AI的创造力真的比人类低吗？且看对抗生成网络这七大应用

人工智能可以以惊人的速度、效率和逼真性来产生新的数据模式。

在过去的几年里，人工智能在算法上生成可数字化渲染的对象已经变得很平常了。人工智能的应用越来越多地被称为“生成式的”。

“生成式的人工智能将推动下一代应用程序的自动运行、内容开发、视觉艺术以及其他的创意、设计和工程活动。”

到2019年，大多数领先的人工智能服务提供商将提供工具和函数库，以构建人工智能的自然语言生成、图像处理和其他生成用例。

在研究和商业应用中，生成式人工智能已经证明了它的自我价值，其应用遍及各个领域:

图形生成

人工智能可以从艺术品中抽象出视觉图案，然后将这些图案应用于那些具有标志性特征的摄影图像上;

这些算法还可以将任何粗略的涂鸦变成一幅令人印象深刻的图画，而这幅画看起来似乎是人类艺术家对照着真实世界而创作的。即使只是手工绘制的人脸草图，也可以通过算法转换成逼真的图像;

或通过计算机渲染任何图像，使其看起来好像具备某个艺术家的个人风格;

或根据给定的图像数据库，自动生成一幅新的有意义的、甚至足以以假乱真的图像。

照片生成

人工智能可以通过生成和叠加原始的视觉元素来自动填补或修改照片中那些缺失的、模糊的或具有误导性的区域;

可以将任何低分辨率的原始图像自然地转换成高分辨率版本;

可以通过混合现有的画像或从任何特定的画像中抽象化特征来生成看似自然的人脸;

还能根据给定的语句、标签来生成逼真的图像或照片。

音频生成

人工智能可以将任何计算机生成的声音转换成真实的人声;

能将文本翻译成自然语言;

还可以作曲，听起来与人类作曲家所作的曲子一般无二。

视频生成

人工智能可以在电影中对画面进行调整，以符合导演想要达到的风格、灯光或其他效果。

文本生成

人工智能能够以最高速度大规模地快速生成自然语言内容。根据图像或其它内容，它可以为之生成标题、注释和其他描述;

可以将现有字体与新的字体设计相结合;

代码生成

人工智能可以生成程序代码，以满足应用程序的需要。

材料生成

人工智能甚至可以在3D打印、CRISPR和其他技术的基础上，着色或渲染假肢、有机分子和其他物品。

在不远的将来，将有更多的应用范例进入市场——使用先进的人工智能方法，即对抗生成神经网络(GANs)，在算法上创造出各种各样的数字和模拟对象，精确度和真实度都将很惊人。

在2019年之前，更多的供应商将推出基于GAN驱动的工具和工作台，用于软件编程、计算机辅助设计、web内容开发、音乐组合、图像处理、视频制作和其他创造性学科。

而生成照片的应用程序很可能会应用于移动设备和其他大众市场的物联网终端上的每一个智能相机应用程序。

对抗生成神经网络在2017年的人工智能社区是一个巨大的全球研究热点。在未来一年，GAN技术的进展速度可能会加快。

而生成设计技术可能会成为全球数据科学、创新和工程专业的核心课程。