很少有一個月沒有關(guān)于前瞻性和自主系統(tǒng)準(zhǔn)備改變我們未來的新報告。我們不常聽到的是越來越多地使用人工智能(AI)來審視我們的過去。

歷史學(xué)家、考古學(xué)家、音樂家和數(shù)據(jù)科學(xué)家正在部署AI來重新想象和重現(xiàn)歷史時刻。就像現(xiàn)代計算發(fā)展的許多故事一樣，人工智能的成功基于協(xié)作、機會和實驗的價值。

要從AI中獲得最佳結(jié)果，人類面臨著巨大的挑戰(zhàn)，而且工作中沒有靈丹妙藥。專家們面臨的挑戰(zhàn)需要不同的解決方案，同時具有驚人的共性。恢復(fù)性人工智能的偏見和倫理也受到廣泛關(guān)注，我們應(yīng)該如何解釋和分類此類作品。

揭開古代雅典的秘密

牛津大學(xué)古代史教授喬納森·普拉格(Jonathan Prag)一直對計算充滿熱情。“我開始研究繪圖和視覺分析，這導(dǎo)致我試圖建立一個包含古代西西里島所有銘文的數(shù)字目錄，”他說。

Prag是一位金石學(xué)家，專攻刻在石頭上的古希臘文字的修復(fù)。幾個世紀(jì)以來，許多雕刻被砸成碎片，其中一些從未被復(fù)原，文字之間留下了巨大的空白。2018年，Prag的博士生Thea Sommerschield和Google DeepMind的Yannis Assaelto建議使用AI來加快填補古代文本空白的費力過程。“我只是坐在那里就走了，太酷了！你可以做到嗎？”

一個成功的AI項目依賴于高質(zhì)量的源數(shù)據(jù)來“學(xué)習(xí)”，而Prag的團隊沒有。“在八十年代，惠普公司動員學(xué)者們將已出版的希臘銘文打印出來，”他說。“它非?；靵y，因為它在某個時候從測試版代碼變成了Unicode，所以它充滿了人工制品”。

Sommerschield煞費苦心地清理了數(shù)據(jù)，為團隊提供了超過100,000條文本，團隊從中訓(xùn)練了第一臺人工智能機器Pythia，以假設(shè)希臘文本中缺失的單詞。然而，Pythia的繼任者已經(jīng)在開發(fā)中。“伊薩卡關(guān)注文本中的模式，參考每個文本的來源區(qū)域和建議的日期，”Prag說。

伊薩卡島已經(jīng)解決了雅典文獻中關(guān)于希臘字母S，sigma的一個猜想點。“國家放棄了sigma的三欄形式，這使你能夠在公元前445年的一側(cè)或另一側(cè)放置一堆文本，”Prag指出。這個日期標(biāo)記曾被認(rèn)為是歷史學(xué)術(shù)界的福音，但當(dāng)伊薩卡島公布數(shù)據(jù)時，少數(shù)反對者一定會歡呼雀躍。“我們對Ithaca的原始數(shù)據(jù)進行了分析，得出了新的日期，將它們向下移動了大約30年”。

普拉格補充說，這種轉(zhuǎn)變改變了對雅典帝國主義關(guān)鍵時期的解釋，并對我們對希臘歷史的解讀產(chǎn)生了重大影響。

使用神經(jīng)網(wǎng)絡(luò)尋找失落的墳?zāi)?/strong>

悉尼大學(xué)的吉諾·卡斯帕里(Gino Caspari)博士是一位考古學(xué)家，他研究過斯基泰人(Scythian)的墓葬，斯基泰人是3,000多年前生活在亞洲部分地區(qū)的古老游牧部落。

他們與一位同事合作，建立了一個卷積神經(jīng)網(wǎng)絡(luò)(CNN)，該網(wǎng)絡(luò)使用衛(wèi)星圖像識別圓形結(jié)構(gòu)，尋找失落的斯基泰人墓葬。“一年后到達調(diào)查區(qū)，我立即意識到自己錯得離譜，”他說。“我原以為是掩埋結(jié)構(gòu)的東西實際上源于當(dāng)?shù)厝嗽趫A形圍欄區(qū)域過夜圈養(yǎng)綿羊”。

卡斯帕里(Caspari)長途跋涉去看別人的羊羔是因為人工智能的數(shù)據(jù)不佳。“限制是高分辨率衛(wèi)星數(shù)據(jù)的可用性，這對于考古項目來說太昂貴了，”他補充道。

他最近在南美洲追蹤具有3,000年歷史的美洲原住民定居點的工作是使用商業(yè)軟件包ArcGIS完成的。“在考古學(xué)方面，我們顯然不在人工智能發(fā)展的最前沿，積極從事人工智能工作的人數(shù)也很有限，”他說。“為了獲得更廣泛的采用，我們最終需要一種直觀的GUI，讓您無需編碼即可訓(xùn)練模型”。

重要的是要記住，盡管反烏托邦的頭條新聞可能暗示，人工智能只是一種可定制的工具。Caspari博士將人工智能、激光雷達圖像和多光譜數(shù)據(jù)結(jié)合起來尋找更多的定居點，其中包括許多位于比以往任何時候都更靠北的定居點。如果沒有人工智能，這能實現(xiàn)嗎？“是的，但這會花費更多時間，”他爭辯道。“由于訓(xùn)練數(shù)據(jù)集較小，我們經(jīng)常會有大量的誤報檢測，而這些仍然需要手動剔除。在大多數(shù)情況下，由于缺乏訓(xùn)練數(shù)據(jù)，我們并沒有真正達到超人的表現(xiàn)。”

復(fù)活丟失的電影

1888年，在約克郡利茲奧克伍德莊園的花園里，“電影攝影之父”路易斯·勒·普林斯(LouisLe Prince)正在使用他的發(fā)明電影攝影機拍攝懷特利一家。今天，我們認(rèn)為現(xiàn)存最古老的電影只剩下20個顆粒狀的畫面，但這并沒有阻止Denis Shiryaev使用AI來創(chuàng)造一些相當(dāng)奇妙的東西。“我一直是歷史迷，我決定運用我的人工智能知識，”他說。

使用科學(xué)博物館網(wǎng)站上發(fā)布的圖像，Shiryaev重新激活了劇照，應(yīng)用CNN為面部添加細(xì)節(jié)并提升分辨率。該工具總共生成了250個彩色穩(wěn)定幀。“我是我自己觀眾的創(chuàng)作者，”Shiryaev說。“AI著色不是真實的，而且在歷史上也不準(zhǔn)確。我根據(jù)舊源照片或繪畫生成面孔，它也是一個近似值。我認(rèn)為這個視頻是AI的小免責(zé)聲明很重要。”

他使用AI不是為了建立歷史準(zhǔn)確性，而是將真實感注入舊鏡頭，讓現(xiàn)代觀眾耳目一新。近6500萬次YouTube的點擊率凸顯了人們的興趣。“我把這種流行視為一個機會，”他說。“好萊塢的一些公司，大品牌，聯(lián)系了我”。

2020年，Shiryaev推出了neural.love，這是一種基于云的自動AI服務(wù)，可以讓任何人都可以使用媒體增強功能。“我們有一個很棒的功能，叫做Generate Portfolio，”他說。“你可以上傳非常低分辨率的舊照片并生成高質(zhì)量的肖像，人們喜歡它”。

清理舊點擊

人工智能在音樂行業(yè)中的一個流行用途是通過去除噪音和人工制品來增強舊錄音，這些噪音和人工制品通常從它們被捕獲的那天起就存在。1972年5月，歌手瑪麗·霍普金(Mary Hopkin)在倫敦皇家節(jié)日音樂廳(Royal Festival Hall)演出，場地工程師拍下了她的精彩表演。到2005年，錄音的技術(shù)質(zhì)量需要一些幫助，正如瑪麗的兒子摩根維斯康蒂所解釋的那樣。“我認(rèn)為這可能是倉促完成的；我認(rèn)為這是四分之一英寸的磁帶，”他說。“噪聲流很重，而且隨著演出接近尾聲，情況變得更糟，噪聲多于信號。”

Visconti是一位對技術(shù)充滿熱情的音樂家和制作人。“我和我媽媽聊了聊消除噪音的事情，并建議她讓我試一試，這太棒了。只是在沒有噪音的情況下聽到它，感覺就像提神一樣，就像你清理耳朵來聽到細(xì)微差別一樣。她對此非常滿意”。

在使用iZotope的母帶處理套件靈光一現(xiàn)后，實驗和熱情再次磨練了Visconti的技能。“這個功能——音樂重新平衡——只是讓人大開眼界——或者說是讓人大開眼界，”Visconti說。“能夠進入混音軌道并為貝司、人聲、鼓、吉他和鍵盤制作音軌。這是我小時候的夢想。我瘋了，我把所有東西都拆開，就像披頭士樂隊的舊唱片一樣，我想，‘我能用這個東西做什么’。”

Visconti將AI視為音樂制作人可用的另一種工具，并且在音樂工作室長大，他見過所有這些工具。他的父親是傳奇音樂制作人托尼·維斯康蒂(Tony Visconti)，他請摩根為Moonage Daydream的配樂灑上技術(shù)星塵，這是一部關(guān)于大衛(wèi)·鮑伊(David Bowie)生平和事業(yè)的新電影。

“導(dǎo)演使用了大量現(xiàn)成的鏡頭，其中一個片段是Bowie和我一起演奏搖滾樂，但混音效果并不好。和Festival Hall一樣，這是直接錄制成單聲道的。我能夠提供單獨的人聲、鼓、鍵盤和貝斯音軌，而托尼能夠為電影重新混音。”

修復(fù)腐朽的藝術(shù)品

人工智能仍然是一項實驗性技術(shù)，即使對于最大的科技公司也是如此。Emil Wallner是Google藝術(shù)與文化實驗室的成員。“我們試驗最前沿的技術(shù)，并試圖找到有趣的領(lǐng)域來應(yīng)用它，”他說。“有時它不起作用，我們不發(fā)表東西，有時我們有有趣的結(jié)果并分享它們”。

最近，該實驗室對世界著名藝術(shù)家古斯塔夫·克里姆特(Gustav Klimt)的作品進行了實驗。“我們?nèi)チ撕芏嗖┪镳^，將藏品數(shù)字化，這樣任何人都可以在線訪問它們。在維也納的Belvedere博物館，開始處理這些學(xué)院畫作的話題出現(xiàn)了。”

1945年，克里姆特備受爭議的學(xué)院畫作Jurisprudenze、Philosophie&Medizin被大火燒毀，只能通過少量舊的單色照片觀看。為了給谷歌的AI一些顏色訓(xùn)練數(shù)據(jù)，Belvedere博物館館長兼克里姆特專家Franz Smola博士介入了。

Smola搜索了書面記錄并收集了相似時期藝術(shù)家的畫作，以參考他們的調(diào)色板和繪畫類型。經(jīng)過幾個月的艱苦研究，Wallner的團隊又花了六個月的時間將其轉(zhuǎn)化為可用的機器數(shù)據(jù)。“我們只會讓它添加一些像素和一些我們知道其顏色的圖案。我們在機器學(xué)習(xí)模型中添加像素，從那里，它可以為整幅畫著色。”

沃爾納很清楚，這個非凡的項目不是修復(fù)，而是由于單色照片缺乏細(xì)節(jié)而重新著色。“一個領(lǐng)域是重現(xiàn)點畫法，”他說。“他用了很多你看不到的黃金，所以你需要在3D環(huán)境中以某種方式增強黃金，以捕捉這些畫作中金屬元素的印象”。