AI 時代的人機協同創作
- 2019 年 10 月 8 日
- 筆記
這是mixlab社區成員00-ML04的文章，總結了她在4月的一次活動中分享的內容。
mixlab有一期文章訪談過00:
00的斜桿：
交互設計 / 服務設計 / 產品經理 / Maker / AI / New Media Art / Generative Art / Data & Sound Visualization / 心理學和認知科學 / 旅遊景區規劃
在AI時代設計師們、程序員們都焦慮了，AI可以用來做設計（鹿班），AI還可以用來寫代碼（UI2Code），AI也可以做遊戲，AI也可以譜曲，AI當你的老師……例子非常多，人與機器的關係從人機交互逐漸地往人機協同演進，我們可以找到很多例子，比如：
大界機械人
https://www.roboticplus.ai/
建築領域的機械人系統
2018設計人工智能報告
http://sheji.ai/
腦機比，人機關係的研究
——————————-
下面把時間留給00:
為什麼分享這個話題呢？
我做了好多年交互設計的工作，所以學習和工作一直有一個離不開的主題——人機交互 (Human-Computer Interaction)。
人機關係的演進
什麼是人機交互？我把它簡單理解為：
人如何與機器或某個複雜系統的溝通和互動過程。
更為完整的版本，請看我在知乎上的回答 什麼是交互設計？ （https://www.zhihu.com/question/19788122/answer/119319267）
比如，鼠標就是一個解決人和機器互動問題的經典產品。
現在大家都覺得鼠標再平常不過了，但是在當年，Douglas Engelbart 的這一項發明，極好地解決了人們在圖形化計算機界面操縱屏幕元素的問題。為了表彰這項發明以及在人機交互領域的開拓式貢獻，Douglas Engelbart 在 1997 年獲得了「計算機界的諾貝爾獎」——圖靈獎。
For an inspiring vision of the future of interactive computing and the invention of key technologies to help realize this vision. — Turing Award Citation
人和機器的對話、交互一直在演進。這也從一個側面反映了人創造工具的歷史：
人創造的工具越來越多樣、複雜、強大。想想看，今天我們在手機上能完成多少事情。
於是，有人慢慢感到這種發展速度似乎不大對勁……奇點要來了，AlphaGo 也出現了。
隨着深度學習熱潮的演進，大家發現，以前為了讓機器智能化而不得不做的很多工作，比如，符號化、標準化、模塊化、輸入大量專家知識、需要龐大的訓練數據集、要做苦臟累的特徵工程等等，現在都簡化了。基本上，只要目標足夠清晰、可操作，訓練數據和計算資源足夠，機器學習產生的結果就可以滿足要求。
我個人也經歷了一次切身的體驗。
今年年初在上 Udacity 的 Deep Learning Nano Degree 課程的時候，最後一個實踐項目，是基於人臉圖像庫，用生成對抗網絡（GAN）算法自動生成人臉。
雖然在學習過程中，早已對算法能實現的結果有所預期。但是當我把程序放到 AWS 的 GPU 上面跑了不到二十分鐘，看到結果時還是忍不住隱隱感到機器的強大和壓迫。
這是最開始幾個訓練迭代生成的模糊不清的輪廓：
這是十幾分鐘訓練結束後生成的人臉：
說一點兒都不焦慮是假的。
何況各種媒體還鋪天蓋地強化這種焦慮，今天是一百零八種會被機器取代的工作，明天是哪個比賽機器又戰勝了人……
於是大家經不住會問：
似乎只有像詩詞、小說、爵士樂、即興表演這些領域，機器看起來就是不太擅長。
但，也不好說。
Paul 是一個專門給人畫肖像畫的機器。從 2011 年至今已經創做了非常多的作品。看起來非常有藝術感，不是嗎？
……
有時候在焦慮之餘，又忍不住會想：這種焦慮到底從何而來？
如果看過萊考夫「我們賴以生存的隱喻」的同學都知道，隱喻 Metaphor 對我們的影響有多麼大。仔細想想，感到機器的威脅，是不是也源於人機關係的一些基本隱喻？
我們基本上都是以一種對立或一分為二的方式來看待這些基本詞彙：
看到這些詞彙，我們會下意識地覺得它們是對立關係。邏輯、精確、冰冷的工程思維，怎麼跟想像、感性、個性、創作融為一爐呢？
這大概就是問題所在了。
隱喻和可能
語言有邊界。這是語言能高效傳遞信息的代價之一。
所以，打破語言或者說概念的界限，也許就是找到新出路的起點。
（PS. 在心理諮詢中，諮詢師很重要的一部分工作，是幫助來訪者呈現問題、reframe 問題，而不是直接插手去替他解決問題。）
其實早在 50 多年前，就有人探討過人機關係的「未來簡史」。
美國心理學家和計算機科學家 Licklider 在 Man-Computer Symbiosis 這篇論文中，討論人跟機器的關係存在什麼樣的可能性，提出「人機共生」的概念。
快 60 年過去了，技術的發展讓「蠢機器」第一次有可能成為人類的「好基友」，我們為什麼首先感到的是焦慮而不是興奮呢？
還記得 2016 年，在 AlphaGo 戰勝李世石後，跟安豬老師在大理有過一次討論。當時我的感慨是，為 AlphaGo 的勝利感到挺開心的，但並不是因為我是技術的腦殘粉，而是因為我覺得到了這個時候，人不得不去面對這樣一個問題：
人到底擅長什麼？
也就是說，當接受生物智能無法跟上非生物智能的發展時：
人到底有哪些可以讓機器「羨慕」（當然，機器不會有這種情緒）的天賦呢？
至今我還沒有答案，但我想，大概會包括：直覺、洞察力、探索和意外的創造。人欣賞「意外」的審美、運用「意外」的創造力，應該會長期秒殺機器。
人跟機器最大的區別到底是什麼？
我一直在問自己這個問題。
意圖，可能是現階段人跟機器最大的差別。
人因為時間、空間、認知方面的三大局限，因為生命時長極其有限、可觸達的空間極其有限、工作記憶（內存）極其有限，決定了人類的一些基本 drive 和價值觀。
人的美妙與荒謬，可能都來自於兩行二選一的核心代碼：
Be numb/sober and Duplicate Be insane/self-distroying and Love
所以我（naive地）認為，突破時間、空間、認知限制，渴望無限，是人類物種永恆的追求，換一個詞來概括，那就是——意圖。
我們在基本意圖上發展出複雜的能力，會體會微妙的情感，會追求意義，會審美、表達、共情，會講故事和構建社會關係……
而機器，無所不能，但就是沒有意圖！
這樣看來，現在難道不是人類最好的時代嗎？
有一個毫無私心、任勞任怨、潛力無限的助手，為什麼我們擔心的是被助手取代，而不是興高采烈地放開手腳去創造呢？
人機關係的新階段
無論技術如何發展，人類從來沒有停止過創造。
這是用 Google DeepDream 算法生成的作品：
DeepDream 網站的首頁，已經為人機關係的新時代做了註腳：
藝術家們一直在嘗試探索人機關係，可能是這樣的：
也可能是這樣的：
上圖是一位叫做 Dragan iLiC 藝術家的項目，人充當機器的筆刷，由機械臂控制着人去作畫。
在分享的現場，這張圖片引發了熱烈的討論。有的小夥伴表示，這樣做的目的到底是什麼，她看不出任何意義。有的小夥伴認為這是對人機關係一種悲觀的表達。有的小夥伴的態度則更為中立而開放……
我想，這恰恰就是藝術家的目的吧：激發人們的反思與討論。並不存在對與錯，只是 raise questions，這也許就是最大的善意。
音樂，人機協同即將爆發的領域？
最近關注音樂和技術結合的領域比較多，越來越覺得音樂也許會迎來人機共創的繁榮時期。
音樂本身是符號化、形式化非常強的「語言」。音樂的規律經過數百年的研究和沉澱，幾乎已經沒有太多規律上的「未知和秘密」，更多的變化會來自文化思潮影響下的風格探索。
算法作曲早已不是什麼新鮮事，基於 AI 自動生成音樂已經有很多成熟的應用。甚至是在對即興表演要求相當高的爵士樂，也已經有人機共同即興表演的嘗試。
比如 Al Biles 教授的 GenJam 項目，從 2005 年至今，已經演出過數十場。
而去年的 Qosmo AI DJ 項目也展示了人類 DJ 和 AI DJ 一起 Jam 的效果~
何以解憂？
這是最壞的時代 也是最好的時代
這取決於我們現在每做的一個決定、每投入的分分秒秒。
知識可以學習，但智慧更多是一種體驗。
回到主題，如何破解 AI 時代的焦慮呢？
以下是 00 給（自己）的解藥：
回歸創造者的使命，裝備上創造所需要的心、眼、腦、手，
去看，
去愛，
去體驗。
把技術當成夥伴和切磋的對手，
去行動，
去試驗，
去創造。
最後
Ref
- Doug Engelbart 1968 Demo https://web.stanford.edu/dept/SUL/library/extra4/sloan/MouseSite/1968Demo.html
- PATRICK TRESSET | http://patricktresset.com/new/
- Licklider – Man-Computer Symbiosis.pdf http://worrydream.com/refs/Licklider%20-%20Man-Computer%20Symbiosis.pdf
- www.draganilic.org http://www.draganilic.org/
- GenJam http://igm.rit.edu/~jabics/GenJam.html
