所在位置: 首页 > 通识活动 > 有·闻 > 正文
有·闻|《人文大讲堂·艺术的观念》第十四讲(总第861讲):人工智能与影像艺术
文章出处: 发布时间: 2020年12月16日 访问次数:

 

12月9日晚,通识教育中心邀请到厦门大学联合遥感接收站负责人、近海海洋环境科学国家重点实验室高级工程师耿旭朴老师为同学们带来题为《人工智能与影像艺术》的讲座。本场讲座由许昳婷助理教授主持。

 

讲座开始前,许昳婷助理教授为同学们介绍耿旭朴老师并为讲座做了简单热场。

 

耿旭朴老师以近日我校与爱奇艺成立电影修复联合实验室的新闻以及《小兵张嘎》影片修复前后的对比视频揭开了讲座的序幕。

 

为向同学们介绍人工智能在影像艺术领域的应用,耿老师列举了人脸生成技术、AI换脸技术、草图渲染技术、风格迁移技术、文本转图像技术、图片动态化、图像高分辨处理等例子。随后,耿老师又举了人工智能绘画作品拍卖出300万高价的事例表明人工智能正“侵蚀”着艺术创作领域,并引导同学们思考:倘若艺术创作也能被人工智能实现,那么人类的引以为傲的创造力究竟体现在哪里?同时,耿旭朴老师也对“有图有真相”这句话在当下的正确性进行了思辨。

耿旭朴老师对“有图有真相”进行思辨

 

耿老师指出人工智能的核心技术在于深度学习(Deep Learning),并为同学们简要介绍了深度学习的发展历史:1943年,W. McCulloch和W. Pitts建立了神经网络和数学模型;1986年,神经网络研究迎来第二次热潮;2006年,神经网络之父Geoffrey E. Hinton解决了深度学习面临的问题;2012年,深度学习技术通过“ImageNet图像识别比赛”震撼学术界;2016年,人工智能AlphaGo在与棋王李世石的对决中获胜。

AlphaGo与李世石对战

 

机器对于图像的深度学习可分为两大类:一类为辨别(主要对数据进行分类与预测),另一类为生成。而在深度学习谱系中有三个重要部分:CNN(卷积神经网络),RNN(循环神经网络),GAN(生成对抗网络)。其中,GAN包含两个CNN网络,分别用于判别与生成。这两个网络能够相互促进学习。

 

典型的CNN可分为卷积层、池化层与全连接层。卷积层通过不断修正参数网络的权重而习得图像的特征;池化层则是将相近的多个特征用一个特征表示,以降低参数量级;全连接层则负责输出结果。

 

CNN结构(采样层即为池化层)

 

而前面提到的图片风格迁移就是该技术的一种应用。

图片风格迁移

 

讲座临近尾声时,耿旭朴老师介绍了当前位于人工智能相关技术前沿的公司:亚马逊、微软、INTEL、 IBM等;同时也为同学们推荐了应用最广的深度学习框架和语言:TensorFlow与Python。耿旭朴老师表示:目前,我国在人工智能技术的应用方面取得了很大的成功。此外,在深度学习成为显学的今天,早前的哲学问题“缸中之脑”也有了更为重要的意义。

 

讲座最后,许昳婷助理教授为耿旭朴老师送上感谢状,感谢他为同学们带来了精彩的讲座。

许昳婷助理教授为耿旭朴老师送上感谢状

 

为传承厦门大学办学传统,营造翔安校区的校园学术文化氛围,促进文理学科交融,拓展学生视野,厦门大学教务处、厦门大学通识教育中心在翔安校区主办“人文大讲堂”系列讲座,并由厦门大学人文学院联合承办。

 

 

编辑|蔡羽乔

排版|蔡羽乔

摄影|蔡羽乔

校对|徐惠婷

 

Top