摄影：GERALD HERBERT, AP IMAGES
2010年4月20日晚间10时许，
“深水地平线”钻井平台发生爆炸，
酿成美国史上最严重漏油事件；

即使过去了十年，
其造成的危害仍不能消除，
该事件堪称海洋版“切尔诺贝利”，
也是全世界最严重环境灾难之一：
墨西哥湾井喷事件。
摄影：DANIEL BELTRA
超4.9亿升原油注入墨西哥湾；
7人重伤、至少11人失踪；
数百万海洋哺乳动物、
海龟、鸟类和鱼类丧生；
在爆炸和泄漏发生的整整87天，
整个世界都无能为力，
只能眼睁睁看原油涌入海洋，
场面触目惊心。
摄影：WIN MCNAMEE, GETTY IMAGES

摄影：JOEL SARTORE, NAT GEO IMAGE COLLECTION

“越美丽越危险。”

守护海洋生物原住民（AI人工智能将美国国家地理摄影师作品与彩色油膜风格混合）
制作：SIMON MENG
油滴在水面上会扩散成油膜，在阳光下发射出奇妙的绚烂色彩，但这对海洋生物却是致命的，每年都有数万生物死于石油泄漏导致的海洋污染。为体现这一矛盾，国家地理中文网联合Amall.art，邀请AI艺术家Simon Meng通过人工智能以及手工绘图结合的方式，将油膜形态及色彩与国家地理海洋经典影像进行融合，创作出“守护海洋原住民”数字藏品系列。
制作：SIMON MENG
“我发现一个问题，面对悲惨新闻或画面，你看的那一秒钟可能觉得触动一下，后来慢慢就习惯；此外，人们面对这种负面消息往往会觉得不舒适，而在潜意识里抵抗，你不会盯着一个让你不舒服的东西很很久。”AI艺术家Simon Meng如是说，“所以我就想，如果用彩色油膜把这个东西做得在视觉上非常好看，乃至你可以长时间凝视；但是呢，你仔细一想，越‘美丽’的东西竟然也越危险——你可能会在沉浸其中的同时，也以全新方式察觉到了污染的可怕。”
制作：SIMON MENG
本次国家地理中文网的“守护海洋原住民”数字藏品系列，由AI艺术家Simon Meng创作完成，他硕士毕业于伦敦大学学院（UCL），现博士就读于奥地利因斯布鲁克大学（UIBK），其在建筑设计、生物及人工智能(AI)方面的跨领域研究，使其创作呈现出惊人的多样性，其作品的内容题材、时空背景及呈现媒介均不受限，成为当前最前沿的AI艺术青年创作者之一。
制作：SIMON MENG
常看《国家地理》的人可能会经常看到此类怵目惊心数据：
预计到2040年，海洋塑料垃圾将增加2倍，达到每年2900万吨，那时全球所有海岸线的塑料垃圾，将达到平均50公斤/米；2050年之前，印尼将有数千岛屿、数百万房屋会因海平面上升而消失；如今，地球上超75%土地面积已不同程度退化，到2050年，这个数字可能变为90%；到2050年，土地退化和气候变化将导致全球农作物产量减少约10%；到2050年，预计有7亿人因土地资源稀缺而流离失所，到本世纪末，这个数字会变成100亿人；气候模型显示，到2050年，北极水域在夏末可能“完全无冰”……
上述所谓几十年后的未来看似遥不可及，但只要这些数字终于变成现实，那么只存在于想象中的世界画面或许也会一定程度变成现实。AI艺术家Simon Meng则用他的作品一再表现未来，那些看似瑰丽实则令人忧心忡忡的画面，这是用人工智能制作的“梦境”——
AI（人工智能）创作28个梦幻（末日）城市↓
AI生成未来城市↓
‍
AI生成37个量子城市↓
AI生成的量子城市↓

AI生成不存在的海洋生物↓
你一定很好奇，

这些仿佛只存在于想象中的画面，

到底是怎么被“创作”出来的呢？
如此天马行空的曼妙画面，
完全都是出自人类的造物吗？
答案是，
这些作品的创作者中有人类，

也有人工智能。
AI生成赛博朋克海底生物进化视频↓
※下文由国家地理中文网与Simon Meng的采访整理而成

“黏菌自然生长，
竟然长成了东京地铁网。”

早在伦敦大学学院研究生期间，我的一个研究内容就是用黏菌（学名：多头绒泡菌，Physarum polycephalum）的生长模拟东京地铁网络，将黏菌的食物——燕麦，放在地图中东京的几个主要区域，最后发现黏菌自然生长的网络竟与东京地铁网基本一致。利用这一特性，我们使用生物3D打印技术，将阿联酋利瓦绿洲（Liwa Oasis）的地理及资源分布情况，输入给黏菌，观察其生长形成的生物网络，并结合人工智能技术将其转译为城市规划方案。
黏菌生物实验结合AI转译新型能源基础设施城市 ( 生物实验部分 )
简单来说，黏菌会用高效的线路，连接最多的资源。之后，我们会用3D打印等手段控制黏菌的走向，甚至借此代替一部分人工的城市设计工作。
毕业之后，我跟随研究生导师去奥地利读博士，开始人工智能领域的研究。我对算法、智能领域比较熟悉，但后来（硕士毕业）一两年内，便较少从事与建筑设计直接相关的内容，而是向生物或与之相关的AI艺术领域做更多尝试。
什么是AI（人工智能）艺术？什么又不是？
它们的分界线在哪里？

以往有一些能够帮大家解决某些问题的程序都是预先写“死”的，比如A在某种条件下会确定变成B；比如用计算器去算出正确答案——整个过程都是一个预处理后的固定规则。但你会发现，很多东西并不能用简单的规则去描述——因此，AI的底层是人工神经网络和机器学习。
人工神经网络与机器学习，就类似于人类神经元去获取、学习知识。我们会用程序先搭建若干层“空”的神经网络——但网络间的连接、如何激活新的网络等信息是没有的、空缺的，它需要学习。
比如简单来说，有两组图，一组猫，一组狗；之后每张图片对应一个标签用来说明图片里是什么，如cat和dog等等；然后给神经网络一张猫的图，如果电脑回答成了狗，程序会自动进行相应的操作，告诉人工神经网络判断错了，于是神经网络就会自己调整一下；反之它答对了，神经网络就会保持相对不变。
无中生有：使用文字描述结合人工智能生成不存在的三维物体模型
当然，这种对人工神经网络的“训练”只是最浅层的，还要进行二次交互——比如我之后可能想得到一张上半身是猫、下半身是狗的图像等等，越来越复杂、越来越多样，以此类推。
人工神经网络在“问题”与“答案”之间逐渐完善了自身，此过程并不基于固定的算法，而是基于通过已完成样本学习的神经网络去达成一些事情， 比如生成图片、文字、音乐，在此基础上，我们可以与电脑交互产生更多东西。
而所谓的AI艺术用最简单的方式进行概括，就是以前单纯依靠固定的算法、或单纯依靠人都无法完成的作品，如今通过两者共同“创作”得以实现。
AI生成的天空之城↓

“为什么会喜欢AI艺术？”
“因为它可能会帮创作者走得更远。”
我从小就喜欢《国家地理》，正如我从小就喜欢创作。但创作的方式有很多种，比如有一些人是天才，他有一个想法，然后一下子就能把想法完成得很好；但我更相信“勤能补拙”，也就是做很多尝试，才能在很多的可能性中找到一个比较好的点；况且我是学建筑出身，有时候做一次尝试的成本是非常高的。
↓AI生成像素风动画——超级文明已经组队迁往二次元元宇宙了，而你还没有拿到船票？

而依靠AI艺术，可以在同样时间内展开更多尝试——因此，与少做或没条件做更多尝试相比，产生较高质量作品的可能性也大了。而这一过程非常令我兴奋，也许对许多创作者也一样吧。正向反馈变得更快速，原来你画一幅图要8小时，现在进入AI，你与电脑共同创作，只要5分钟。
所以，虽然有些艺术家、设计师是天才；但对于很多普通人来说，有一个工具能让他更方便地去探索自己的内心和艺术的可能性，可能会帮他走得更远。
点击下图或文末“阅读原文”

预购美国《国家地理》中文版

《华夏地理》5月新刊
长按下方二维码，关注“国家地理中文网”


如果你看了这篇文章
就点一下“在看”吧！

继续阅读
阅读原文