给出的分数则更高。也就是说，AI的预测与志愿者的真实喜好高度一致。 　　既不认识毕加索或莫奈，也没学过透视法则或色彩互补，更看不出（也看不到）艺术家想要传递的价值或感受，只通过13种客观视觉参数，“不解风情”的AI就能够预测不同人类个体的审美倾向——饭谷博士和同事们相信，这正是客观审美规律存在的证据。 　　人和人的审美差异， 　　怎么这么大涅？ 　　接下来，研究者们还大胆地探索了另一个美学难题：为什么人和人的审美偏好并不相通。 　　这一次，他们通过网络招募了1359位志愿者，并邀请这些志愿者给不同画作打分。 　　之后，交给AI的任务变难了一些：需要通过画作信息与不同志愿者的喜爱度评分，给志愿者分类——将那些具有类似审美偏好的小团体识别出来，并告诉研究者们这样分类的理由。 　　结果，AI自信地将人群分成了三类： 　　78%的人属于“对画作的具象性有高要求”，看起来正是典型的印象派特征了； 　　15%的人恰恰相反，他们讨厌“具象”的画作，更欣赏蒙德里安或罗斯科（他们高呼着艺术是抽象的）； 　　还有7%的人，根本不在乎是否具象，他们眼里的艺术要更加动态与多变（你可以想想毕加索的作品）。 　　人工智能对不同人群的审美分类举例丨参考文献[1]，汉化：作者 　　通过后续实验，研究者们猜测：当我们欣赏画作时，视觉神经系统会自动提取画作中的基础视觉信息（比如具象性），并在大脑中判定我们对这些信息的好恶——这可能是我们审美评判中更客观、更本能的部分。所以，有些人和人之间的审美就是打心眼里不对付，倒不如求同存异，不要互相勉强了。 　　为了让实验设计更加严谨，研究结论更加可信，研究者们还进行了许多其它实验，在此就不继续展开了。 　　然而，我们需要意识到的是：即使经历了如此严格又漫长的调教，学习了超过1000幅大师作品，人类并没有让AI学会艺术鉴赏——它的好恶不过是对人类的模仿，甚至只是简单的从数字中找规律的游戏。 　　研究者们也同意，虽然他们的实验揭示出审美评判中蕴含着普适的客观规律，但艺术画作并不是简单的元素堆砌。我们欣赏画作并不仅仅是品味画作本身，而是和创作者跨越时空的思维碰撞与情感沟通。 　　说起来……要想让AI真正理解《蒙娜丽莎》的美妙，至少得先让它懂一点儿中世纪历史吧。