在过去的一年里，人工智能的发展取得了重大进展（例如，IBM 的 Watson 制作了第一部 AI 编辑的电影预告片，阿尔法打败了世界围棋大师）。其中许多突破均源于 AI 算法能够更好地理解视觉数据（例如面部识别、图像检测）和处理自然语言。
因为这些智能算法现在可以模仿人类的思维、推理和决策，再加上识别情感，艺术家们正在尝试与 AI 共同创作艺术。一直以来，艺术家们都在将技术作为拓展他们视觉的工具，但这里的区别在于，工具具有与人相同的（如果不是更多的话）确定结果的能力。
“Tara Shi 和 Sam Kronick 希望他们的艺术能够帮助解释人工神经网络的神秘运作，这些人工神经网络正越来越多地被科技公司使用，以使他们的产品生产更快，更聪明。” Ethan Chiel 评介说。“他们是众多艺术家中的一员，他们把神经网络融入到他们的工作中，在这样做的过程中，帮助公众更好地理解技术，这种技术将越来越多地成为他们生活的一部分，决定他们和周围的世界。神经网络的艺术成果正越来越多地渗入到公众的意识中。”
《证据中的新维度》（NDiT）是 2016 年这一领域的一个突破性项目，因为它让我们得以一窥在故事叙述中认知计算的前景。该项目使用了先进的自然语言软件，让观众可以与大屠杀幸存者的 3D 化身进行口头交流。在一个复杂的算法的驱动下，全息图实时地回答观众的问题，给人一种真实的对话的印象。
这种形式的 AI 可以在很多方面使用。想象一下家庭相册或回忆录的未来，一旦这些全息图能够回忆并口头回答问题，讲述相关的故事，拉出相关的图片或音景，便可把你带入相关的沉浸式环境中。这可能成为一种新的文化形式，“坐在餐桌旁，带着一个相册，讲故事”，和那些已经去世的人一起。
这个项目涉及到一个智能算法，但不一定是在它与新信息输入交互时学习的算法。然而，Sam Kronick、Tara Shi 和神经网络计算机程序之间的合作确实例证了这种生成艺术的实验。人类合作者将自然物质（如岩石）的 3D 扫描提供给 AI 程序，该程序绘制出物质的轮廓，学会识别物质，然后生成“它自己的诡异的描绘”。
机器学习的进步正在引发关于如何定义艺术家的争论，揭示了艺术家存在的危机。类似于 YouTube 一代崛起过程中所发生的争论（任何人都可能突然成为创作者，或者是故事世界形式的激增给了观众代理和作者身份），人工智能一代现在提出这样一个问题：“艺术家的角色是什么？”
如果一台机器可以制作视觉艺术，编辑电影，写剧本（如《Sunspring》），或者作曲（如《Daddy’s Car》），艺术家的价值是什么？当然，这些聪明的算法是寄生的，他们使用来自人类创造力的数千年的原始资料来寻找模式和样本，并将其混搭成当代的东西。然而，一些人认为这一过程类似于艺术家们已经做过的事情——用不同的方式讲述同样的七个故事。罗格斯大学艺术与人工实验室的 Ahmed Elgammal 使用了维基艺术数据库，创作“艺术”，其结果与人类的艺术非常相似。此外，他们还询问了人类是否能分辨出其中的差异。
合作，而不是竞争：不是机器超越人类的创造力，如果它们增强了它们呢？“人工智能系统有可能与人类合作创造一种共生的超级智能。”计算机科学教授兼艾伦人工智能研究所的首席执行官奥伦·埃齐奥尼（Oren Etzioni）在麻省理工学院的技术评论中写道。
劳伦·麦卡锡（Lauren McCarthy）在《24 小时主持人》中探索了这个想法。在 24 小时的时间里，她举办了一场鸡尾酒会，客人们在 8 个小组中参加一个小时的聚会。然而，能够访问大量关于每位客人的数据的自定义人工智能策划了麦卡锡的团队和木偶的每一个词和动作。人工智能能促进最佳的社交互动吗？我们人类的限制（比如睡眠需求）在执行或阻碍结果的情况下在哪里？麦卡锡的《Get-Lauren》获得了 IDFA 的新兴媒体项目最高奖项，在这个项目中，她在一个有线的家庭中扮演了人工智能的角色，并研究了人类作为接口的好处。人工智能是否能够读取人类情感需求的细微差别，并像另一个人一样有效地服务他们？
作为互动和生成媒体的先驱，安·格林伯格（Ann Greenberg）一直在努力解决这个问题。她小时候在麻省理工学院的校园里玩耍，而她的父亲则设计了未来的城市。在过去的 20 年里，她尝试并设计了令人印象深刻的新媒体技术和模型，这让她发现了娱乐 AI （Entertainment AI）。该公司的专利技术允许用户在媒体内部进行表演，并提供了一个例子，说明智能机器和艺术家如何在一个创造性的过程中相互补充。她解释说：
“我将我的系统描述为与人类、机器人、化身和 3D 动画一起工作。在这里面，人类和机器人基本上是平等的。我开始创建一个表达机器，一种让人们表达自己的方式。一种民主的电影。最后我得到了一个反表达式机器，这有点令人担忧。我该如何设计它，才不会得到一个反表达式机器呢？啊，我让剧本变得聪明，我们称之为 SmartScript（智能剧本），它既是机器也是人类可读的，这让我能够虚拟化生产。
在 Sceneplay [现在娱乐 AI™]，剧本的每一拍都被细化为最细微的部分：编辑决策列表，相机角度，过滤器，一天中的时间，角色描述，等等。这些数据用于运行一系列提示器、录音机和自动编辑标记代码。用户选择他们想要进入的媒体类型（情景喜剧、音乐视频等），他们选择他们想要扮演的角色（主角，主唱），他们用机器来告诉他们具体要做什么。如果你做了，并说出了提词器告诉你的内容，那么你创建的视频（由智能剧本和机器来编排）将会自动匹配其他人的表演，并让用户体验到一个完整的体验。如果你不跟着机器走，你的东西就不会和别人一起缝在一起了。从本质上说，即使你是一个傀儡，你也是一个合作经验的一部分。我喜欢说，‘观众是艺术家。’
现在，我对我正在做的事情感到满意，因为 SmartScript 仍然可以有一个人类的作者。从技术上讲，它不一定是，我们有可以生成故事的系统，通常是用于数据密集型的主题，比如金融或体育，但是越来越多的，通过自然语言处理，可以创造出各种不同的机器生成的意义。但在我的系统中，我可以把作者放在中间。即使是 500 年前的作家也可以成为这个系统的中心。
是的，是的，用户是我的世界里的肉偶，但他们也是共同创造者。我还解释了这个系统的用户是如何构建意义的。任何人都可以写一些东西，看到它和人群一起生活。这就是我对自己所做的事情感到满意的地方。我将人像和机器创意之间的 Sceneplay [现在娱乐 AI™] 定位在一起。想想这一切的可能性吧！我们可以学习人类故事叙述的整个范围，就像我们有文档一样，然后利用这些信息，我们可以从一段深刻的历史中自动生成新的故事。在一个一切都可以被数字化的世界里，一切都变成了一个故事。从这个意义上说，数据有自己的观点，并实实在在地讲述了一个故事。
在 2017 年的 IDFA DocLab 上，艺术家 Memo Akten 推出了《学会看：你好世界！》（Learning to See：Hello World！），这个交互式安装使用实时摄像头来演示机器学习是如何工作的。通过使用一个深层神经网络，它可以快速地对模式进行比较，并从中提取出图像。在支持与人工智能合作的艺术家方面，《Ars Electronica》也一直走在前列。其他的生成艺术的例子有《MESOCOSM》、《word.camera》、《Flock》、《Flippaper》、《Close Your》和《RIOT》等。（编译自 Kamal Sinclair）
