是“洗稿”还是“创作” AI画作所有权该归谁?

2019 年 4 月 9 日 网易智能菌

选自 | CNN

作者 | Aaron Hertzmann

编译 | 网易智能 (小小)


在过去几年里,许多艺术家开始使用所谓的“神经网络软件”来创作艺术品。用户将现有的图像输入软件,然后软件会对这些图像进行分析,学习其中特定的美学因素,并生成艺术家想要的新图像。通过控制这些模型的输入和参数,艺术家可以产生各种各样有趣而又令人回味无穷的图像作品。

这些作品通过画廊展览、媒体报道和两次高调的艺术拍卖,已经获得了广泛的认可。作为学术研究人员、艺术技术的开发者以及业余艺术家,看到艺术家们拥抱新技术来创造新的表达形式总是让人感到兴奋。但是,就像之前开创性的艺术运动一样,神经网络艺术也带来了许多难题:当这些艺术品来自许多不同的个人创意和算法时,我们如何看待作者及其所有权?我们如何确保所有参与创作的艺术家都得到公平对待?

01

新的运动正在诞生


活跃的神经网络艺术兴起于过去几年,部分原因得益于计算机科学的发展。它始于2015年名为DeepDream的项目,该项目是由一位谷歌工程师偶然启动的。他想找到一种方法来可视化设计用来分析图像的神经网络系统的工作原理。为此,这位工程师在神经网络中输入照片,并要求它增加图像中检测到的物体部件数量。结果,他得到了一系列怪异而令人回味的图片。

(皮埃尔·福特尔(Pierre Fautrel)是利用人工智能创作艺术品的法国企业家团队的联合创始人,他旁边的画作是算法创作的艺术品)


这位工程师在网上分享了他的方法,艺术家们立刻开始尝试。在不到一年的时间里,DeepDream艺术画廊举办了第一次展览。因为这款软件是免费在线共享的,数字艺术家可以用这些模型进行实验,然后分享他们自己的结果,并进行修改。Twitter上有个活跃的神经网络艺术家创意社区,讨论他们的实验结果,以及最新的发展和争议。主流艺术家也接受了这些工具,特雷弗·佩格伦(Trevor Paglen)、瑞菲克·阿纳多(Refik Anadol)以及杰森·萨拉文(Jason Salavon)等艺术家都举办了大型展览,并接受了各种委托。

尽管如此,这种开放的分享对我们看待艺术的方式提出了挑战。佳士得在2018年11月以近50万美元的价格拍卖了《贝拉米家族的埃德蒙德·贝拉米》(Edmond de Belamy, from La Famille de Belamy),这是一副AI绘制画作,由巴黎艺术团体Obvious利用算法、基于14世纪至20世纪的15000幅经典肖像作品完成。这场拍卖本身已经给出了警示。

为何会如此?为了创作这张图片,艺术家团队显然使用了另一位艺术家罗比·巴拉特(Robbie Barrat)在网上免费分享的源代码和数据。艺术团体Obvious完全有权使用巴拉特的代码,并声称自己是该作品的作者。尽管如此,许多人批评佳士得的做法帮助提高了那些只在作品创作中发挥了很小作用的艺术家地位。这通常被解读为佳士得的失败,尤其是在推广作品的误导方式上,而不是反思AI艺术的原作者权益。

(《贝拉米伯爵》(Le Comte de Belamy)是组成“贝拉米家族”系列的10幅肖像画之一)


Ganbreeder于去年11月由乔尔·西蒙(Joel Simon)推出。每张Ganbreeder图像都是使用输入参数创作的,你可以通过修改站点上其他图像的参数来选择这些参数。该站点存储每个图像的谱系,以便你可以看到最终图像的所有贡献者。如果你喜欢你发现或创作的某张图片,可以从名叫丹妮尔·巴斯金(Danielle Baskin)的企业家和艺术家那里订购定制的木版画。

巴斯金用颜料润色了这幅作品,但并没有签名,而是在作品的背面贴上二维码,表明这幅作品具有独特的血统。巴斯金之所以这样做,是因为每张图片都是许多人贡献的结果,这使得很难将任何一位艺术家的名字与每幅新作品联系起来。

02

该是谁的就是谁的


然而,当亚历山大·雷本(Alexander Reben)展示他用Ganbreeder图像创作的画作时,巴斯金指责他偷窃,因为她和其他人花了数小时在Ganbreeder网站上制作这些图像。在为自己辩护时,雷本指出,在他选择图像时,Ganbreeder的作品都是匿名的,用户登录和归属权是在2月份才添加的。

现有的法律和惯例已经可以应对艺术品以某种合作或联合形式创作的情况。人们普遍认为,艺术家只要创作出一张最终的图片,就可以声称自己是作者,不过如果可能的话,他们应该对图片的来源开诚布公。对雷本盗窃的指控似乎模仿了那些对安迪·沃霍尔(Andy Warhol)和理查德·普林斯(Richard Prince)等传统挪用艺术家的方式,他们以扩大和修改其他用户在Instagram上的帖子而闻名。

▲AI创作的作品


然而,这些神经网络的工作似乎是另一种类型的工作。神经网络模型的贡献和网站其他用户的贡献都与创作结果密不可分。似乎没有任何贡献者属于“艺术家”。


看待这些新艺术作品的一种可能方式是像看待开源软件那样看待它们。开源是一种软件开发模型,任何人都可以在其中贡献或使用开放软件包。开源促使大量主要软件工具诞生,如Linux和主要的神经网络软件。同样,如果没有开放的软件和数据共享,新的神经网络艺术品也不可能被创造出来。

开源项目为软件如何使用和记录贡献指定了明确的规则:有些软件可以扩展和销售,而其他项目必须始终免费分发。每个程序员的贡献都被记录下来,他们如何获得酬劳也取决于个人项目。像开源软件一样,像Ganbreeder这样的网站可以为艺术作者及其贡献建立清晰的规则。指导方针应规定如何评估作品贡献度、还有谁做出了贡献以及作品何时可以出售或获得版权。

支付报酬也是一个棘手的问题。如果Ganbreeder图像被用于商业工作,比如书籍封面或电影制作,会发生什么?对于更平凡的贡献,巴斯金建议可以在作品的众多贡献者中分摊报酬,这可能会有利可图,因为一场大型广告活动的版税足以支付很多艺术家的餐费。

03

“想象事物的摄影”


还有价值和意图的问题。这些作品能成为伟大的艺术吗?有些艺术品的价值仅仅在于其内在的美学属性,比如某座山的美丽。但我们也重视作品,因为它展现了艺术家的视野、意图和技巧。开源艺术品位于两者中间的某个位置。这一意象代表了许多人经过深思熟虑的艺术选择结果。但目的何在?当然,早期的贡献者并不知道他们的作品将被如何使用。


(法国艺术团体Obvious曾“训练”其软件使用历史画作为参考,然后生成类似于18世纪肖像画的图像 )

这就像在询问创作美丽山景背后的意图吗?还是艺术家最终的选择是唯一的意图来源?以前的艺术技术也提出过类似的问题,尤其是摄影的发明。当这种媒介首次出现时,许多人声称摄影根本不可能是艺术。他们认为,所有的工作都是由机器完成的。如今,这种观点在“AI自己创作艺术”的误导性言论中得到了呼应。

这种争论延续了很长时间,但摄影最终被认为是其自己的艺术媒介。此外,它还通过迫使艺术家停止把所谓的现实主义作品放在基座上,从而催化了现代艺术运动。因为艺术家的画作永远无法与相机带来的真实感相匹配,所以他们需要找到一种方法来创作出任何机器都无法复制的作品。

神经网络艺术现在是就像“想象事物的摄影”。因为就像摄影一样,神经网络艺术可以创造出一组看似无穷无尽的图像,而这些图像本身似乎没有多大价值。价值来自艺术家使用这些工具的独特方式,比如他们如何设置参数、选择主题、调整图像细节或创作更大的图像。不过,随着新的神经模型以惊人的速度发布,这些问题只会随着更奇妙、更怪异、更鼓舞人心的图像的出现而变得更加紧迫。

往期推荐

 

剖析20世纪未来出行 这些畅想21世纪能成吗?


▲点击图片观看

低学历、贫困、女性占50% 揭秘印度全
球AI数据标注村

▲点击图片观看

孔子在2000年前提出的“因材施教” AI教育给安排上了!

▲点击图片观看

- 加入社群吧 -

网易智能AI社群(AI芯片、医疗AI、金融AI、电商AI、自动驾驶、教育AI、AIoT、机器人等12个社群)火热招募中,对AI感兴趣的小伙伴,添加智能菌微信 kaiwu_club,说明身份即可加入。

登录查看更多
0

相关内容

艺术迄今依旧没有公认的定义,目前广义的艺术乃是由具有智能思考能力的动物,透过各种形式及工具以表达其情感与意识,因而产生的结果。艺术不只存在于人类社会中,也存在于其他相对高等的动物。
AI创新者:破解项目绩效的密码
专知会员服务
33+阅读 · 2020年6月21日
生成式对抗网络GAN异常检测
专知会员服务
116+阅读 · 2019年10月13日
吴恩达:AI未来将呈现四大发展趋势
AI100
6+阅读 · 2019年8月30日
腾讯传媒丨2019全球人工智能技术大会简报:AI正在如何改变
中国人工智能学会
4+阅读 · 2019年5月29日
玩转老照片,一台GeForce 1080 Ti 就能让黑白照片展“新颜”
英伟达NVIDIA中国
4+阅读 · 2019年1月29日
Hinton最新专访:别让AI解释自己,AI寒冬不会再来
GAN生成式对抗网络
3+阅读 · 2018年12月17日
瑟瑟发抖……神经网络可能在欺骗你!
专知
5+阅读 · 2018年6月4日
人工智能创作的春天来了
微软丹棱街5号
7+阅读 · 2018年3月29日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
图像风格迁移(Neural Style)简史
乌镇智库
5+阅读 · 2017年7月31日
Equalization Loss for Long-Tailed Object Recognition
Arxiv
5+阅读 · 2020年4月14日
Arxiv
14+阅读 · 2020年1月27日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Arxiv
6+阅读 · 2018年2月28日
VIP会员
相关资讯
吴恩达:AI未来将呈现四大发展趋势
AI100
6+阅读 · 2019年8月30日
腾讯传媒丨2019全球人工智能技术大会简报:AI正在如何改变
中国人工智能学会
4+阅读 · 2019年5月29日
玩转老照片,一台GeForce 1080 Ti 就能让黑白照片展“新颜”
英伟达NVIDIA中国
4+阅读 · 2019年1月29日
Hinton最新专访:别让AI解释自己,AI寒冬不会再来
GAN生成式对抗网络
3+阅读 · 2018年12月17日
瑟瑟发抖……神经网络可能在欺骗你!
专知
5+阅读 · 2018年6月4日
人工智能创作的春天来了
微软丹棱街5号
7+阅读 · 2018年3月29日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
图像风格迁移(Neural Style)简史
乌镇智库
5+阅读 · 2017年7月31日
Top
微信扫码咨询专知VIP会员