《天才与算法》读后感精选

　　《天才与算法》是一本由[英] 马库斯·杜·索托伊著作，机械工业出版社出版的平装图书，本书定价：79.00，页数：308，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《天才与算法》读后感(一)：由被动到主动：算法的进化之路

　　喜欢网购的人都有过这样的经验，当你有过几次网购或者仅仅是浏览经历，卖方即根据你的偏好给你推荐商品。比如，我在当当APP浏览想看的书或是下单买书后，当当上有一个“当当为您推荐”的版块，会统计和分析我的偏好，相应推荐书籍。我发现其中部分图书就是我近期浏览过的，而其他图书则大致符合我的阅读品味。

　　类似这样的推荐可谓铺天盖地，从百度到淘宝，从西瓜视频到头条，今天的人们已经司空见惯。在这看似天经地意的行为中，我们心安理得地享受着这种免费服务，却很少有人思考这背后隐藏着的秘密。

　　说起AI来，我们并不陌生。稍微有阅读习惯的人都还记得1996年深蓝大战国际象棋冠军卡斯帕罗夫的新闻事件，那次AI初显身手，让人类震惊不已。马库斯·杜 ·索托伊告诉我们,其时的AI所采用的算法还处在被动学习的阶段，是个初入职场的新手。国际象棋大师包括卡斯帕罗夫本人都战胜过这个初出茅庐的楞小子，就在1996年卡斯帕罗夫曾说过这样的话： 我能够感受到来自棋桌对面一种新型的智慧。但那是怪异、低效和不稳定的。我相信自己还有几年的安稳日子。然而好景不长，深蓝在学习中迅速成长起来，在随后的大战中，它最终以3.5对2.5的比分盈得了比赛的胜利，人类则初尝败果。

　　人类还有围棋这块遮羞布，一个事实是计算机下不好围棋，即便是一位初级棋手都能轻松战胜最为复杂的计算机算法。围棋游戏蕴含的智慧与数学家的思维方式接近，计算机要战胜人类还有一段路好走。

　　然而计算机却很快做到了。虽然已过去整整四年有余，人们对2016年阿尔法狗大战韩国围棋九段李世石的新闻仍然记忆犹新。

　　阿尔法狗为什么在人类完全无法预料到的短时期内迅速崛起？这其中有着哪些不为人知的奥秘？在马库斯·杜 ·索托伊的《天才与算法》一书中，揭开了背后隐藏的秘密。

　　软件之母阿达·拜伦认为，计算机有其局限性，即输出不会超过输入。这一观点曾经在计算机科学工作者领域成为共识。深蓝的算法是基于一种被动的学习，利用其强大的计算能力，学习并掌握了人类所有的下法，才最终击败人类。

　　可是，阿尔法狗却完全不同。它不同于深蓝的自上而下式的算法，而是自下而上式的，在下棋时始终处于主动学习的过程，不断地从错误走法中总结经验并加以改进。阿尔法狗的自学习和自适应，最终打败了貌似不可战胜的人类最伟大的棋手。

　　算法的进步有目共睹，我们都在享受算法带给我们的便捷。算法在围棋上战胜人类只是小试牛刀，它的面前还摆着更大的挑战。算法在绘画、音乐、歌曲、数学和文学方面，开始了它的艰难挑战之旅，并且取得了让人刮目相看的成绩。

　　复活伦勃朗似乎是痴人说梦，然而我们别忘了算法是站在巨人的肩膀上，它的每一次努力也许带给我们的不只是惊喜。伦勃朗是大师中高产的国家，但他的作品数量仍然不足以支撑算法的海量学习需要。研究人员先是伦勃创作的346幅画进行了研究，创建了150G的数字渲染图像，收集各项数据，然后利用算法探索伦勃朗画眼睛、鼻子和嘴巴的方法。在此基础上，他们的复活伦勃朗成果，成功地蒙蔽地多数人的眼睛，把它归入伦勃朗的画作，因为它再现了伦勃朗的绘画风格。

　　这项研究事实上只是验证复活伦勃朗的可行性，并没有什么意义。但算法的创造力未来仍然大有可为，它创作的音乐得到了广泛好评，它在数学上某些方面的优势也让人类望尘莫及，而在诗歌创作领域的优势也让人期待。

　　有人曾经统计过唐诗中出现频次多的词语，并据此无师自通的创作了自己的唐诗。而今天，我们只要利用强大的算法，瞬间写成一首像模像样的唐诗可谓易如反掌，这多多少少能满足我们成为诗人的虚荣心。

　　AI的创造力正在改变我们的生活，它为我们的生活提供了一种广阔而巨大的可能，人类的未来也因此而更加美好。在展望无限可能的未来时，算法为我们的生活添上无限美妙的一笔。

　　《天才与算法》读后感(二)：具有创造力的AI

不得不吐槽一下书名的翻译，The Creativity Code: How AI Is Learning to Write, Paint and Think直译为《创造力的代码：AI如何学习写作、绘画和思考》，不知道为什么翻译为《天才与算法：人脑与AI的数学思维》，显然偏离了原意。从本书内容来看，作者虽然是数学家，但是并不是完全用数学思维理解AI，用“算法思维”这个词才更贴切（如果实在要创造性翻译的话）。

言归正传，本书让我想起了另一本关于AI的书《哥德尔、艾舍尔、巴赫》，和本书一样非常重视跨领域的研究，甚至领域都高度重合：数学、绘画、音乐等。只不过本书的核心问题是AI是否能够获得创造力，是否能够输出比输入更多的东西。作者和我一样，都认为AI获得创造力是可能的，一些人觉得不可能是因为“狭隘的人本主义”作祟（p173）。

作者结合例子分别分析了人类和AI如何创作艺术、研究数学和写作，其中AI如何绘画给我留下了深刻印象。AI缺乏真实世界的体验，更多的是在模仿人类画家。通过算法显然可以找到人类画作的规律，然后依葫芦画瓢即可。然而，真实世界的体验造就了每个画家和他们的画作，从这个意义上说，AI无法真正理解和创造伟大的画作。这一点我非常赞同，我认为人类画家的创造力来自于各种生活体验对大脑的持续刺激，到一定阶段形成了某种和谐、巧妙的结构，然后被表达出来，精准地传达了人类的某些情感、体验、记忆，从而触动欣赏者的心灵。AI要实现这一点显然还有很多工作要做，不仅要构建AI的基本算法，还需要给它来自真实世界的刺激。即使是单纯模仿人类大师，目前的AI也存在很多技术问题，例如AI可以在局部层面捕捉细节，但缺乏将这些局部联系起来构成一种让整幅画面令人满意的能力（p126）。解决这些问题还需要我们对算法进行改进，阻碍改进的一个因素是我们缺乏参考和启示：人类自身也不知道自己是如何绘画的。总而言之，创造具有创造力的AI还有很长的路要走。

展望未来，作者表达了对机器获得创造力之后的担忧。作者认为人们创造艺术与数学是为了交流思想，从而体会做其他人的感觉，这是人类之所以为人类的原因。一旦机器拥有了超越人类的创造力将能够不厌其烦地不停创造，这是否会使艺术贬值而且偏离了艺术的意义。除非，我们使得机器和人类一样具有意识和同理心，这正是我的目标：强人工智能。

此外，作者介绍了AlphaGo诞生过程的很多细节，这些细节很难在一般的报道中读到。DeepMind创始人哈萨比斯（Demis Hassabis）在一次参加国际象棋比赛时想到，这是否是在浪费大脑，他的智力是否能够用在更有意义的事上（p23）。这也是我曾经思考过的问题：这个时代最需要什么，最聪明的人会去做什么？我得出的结论是人工智能，因为人工智能一旦取得突破带来的将是各个领域的突破，人工智能能够帮助甚至替代人类研究和工作，将带来生产力的极大提升，正如DeepMind的口号：首先解决智力问题，然后用它来解决其他问题（p93）。更何况，在这样一个计算机等机器高速发展的时代，人工智能的重大突破是完全可能也是迫切需要的。DeepMind成立之初筹集资金时，硅谷的投资人希望哈萨比斯把公司搬到硅谷去，但是作为土生土长的伦敦人，哈萨比斯相信家乡还有很多人才没有被发掘，因此拒绝了这个提议（p26）。由此可以看出英国人其实比较“独立自主”，而且我发现英国人写的书特别喜欢引用英国人的工作，本书就是一个典型例子，我看过的另一本书《人类的终极命运：从旧石器时代到人工智能的未来》也是如此。在人工智能领域，美国的确是一家独大，但是欧洲国家并不是没有自己的特色，不会过于跟在美国后面，这一点我感到我国做的远不如欧洲，虽然我国的数学、计算机基础都相对薄弱，但是如果重视创新的话，也能够有很多不错的成果。

使AI拥有创造力当然是很棒的想法，这意味着AI的能力范围有了极大的扩大，但是创造力毕竟是AI最难获得的能力之一，需要更多开创性的研究。本书倾向于科普性质，介绍了具有创造力的AI的研究进展，并没有提出对创造力的全新的深刻见解，但是仍然给我很多启发，总体而言是一本好书。

（转载自微信公众号：人工智能哲学探索 作者：刘逸川）

　　《天才与算法》读后感(三)：书评：数学家眼中的人工智能，会抢走艺术家的饭碗吗？

　　我的一位美国朋友老康，前年出了车祸，大脑和脸部受到严重损伤，我们感到很难过。时隔一年，老康说他恢复得很好，机器人帮他脸部进行了缝合，现在完全看不出来了，并盛情邀请我们去做客。

　　推辞不过，再加上我们也很想去看望老康，于是就去他家做客。做客期间，我时不时盯着他的脸端详，想找到一点手术缝合的痕迹，然而，即便他指给我看，我也找不到任何缝合的迹象，老康确实恢复得很好。

　　机器人缝合手术的精细度，确实是人类难以比拟的。那时那刻，我意识到，人工智能已经全面侵入我们的生活，无处不在。

　　恰如艾萨克·阿西莫夫一手主导的《银河帝国》，机器人世界，正在从他的想象中逐渐走入现实。

　　如今我们都离不开智能手机、智能电脑、智能家电，习惯了借助搜索引擎寻找资料，借助导航系统寻找道路，甚至借助计算机算法来减少离婚率。

　　但是对于未知的恐惧，让我们害怕人工智能会取代我们。当阿尔法狗战胜了围棋第一人李世石时，在智力上大幅度超越人类时，我们的恐惧无法抑制：

　　我们已经把各种繁重的体力工作交给计算机，现在计算机在智力上也已经远超人类，未来人类还能成功驾驭人工智能吗？

　　我们会被人工智能全面超越，丢失工作，甚至失去掌控世界的主动权，被机器人所奴役吗？

　　现在，我们和计算机相比，领先的只有创造力，计算机有创造力吗？我们能保住我们的优势吗？

　　关于这个问题，有很多人作出了解释，数学家索托伊也有自己的看法：数学家会被AI取代吗？比较数学是有规则和逻辑组成的学科，最符合计算机运转的方式。在《天才与算法：人脑与AI的数学思维》这本书中，索托伊运用数学思维，从不同于常人的视角为我们分析了AI的发展前景。

　　索托伊可是位学术界的大拿：英国皇家学会院士，美国数学学会院士，英国皇家学会“迈克尔 法拉第奖和伦敦数学学会贝维克奖的获得者等等，一堆的荣誉。他不但在数学方面有深厚的造诣，对于AI算法也有很深的领悟。

　　最关键的是，索托伊在绘画、音乐、写作等艺术创造方面也有着超凡脱俗的理解，他能用通俗易懂的语言把复杂的数学概念说得生动活泼，他创造了”流行数学“的概念。在他的眼里，数学不是高深的理论，而是寻找规律、总结规律的最具创造力的学科。

　　看到这里你也许会疑惑：为什么关于人工智能的问题，要由数学家来解释呢？

　　很简单，因为算法、计算机代码、人工智能、机器学习这些都是以数学为核心的。数学规则支撑着算法，而算法决定了最终的成果体现。也就是说你要知其然，还要知其所以然，你才能最终了解人工智能的极限会在哪里。

　　在《天才与算法：人脑与AI的数学思维》这本书中，索托伊提出了一个问题：

　　人工智能的极限到底在哪里？它会拥有和人类相似甚至超越人类的创造力吗？它能够画画、创作音乐和小说吗？

　　图灵测试是测试人工智能是否能以假乱真骗过人类，让人类误以为人工智能也是人类。但图灵测试无法测出人工智能是否具有创造力。

　　索托伊就提出了一个新的测试方法——洛夫莱斯测试，来测试人工智能的创造力。

　　通过这个测试的规则是：算法需要创作一件艺术作品，人类程序员无法解释这种算法的工作原理，但整个过程是可以重复出现的，而不是一次偶然事件。

　　《天才与算法：人脑与AI的数学思维》书中的重点就是：在人类最具创造力的艺术领域，AI是否有可以超越人类的创造力。有吗？让我们来看看索托伊的解读。

　　一、AI复制的伦勃朗，还是伦勃朗吗？

　　2001年利物浦的汤米中风了。奇怪的是，这位从前对艺术一点没有兴趣、也没有任何基础的建筑工人，突然有了强烈的创作欲望。他开始写诗，在房子的墙壁上涂颜料创作艺术作品。

　　汤米不停地画，整个房间里全部被图画覆盖，他还是不断地绘制新画覆盖旧画。虽然他画的并不是佳作，但对艺术的冲动，促使他整整创作了11年。汤米也沉浸在这种创作的喜悦之中，就像毛姆小说《月亮和六便士》中的画家一样。

　　神经学家分析研究了汤米的状况后发现，人的大脑中有两个互相冲突的系统，一个是表现欲，产生制造东西的冲动，是创造和表达的系统；一个是抑制剂，产生怀疑、质疑和批评的系统。

　　当两个系统保持平衡时，人们就会谨慎地控制自己的表现欲，对自己的创意进行修改。但当抑制剂失灵时，就会出现像汤米一样冲动的创作冲动。

　　在知晓了这一点后，微软和代尔夫特理工大学的数据科学家认为，运用这两个系统的平衡，如果有足够的数据让算法向伦勃朗学习绘画，在不断地反馈、评估、矫正后，就可以重现伦勃朗的绘画技法。

　　伦勃朗是一位高产的画家，特别以深刻精准捕捉人物情感状态的肖像画为世人称赞。连梵高都说伦勃朗是大家公认的魔法师，他所描绘之物无法用任何语言表达。于是“复活伦勃朗”的项目开始进行。

　　2016年4月5日，阿姆斯特丹，在经过18个月的数据处理和500个小时的渲染后，一幅“伦勃朗”的新油画向公众展出了，引起了公众极大的兴趣。

　　研究伦勃朗的专家韦特林仔细审视了这幅油画，通过细微处笔法的对照，指出这幅油画的笔法是伦勃朗在1652年左右使用的，而伦勃朗其他的肖像画的笔法更像是1632年使用的。除此之外，完完全全是伦勃朗的绘画风格，简直以假乱真。

　　当然，微软“复活伦勃朗”的目的，本来就是一个宣传，宣传他们的代码和算法有多么优秀和好用。

　　但这至少证明，只要有足够的学习数据，只要能足够清晰地知道画家的绘画方法，算法就可以模仿画家绘制出逼真的油画。此外，这一技术在鉴定名画的真假上，也起了很大的作用。

　　英国艺术评论家琼斯对此却不认可，他认为人类的创作是基于个人的情感体验，只有真正的伦勃朗创作的画作，才能让人产生“伦勃朗的战栗”。我们要如何同一部毫无生气的机器交流感情呢？

　　二、比巴赫还像巴赫的作品居然是计算机创作的？

　　巴赫是一位高产的作曲家，他的一生共创作了389首四部和声的圣咏合唱。

　　有一个音乐专业的学生盖坦，就产生了一种想法：能不能根据巴赫的作品来开发一种算法，这种算法能创作出和巴赫一模一样的圣咏。盖坦把这种算法叫作“深度巴赫”。

　　于是他和他的导师做了一个实验，他们将巴赫的圣咏分成两部分，其中80%用来训练算法，另外20%的作品用来做测试。

　　接着他们请来一些志愿者，让他们在听完一首乐曲后，判断他们听到的圣咏是巴赫创作的，还是算法创作的。当然，为了公平，他们也考虑了志愿者的音乐背景，把志愿者分为专业和非专业两种。

　　结果，在非专业志愿者中，“深度巴赫”的作品，有50%被认为是巴赫创作的。在专业志愿者中，“深度巴赫”的作品仍然有45%被认为是巴赫本人所作。

　　而巴赫的作品中，因为严谨没有犯一丝错误，反倒有25%的作品被判定为刻板的机器生成。

　　这个实验的结果令人震惊，难道算法真的能创作出比天才音乐家更棒的作品？

　　好消息是，现在还不行。因为模仿巴赫作品的前提是，必须有一个多产的巴赫。而且，也只能用一组非常相似的圣咏做测试对象。缺乏有效信息，计算机就会迷失方向。

　　美军曾有一个出名的反面例子，在机器学习社区里被反复提起。就是用一些带着标签的图片训练算法识别坦克，在经过几百张图片的训练后，研究人员用算法从未见过的图片测试，结果准确率100%。

　　然而当这些算法被部署到战场上的探测器上后，竟然失灵了，算法识别坦克的结果是随机的。经过分析，研究人员发现，凡是阴天的坦克都被识别出来了。原来，用于训练算法的图片，有坦克的都是在阴天，而没有坦克的都是晴天。于是坦克探测器变成了阴天探测器。

　　机器的学习能力和人类孩童有相似处，就是如果你给的东西是错的，那么它就无法正确的学习。

　　因此，在音乐领域，好的作品实在是太少了，可供机器学习的信息远远不够。算法只能够创作平庸的曲子，但如果有计算机相助，人类就可以创作出远高于自己水平的高质量的音乐作品。

　　三、AI能进行文学创作吗？

　　20世纪有一批作家和数学家，他们聚集在法国，创建了一个组织：潜在文学工作室。这个组织创作的方式，就是运用算法来创作诗歌。

　　其中，最受欢迎的是S+7模式，也就是选择任意一首诗，把诗中的所有名词替换成这个名词在字典中所在位置或者向前或者向后的第7个单词，然后直接输出就是一首新诗。

　　这样做出来的诗如何呢？我们来品一品（这里用翻译后的中文取代原来的英文诗歌）：

　　原诗为：一沙一世界，一花一天堂，无限掌中置，刹那成永恒。

　　改写后的诗为：喷砂现蠕虫，流感见青春，麻痹入机库，家蝇精神足。

　　这是不是很好玩？就像我们在无聊时玩的填字游戏。由于诗歌很简洁，还可能碰巧遇上很神奇的句子。

　　那么用算法创作一部小说会怎么样？或者写一部《哈利波特》的续集？

　　由一位作家和一位漫画编辑组建的公司，建立了一个平台，用来帮助作家借助科技工具创作小说。他们最成功的作品就是算法在学习完七卷《哈利波特》后，生成了三页哈利波特的续集，几乎以假乱真。

　　但最多只能写三页，因为没有了模仿对象，情节发展自由度太大，算法就像一个背诵标准答案的学生，迷茫了，不知所措了。

　　由机器生成的文学作品，展现了一种符合计算机代码内在思路的全新的意识，和人类自我意识完全不同。

　　索托伊说机器即便生成了意识，也是人类完全无法理解的，就像一只猫的意识，即便你日日与它相伴，你还是无法理解猫的意识。

　　人类天生爱讲故事，有表达和分享的欲望，所有这些艺术创作如绘画、作曲、写作，都是人类情感的交流。那么我们是不是也可以这样理解：所有机器创造的艺术作品或其他创作品，也都是机器内心的情感交流？

　　回到文章开头所说的，AI的发展前景，值得我们如此恐惧吗？

　　索托伊分析认为在目前阶段，大可不必担心人工智能会对人类造成伤害，或大规模取代人类。因为人类现在对于创建有创造力的算法的动力，很大程度上只是为了增加商人们的银行存款，而不是扩大艺术创作的欲望。

　　在《天才与算法：人脑与AI的数学思维》的结尾，索托伊给出了他的回答：“我相信在未来，依靠我们人类所有的科学成果，在创造有意识的机器的道路上，不会有什么难以逾越的障碍。人类的命运取决于我们如何与有意识的机器相互理解。”

　　确实，如果《银河帝国》中的机器人世界一定会来到，那么现在我们为什么不提前和他们搞好关系呢？机器学习的创造力是无限大的，我们可以从机器的绘画、音乐、小说等创造性作品中，破译机器的代码，感受机器的感受，然后更好的和机器人相处，不是吗？

　　《天才与算法》读后感(四)：算法已经能绘画，能作曲，能写诗，真正的人工智能还有多远？

　　人工智能、深度学习、算法是近几年高新科技领域的热门话题。前几年，阿尔法狗和李世石的人机大战给人留下了深刻印象。围棋世界冠军李世石以1:4的比分败给机器人阿尔法狗，让人们直观地看到了人工智能的强大能力，并对其应用前景满怀热望。

　　我们难免好奇，现在的人工智能有哪些更强大的功能？它们是如何实现的？美、英两国双料院士马库斯·杜·索托伊在《天才与算法》这本书中解答了这些问题。

　　索托伊是一位成就突出的科学家。他不仅是英国皇家学会院士、美国数学学会院士、牛津大学西蒙尼公众理解科学教授，更获得过大英帝国勋章、英国皇家学会迈克尔·法拉第奖、伦敦数学协会贝维克奖等多个奖项。他被誉为“科学大使”，擅长把复杂的数学知识转化为通俗易懂的语言，经常为《泰晤士报》和《卫报》撰写文章，还与BBC广播公司保持长期合作，致力于科普工作。

　　人工智能的实现离不开算法和数学的支持。索托伊不仅在数学方面有深厚造诣，更对AI算法有独到理解。《天才与算法》就是索托伊介绍人工智能以及算法的一本优秀科普作品。通过索托伊的讲解，我们不仅能了解欧美国家在人工智能领域的前沿研究成果，更能对人工智能的研究前景和需要解决的核心问题有深刻的认识。

除了围棋，算法已经在学着绘画、作曲、写小说了

　　算法能够分析用户的个人偏好，为我们提供个性化的电影、书籍等产品推荐，这些融入日常的实用性便捷功能，我们已经不觉得新鲜了。除了围棋，现在的算法还能实现哪些新奇的功能？这是我们关注的问题。

　　索托斯在《天才与算法》中明确地告诉我们，除了下围棋，算法已经在学着绘画、作曲、写小说，并且完成了很好的作品。

　　“复活伦勃朗”

　　微软和代尔夫特理工大学联合发起了一个“复活伦勃朗”的项目。该项目尝试通过学习伦勃朗的大量作品，来创作出一幅全新的伦勃朗风格的画。

　　这个项目组研究了346幅画，创建了150G的数字渲染图形，搜集伦勃朗作品中人物的性别、年龄和头部朝向等信息，对脸部不同关键点做海量几何分析，还使用算法来探索伦勃朗画眼睛、鼻子和嘴巴的方法，研究伦勃朗对光的运用，以及伦勃朗使用什么样的比例和关系把人物的面部特征组织起来构成一张完整的脸。

　　经过18个月的数据处理和500个小时的渲染，项目组终于在2016年4月5日的阿姆斯特丹展出了这幅作品。这个成果很引人注目，展出前几天，在Twitter上就有超过1000万条对这幅画的评论。多数人也会把创作这幅画的“艺术家”归到伦勃朗画派。

　　“复活伦勃朗”项目组生成的这幅画作，的确再现了伦勃朗的绘画风格。

　　“深度巴赫”

　　音乐专业的学生盖坦·哈德耶勒斯在音乐创作上作出了类似“复活伦勃朗”项目的尝试。他为了完成博士论文，开发了一种“深度巴赫”的算法，想要通过数字处理方法分析巴赫的创作风格，并尝试生成相似风格的新作品。

　　巴赫写了389首四部和声的圣叹合唱。“深度巴赫”算法以这些数据为基础，创作出新的圣叹作品，并邀请志愿者来聆听并判断作品是计算机所作还是巴赫的原作。结果，“深度巴赫”算法生成的作品有50%被认为是巴赫的作品。即使换成学习过作曲的志愿者来参与试验，还是有45%的“深度巴赫”作品被认为是巴赫的原作。

　　从以上结果来看，“深度巴赫”算法所生成的音乐作品，的确有明显的巴赫风格。

　　续写《哈利·波特》

　　作家杰米·布鲁和《纽约客》前漫画编辑鲍勃·曼考夫创立的Botnik公司，把目光锁定在文学创作上。该公司研发了一款人工智能幽默应用程序“Botnik”。“Botnik”能够对剧本进行数学分析，并依据算法总结的作品风格创作出新的剧集或进行改编。

　　“Botnik”为《宋飞正传》《实习医生风云》生成过新的剧集。它最成功的的作品，是分析了《哈利·波特》七卷丛书之后，生成了三页几乎可以以假乱真的续集。虽然只有短短三页，但考虑到文学作品的复杂性，算法能够生成三页很相似的文学作品续集，已经是很了不起的成就了。

　　这些只是算法尝试创作艺术作品的一些例子，还有更多的团队在研发不同算法，进行各个领域的深入研究。

　　对于以上这些算法的成果到底算不算创作，还存在很大意见分歧，或许称其为模仿更准确。但不可否认的是，算法对这些艺术作品的模仿的确是达到了以假乱真甚至是青出于蓝的水平。这的确是算法研究所取得的惊人的成就。

算法是如何生成艺术作品的？

　　艺术创作是很复杂的过程，也是人类意识和综合能力的体现。能绘画、作曲、写小说的算法，足够让人刮目相看。那么，算法是如何实现这些通常需要灵感激发和技法实现的艺术类作品呢？

　　足量的、良好的学习数据是算法成功的基础。

　　从上面几个例子，我们不难发现，这些项目之所以能够创作出以假乱真的作品，得益于可供算法学习和分析的数据量比较大。足量的数据，是算法学习的必要基础。也就是说，算法必须先有足够多的数据供它进行学习和分析，才能进行下一步的作品生成。这不是从零到一的过程，而是从旧到新的过程。

　　那么，数据的质量对算法成功与否就非常关键了。所以索托伊强调，“机器是能够学习的，但前提是你要让它学习对的东西”。

　　比如前面的例子中，伦勃朗和巴赫都有大量的作品可供算法学习，《哈利·波特》有七卷的长篇幅供算法分析。有了这些优质的基础数据，算法才能成功生成新作品。

　　从另一面来说，如果缺少足够的、良好的数据，算法也就没法学习和复制了。索托伊同样关注到这一点，他无奈地说道，“也许，这就是人类创造的艺术不受机器进步影响的终极安全锁——好作品的数量太少，机器无法学习如何复制”。

　　从数据中总结规则，是算法成功的核心。

　　算法是用来解决问题的，有明确的目的性，遵循一定的规则。

　　伦敦帝国理工学院的计算机创造力研究员西蒙·科尔顿认为，计算机科学和创造性艺术融合在一起存在这样一个问题：计算机科学的蓬勃发展建立在解决问题的目的性之上。

　　每一种算法在运行过程中，都是在特定规则的限制下，努力解决某个问题。尝试艺术创作的算法，同样是把绘画、作曲、生成文学作品看作一个问题。大量的基础数据就是算法解决问题不可缺少的原料。算法学习和分析这些数据，从中总结出可识别的规律，再根据这些规律生成新作品。

　　对于有些问题，规则是已有的。比如围棋具备明确的下棋规则，这种情况下，算法需要收集大量的实战过程来学习规则的运用。阿尔法狗在对战李世石之前，和樊麾对弈了几个月，从中学习人类棋手下围棋的经验。而新一代的阿尔法零更进一步，完全遵照围棋规则自己和自己对弈，自己获得海量实践数据，并从中迅速学习获胜的走法。

　　对于没有具体规则的问题，算法首先要总结规则。艺术创作原本是没有这些规则的，但如果把目标设置得非常具体，比如模仿伦勃朗的画、模仿巴赫的音乐、模仿《哈利·波特》的故事，算法需要总结的规则也变得具体，也就是总结伦勃朗的绘画风格、巴赫的音乐风格、《哈利·波特》的文字风格。当然，算法会把这些风格转换成更具体的指标，比如绘画的人物五官，音符的前后关联关系，文字的动词、形容词组合规律等。

　　算法会总结出它所能理解的具体的规则，再根据这些规则生成新作品。算法所依赖的，正是数学所擅长的：分析数据，总结规律，再运用规律。

　　从这个角度来看，目前算法所生成的艺术作品，的确只能算是模仿，但确实是非常精湛的模仿，甚至可能比人类的作品更胜一筹。这是因为，所谓艺术风格，在个人来看来，更多的是一些感觉，很多时候无法准确描述，算法却能够总结出非常具体准确的指标。并且，近几十年计算机飞速提升的运算能力，也为算法提供了充足的技术支持，能够完成更复杂的工作。这些运算能力是人脑无法达到的，这也正是算法或者说人工智能的优势所在。

能写诗、作曲的算法，算不算拥有了创造力？

　　虽然把上述算法通过学习生成的艺术作品称为模仿，但这种模仿的成果仍然是值得瞩目的，并且，这种模仿过程中，还存在一定意义上的、不可忽视的创造成分。

　　算法对数字作品内在规律的总结，是出于与人类理解事物不同的角度，这也给人类提供了不同的思路。就像跟阿尔法狗对弈几个月后，樊麾也从阿尔法狗身上学会了新的下棋思路，并且把自己的世界排名从633提升到了300名。阿尔法狗与李世石对战的第二盘，出人意料的第37手5路肩冲这一步棋，也让李世石和其他棋手跳出了固有经验的限制，探索更多走法。

　　从这个意义上说，算法也在打破人类的固有思维限制，拓宽人类的思想边界。

　　但是，从艺术角度来说，即使能写诗、作曲，目前的算法也还不算真正拥有了创造力。

　　艺术创作是人类自由意识的表达，是情感和思想的交流。算法模仿出的作品，即使再精湛，也只是技术的产出。这些作品所代表的，是技术的高度，而不是思想的深度。哪怕在生成令人心潮澎湃的音乐作品时，算法仍然是毫无波澜的。因为它只是在根据指令执行规则，并没有人类喜怒哀乐的情感。也就是说，它没有意识。同时，它也不能准确理解人类的意识。

　　当然，许多团队已经在为此努力了。想要理解人类意识，可以首先从理解人类语言开始。IBM的“华生”算法，就是通过参加益智类问答节目《危险边缘》来研究如何理解人类的“自然语言”。“华生”赢得了《危险边缘》的冠军，让人们对人工智能的前景有了更大信心，但它也犯过很低级的错误，在一道猜美国城市的问题中，给出了加拿大多伦多的明显错误答案。这是算法存在的问题，它只是执行命令给出结果，可能会给出意想不到的、违反常识的结果。这也是人们对人工智能比较担忧的一个问题。

　　目前的算法离真正的人工智能还有多远？至少，在理解人类意识方面，算法还有很长的路要走。

　　2020.04.16雾凇