没有什么是原创的。 然而，统统都是。 二十世纪初，达达主义者，超现实主义者以及后来的MERZ艺术家Kurt Schwitters都探索了这一事实。 他们将找到的材料稠浊到新的拼贴和3D组件中。 无数现实的无数碎片成为无数新视野。
人工智能的当代实验产生了相似的俏丽成果。 您可能会认识到新作品背后的互文性，但在这里，对您来说，它们是-新天下。 从Google Deep Dream最初开始，就变成了Android梦想的多层面可视化。
现在我们可以看到AI在抱负着电羊，天下以及其他领域。
去年，我写了有关Joan Simon（http://www.joelsimon.net/）的运用程序GANbreeder。 用户友好的BigGAN模型集，已在ImageNet，Kaggle集和其他可视数据库上进行了预演习。 数据可视化的遍及和民主化。 它许可与其他用户/艺术家/不雅观看者协作，从现有DNA天生视觉精品，纵然没有详尽的数据科学知识（并非每个艺术家都可以利用Python）。
Joel的最新项目将您带入#AI天生的艺术品的下一个维度。 惊险：
育种者
让我们访问Android Dreams目前，共有五个部分："常规"，"肖像"，"专辑"，"风景"和"动漫肖像"。 （该项目正在进行中，因此新的模型和功能一贯在涌现）。
让我们探索《 Artbreeder综合指南》中的所有模型
> Portraits (random selection)
一样平常模式
> General
这是前GANbreeder（也由Joel Simon生产）背后的实际核心-抛光并与新模型一起利用。 在这里您可以产生很多东西。
还记得BigGAN的重大打破吗？回到2018年？ 您可以为基于Tensorflow的GAN模型供应天生特定主题的任务-结果已经令人信服（可通过Colab Notebook进行考试测验）。
利用Artbreeder，您可以从头开始创建天下。
像画像一样，您具有以下功能：
· 随机：显示随机已天生的图像。 您可以选择它们并进行修正。
· Mix-Images穿越现有的肖像和基因-并产生全新的视觉效果。
· Mix-Genes合并特定的语义网络层（Genes）
· 动画创建简短的变形视频。
潜入随机可能最多会使您感到困惑。 除了面孔，您还会在这里找到所有可能的嵌合体，幻象和无法阐明的视觉效果。
> Fig 9. Random images from General Topic
此处的修正功能类似于天生人像。
除了" Edit-Genes"（编辑基因）以外，还有一个突出的例外。
> Fig 10. Edit-Genes in General.
如您所见，此处的图层不代表人像中的面部特色，而是代表图案，险些是柏拉图式的eidos。 这些"基因"是BigGAN中"种别条件采样"中的"种别"：视觉数据库的主题，被标记并用于演习。
在图10中，您可以不雅观察到哪些种别是可视化的根本（以及比例）：漫画，爱斯基摩犬，宫殿等。
我们乃至可以在这里解释图片的语义词源。
这一变革性的艺术世代是重新映射我们现实的一种全新的办法。 因此，让我们不才一个功能中从头开始创建新图像。
稠浊基因
首先，您须要选择一个基因（一个标记层，BigGAN中的一个神经网络突触）：
> Fig 11. Select a gene
这是一个隐蔽目录的种别库。 让我们选择"建筑"作为我们的第一个基因。
> Fig 12. Gene "Architecture"
如您所见，这是一项仔细的标记事情（并非总是如此）。 BigGAN受过关于同一种别无数图像的演习，因此选择一个基因可以产生相同主题的完备不同的图像。 因此，让我们将" Caste"作为第一个基因-第二个将来自" Instruments"种别。
> Fig 13. Select a gene
现在您明白了标签的含义。 这始终是人为成分。 来自ImageNet的图像（以及险些所有其他图像数据库）被人标记，有时对其目的没有明确的观点。 实际上，在大多数情形下，这里标记为乐器的人是演奏该乐器的人。 含义很明显-它会代替人类，而会产生人类。 对付弱AI来说，所有与要定义的模式有关。
但是现在让我们将"城堡"与"器官"结合起来：
> Fig 14. General results (you can change the intensity of a gene with slider)
纵然不能区分内部和外部，城堡和器官也都可以识别。 梦幻般的图像。 当您醒来并想起最近的梦想时，您便会体会到这种觉得–视觉效果在不断变革和变质，消逝，滑动。 令人困惑的大脑正在试图找到最大略的观点。
人像Google Brain研究职员科学家Ian Goodfellow提到，在AI产生面部表情方面的巨大飞跃之前一年：
当2014年AI天生的面孔仍旧看起来险些像pareidolia Mars Face时，2018年已经在照片般逼真的假面孔天生方面取得了打破（用StyleGAN产生的绝对惊人的结果提醒病毒页面ThisPersonDoesnotExist.com）。
现在您可以自己做。 在"画像"部分中，您将找到四个功能：
· 随机：显示已天生的随机肖像。 您可以选择它们并进行修正。
· Mix-Images穿越现有的肖像和基因-并产生全新的角色。
· 相对较新的功能-您可以上传图像进行操作。
· 动画创建简短的变形视频。
创建人像。因此，让我们从一组现有的肖像中创建一个新人物。 选择"随机"会将您带到" Artbreeder"中的现有图像列表：
> Fig 1: Random browse
> Fig 2: Children
您在这里看到的是最初的可能性。 右上角是实际的修正面板，
· 小孩儿
· 杂种
· 编辑基因
不才面，您可以看到各种用户已经天生的图像。
所有图像功能都是神经网络层，您可以主动或随机变动。
小孩儿这种修正方法是您掌握得最少的方法。 您可以做的所有事情都是变动"相似度"与"差异度"的百分比。 您定义的图像越多，得到的结果就越不同（图2）。 您可以在图片险些达到您的期望时对其进行微调。
杂种> Fig 3: Crossbreed
经典的样式转移模型。 您选择另一个图像（存在于Artbreeder中）作为目标（或来源，取决于它）-通过修正面部和样式参数，可以在两个选定的图像之间通报样式。 因此，您可以合并图片或变动其样式。
编辑基因> Fig 4: Edit-Genes
最有效的修正办法：通过主动变动每个图层的百分比，您可以直接变动特定功能。 在图4中，您可以看到以前的男性眼镜佩戴者肖像-但是通过变动年事，眼镜，性别的图层，实际上会涌现截然不同的图像。 参数Concept_art是一个隐蔽的样式转换层，从照片级逼真的图像切换得手写草图或绘画。
血统图像下方的第二个图标是Lineage。 它显示了肖像的"家谱树"：
> Fig 5: Lineage
在我们的情形下，这是一棵短的家谱。 您还将在Artbreeder中找到具有较长故事情节的迭代修正图像。
> Fig 6. Sample for big-scale lineage
上载
这是一项新功能，这使Artbreeder更具了艺术实验室的功能。 它不再是纯GAN专用农场。 它的确意味着：您可以上传图像。 对抗网络可能会以这种办法或其他办法进行和变动它们。 有时并不是您真正想像的那样。
例如，上传这张著名的达达主义者汉斯·阿普（Dadaist Hans Arp）肖像（纸盘隐蔽左眼）会导致GAN在"天生器"和"鉴别器"之间的相互浸染中进行"校正"，并规复了他的隐形眼睛（改变了视线）：
这是与现实天下的实际交汇点（包含版权，数据隐私等所有含义-用户应明智地利用它）。 当然，还有利用条款。
因此，如果将上述汉斯·阿普肖像的风格转移到我的照片上，就会发生这种情形：
> Fig 6. (Crossbreed with uploaded image: Vladimir Alexeev + Hans Arp)
或与Klaus Nomi一起为我进行样式转换：
> Fig 7. (Crossbreed with uploaded image: Vladimir Alexeev + Klaus Nomi)
上传功能极大地增加了可能性。
专辑> Album mode
10.000专辑封面是"专辑"部分中用于演习神经网络的数据库。
这是非常特殊的东西-除"肖像"或"常规"以外，"相册"是文本，布局和图像的仿照组合。 人工智能时期已经到来。 我们仍在利用弱AI —文本背后的语义缺失落。 这是重新创建文本的打算考试测验。
与以前的模型相似，我们具有以下功能：
· 随机：浏览随机天生的相册图像。
· Mix-Images穿越现有的相册并天生全新的视觉效果。
· 动画创建简短的变形视频。
请记住，此处的"字体"和"笔墨"属于构图。 不能将其单独修正为图层。
与其说是理解，不如说是一种审都雅。
各种样式，主题和徽标引发了更多灵感。
风景
> Landscapes
本节解释如何实现无数图像神经网络演习的完美效果。 在这种情形下，景不雅观险些是完美的。 或可能是我们的感知-与其他动机比较，我们的大脑在自然意象方面的演习也更好。 因此，由于我们的感知忽略了不必要的元素，因此我们没故意识到现有的故障或视觉缺点。
您已经知道函数如何事情：
· 随机：浏览随机天生的风景图像。
· Mix-Images穿越现有的景不雅观并天生全新的视觉效果。
· 动画创建简短的变形视频。
就像在专辑中一样-在这里您必须考试测验，稠浊，修正。 （至少目前没有）景不雅观的真正"基因"，但是通过参数的随机化，您可以天生出色的示例：
动画与肖像险些一样-结果令人压倒。 同样，这就像梦境的可视化一样，在这种情形下，您乃至可以看到或停息视频，这无法帮助您更好地识别意识。
这是常规动画的示例：
静态图像天生的绝佳补充。 选择关键帧（现有肖像）— AI将以一种险些不可思议的办法在图像之间天生过渡。 您可以选择持续韶光以及过渡模式。
> Fig 8. (Keyframes)
此关键帧序列产生了引人入胜的画面：
您会把稳到关键帧之间的各种样式转换过渡—令人着迷。
发展进程乔尔·西蒙（Joel Simon）是Artbreeder背后的英雄。 但是Artbreeder Discord-Server中也有一些人，他们谈论，互换思想，建议如何适应最佳的UX，理解最新的AI造诣，辩论做事条款和隐私，分享最新的Artbreeder天生的作品。 卓越的团队互助精神。
Artbreeder的开拓非常动态-由于Joel对用户的想法和更正迅速做出了反应。
到目前为止，我在数字产品方面得到的最佳用户体验。
这便是为什么在这篇文章揭橥后的第二天，Artbreeder可能会得到新功能或变动其界面的缘故原由。 你还在等什么？ 潜水并加入Artbreeder。
最近，乔尔（Joel）扩大了选择范围，增加了具有传奇色彩的格文（Gwern）的动漫肖像（动漫模型）（也请访问格文（Gwern）的项目ThisWaifuDoesNotExist.com）。
> Anime model by Gwern
用法？确实，哪些用例与Artbreeder天生图像有关？ 您如何运用结果？
这里有一些考试测验：
· 观点设计思路
· 角色设计（适用于视频游戏，桌上游戏，自发的D＆D角色天生吗？）
· 艺术项目（图像和视频装置）
· 灵感
……只是列举一些有趣的用法。
您还有其他关于运用肖像天生的想法吗？
创建！
实验！
得到启示！
您的炼金术士。
> Alchemist. Generated by Merzmensch with Artbreeder.
更新。 我找到了一篇很棒的文章，上面写有GAN上类似的标题，该文章由Libre AI的联合创始人兼首席实行官Ernesto Diaz-Aviles博士一年前揭橥，内容涉及在AI / ML的帮助下画羊的有趣考试测验。 免责声明：可能是Antoine deSaint-Exupéry与Philip K. Dick的合并，这是我们理解创造力和人工智能的范例代表。 因此，我没有复制标题，以防万一。 这是二十一世纪的明显后果。 :-)
(本文翻译自Vlad Alex (Merzmensch)的文章《Artbreeder. Draw me an Electric Sheep.》，参考：https://towardsdatascience.com/artbreeder-draw-me-an-electric-sheep-841babe80b67)