
CNET科技资讯网 7月20日 北京消息:昨晚,百度联手尤伦斯当代艺术中心(UCCA)在“劳森伯格在中国”展览现场举办了主题为“AI科技与艺术之夜”的活动。百度通过人工智能技术,将美国艺术大师罗伯特·劳森伯格(Robert Rauschenberg)的传奇式巨作《四分之一英里画作》的其中两联分别谱成了20余秒的钢琴曲,实现了视觉向听觉表达的转化。这是百度首次尝试将人工智能技术与视觉艺术和音乐创作相结合。
劳森伯格不仅是世界级艺术大师,也是艺术与科学“跨界实验”的先锋。1966年,劳森伯格便试图在艺术与科技之间搭建桥梁,参与创办了“艺术与科技实验组织”(E.A.T.),以鼓励艺术家与工程师之间的创造性对话。本次在UCCA展出的《四分之一英里画作》创作历经17年,当中吸纳了这一时期先进的科技元素,以全新的视角记录了人类文明的发展进程。
除了劳森伯格的画作,梵高的《星夜》、徐悲鸿的《奔马图》也是机器创作的原材料。
据悉,百度此次展示的人工智能看图谱曲技术,是通过其全球最大规模的神经网络和深度学习算法由机器自主学习实现的。百度神经网络在“看到”图像后,首先会对图像进行分析解读,为图像打上若干具象化的标签,然后通过搜索挖掘相关的音乐信息,对音乐拆分重组,再合成与图片内容相匹配的音乐旋律,最终拼接成完整的曲子。不过百度技术人员表示,神经网络目前的作曲水平还是初级,乐曲中的和弦部分由人工干预实现。目前,全球范围内能够实现人工智能自动谱曲的仅有百度和谷歌,而本次百度尝试将图像所体现的情感“移情”转变为带有声音信息的技术则更为复杂。
这已不是百度第一次尝试让人工智能自主创作。早在2013年,百度就曾使用人工智能技术对用户上传的图片进行深度学习,为用户创作诗歌。在硬件方面,百度用上千台PC服务器和近1000台GPU服务器构建了世界上规模最大的深度神经网络,支持万亿参数、千亿样本、千亿特征训练;在算法上百度应用了深度神经网络等分布式算法,支持的功能包括语音识别、图像识别、自然语言处理等等。
未来,百度人工智能技术将在更多领域展开尝试,将情感分析和理解的成果应用于产品中,提供个性化和精准化的智能服务。
尤伦斯当代艺术中心(UCCA)是一家位于北京798艺术区核心地带的国际化艺术机构,每年展出丰富的展览和教育项目。正在UCCA举办的大型艺术展“劳森伯格在中国”将持续到2016年8月21日。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。