你好，我是YanYan，欢迎回来前几日，有首诗在我的朋友圈内朋友圈了，试题是《AI结构设计代替人类文明雕塑家？建筑学黑信息技术——LandscapeGAN》，这是几项来自屈埃泰Cloyes老师团队的最新科学研究成果该文展示了几项奇妙的AI技能，只要输入场馆大致的布局计划（格子），系统就能实时手动聚合室内结构设计计划。
我看到有爸爸妈妈感慨，引入AI后，大概是不须要所以多雕塑家了，以后只须要顶级的概念师和开发人员就能了也有爸爸妈妈揶揄，计划出所以快，可乙方爸爸我没所以多钱建啊~~如果你还没有看过这首诗，建议你点选下方镜像，先快速下载一遍。
AI结构设计代替人类文明雕塑家？建筑学黑信息技术——LandscapeGAN接下来我想和你分析一下，此项科学研究到底有没有所以奇妙？AI能否代替人类文明雕塑家？评价此项科学研究的前提是，他们要先把它的原理搞明白，根据该文中的重要信息，
人类学家一共采用了三种AI演算法——Pix2Pix、CycleGAN和StyleGAN3我尽可能用咱们平凡人都听懂的语言，向你解释清楚01 四项演算法的极极简介绍这两项演算法，有三个共同的源头——GAN(Generative Adversarial Networks)，英译为“聚合对付互联网”。
那什么是“聚合对付互联网”呢？随着AI深度学习的急速发展，他们知道AI已经具备了非常彪悍的重要信息搜集、重要信息交互、重要数据处理的潜能但仅有这些是不够的，发明AI的目的是为了模仿人类文明观念，而人类文明观念最妩媚之处，是它的创造潜能，他们希望计算机系统不是仅仅能交互到事物，而要能够自己作诗、作曲、原画、音乐创原画作。
但是GAN的发明人Ian发现，现代神经互联网的演算法，没办法有效支持AI音乐创作他想通过计算机系统手动聚合相片，但采用现代演算法聚合的图像质量始终不理想，相片模糊、须要大量的训练数据集，费时费力，结果还不受控为什么会这样？。
原因是AI虽然能聚合相片，但它根本不认知相片你给它看1万本狗狗的相片，AI也不知道什么是狗，在它“眼里”都只是一片直方图、一串01字符串把马尾巴认成Nagapattinam，这一点都不奇怪所以，AI须要有人给它意见反馈Ian想到一类全新的思路，如果不是只用三个神经互联网，而要同时采用三个神经互联网会不会有更好的效果？。
三个互联网负责管理聚合相片（聚合器），另三个互联网负责管理辨别相片（辨别器），三个互联网呈现一类博弈与对付的关系，帮助AI在无数次插值中急速进化这就是聚合对付互联网的基本概念他们再用三个小例子帮你更形象地认知它他们能把聚合器想象成三个收藏品真品创作者，他的高速成长过程是从三个零基础的“阿宝”慢慢高速成长为三个“复制品艺术家”。
而辨别器则担任的是收藏品鉴别师的角色，他的鉴别潜能也在对付中急速增强
仿制者和鉴别师的较量开始了最初仿制者还是三个什么都不懂的“阿宝”，完全凭借自己的心意随意制作产品面对如此低劣的复制品，鉴别师一眼就能分辨在分辨完成的同时，他会将判断结果写成报告：比如做工不精细、颜色不协调等。
第一次对付就这么完成了，现在进入第二轮，仿造者拿到了鉴别者的判断报告，他认真研读了里面的每一条重要信息，根据这些重要信息重新制作真品这一次音乐创作的真品比起之前的成熟不少到了鉴别者这边，当他再次拿到真品和真品时，要重新判断真假，这一次他也发现仿制者的潜能提升了，为了区分真假作品，他须要花时间去寻找一些更深入的区别点。
在一番努力过后，鉴别师顺利完成了任务，同时继续聚合了报告同样的步骤一直持续了很多很多轮……在经历了N次的互相博弈以后，两者在整个训练过程中都变得非常强，作假一方几乎能制作出以假乱真的作品，而鉴别一方也早已是“火眼金睛”了。
最后一次博弈是这样的：仿制者已经完全摸透了鉴别师的心理，虽然他没有见过真的收藏品是什么样子，但是对收藏品应该具备什么样的特性已经十拿九稳，对于鉴别师可能的分辨过程也全都了然于心对于如此以假乱真的真品，虽然鉴别者拥有“火眼金睛”，但也是无能为力了，他能做的只能是凭运气猜测是真是假，而无法用确定的理由进行判断。
这也就是聚合对付互联网最终的目的，AI能像人一样音乐创作，它能以假乱真了Pix2Pix、CycleGAN和StyleGAN3三种演算法，都是在GAN基础原理上的应用深化（1）pix2pix演算法pix2pix演算法(Image-to-ImageTranslation,图像翻译)，简单认知就是。
以图译图。很多时候，他们都希望能够通过输入的图像聚合他们希望的对应图像。例如将黑白输入的图像转变成彩色图像，这对于老相片复原会有很大的帮助。
再比如将手绘的草图转化为真实事物的相片。
在Cloyes老师的科学研究中，应该就利用了这个演算法。
但是，pix2pix有三个大bug，在训练这个演算法时，它只能认知匹配数据的图像转换就拿上图从线稿聚合彩平为例，他们必须首先喂给演算法很多“线稿-彩平”一一对应的图像，让它自己学习，如果线稿和彩平不是一套图，这个演算法就识别不了。
如果你想将一张风景照，转换成莫奈风格的油画，那它更实现不了了，因为现实中你根本找不到匹配的图pix2pix有点“人工不智能”这也太费事了，咱能不能不找匹配的图，也能让AI学着画彩平呢？（2）CycleGAN演算法。
2017年，有学者科学研究出了新演算法，CycleGAN能识别非匹配的数据集将一张风景照，转换成莫奈风格的油画，要怎么操作呢？简单，只须要把一堆风景照和一推莫奈的画，直接喂给演算法就行了，它会自己找关系这和画家真实的音乐创作就很像了，画家不正是把自己的风格映射到不同的场景中嘛，画家处理的也是非匹配数据集。
回到Cloyes老师的科学研究，只要喂给这个演算法一堆格子布局图和实际的计划彩平，系统就会自己学习、自己找规律，随后他们再输入一张格子布局图，AI就能手动画彩平了。
既然有这么好用的演算法，为什么还要搭配采用pix2pix演算法呢？因为CycleGAN演算法也有问题，它自己的学习成本有点高因为他们相当于没有给他设定任何规则，所有都是靠演算法自己摸索出来的，所以一方面数据量要够，否则找不出规律来；另外插值次数会更多，它得慢慢进化，可能循环几百次才能得到他们满意的结果。
相比之下，pix2pix演算法的规则是相对明确的，如果他们想从格子聚合彩平，那什么格子对应彩平中的什么颜色、哪种纹理，都能提前人为设定好，演算法能很快按照人的指令，完成图像绘制工作（3）StyleGAN3演算法。
前两种演算法，不知你有没有发现什么问题？问题就是，AI输出什么样的图，完全取决于人们输入了什么，也就是说，AI只是个手动填色的但是，他们希望AI能在人给定的基础上，多些变化的可能性，而且人还要能操控这些变化。
这就要用到StyleGAN3演算法原理说起来也不复杂，当他们在采用CycleGAN演算法时，其实系统内部已经聚合了很多条对应的规则，只不过它是个“黑箱”，他们不知道内部都有啥StyleGAN3演算法的绝招是，帮他们把黑箱给拆开了。
演算法能手动提取、分离聚合结果中的某些风格特征重要信息，通过参数控制使他们能对某一特征进行单独调整，从而实现计划变化的可能性。
好啦，以上就是对科学研究中提到的四项演算法的极简介绍，原理搞清楚了，接下来他们聊聊一开始提出的疑问——AI能否代替人类文明雕塑家？01 AI vs 人类文明雕塑家其实这个问题，科学研究团队在该文中已经回应了，简单来说就是
不可能科学研究团队给出的理由是，AI仅仅是基于大量成熟案例的图面学习，按照人设定的格子，负责管理填色，哪怕是运用StyleGAN3演算法，AI也不过是微调出了一些普世性的计划而结构设计要面对的是重要信息极其多样、且充满不确定性、没有固定标准的任务，AI解答不了不能量化的问题。
我非常同意科学研究团队的判断，这正是AI介入结构设计领域时，最大的瓶颈除此之外，我还想补充分享两点我自己的看法，供你参考（1）AI没有创意我在精读《雕塑家式认知》这本书的时候，和你介绍过，创意=遥远想法的连接，创意源于溯因推理，即将并无直接关联的想法或事物，以某种合理自洽的方式连接在一起，使其能够被解释、被接受。
精读《雕塑家式认知》：雕塑家，到底有啥不一样？但AI没有创意从风景相片聚合油画，这不是创意，它只是归纳了众多油画特征后，演绎到了风景相片中而已，这不算创新AI当然会产生数据的随机组合，但AI没办法给出解释。
在卢浮宫前放一座玻璃金字塔，只能由贝聿铭老爷子自己解释缘由，AI或许能想到这种组合（数据库足够大且多元），可它只会给你输出更靠谱的“宫殿+模纹花坛”计划（2）AI损害多样性没有创意，这便引出了次生问题，AI会损害世界的多样性。
科学研究中用到的这三个演算法还比较初级，因为毕竟还是须要人画出线稿或格子布局图，AI才能识别填色，本质上依旧是人在做结构设计，AI承担了费时的纯体力劳动如果再进一步，AI不须要人给的布局，而要直接根据场馆边界，从曾经所有景观结构设计计划的数据库中找合适的风格，自己出计划呢？想要几何，它就能聚合几何；想要自然式，就有自然式。
这样一来，AI是不是就能代替雕塑家，自己做结构设计了呢？确实能，但他们必须警惕表面上看，AI在自己做主、自己结构设计，而事实上，它只是提线木偶，真正起决定性作用的是数据库换句话说，AI只是在根据当前情况，重复过去已有的经验。
还是举刚才的例子，如果历史上从来没出现过“玻璃金字塔+宫殿”的组合，AI几乎不可能想得到于是，结构设计只剩下了枯燥的重复，这些年千篇一律的景观见得还少吗？人类文明雕塑家自己，正走在AI化的路上依赖AI聚合结构设计，他们很有可能会主动陷入过往的桎梏中。
那说来说去，AI难道就没有一点可取之处了吗？除了节省填色的时间，它还能干啥？哈哈别急，AI还是很有用的，至少它比人周密有三个关于机器学习的经典案例，2012年，美国明尼苏达州的一位父亲，怒气冲冲地投诉塔吉特超市的市场部。
因为超市给他还在上高中的女儿，发了各种婴儿衣服、婴儿床的广告向未成年人卖母婴用品，超市疯了吗？这位父亲万万没想到的是，他的女儿确实怀孕了塔吉特超市的机器学习演算法，赶在这位父亲之前知道到了这一点怎么回事呢？原来，塔吉特超市有各个消费者的消费记录，演算法能根据消费习惯对消费者进行分类，找到他们消费行为和生活事件的相关性。
比如说，一位用户同时买了无香型的润肤露和钙镁锌营养品，那她或者她的家人就有很大可能已经在妊娠期了AI确实能发现一些人观察不到的隐秘规则这对结构设计的启发是，如果他们喂给AI许多结构设计大师的计划数据，也许它自己能摸索出一些绝妙的结构设计方式，这些方式虽然也源于大师作品，但它过于隐蔽，以至于普通雕塑家此前从未注意到。
这对快速提升雕塑家的水平，还是蛮有帮助的只不过如此一来，战场的焦点就不再是人和机器的较量了，而要普通雕塑家和人机协同雕塑家的竞争了恐怕，他们真得好好思考一下，一位职业雕塑家，该如何不被人机协同的业余选手击败。
好啦，以上就是今天的全部内容，拜了个拜~~“ 管见论之，见仁见智，各取所需 ”---低产狡辩声明：由于目前学识有限，为了搞清楚三个话题，通常要查阅很多书籍、论文，力求让自己的“现学现卖”显得稍微“专业”一些，所以更新速度不会太快。
还木有评论哦，快来抢沙发吧~