诺贝尔文学奖得主石黑一雄的新作《克拉拉与太阳》通过机器叙述者的视角讲述了一个太阳能“人造朋友”克拉拉的故事，探讨了机器如何选择以人类可能无法完全理解的方式叙述他们的生活和经历。

作为人工智能，克拉拉在书中摆脱了它本该拥有的人工智能属性，反而被赋予了“人”的属性，成为了一个有独立思想、意识、情感和愿望的行动者。尽管这是一本虚构的科幻小说，石黑一雄以模仿机器的叙述口吻提出了一种新型文学形式，使大众对机器的文本叙述能力产生了好奇与想象。

2020年5月，旧金山的初创公司OpenAI首次公开其最新的语言处理软件——GPT-3（Generative Pre-trained Transformation 3），成为近几年人工智能研究的最新进展之一。顾名思义，这是OpenAI设计的自动完成工具中的第三代，它的前身，GPT-2可以根据输入的短语或句子，通过“想象”写出一篇新闻文章在人工智能文本生成领域有着飞跃的发展。

OpenAI之后花了更多时间和更大的数据集来训练它，最终产生了更聪明的GPT-3，可以在没有任何指导的情况下发现其统计规律。比如，在GPT-3输入“火灾”这个词，它会知道“卡车”和”警报“这两个词比”精灵”和“清醒”更有关联性。这些规律对人类来说是未知的，而且这个过程中没有人类的参与。到目前为止，GPT-3已被用于各种项目，比如可以像人类一般与历史人物进行假想的对话、用emoji总结电影以及编写代码。

这也许意味着创造力，那些被认为是独属于人类的能力，也许正在被机器逐渐模仿并掌握。然而，对许多人来说，机器具备创造力是一个有争议的说法，由电线、晶体管、电子零件组成的人工智能怎么能像爱因斯坦、毕加索、莎士比亚或巴赫一样有创造力呢？话又说回来，人类也只是神经、动脉、骨骼和细胞组成的生物体，但我们却有创造力，这是如何做到的？

菲利普教授是一位计算机科学家，在今年5月份的aai艺术与人工智能国际论坛上论坛上，他认为我们需要先理解什么是创造力，这决定了人工智能是否具备真正的创造力。

(详细论坛视频请点击文末“阅读原文”)

（你知道第一幅抽象绘画是如何创造出来的吗？）

Source: Filippo’s slides

抽象艺术是一种受各种反传统艺术形式影响和融合而来的，尤其是由野兽派、立体派演变而成的。当我们提及其诞生时，不可避免地会想到一个名字：瓦西里·康定斯基（Wassily Kandinsky）。100年前，一次偶然的“颠覆”创造出世界上最早的一批抽象作品《构图7》（Composition VII，1913年）。

Wassily Kandinsky, 

Composition VII,

1913,Oil on canvas,

200x300cm, 

Moscow, 

The State Tretyakov Gallery.

在康定斯基的自传里，他谈及一天从外面散步回到工作室，看到画室里一副既精彩又“陌生”的画。走近后才发现这是自己的画在墙上颠倒过来了。他从中感受到具象表现出的形状是平庸、寻常和无意义的，甚至是对艺术来说是有害的，而抽象使内容更具美感，他称这种灵感为洞察力（insight）。这便是抽象艺术的起源，一则逸闻般、天才般的故事。

然而，事实上，天才般的灵感并非从天而降。他在自传中提及法国印象派画家克劳德·莫奈（Claude Monet）的作品极大地启发了他的创作，比如《干草堆》（Grainstack, Sun in the Mist,1891）这一系列印象派绘画作品中，形状和形式在画面中消失，而色彩成为了主要的表现形式。当康定斯基在莫斯科的一个展览上看到这幅作品时，他被作品的色彩和构图所感染，意识到这远比对现实物理景观的描绘更为重要。

Claude Monet, 

Grainstack (Sun in the Mist),

1891.Painting, 

65x100cm,

 Minneapolis Institute of Arts.

另外一幅来自莫奈晚期的作品，《睡莲》创作于1906年。许多艺术评论家如克莱门特·格林伯格（Clement Greenberg）认为，《睡莲》系列作品是美国抽象艺术运动的先驱，并将其与杰克逊·波洛克（Jackson Pollock）1950年的作品《秋韵（30号）》（Autumn Rhythm number 30）联系起来。从这个角度看，莫奈晚期的作品与美国的抽象表达方式产生了共鸣，形成了“抽象印象派”的概念。

Claude Monet,

Water Lilies,

1906.Oil on canvas,

89.9x94.1 cm.

Jackson Pollock,

Autumn Rhythm (Number 30),

1950.Enamel on canvas,

266.7x 525.8cm. 

© 2021 Artists Rights Society (ARS), New York

我们误以为创造力似乎是从无到有的神奇灵感，但通过上述艺术史中的例子，这是一种对已有规律的重新安排，是改变任何现有思想、产物、或将现有形式转变或建立为新的形式的行为。在许多领域的研究中，人类的创造力被普遍认为是通过改变已有的模式来获得预料之外的想法和革新。

在演讲中，菲利普教授列举了来自认知心理学关于创造力的四个主要理论：产品（Product）、天才（Person）、过程（Process）和场所（Place）。

Source: Filippo’s slides

根据心理学家对某一特定创意成果的创造性进行评价和量化，如《哈利·波特》、毕加索的绘画和新的科技产品，他们认为新产品的独创性和新颖性取决于对更传统的、常规的和不太具有创造性的产品进行比较而来的。

早期的心理学研究更多倾向于关注人格特征，某些适用于数学、科学、商业或艺术等领域的创造性个体。现在，大多数理论认为人格特征只是创造性行为的一个方面或影响因素。

在创造性思维和发明过程中认知上发生了哪些类型的处理。

指的是广义上的地理场所，如世界或临时的地点。同时，它也指代来自各种环境下的“压力”。比如，创造力在更自由的环境下会快速成长，而非在传统做事的环境之下。

现如今，许多人错把创造力的重点都放在了产品上，认为结果比其过程更重要，意味着艺术家最终的作品就是创造力本身。我们可以将这个想法运用在数学定理上，是定理重要还是如何证明这个定理更重要呢？事实上，如果证明的过程不存在，定理便无可谈及。

为了回答机器是否具备创造力这个问题，图灵测试并非是一个绝佳的思考方向。菲利普教授以神经网络，人工智能最基本的工具之一，为案例去分析其“创造力”的原理。

Source: Filippo’s slides

在左边是输入层（input layer），右边是输出层（output layer），中间是数十甚至几百个隐藏层（hidden layer）。我们（人类）所作的便是选择一组数据输入到神经网络中，神经网络将处理这些数据并生成一个或多个输出。这些输出的产物通过对数据的分析，通常是有标签和注释的。

菲利普教授用三张照片去解释人工智能如何通过学习数据而产出结果。第一张人工智能标注的是：“仪式、婚礼、新娘、女人、穿着”；

第二张则是“新娘、仪式、婚礼、衣服、女人”；

然而第三张，机器给的注释是“人、人们”。

Source: Filippo’s slides

这三张都是婚礼仪式，只不过第三张是非洲婚礼。由此看出，制作这些标记的人是一个西方白人，受过普通教育，带有偏见和刻板印象。而这些刻板印象从这个人的意识中转移到了计算机的注释中，构成了神经网络将要学习的数据库。

由此，菲利普教授认为，人工智能是“一个白痴的统计性设备，一个非常复杂的统计性设备”。

谷歌翻译便是这样的一个统计性设备。菲利普教授一位来自匈牙利的朋友在谷歌翻译上进行了一些实验。

Source: Filippo’s slides

由于匈牙利语没有阴性和阳性的区分，谷歌翻译认为美丽是形容女人，聪明是形容男人。这些本身不具备性别含义的词被自动构建成了不同的性别，这便是谷歌呈现的从匈牙利语到英语的翻译。人工智能放大了人类社会的偏见和定性观念，完全受到我们现实世界的约束。

Source: Filippo’s slides

我们希望人工智能具备创造力，根本上是希望它可以具有打破常规的思维能力。很多人认为，只有在引入随机性的概念，人工智能才可以在一定程度上具有创造性或产生创造性的思考方式。

一位数学家Frank Plumton Ramsey证明真正的随机性并不存在，甚至在计算机科学领域，随机性也是如此。更多被讨论的则是伪随机性（pseudo randomness），引入这种伪随机性有很多方法与技术去，其中一个被称为“元胞自动机”（cellular automata），另外一个则是“遗传算法”(genetic algorithms)。

在艺术领域，许多艺术家也都在试图将这种随机性引入到自己的作品里。

约翰·凯奇（John Cage）是20世纪著名的实验音乐作曲家、作家和视觉艺术家。他在美国现代音乐发展史上占据着极为重要的地位。他创作出了史上最有名的一部实验作品《4分33秒》（4’33’’,1952），是音乐史上第一次将“无声”（silence）这个概念应用到音乐中。

2020年，柏林爱乐乐团保持安静地演奏了这首曲目

Screenshot from https://www.youtube.com/watch?v=AWVUp12XPpU&t=1s

凯奇认为，沉默就是音乐，但其实他真正想要尝试的是将乐团、观众和环境的随机声音引入到音乐中来，为自己的艺术作品增添无法预测的随机性。他曾在一次访谈中表示，音乐因其重复性而无聊，即便是巴赫、贝多芬、莫扎特的音乐也多是重复的。

“我喜欢听从我纽约的公寓外面传来的马路上的声音，因为这些声音是不会重复的。”约翰·凯奇说道。

另外一个例子则是杜尚1923年的作品《大玻璃》（The Large Glass）,通过细铁丝、线、清漆、金属片和玻璃等现成品组装而成，证明了美术作品是可以脱离画布呈现在人们面前的。

Marcel Duchamp, 

The Bride Stripped Bare by Her Bachelors, 

Even (The Large Glass), 

1915-23, oil, varnish, lead foil, lead wire, dust, two glass panels, 277.5 × 177.8 × 8.6 cm 

© Succession Marcel Duchamp (Philadelphia Museum of Art)

值得注意的是，玻璃上布满了裂痕，这并非是艺术家最初的意图。这件作品当年从康涅狄格州运送到费城的路上被意外地打碎了，而杜尚决定保持这种破碎感，他解释道：“我喜欢这个意外产生的随机性效果”，并将随机性的概念介绍到了艺术创作之中。

同样具有因随机性而无法预知结果的作品则是行为艺术之母玛丽娜·阿布拉莫维奇（Marina Abramovic）于2010年在纽约现代艺术博物馆创作的行为艺术作品《艺术家在场》，邀请陌生观众坐在她的对面与她对视。整个行为表演持续了3个月，每天7个小时，所有的会面与对视都充满着随机性。

Marina Abramovic,

The Artist is Present,2009.

Museum of Modern Arts, New York.

随机性在艺术作品中扮演着无法被规划和预知的角色，然而当我们了解人工智能背后的运作框架后会发现算法中的随机性是存在人类行为的干预。

菲利普教授在演讲中提及了两位被称作“人工智能之父”的计算机科学家赫伯特·赛门（Herbert Simon）和艾伦·纽厄尔（Allen Newell），他们于1975年一起因对人工智能方面的杰出贡献而被授予图灵奖。

Source: Filippo’s slides

他们提出了“状态空间探索”（State Space Search）的概念作为人工智能处理问题的模型。搜索空间指的是由一组表征（representations）、运算符（operators）和约束条件（constraints）定义了思考所处的概念空间。

Source: Filippo’s slides

图片中，每个格子都有一个表述（不同的数字）、一组运算符（上、下、左、右）和约束条件（例如，我们不能将这些数字移出格子之外），而计算机的任务则是在这个状态空间内寻找到谜题的最优解。棋盘类游戏和这个概念很类似，都是一种空间游戏，这个空间或大或小取决于人为的预设，比如国际象棋的空间大小是10次方到40次方，玩家可以在这个空间和约束条件内博弈。

关于计算机的创造力，认知科学研究教授Margret Boden（2009）发表了一篇关于计算性创造力的论文（Computer Models of Creativity），她认为创造力并不神奇，只是人类正常智能的一部分，而非少数精英拥有的特殊能力。创造力可以被分为三种形式：探索式（exploratory）、组合式（combinational）和转化式（transformational）。这三种形式都可以被人工智能模拟得到令人印象深刻的结果。

探索策略（Explorative Strategy）指的是来自对状态空间中新状态的探索，不跳出其界限、不打破约束条件，仅对大多数表面维度的“调整”，其表征、运算符和约束条件并没有改变。

建筑师弗兰克·赖特（Frank Lloyd Wright）的作品《第一个草原房子》(The First Prairie House,1893)被许多评论家认为他创造了一种独特的空间、形式和空间语法，代表了当时传统房屋设计的巨大转变。

Frank Lloyd Wright, 

The First Prairie House, 1893. 

Source: Filippo’s slides

以往的美国家庭建筑仍然沉浸在过去，风格多来自于旧欧洲的建筑，对于赖特来说，这并不适合美国的景观。草原建筑以美国中西部长而低的自然景观为灵感，大幅度舍弃和改变了传统美国建筑的垂直线和高度，强调水平线和平坦浅斜的屋顶线体积为特征。

组合式创意指的是对熟悉想法或它们之间关联的不寻常组合，比如诗意的想象、隐喻和类比都属于这一类。以杜尚1921年的作品《为什么不打喷嚏，罗斯·塞拉维》（Why Not Sneeze Rose Sélavy?）为例，这是一个由鸟笼、四根木条、温度计、墨鱼骨和一百五十二个如糖块的大理石块组成的半现成品作品。

Marcel Duchamp, Why Not Sneeze Rose Sélavy?

1921. Wood, metal, marble, cuttlefish bone, thermometer and glass, Unconfirmed: 114 × 220 × 160 mm, © Tate

杜尚将这些看似毫无关联的物体组合在一起形成了令人震惊的艺术效果，这种效果便是来自这些意料之外的组合。

转变性创意通常指的是对概念空间中的运算符或约束条件的某种转变，对新概念的改变、重新表述或整合中可能会产生以前不可能产生的想法。创造力并不仅仅局限于艺术，同时还存在于科学、哲学甚至数学之中。

Source: Filippo’s slides

俄罗斯数学家尼古拉·罗巴切夫斯基是非欧几何的早期发现人之一，他摒弃了欧式几何当中的第五条公理，创造了一种新的几何学公式，这也使得之后爱因斯坦才能创立现代物理学的两大支柱之一的相对论；

杰克逊·波洛克放弃了将画笔作为艺术家和画布之间的工具的做法，创立了他独特的滴画法；

奥地利作曲家阿诺德·勋伯格的代表作《古雷之歌》（1900-1911）从早期创作中对调性的弱化、转移到最后舍弃调性，他打破了传统和声以及调性的规则，由浪漫晚期的复杂调性转为无调音乐，建立了无调性音乐的新秩序；

奥斯卡·王尔德的文学作品《道林格雷的画像》中的主角永不衰老，因为“他”是一副画像；

凯库勒否定了任何有机分子都是基于碳链（strings of carbon）的假设从而发现了苯循环（Benzene cycle）。

这五个例子都展示了摒弃约束条件是发挥创造力的另一种策略。

Source: Filippo’s slides

人工智能自出现以来，“创作者已死”被宣告了太多次，但一如相机的发明并没有导致画家的“死亡”，反而诞生了新的艺术表现形式——摄影、电影、影像……菲利普教授在讲座中提出的观点是，人工智能并不具备创造力，或者说目前来看是没有办法具备创造力。当涉及到创造性的工作时，在现有的人工智能技术下，艺术家和机器之间永远是合作关系，而非竞争对手，是各种类型的计算机艺术的基础。计算机是否能够“真正”具有创造性并不是一个科学问题，而是一个哲学问题，也因此并没有明确的答案，但我们却在讨论中有了对创造力的科学理解的雏形。