Ahmed Elgammal 博士是新泽西州立大学罗格斯大学计算机科学系的教授。Elgammal 博士是罗格斯大学计算生物医学成像与建模中心 (CBIM) 的成员,也是罗格斯大学认知科学中心 (RUCCS) 的执行委员会教员。Elgammal 博士是罗格斯大学艺术与人工智能和人体运动分析实验室 (HuMAn Lab) 的主任。他的主要研究兴趣是计算机视觉和机器学习。他的研究重点包括人类活动识别、人体运动分析、跟踪、人类身份识别和计算机视觉的统计方法。Elgammal 博士最近的研究活动还包括数字人文领域的数据科学。他于 2006 年获得美国国家科学基金会职业奖。Elgammal 博士分别于 1993 年和 1996 年获得埃及亚历山大大学计算机科学和自动控制理学学士和理学硕士学位。他分别于 2000 年和 2002 年获得马里兰大学帕克分校计算机科学理学硕士学位和博士学位。
随着人工智能逐渐融入我们日常生活的各个方面,从手机到汽车驾驶,艺术家开始尝试人工智能也是理所当然。然而,这并不是一个全新的趋势。自 50 多年前人工智能诞生以来,艺术家们一直在编写计算机程序来创作艺术作品,在某些情况下还融入了智能元素。这类作品最著名的早期例子是哈罗德·科恩和他的艺术创作程序 AARON,该程序创作的画作遵循科恩硬编码的一套规则。但人工智能在过去几十年中不断发展,融入了机器学习技术。结果之一就是出现了一股以不同方式使用人工智能创作艺术的新浪潮。与传统的算法艺术不同,在算法艺术中,艺术家必须事先编写详细的代码来指定所需美学的规则,而现在,艺术家可以通过机器学习查看许多图像来“学习”美学。然后,算法才会生成遵循其所学美学的新图像。这一类中使用最广泛的工具是生成对抗网络 (GAN),由 Goodfellow 于 2014 年推出 (Goodfellow 2014),已在 AI 社区的许多应用中取得成功。GAN 的发展引发了这一新的 AI 艺术浪潮。图 1 描绘了使用类似 GAN 的算法制作艺术品所涉及的创作过程。艺术家选择一组图像来输入算法 (预处理)。然后,这些图像被输入到试图模仿这些输入的生成 AI 算法中。在最后一步,艺术家筛选许多输出图像以整理最终的集合 (后期处理)。在 Artrendex,我们开发了 Playform (www.Playform.io) 作为 AI 艺术工作室,让艺术家在创作过程中使用生成 AI 系统。我们的目标是让艺术家能够使用这项技术,解决一些问题并减少艺术家面临的挑战