[深度解读] Onformative的AI雕塑理念

人类出于审美目的而改变物体的兴趣来自远古时代。通过试验不同的工具和技术，古代的大师们研究了物质是如何被塑造成形状的。将这种好奇心延续到了2020年，Onformative设计了一个机器学习模型，以观察人工智能学习雕刻3D的过程演变。虽然Onformative的大多数艺术项目的目标是最终达到视觉效果，这个项目是不同的，作为创造者，展现AI学习和行为的过程成为Onformative的主要追求。

在这个机器学习的项目中，团队探索了人工智能与雕刻共同创造的潜力。同时也发现人工智能和传统的雕塑家之间存在着许多共同点和差异性，强化学习的不可预测性，机器学习过程与3D模型雕刻之间的关系，以及人工智能与设计师合作创造的新机遇。

当人类和人工智能共同创造时，我们作为设计师的角色会发生怎样的变化？在人工智能的雕刻过程中，不可预测的策略和结果是颇具启发的。机器强化学习的目标是通过与环境互动来学习最佳的行动策略，以获得最优结果。在这个过程中，机器会尝试各种可能的行动，并根据行动的结果来调整策略。这种方法的不可预测性使得人工智能在雕刻过程中可以探索不同的形状和结构，从而获得更好的结果。

人类研究一项技术往往是因为好奇心，而机器则是出于效率——这是一种值得探索的有趣的议题。就其基本设置而言，这种机器学习过程与古代雕塑家最初进行的研究是相似的：为了达到最终的目标，在实践过程中不断寻求改进。

为AI设定的目标是雕刻一个3D模型，人工智能通过基于奖励和惩罚的强化学习进行训练。在基于体素的环境中，设计团队为AI的运动提供了丰富的数据和明确的奖励逻辑。雕刻材料的初始状态是一个大立方体，在此基础上AI需要不断移除非目标材料，最终尽可能接近预定的目标。在每一步中，AI可以自行决定去哪里，是否删除自己周围的大量体素，以及如何删除。设计团队为AI设定了一种独特的限制规则：当非目标的物质被移除时，它会得到奖励；当应该成为最终雕塑一部分的物质被移除时，它会受到惩罚。机器学习的所有技术部分都在Unity3D中实现，并使用Unity的机器学习代理库来实现强化学习。

通过反复试验，AI通过从原始立方体中去除质量来创建雕塑策略。通过寻求最大效率，人工智能的雕塑能力得以迅速提高。一个非常引人注目的结果是，训练过程中的巨大并行性：AI能够同时执行许多训练集，这意味着AI可以同时学习不同的雕塑技能，这种学习效率是远超人类的。观察学习曲线的演变，包括策略、行为和视觉输出，设计团队不断试验不同的参数和预定义的规则。

在过去，大多数的创造性工作都是由设计师完成的，而机器则是被用来帮助他们完成工作的。但是，随着人工智能技术的发展，我们发现机器正在变得越来越智能，越来越有能力参与到创造性工作中来。这为创造性行业带来了新的机遇和挑战。

通过与人工智能的合作，设计师可以获得更多的创造性灵感和创造性思维方式。与传统的创造方法不同，人工智能可以探索许多不同的设计方案，并提供不同的视角和思考方式。这种合作方式可以帮助设计师更好地理解他们的目标受众，并为他们提供更好的设计方案。

同时，这种合作方式也提供了新的机会，让设计师重新思考他们的角色和责任。在人工智能时代，设计师不再是简单地执行任务的人，而是成为了策划人。通过理解机器是如何工作的，我们可以重新解释它，重新思考它，并开发新的策略或系统来实现它，在许多层面上丰富我们的创造力和创造过程。

与人工智能合作不是我们创造力的复制，人工智能创造的结果是不可预测的。因此我们有可能获得前所未有的灵感，激发我们全新的创作方式，这也是人与人工智能共同创造这一概念的核心。

设计团队选择了一些AI雕刻的结果，并将它们定义为雕塑，以数字艺术品的形式呈现。这是人类创造力再次发挥作用的一种方式：我们将如何解释AI生成的作品?我们如何编排机器的雕刻程序?我们会选择哪些雕塑？我们会创造什么样的环境来展示它们?

通过机器学习的实验项目，设计团队发现人工智能与传统的创造性工作之间存在许多共同点和差异性，通过人与人工智能的合作，我们可以创造出更加优秀和创新的作品，并在未来的创造性行业中扮演更加重要的角色。在人工智能时代，我们需要重新审视我们的创造方式，并不断尝试新的方法和技术，以创造出更加优秀和有价值的作品。