眨眼之間，人工智慧如何顛覆藝術世界

昨天去了藝術北京，今年的現場格外火爆，雖然沒有誇張到某些旅遊景區那種摩肩接踵的程度，但參觀人數是明顯上升了不少。

今年買家出現了一些新面孔，能觀察到些許新特點： 忙碌、獨立思考、知識豐富。

當然，他們還不能構成當下藝術品購買的主力軍，但已經可以看出一些未來趨勢了。通過觀察這些藏家的身影，讓我想到一個話題：十年以後，藝術世界將會是什麼樣呢？

從拍照到計算機視覺

如今的大部分藝術展、藝博會都已經可以隨意拍照了，筆者當然也不能免俗，在藝術北京上隨手拍了一些有趣的照片。

回想十年前，在藝術展上這麼隨意頻繁的拍照是不可想像的。一方面是設備的限制，沒有今天這麼多智能拍照設備；另外就是傳統行業思維的局限。

很多藝術業內人士都認為知識的獨創性是一種核心競爭力，他們把藝術品的創意、展示方式看作獨家秘密。因此，最初很多藝術機構都不歡迎人們拍照（直到今天依然有一些展覽是禁止攝影的）。

而如今隨著智能手機的普及加上移動互聯網的迅速發展，畫廊、博覽會已經在這方面的態度已經發生了180度轉變，他們希望通過放開拍照來吸引人們把展覽現場的情況傳播出去。

那麼，人們會止步於拍照分享嗎？給藝術品拍照有沒有什麼其他的高級玩法呢？十年以後會怎麼樣呢？

我們逛展覽時經常會有這樣一種體驗：看到一件非常喜歡的作品，但是對作者和相關的題材不甚了解。這時我們要想儘快獲得相關知識，最快的方法就是向身邊懂行的朋友或者藝術經紀人去詢問。

但是這件事對於大多數人來說都不那麼容易，可能由於不好意思或者心裡想著「等以後有時間我再去自己了解一下吧」，大部分人都沒有把問題說出口，結果這一拖往往就永遠和這件藝術品失之交臂了。

這個小小的細節實際上限制了很多人對藝術的深入了解和學習，尤其在今天人們越來越忙的情況下，已經很少有人能夠拿出整塊的時間去學習和全面了解藝術史、藝術技法和風格等專業知識了。

這就和當年Google發明搜索引擎之前很相似，那時人們獲取某些領域的專業知識是非常困難的，雖然信息和信息之間可能就隔著那麼一兩個網頁，但因為沒有辦法第一時間獲得，興趣經常就會因信息的不對稱而停滯。

我認為 拍照＋圖像搜索＋大數據 將會非常好地解決藝術領域的信息不對稱問題。實際上「計算機視覺（Computer Vision）」技術已經非常成熟，現在你就可以通過Google的相似圖片搜索或者http://Tineye.com 的圖像識別技術來上傳你拍到的照片，然後搜索到一些有相似作品的網頁。

「機器視覺」在藝術品研究中的最直接應用就是尋找同一件作品的不同版本，從而鎖定相似的作品。

國外有個叫做Curiator的網站就專門用Tineyes的API來尋找藝術作品的大尺寸圖片，它們的野心是建立世界上最完整的藝術品大圖庫。而Google、百度、阿里這樣的巨頭都已將類似的核心技術運用在了尋找相似商品等方面。

在守望者為藝術機構研製的系統內，我們已經在探索類似的技術實現——通過為藝術品圖片建立視覺特徵索引資料庫，讓你只通過一張圖片就能搜索到某件藝術品的各種相關信息。

用不了幾年，你就可以通過「咔嚓」拍一張照片，來找到某件作品過去的拍賣紀錄或者作品被書籍、文章所引用的情況了，這相當於你帶了一位超級懂行而且記憶力強悍的朋友去看展覽：）

當手機可以「認出」藝術品以後，未來人們學習和了解藝術相關背景知識的效率將被極大地提升。我認為這是一個非常有前景而且必然的趨勢。

從人肉推薦到「智能過濾器」

後工業化經濟將會持續發展。因為每個人的任務之一將是找到、從事並完成將來會成為機器人重複性勞動的新工作。——《必然》第二章，P058

當有了圖像搜索技術以後，下一步自然而然就可以藉助某個用戶拍攝的大量藝術品圖片數據，來分析Ta的藝術欣賞口味。

也就是演算法推薦技術。

我們今天已經非常熟悉這種技術，在亞馬遜、淘寶這樣的網站上，你的各種瀏覽數據都會被伺服器記錄下來，只需幾毫秒的計算，伺服器就可以推送大量你可能感興趣的商品到你眼前。

美國著名的藝術品電商平台 Artsy，就有一套被稱之為「藝術基因」的核心演算法，可以將根據藝術品的分類、流派、顏色等屬性，根據用戶瀏覽和收藏過的作品，為Ta推送更多相關的藝術品。

有人會說，給買家推薦藝術品，這不是經紀人的工作嗎？計算機即使能做類似的事情，難道人們會樂意接受由機器推薦給他們的作品嗎？

是的，一定會這樣，KK在《必然》中就描寫了過去一些「必須」由人完成的工作，後來被計算機取代的例子：

20世紀90年代，計算機大規模取代人類，為房屋抵押貸款做評估。大部分稅務工作、常規的X光片分析以及審前證據收集工作都由計算機處理，而這些都曾是領著高薪的聰明人乾的活兒。

我們已經接受機器人從事製造業是可靠的，不久我們就會接受它們的智能和服務。——《必然》2016年1月第二版，第二章，P055

當我們面對一件作品，哪怕是一尊雕塑，都可以通過一些特徵識別技術而找到相似的藝術品。如果將來每個人的手機都能認出大部分藝術品的話，那藝術經紀人幹什麼用呢？我的猜測如下：

辨認藝術品這些簡單的工作，十年內必然被計算機智能所替代，這就像電子辭典替代了查字典這個工作一樣，是一種必然趨勢。但是，這並不意味著經紀人就沒事可做了，正相反，十年後的經紀人要乾的事兒更重要。

不久的將來，機器人駕駛的轎車和卡車隨處可見。這項新的自動化技術會為以前的卡車司機帶來一份叫做「行程優化師」的新工作。工作的內容就是通過調整運輸系統的演算法達到節能省時的效果。

追蹤個人所有活動的自動化自我追蹤技術成為常態後,將會出現一種新的專業分析師，為你解讀數據。——《必然》第二章，P058

類似的，十年後藝術經紀人這個傳統行當，也將隨著智能技術的發展，逐步演化成「收藏方案優化師」、「藝術品偏好演算法分析師」這樣更加專業的工作。

這種過濾器引發的自我強化過程也會發生在科學領域、藝術領域，以及整個文化層面。「更多類似」這種過濾器越有效果，我們將其與其他過濾器合併使用就越有必要。——《必然》第七章，P195

未來，當這些基礎而繁重的工作被計算機替代後，藝術經紀人的精力將得到極大的解放，成熟的經紀人將會成為駕馭人工智慧的高手，通過獨有的演算法優化組合來為大批藏家提供一流的藝術經紀服務，他們將會從推薦者演變成「用戶偏好過濾器開發者」。

更「懂你」的全方位藝術服務

理想過濾器的第二個特點是，我想知道我的朋友喜歡什麼，而那又是我現在還不了解的…… 它將是一種會向我建議某些「我現在不喜歡但想嘗試著喜歡的東西」的信息流。《必然》第七章，P195

它遠非僅僅是一個存儲信息的檔案，更是一個不停運作的過濾器，會不斷地根據我已經去過的地方、我過去旅行中發布的快照和微博種類來做出調整和適應，它還會對我閱讀、看電影時的興趣點進行權衡比較，因為書籍和電影通常是旅行慾望的一個來源。

它還會投入大量的經歷分析我最好的朋友與他們的朋友的旅行經歷，並藉助這一巨大的資料庫時常向我推薦某些值得拜訪的餐廳和旅社。對他的推薦，我通常比較滿意。《必然》第七章，P200

如果一個用戶閱讀過的書籍，看過的電影，購買過的藝術品、日用品都被詳實記錄下來以後，計算機演算法可能會比用戶的家人「更懂主人」，並且做到一些我們今天很難做到的事情。

當「主人」因為工作上的事情而感到身心疲憊的時候，演算法機器人不僅知道為「主人」播放一首心儀的背景音樂，而且可以朗讀一首詩，並在大屏幕上呈現出主人最喜愛的藝術作品。

有人可能覺得計算機畢竟還是「傻」，它雖然可以針對我的過去做一些推測，但人畢竟是活的，不可能被機器人猜透。

也許吧，但事實上計算機根本就不需要「猜透」你，它的智能最終會幫你完成兩件事：一是通過密集的分析，剔除掉那些你厭惡的東西；另外就是發現你性格當中的多個「焦點」，根據你當下的狀態來提供建議。

雅虎的一些研究者設計了一種方式，可以自動繪製出個人在選擇領域中所處位置的可視化圖譜，如此一來，過濾器泡沫就變得清晰可見，而一個人從過濾器泡沫中爬出來也變得簡單多了，他只需在某些方向做些微調整即可。《必然》第七章，P195

在寫到這一段的時候，已經是深夜。筆者正聆聽著豆瓣FM推薦給我的一首《Greenwoods》，這是一首國際音樂風格的音樂，是我很喜歡的一種類型，而我又是第一次聽這首歌，蘇格蘭風笛吹奏出美妙的旋律。

雖然我並不知道豆瓣FM背後的推薦演算法具體是什麼樣的，但是我覺得這首曲子推薦得非常讓我滿意……

而回想十年前，我所聽的每一張專輯都來自媒體推薦、朋友介紹或者偶然尋得，我絕對想不到聽音樂這樣一件小事還需要聽從一台計算機的建議，可是現在，這一切都顯得那麼自然而然。

在本篇的結尾處，我整理了KK談到人工智慧代替人類工作時的一段精彩的過程刻畫。無論你現在從事什麼工作，收水平如何，都將反覆經歷機器人代替人的以下7個步驟：

1. 機器人幹不了我的工作。
2. 好吧，它會許多事情那但我做的事情他不一定都會。
3. 好吧，我做的事情他都會做，但他常常出故障，這時需要我來處理。
4. 好吧，它干常規工作時從不出錯，但是我需要訓練它學習新任務。
5. 好吧，就讓它做我原來的工作吧，那工作本來就不是人乾的。
6. 哇，機器人正在干我以前做的工作，我的新工作不僅好玩多了，工資還高！

7. 真高興，機器人絕對幹不了我現在做的事情。（循環到步驟1）

   ——《必然》第二章，P060

推薦閱讀：