我为何与机器人共同作画

当人类和机器人一起创造艺术时会发生什么？在这场令人叹为观止的演讲中，艺术家钟愫君（Sougwen Chung）展示了她如何将自己的艺术风格“传授”给一台机器——并在意外发现机器人也会犯错后，分享了他们合作的成果，她说：“人类和机器系统的美妙之一正是它们固有的、共同的不完美。 ”

在座的各位在日常生活中
都会使用科技，

许多人依赖科技来
进行他们的工作。

有一段时间，我认为机器和科技

只是让我的工作更高效、高产的
完美工具。

但随着自动化技术
在各行各业的崛起，

让我不禁试想：

如果机器能够完成

原本由人类做的工作，

那我们人类之手又能做些什么呢？

对完美，精确和自动化的追求

是如何影响我的创造力？

作为艺术家和研究者，
我研究人工智能和机器人，

以此来开发人类创造的新途径。

过去几年里，

我运用机器，数据
和新兴科技进行创作。

其中一部分永恒的魅力

在于人与技术间奇妙的动态，

还有其中不可避免的混乱。

我借此来探索人工智能与我们的界限，

以及探索发展

未来感官融合的可能。

我想这是哲学与技术的交汇点。

这项工作教会了我一些事。

它教会我拥抱不完美

可以帮助我们认识自我。

它教会我探索艺术

能够更好的构建科技，
从而塑造自我。

它教会我将人工智能和机器人

结合到传统的创作中——
以我创作的视觉艺术为例——

能够帮助我们更深入理解

何为人类，何为机器。

它让我意识到

在我们进步的路上，

合作是创造人与机器共存空间的关键。

这一切都始于
一个简单的机器实验，

实验机器叫“绘图机器：初代”
（Drawing Operations Unit: Generation 1）。

我把它简称为道格（D.O.U.G.），

在我建造道格之前，

我对造机器人一无所知，

我参考了一些开源的机器臂设计，

编成了一个系统来实现匹配手势，

并实时模仿它们。

前提很简单：

我画，而它会学我。

我画一条线，
它也会跟着我画一条线。

回到 2015 年，那是我们第一次

在纽约的一小群观众前作画。

整个过程非常冷清——

没有灯光，没有音效，
也没有什么悬念。

只有手掌冒出的冷汗
和机器臂不断升高的温度。

（笑声）显然，
这不是我们想要的效果。

但有趣的事发生了，
完全出乎意料。

初代的道格并没有
完美地模仿我画的线条，

在计算器模拟中显示

它的模仿事精确完美的，

但到了现实中，却并非如此。

它会滑动，会卡顿，会晃动，

于是我不得不附和它的线条。

它的状态不完美，

而这些失误让作品更加有趣，

机器在模仿我的线条，
但是并不完美，

于是变成我在附和机器。

我们不断地实时熟悉彼此。

看到这些，教会了我一些事，

我们的失误，实际上
让我们的作品更加有趣，

我从机器的不完美中意识到，

我们的不完美成就了这互动之美。

而我很兴奋，因为它让我意识到

或许人类和机器系统的美妙之一

正是他们共同的、固有的不完美。

对于第二代的道格，

我知道我要探索这个想法，

我并非打算通过放大机器臂的失误，

而是想要设计一个系统
能够以出其不意的方式

回应我的画作。

所以，我运用一个视觉算法
来提取我几十年来的

数字和实体绘图中的视觉样本信息，

以此我训练了一个神经网络

优化机器的循环模式，

视觉样本由经专门的
软件处理导入机器。

于是我煞费苦心地
收集我的所有的画作——

成品，半成品，随手简笔画——

把它们标记给人工智能系统。

作为一位艺术家，
我作画超过了 20 年，

所以收集这些画作花了好多个月，

这是个大工程。

说到训练人工智能：

这其实大费功夫。

幕后的工作很多很多，

但在其中，我对人工智能的构造

更深入了解了一些。

我意识到它不仅是
神经网络的

模型和分屏器。

它是一个可延展的、可塑的系统，

人类的手始终参与其中。

它不再是我们认为的
无所不能的人工智能。

所以，我收集画作以训练神经网络，

而且我们意识到
前所未有的事情发生了，

我对机器人道格
在实时交互创作中，

对我过去人生几十年的作品做出回应。

数据源于我个人，
但结果却很有力。

我感到非常兴奋，

因为我开始想或许机器不该只是工具，

它还可以是非人的合作者。

再进一步想，

也许未来的人类创作

不在于作品本身，

而在于对艺术诞生新方式的探索。

所以，如果道格初代是肌肉，

那么道格二代就是大脑，

然后我想道格三代就是家人。

我知道我想要将对
人类和非人类合作的想法放大。

于是再过去的几个月里，

我和团队造出了 20 个定制的机器人

与我集体创作。

它们像团队一样工作，

我们共同与整个纽约市携手合作，

斯坦福大学的研究员李飞飞
激发了我对灵感，

她说，"若像教机器如何思考，

先要教它们如何看见。"

这让我想起了过去
十年的纽约生活，

城市上空的监控摄像头监视着我，

如果我用它们来训练

我的机器人的视觉，
那会非常有趣。

所以在这个项目中，

我思考机器对我们的凝视，

于是我开始将视觉看成多元化的，

视作来自某处的视点。

我们收集视频，

从网络上公共摄像头的影片

到行人在路上走的片段，

道路上的汽车和出租，

城市中各种车水马龙的片段。

基于一种“光流技术”，

我们训练了一种视觉算法，

来分析收集到的人流密度，

城市流动的方向，
速度状态以及居住方式。

我们的系统从海量的
位置数据中提取这些信息，

我们的机器人依靠这些信息来作画，

与之前的一对一合作不同，

我们实现了多对多的合作。

通过结合城市中人类与机器的视角，

我们重构了一个景观绘图可能的样子。

在我和道格所有的实验中，

没有哪两次的呈现是相同的，

而且通过合作，

我们创作了我们
无法独自实现的事情，

我们共同探索了创造力的边界，

人类和非人类并肩工作。

我想这才是开始，

今年，我创办了 Scilicet，

这个新实验室旨在探索
人类和非人类间的合作，

我们对个体，人工和生态系统

之间的反馈关系非常感兴趣。

我们将人类和机器与

生物特征识别和其他环境数据相结合。

我们邀请任何对未来的作品、系统

和人际间合作感兴趣的人

和我们共同探索。

我们知道不仅是科技工作者肩负使命，

所有人都可以参与其中。

我们坚信通过教授机器

如何去完成人类的传统工作，

我们就能不断探索和创新

超越人类之手所能达到的可能。

这段旅程之一便是拥抱不完美，

发现人类和机器共有的缺憾，

才能更好的拓展我们共同的潜能。

今天，我仍在追寻人类和

非人类协作的美妙之处。

在未来，我不知道会怎样，

但是我满怀好奇去寻找答案。

谢谢。

（掌声）