美國白宮2月報告指出，未來幾年內時薪20美元以下的工作，有83%機率被人工智慧取代，時薪20至40美元被取代的機率降至31%，時薪更高的工作被取代機率僅4%。我對這份預測抱持不同意見，就我所知，高薪階級在人工智慧世代未必能安穩無憂，深度學習只要用原始資料就能建模，可能讓不少資料庫ETL（Extract-Transform-Load，將資料從來源端經過萃取、轉置、載入至目的端的過程）人員失業；聊天機器人興起，靠嘴賺錢的行業也要捏把冷汗，到底什麼工作最安穩？ 有人說在李世乭輸給AlphaGo後，藝術是人類最後精神堡壘了，事實卻不是那麼樂觀。
多數人心中，電腦程式和規則、僵化與明確邏輯畫上等號，常有人說不能用程式處理，因為這要看狀況憑經驗，使用第六感，反正規則說不清就對了。而藝術更是人類生活中最難以具名的，風格與美都得用心來感受，但深度學習卻能輕易地將風格從一張照片中抽取出來，風格變成可計算、可被疊加，用人類無法解讀的網路權重表示。
讓我們一窺前所未有的視覺體驗──Neural Art。圖1是我做的展示，我拿了一張在凍原上的馴鹿照片作為底圖，但是我另一方面拿了日本當代藝術大師蜷川實花的一張攝影作品，超高的彩度與飽和度是蜷川實花的風格特色。但只需要一張這樣的照片，深度學習就能夠從這張圖中把難以具名的風格抽取出來。最後我們將它疊加到馴鹿的照片上，成果圖即為圖1；同樣的作法，也可以從圖2的三組影像中看到。沒錯，不需要人力，不需要手動修圖，只需要將原圖輸入至已經抽取出蜷川實花風格的卷積神經網路（Convolutional Network）中，不須幾秒，就能夠產生如夢境般的新圖片。
這類深度學習又稱為生成模型（Generative Model），也就是說，人工智慧不只會下圍棋或做預測，也能生成影像與文字等不存在於歷史資料中的新內容，今年奧運巴西利用機器寫冷門賽事新聞稿，就是用生成模型。我們常使用濾鏡美化照片，生成影像大家可以理解，但為何它能模仿攝影者風格重繪影像？這必須歸功卷積神經網路，從像素層級逐層抽取視覺特徵的強大能力。
相較過去的機器視覺技術由人定義視覺特徵再建模，卷積神經網路的特色是利用卷積核（靈感來自於人類視覺的視角範圍）從像素層級逐步提取特徵，而加上「權重共享」概念讓整個卷積神經網路計算量大幅度下降，讓神經網路為基礎的機器視覺技術成主流，從像素底層發動攻擊。如果你訓練卷積神經網路認識狗，理論上除了燒成灰，像素也沒了之外，把照片放進碎紙機裡應該也可辨識。自2012年後，全球最大的機器視覺競賽Imagenet名列前茅的隊伍，幾乎用的都是深度學習。
抽取風格又如何做到？為何需要上萬張照片才能訓練的深度學習，只要一張照片就夠？答案在2015年8月德國團隊發布的「A Neural Algorithm of Artistic Style」論文裡（論文後來被Prisma App發揚光大）。多層卷積神經網路會逐層抽取特徵，越深則抽取出越抽象的視覺特徵，但是能夠多抽象，這篇論文中讓我們開了眼界， 原來藝術風格也能夠用數學方式表徵 。
那為何一張照片就夠，這得歸功於Imagenet提供百萬張照片1千個類別的競賽成果（作者使用一個針對Imagenet競賽，先訓練好的19層VGG網路模型，省去訓練權重找視覺特徵），在神經網路模型中，較深層的部分是抽取超接的抽象特徵，處理風格圖並找出風格，較淺層的部分是檢視像素細節重現原圖，接著透過不同的組合函數將兩者揉合。 生成模型讓人工智慧有接近「創作」的能力，不過這是基於過去人類的創作，抽象化轉換為數學表徵式 ，人工智慧只是照章辦事，人類還是幕後創作者。
這些Neural Art引發另個議題：著作權是誰的？是攝影師的？是我的？還是演算法發明團隊的？不遠未來，某藝術家嘔心瀝血創造一種新風格，可能很快被深度學習複製數萬張獨一無二的同風格作品。未來藝術家很難過得安穩，得夜夜擔心人工智慧搶飯碗吧！
