算法能否创作出伟大的艺术作品?这取决于艺术的定义，“只要人们认为某件东西是艺术品，它就是艺术品，正所谓各花入各眼”。未来几十年的某一天，也许会出现一种能收集和分析无穷生物特征数据流的外部系统，它能比我更好地理解我的身体和大脑动态。
有了这个系统，政府和公司就能预测和操纵人类的欲望，从而改变政治和经济面貌。这个系统对艺术会产生什么影响?面对蓬勃兴趣且无所不知的算法，艺术是否会成为人类最后一道不被攻破的防线?
艺术：各花入各眼
在当代世界，艺术通常与人类的情感联系在一起。
我们倾向于认为，艺术家正在引导内在的心理力量;艺术的宗旨说到底在于将我们与我们的情感联系起来，或者激励我们产生某种新情愫。因此，在判断艺术的时候，我们往往以它的感染力作为标准，并且相信“各花入各眼”。
这种艺术观源自19世纪的浪漫主义时期，并恰好在100年前趋于成熟。
1917年，法国艺术家马塞尔·杜尚(Marcel Duchamp)买了一个普通的小便池，称它是艺术品，给它取名“喷泉”，签上了自己大名，然后将它交给了一个艺术展。
马塞尔·杜尚的签名便池
于是，在世界各地的无数课堂上，艺术系的一年级新生看到了杜尚的《喷泉》图片。当老师宣布进入讨论环节时，整个教室顿时喧闹起来。
这是艺术!
不，它不是!
是的，它是!
绝不是!
任由学生发泄了一通情绪之后，老师让他们重点讨论以下问题：“艺术究竟是什么?我们如何确定某个东西是不是艺术品?”经过几分钟的讨论，老师开始将学生们导入正确的方向：
“只要人们认为某件东西是艺术品，它就是艺术品，正所谓各花入各眼。”
如果人们认为小便池是一件美丽的艺术品，它就是。在这个问题上，没有更高的权威能够做出终极裁决。如果有人愿意破费数百万美元购买这样一件艺术品，那么它就值这个价。毕竟，客户永远是对的。
1952年，作曲家约翰·凯奇(John Cage)创作了经典曲目《4分33秒》，在“艺术性”上一举超越杜尚。
约翰·凯奇演奏《4分33秒》
此曲本为钢琴曲，如今也被交响管弦乐团所演奏，曲目时长4分33秒，演奏期间，所有乐器都保持静默。这首曲目旨在鼓励观众探究他们的内在体验，以审视何为音乐，我们对音乐有何期待，音乐与日常生活的随机噪音有何区别等问题。
它试图传递的讯息是：为音乐下定义，并将艺术与噪音区别开来的，是我们自身的期望和情感。
机器的音乐如何触动人类的情绪?
如果艺术是由人类情感定义的，那么一旦外部算法能够比莎士比亚、毕加索或列侬更好地理解和操纵人类的情感，会发生什么事情?
毕竟，情感并不是某种神秘现象，而是一个生化进程。因此，倘若算法获得了足够多的生物特征数据，并具备足够强大的计算能力，人类的爱与恨，无聊与喜悦就有可能遭到劫持。
在不那么遥远的未来，机器学习算法就能够分析身体上和身体内部的传感器传出的生物特征数据流，确定你的个性类型和不断变化的情绪，并计算特定歌曲(甚至一个特定音调)可能对你产生的触动。
在所有的艺术形式中，音乐很可能最容易受到大数据分析的影响，因为它的输入和输出都适用于数学描绘。输入是声波的数学模式，输出是神经风暴的电化学模式。让一台机器深度学习百万次的音乐体验，它就会知道特定的输入如何导致特定的输出。
假定你刚刚跟男朋友大吵了一架。
负责声音系统的算法会立即辨别出你内心的情绪动荡。
然后，它基于对于你性格和人类心理学的总体了解，将播放一些为你私人定制的让你觉得心有戚戚的歌曲。这些特定的歌曲可能无法在其他人身上产生好的“疗效”，但非常完美地契合你的个性。
在拨动了你的忧伤心弦之后，这套算法将播放一首可能让你重新振作的歌曲——也许是因为你的潜意识将这首歌与一段快乐的童年记忆联系在一起，哪怕你并没有意识到这一点。任何一位音乐节目主持人都不敢奢望能获得如此强悍的人工智能技艺。
1 探索新音乐
你可能不愿意让这种人工智能扼杀你偶然发现好音乐的能力，不愿意让它把你深锁在一个非常狭窄，根据你过往的好恶编制而成的音乐茧中。
想探索新的音乐口味和风格?没问题。
你可以轻松地调整算法，让它完全随机地选择5%的推荐曲目，出人意料地扔给你一段印尼民族管弦乐、罗西尼歌剧或墨西哥贩毒民谣。
随着时间的推移，通过监测你的反应，人工智能甚至能确定理想的随机性水平，以优化探索，同时避免惹你烦恼，或许还会将它的偶然性水平降至3%或提高到8%。
2 建立情感目标
另一个可能出现的反对意见是，目前还不清楚算法如何能建立其情感目标。
如果你刚刚和男朋友吵了一架，算法的目标究竟是该让你伤心，还是让你快乐呢?它是否会盲目地遵循一个严苛的“好”情绪和“坏”情绪等级?在人生中的某些时候，感到难过也许是合适的?
当然，同样的问题也可以抛给人类音乐家和音乐节目主持人。然而，在算法的帮助下，这个难题有很多有趣的解决方案。
一个选择是干脆把这项工作留给客户。
你可以采用你喜欢的方式来评估自己的情绪，算法将遵从你的要求。无论你是想沉溺于自怜之中，还是想欢呼雀跃，算法都会像奴仆那样，毕恭毕敬地听从你的指引。实际上，算法也可能学会识别你的意愿，即使你没有意识到这一点。
或者，你要是不信任自己，你可以指示算法遵循你信任的知名心理学家的建议。假如男友最终抛弃了你，算法可能会陪伴你走完悲伤的五个阶段：
首先，它会播放鲍比·麦菲林(Bobby McFerrin)的《不要忧愁，要快乐》(Don't Worry Be Happy)来帮助你否认刚刚发生的那一幕，利用艾拉妮丝·莫莉塞特(Alanis Morissette)的《你应该知道》(You Oughta Know)来激起你的怒火。
接下来，它会播放贾克?布莱尔(Jacque Brel)的《别离开我》(Ne me quitte pas)和保罗·扬(Paul Young)的《那就回来吧》(Come Back and Stay)，以鼓励你主动与男友和解。
然后，阿黛尔的《像你一样的人》(Someone Like You)和《你好》(Hello)会把你丢进意志消沉的深渊。
最后，算法将播放格洛丽亚·盖诺(Gloria Gaynor)的《我要活下去》(I Will Survive)和鲍勃·马利(Bob Marley)的《一切都会好起来的》(Everything's Gonna Be Alright)，协助你接受现实。
下一步是让算法开始修饰歌曲和旋律，稍稍改变以适应你的癖好。
也许你不喜欢一首歌里的某个特定部分，除此之外这首歌无可指摘。算法知道这一点，因为每当你听到那一段时，你的心脏就会漏跳一拍，你的催产素水平也会稍稍下降。算法有可能重写或者删除这个令你不快的部分。
艺术的定义
计算机创作音乐，几乎不是什么新鲜的想法。
加州大学圣克鲁斯分校(University of California in Santa Cruz)的音乐学教授大卫·科普(David Cope)创建了一个名为“音乐智能实验”(EMI)的计算机程序，专门模仿约翰·塞巴斯蒂安·巴赫(Johann Sebastian Bach)的风格。
音乐学教授大卫·科普
在俄勒冈大学(University of Oregon)进行公开演示时，一群大学生和教授现场聆听了三首曲目——其中一首是真正的巴赫作品，另一首是EMI创作的，第三首是该校音乐学教授史蒂夫·拉森(Steve Larson)的作品。
观众随后被要求投票选择谁创作了哪一首曲目。结果呢?观众认为，EMI的曲目是真正的巴赫作品;巴赫的作品出自拉森之手;拉森的作品是计算机创作的。
因此，从长远来看，算法可以学习如何创作整个曲调，像触动钢琴键盘那样对人类情绪施加影响。借助于你的生物特征数据，算法甚至能够产生非常个性化的旋律，全世界只有一个人懂得欣赏。
人们经常说，人类之所以跟艺术产生联系，是因为他们能够在艺术作品中发现自我。假如Facebook基于对你的了解，创作出个性化的艺术作品，这就可能会导致令人惊讶，甚至有点险恶的结果。
如果你被男朋友抛弃，Facebook可能会为你播放一首关于那个你再熟悉不过的混蛋(而不是那位让阿黛尔或艾拉妮丝·莫莉塞特心碎的陌生人)的热门歌曲。如此一来，艺术就沦为一场自恋狂欢。
或者，借助于源自数百万人的海量生物特征数据库，算法能够创作一首风靡全球、让所有人在舞池疯狂摇摆的超级热门单曲，如果艺术的要义果真是激发(或操纵)人类情感，几乎没有哪位人类音乐家有机会跟这种算法一较高下。原因是，在理解他们正在拨动的主要乐器(即人类的生化系统)方面，人类音乐家根本就不是算法的对手。
算法能否创作出伟大的艺术作品?
这取决于艺术的定义。
如果绝世佳音真的由听众的耳朵决定，如果客户永远是正确的，那么生物识别算法就有机会奉献史上最好的艺术作品。
如果艺术是一种比人类情感更深刻的东西，应该表达一种超越人类生物化学振动的真理，那么生物识别算法就不可能成为卓越的艺术家。但大多数人类也不会。
为了进入艺术市场，算法不一定要一举超越贝多芬。只要它能完胜贾斯汀·比伯(Justin Bieber)，那就足够了。
(本文内容来源于《商业周刊/中文版》，不代表彭博编辑委员会、彭博有限合伙企业、《商业周刊/中文版》及其所有者的观点。)
