“AI会画画”已不是新闻。现在，来自加州理工大学人文与社会科学系的饭谷博士对自己家的AI提出了新的要求。他掏出了著名抽象派画家马克·罗斯科的作品，问：“这幅画，你喜欢吗？”
马克·罗斯科的经典作品《无题（黑灰图）》丨Wikipedia
如果这个AI碰巧是现代艺术的拥趸，打出了3分，也就是“非常喜欢”，饭谷还会追问一下：
“你喜欢的是画里的什么呢？构图，色彩，线条，还是对自然世界的几何抽象？”
别误会，研究者并不是要培养出一个AI艺术鉴赏家。毕竟，这些硅基脑袋瓜离“真正的智能”差得还远，别说艺术鉴赏这么高级的认知行为，就是一起聊个八卦或是吐槽个前男（女）友对它们来说都还很难。
那这项研究是为了什么？
研究者的想法是，希望回答一个美学领域长久存在的问题：人类到底是如何理解“美”的？
经典审美难题：没有固定标准
对艺术品来说， 到底什么是“美”的？这很难有固定标准。
从史前壁画到文艺复兴再到现代艺术，美的规则在随着时间演变；从非洲、欧洲到亚洲，美的概念也不尽相同；甚至对于同一时期生活在同一地域的人们来说，审美偏好仍然千人千面、众口难调（此处不敢举例子，请移步每天的微博热搜）。
有崩溃的研究学者认为，我们没有办法把“美学评判”这个事儿讲得太细(irreducible)，因为审美这个东西太个人(idiosyncratic)、太复杂(inscrutable)， 它以我们各不相同的成长环境、教育背景、生活经历为基础，又被大脑数亿百万计的神经细胞不知怎么添油加醋的处理了一圈儿，谁也没办法说明是怎么回事。
但还是有人不死心：我们真的不能从艺术作品，比如绘画作品——从它们本身出发，解释它的“美”吗？例如，画作中的笔触、色调、结构和布局等等客观视觉元素，能够帮助我们跨越漫长的时间与文化、历史的差异，感受到它的美学价值吗？客观的审美规律，到底存在吗？
在大家争执不休时，饭谷召唤出了他训练的AI。
AI的优势：足够“笨”
饭谷的研究是这样设计的：
首先，他和同事收集了1001幅不同流派的画作，并邀请了7位人类志愿者分别对所有画作进行了喜爱度评分（0-3分，0分是完全不喜欢，3分是非常喜欢）。
给人类志愿者看的作品评分表丨参考文献[1]，汉化：作者
然后，他们让AI学习了这7位志愿者的品味，并通过测试判断AI模型是否真的“学会”了。
有趣的是，研究者让AI来学习，并不是因为它们对艺术的领悟力有多强，而恰恰是因为AI的小脑袋瓜不开窍：它们没有个性，没有接受过历史人文的教化，不会谈人生、谈理想，也理解不了愤怒或浪漫，榆木疙瘩一个——总之，那些触动人心的艺术作品，在AI看来，不过是一组大小不一的数字。
在AI眼中，夏加尔笔下的爱与飞翔可能只是一组数字……丨Wikipedia
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。
参考文献
[1]Iigaya, Kiyohito, et al. "Aesthetic preference for art can be predicted from a mixture of low-and high-level visual features." Nature Human Behaviour 5.6 (2021): 743-755.
[2]Iigaya, Kiyohito, et al. "Aesthetic preference for art emerges from a weighted integration over hierarchically structured visual features in the brain." BioRxiv (2020).
[3]Zhang, Mengmi, and Gabriel Kreiman. "Beauty is in the eye of the machine." Nature Human Behaviour 5.6 (2021): 675-676.
[4]Li, Congcong, and Tsuhan Chen. "Aesthetic visual quality assessment of paintings." IEEE Journal of selected topics in Signal Processing 3.2 (2009): 236-252.
[5]Zeiler, Matthew D., and Rob Fergus. "Visualizing and understanding convolutional networks." European conference on computer vision. Springer, Cham, 2014.https://www.caltech.edu/about/news/computers-predict-peoples-tastes-in-art
[6]https://www.artnome.com/news/2020/5/5/can-machine-learning-predict-the-price-of-art-at-auction
[7]https://www.brainpost.co/weekly-brainpost/2021/6/8/predicting-preference-for-art-through-low-and-high-level-features
作者：氪罗钡路斯
编辑：麦芽杨
