數據標記在機器學習過程中起著至關重要的作用，它不僅是AI模型訓練的基礎，也是確保模型生成質量和適用性的關鍵因素。最早的時尚走秀出現在19世紀60年代，也稱為“T台秀”，直到今天，它還是業界發布服裝新品的一種定式，長盛不衰。網絡空間的海量T台走秀照片是“天生的”訓練時尚類人工智能的數據集，因為這些圖像已被分門別類地清晰“標記”——它反映了不同品牌、不同設計師的設計理念、風格創意以及細節、剪裁、材質和配飾等。合理挖掘運用這些時尚數據，可以讓AI在時尚設計的趨勢預測、風格推演以及設計生成方面起到不可低估的作用。我們在中央美術學院設計學院的課堂上曾指導學生從服裝的不同形態出發，歸類整理時尚圖像，訓練了一個AI時尚生成器，它做設計的方式完全區別於前代設計師，具有創新性。
在人工智能時代，藝術創作和語言文本關係密切，在這方面AI同樣大有可為。我們教師團隊做過一個小實驗——用AI技術來評判《紅樓夢》前80回和後40回是否為一人所寫。我們先用算法提取了兩部分文字的特徵，包括詞頻、句子結構、句式複雜度、語法特點和情感表達，再訓練一個AI模型，它基於文字特徵來區分不同作者的寫作風格。實驗結果是前80回和後40回不是同一人所寫。這表明AI對人類語言的理解已經達到了一個全新的高度。
AI降低專業設計的門檻後，更多普通人也能享受到高質量的設計服務。比如，在中國農村，宅基地的總量巨大，數以億計的村民都需要在宅基地上蓋房。鄉村裡很少有人舍得花高額設計費請建築師給自己家蓋房，是否可以通過人工智能為村民設計結構專業、性能優良、風貌體面、價格適當的房子？在人工智能時代，這顯然是可行的。專業設計師可以通過機器學習將設計的專業性“哺育”給人工智能，讓優質的設計服務惠及更多人。
|
