ai工具合集 设计师、艺术家会被AI取代吗?

AI资讯12个月前发布 fengdao
24 0

这是在DT数据侠实验室直播间分享的一个内容。

PPT01

大家好,我是,我是一名智能产品架构师,有10年经验的技术和设计经验;毕业于上海交通大学,同济大学;服务过的企业有中兴通讯、招商银行、ARKIE智能设计等。我每天的工作就是在设计师和程序员的身份之间切换,设计思维和计算机思维之间切换。

我毕业的时候从事了很久的设计工作,设计师的经历跨越了甲方跟乙方的设计经历,涉及的领域包括景观设计、旅游景区规划、城市规划、室内设计、平面设计、互联网的用户体验设计。

早在2008年我就涉足参数化设计,当时主要是想用计算机来实现空间设计。

程序员的经验主要是前后端的开发、跨终端平台的开发、机器学习、深度学习之类的。

因为具备设计师及程序员的背景,我对设计+技术的跨领域会比较感兴趣,长期研究智能设计。

PPT02

大家觉得设计师、艺术家会不会被AI取代?

业界有非常多的人认为,AI没法做一些创造性的工作,然后,我采访了很多在玩技术的艺术创作者、设计师,得到的反馈是AI有创作艺术、设计的潜力。

我们看下PPT上的这6张图片,大家猜一猜哪张不是人类创作的?

是不是很难识别出来哪个是AI创作的?

PPT03

好,接下来,我们思考2个观点,主要从想象力及理解力这2个点出发。

观点1

机器不具有真正意义的「创造力」,因为机器没有想象力

有一个常见观点,认为「创造力」是人类的独有的东西,在爱德华·威尔逊的《创造的起源》一书中提出了创造源自一个冲动。

如果机器具备“冲动”,机器就具备想象力,那机器也会有创造力。

在“冲动”的角度,机器是不如人的,因为机器不会犯错,机器只会处理1+1=2的这种结果很明确的问题,即使是引入「概率」的AI,假如程序运行正常,它也不大会偏离正轨;

但人会,因为人的思维是发散性的,无法用数学公式描述的。

所以从这个“冲动”的角度来说,机器是不具备真正意义的「创造力」的。

ps:

此部分是跟 ML41 一起合作的内容。

PPT04

我们看另一个观点,既然机器没有“冲动”,那理解力呢?

我们觉得

「理解力」可以被假装

在约翰·希尔勒的《Minds, , and 》一书中介绍的著名的思想实验「 Room」(中文屋子)。这是一个关于 中国人、外国人、说明书的故事。

有这么一间封闭的房间,注意,这房间是封闭的,并且这个房间只有一个窗户。

房间里锁了一位对中文一窍不通的,母语是英语的老外。

房间里有一本用英文写的说明书,说明书解释了中文的句法和文法组合规则,以及一大堆中文符号。

这时候,房间外有位中国人不断地往房间内传递用中文写成的问题。房间里的老外按照说明书,将问题翻译成英文,然后对问题进行解答,再翻译回中文,写成答案,传递给房间外的中国人。

大家觉得房间外的中国人,能不能看懂答案?能不能发现房间里其实是一名外国人?

在上面的交流过程中,房间外的中国人所扮演的角色相当于程序员,房间里的外国人相当于计算机,而说明书相当于“代码”。

房间里的外国人是不可能理解中文的,必须借助说明书才能理解,同样的道理,计算机也不可能通过“代码”来获得理解力。但是,房间外的中国人误以为计算机具有理解力,能读懂“代码”。

ps:

ai工具合集_ai渐变工具_mugen拳皇ai合集

此部分是跟 ML41 一起合作的内容。

PPT05

创造的前提是如何让机器理解艺术?

综合前面的2个观点,没有必要让机器具有哲学意义上的「创造力」,只需要“假装”具有创造能力就好了。

我们放宽对创造力的定义,将创造定义为:推陈出新。在技术角度,只要数据做得足够好,推陈出新的创造是可以做到的。

在这里分享另一个启发我们的事件,就是最近在上海办的AI体验展,通过简单有趣的互动,利用图片、绘画、语言、音乐等艺术体验为我们展示了人工智能与艺术之间的融合可能性。

综上,机器创造、机器艺术是可行的。

接下来,给大家介绍一些机器创作的方法。

PPT06

方法1 基于艺术规则

这里要举一个Adobe的人工智能平台的案例,它有一项能力是图像质量的评估,有10个维度的指标,从构图、色彩、图像内容、灯光、景深、三分法则等维度,分别给大家介绍下。

– 整体构图的平衡程度如何

Color – 颜色的和谐程度

– 图像是否包含有趣的内容

– 有趣的灯光,检测五彩缤纷的灯光效果,例如夜景,日落,有趣的灯光效果……

– 是否在照片中有重复的图案,构图……

-对称,基于构图和对象的对称性

Depth of Field – 景深

– 检测是否有主体物体

Rule of – 摄影三分法

Vivid Color -色彩鲜艳程度

经过以上指标的计算,计算最后的 – 总分

这是一套艺术规则,是基于大量艺术家、摄影师的经验总结而出的。

PPT07

我们来看一下adobe的AI其他功能,image 就是图像质量评估,前面已经介绍过了。

第二个能力就是body crop,把图像中的人体裁切出来

第三项是auto ,自动提取主要颜色的色板,并且提取图像中具有代表性的区域,返回的是矩形框

第4项是auto tag,给图片打标签,这个功能跟目前各大厂提供的图像内容识别是类似的

PPT08

我们来看下另一种方式,基于数据的方法。

基于数据本身,我们可以挖掘到平常无法直接得到的潜在规律。那么在艺术领域,涉及最多的媒介是图像,这里分享一个关于图像色彩风格的量化方法。

大家看一下ppt上的这一图片,上面的颜色是压缩过的,经过计算,这张图共有4个颜色,他们之间的比例及空间关系如图所示。

这里采用的方法是色彩量化,简单来说,就是压缩颜色,使颜色可以量化的一种方法。例如MCCQ、算法都是可用于色彩量化的算法。

PPT09

下面,我们拿一张图片作为示例,一步步讲解如何获取量化色彩。

STEP1

ai渐变工具_mugen拳皇ai合集_ai工具合集

量化图片,压缩颜色

通过.js库来获取图片的色彩量化结果,这里示例获取的是3个色彩数据来压缩图片。获得结果,包括压缩色彩后的图片及色板。

PPT10

STEP2

获取色彩“图”数据

节点跟节点之间连线的称之为“图”。

计算邻接矩阵

PPT11

STEP2.1

初始化邻接矩阵

详细的过程可以看如何量化一张图片的色彩关系?

PPT12

STEP2.2

遍历量化后的图片

PPT13

STEP2.3

更新邻接矩阵

上图的过程,我们用文字描述一下:

一次获取4个像素点,然后获取4个像素点在色板中的位置(编号),如果任意2个像素之间的颜色不相等,则这两个节点之间接近程度+1,对应更新邻接矩阵中对应的元素数值。

最后一步就是邻接矩阵归一化处理,通过归一化处理后,我们就得到这张图片的邻接矩阵啦,一张图片的色彩关系就被量化了。

PPT14

前面介绍了2种方法,下面给大家结合2个案例,继续分享基于数据的方法。

案例1 基于的人体关键点识别

摄影是我们日常生活中最接近艺术的一种行为,网络上存在大量的优美的人物摄影作品,我们如何让机器提炼出最佳的人物摄影姿势?这边可以使用深度学习的人体关键点识别,对海量的摄影图片进行数据提取,提取人物的姿态关键点,及与画面的构图关系,然后进行数据的聚类,相似度分析等等。

通过数据提取,数据挖掘、处理后,我们可以构建成知识图谱,有了知识图谱我们就可以创造各种关于摄影的应用。

应用:

人工智能摄影师

自动跟拍用户,然后从大量跟拍的摄影照片中,自动挑选出最佳的摄影作品。

PPT15

案例2 基于的颜色图谱构建

颜色,是我们生活中最常见的艺术元素之一,穿衣搭配需要考虑颜色,绘画需要考虑颜色的搭配,电影、电视剧的色彩风格与氛围塑造,非常多的颜色场景。那么,我们如何让机器理解色彩关系?

除了上文提到的色彩邻接矩阵外,我们可以通过计算颜色之间出现的频率,并转化为向量的方式,应用于色彩知识图谱的构建。

应用:

智能配色

用户通过上传设计图,机器自动改变颜色搭配,生成多种配色方案

以上为全文。

© 版权声明

相关文章

暂无评论

暂无评论...