AIRTIST——AI藝術與MATRIX的偉大冒險 (3鱷4)
如何創造壹個AI藝術家
“創造”AIRTIST本質上是構造壹個深度神經網絡，訓練AIRTIST的深度神經網絡需要使用生成網絡訓練方法，在這裏需要用到兩個深度神經網絡，壹個是對應藝術家創作過程的神經網絡，叫做‘AIRTIST-DNN’，另壹個是用於提高創作質量的深度神經網絡，叫做‘Discriminator’。兩個網絡以下圖方式連接在壹起，左下角就是‘AIRTIST-DNN’，中間是Discriminator網絡。AIRTIST需要先經過訓練，然後才能進行藝術創作。在訓練階段，前述兩個網絡以分布式計算方式部署在Matrix區塊鏈主網上，同時我們需要壹組特定類型的藝術品樣本，如特定風格和類型的油畫和音樂作品。訓練開始時，兩個網絡的權重參數都是隨機值。AIRTIST-DNN網絡是壹個生成式模型，可以把壹組隨機數映射到壹件作品。當然，剛開始訓練的時候，生成的作品可能根本不具有任何藝術性。與此同時，Discriminator網絡也進行訓練，使用事先選定的藝術品樣本和AIRTIST-DNN生成的作品作為樣本數據，該網絡的訓練目標是分辨哪個是真實的藝術品樣本，哪個是生成的（剛開始訓練是很容易分辨）。在訓練過程中，兩個網絡的權重參數不斷調整，整體目標相當於讓AIRTIST-DNN生成數據的統計分布盡量逼近輸入藝術品樣本的分布。這個訓練過程可以看做是壹個博弈過程，在達到Nash均衡後，生成的藝術作品已經達到幾乎亂真的水平。
如何通過AI藝術家來創作AI藝術作品
Creation是AI藝術家AIRTIST進行藝術創作的過程，我們以作畫為例，描述壹下Creation的流程與技術架構。
已經訓練好的AIRTIST的深度神經網絡擁有多層神經元，每個神經元都擁有大量的權重參數，這些權重函數反映了特定藝術作品的統計分布。進行創作時，我們首先輸入壹個創作主題，該主題通過語義識別形成壹組指定的初始參數傳給圖像生成網絡。輸入後，中間隱藏層（hi誒誒en layer）神經元對輸入數據和權重參數逐層進行計算，最後在輸出層（output layer）得到輸出的圖形結果，也就是我們創作出來的AI畫作。實際上，深度神經網絡就是壹個萬能的映射工具，可以把輸入映射到任意輸出，訓練過程就是把該網絡的映射函數調節到目標藝術風格，而創作過程就是根據網絡拓撲和權重參數反映的分布生成壹組數據（即藝術作品）。由於深度神經網絡擁有數以百萬計的權重參數，因此在反映特定分布的同時又具有壹定隨機性，這在某種程度上正好反映了藝術創作中的自由意誌。
作品創作完成後， 直接通過區塊鏈進行確權並保存在分布式存儲網絡中，從而形成了AI藝術品數字資產。
AIRTIST——AI藝術與MATRIX的偉大冒險 (1鱷4)