0

0
0

文字

分享

0
0
0

地表最速乘法傳說!碰到大得要命的數字,這是最快的乘法方式

UniMath_96
・2019/05/30 ・3729字 ・閱讀時間約 7 分鐘 ・SR值 484 ・五年級
  • 文/郭君逸 │國立臺灣師範大學數學系副教授

編按:說到乘法,我們很快都會想到國小的共同回憶「九九乘法表」。背誦它對我們來說可能是一位數相乘最快的解方,多位數我們就用直式乘法運算。但如果是超超超超超超超級多位數互相相乘呢?有沒有更快的方法?

對於人腦來說可能大位數的乘法已經沒有意義,但對於電腦來說,有新的乘法方式可是大大的不一樣!三月時有數學家發表了有史以來將大數字相乘最快的新乘法方式,讓我們一起來一探究竟吧!

從「九九加法表」與「九九乘法表」談起

我們在國小時的數學,一開始就會先學「數數」,要會數 1、2、3、⋯接下來才能學加法,例如:8+5 就是 8 往後數 5 個…9, 10, 11, 12, 13,所以 8+5=13。但每次都這樣做建構式的加法太慢,成不了大事,於是大家就背了「九九加法表」(雖然老師沒提這個表,但事實上大家的確都背了!)來快速處理一位數的加法,後來再學直式加法搭配進位,就能夠計算多位數的加法。

source:李家同臉書網誌

學習乘法也是差不多的歷程。正整數的乘法其實本質就是「重複做很多次加法」,例如 6 × 4 其實就等於 6+6+6+6 或是 4+4+4+4+4+4,但很快地我們馬上就會發現這樣做建構式的乘法,速度太慢,成不了大事,於是大家就背了「九九乘法表」來快速處理一位數的乘法,然後再學直式乘法搭配進位,來處理多位數的乘法。

加法跟乘法我們都可以做到高位數,但究竟是加法比較快,還是乘法較快呢?

「九九加法表」、「九九乘法表」都幾?

到底要算幾次?加法與乘法運算次數比較

若是一位數對一位數的話,當然是一樣快,因為「九九加法表」跟「九九乘法表」我們都倒背如流了;但當「2 位數加 2 位數」與「2 位數乘 2 位數」來比呢?

明顯乘法的運算次數一定比加法多,光直式乘法最後的 522+3480 就超越了 87+46 的加法數,何況還要做 7×6, 8×6, 7×4, 8×4 四次乘法;然後 7×6 與 8×6 也要做一個加法才能算出 522,7×4 與 8×4 也一樣。

一般來說 n 位數加 n 位數,連進位都算進去的話,要做 2n-1 次一位數加法;但 n 位數乘 n 位數的話,最多會用到 2n(n-1)的一位數加法,與 n2 次的一位數乘法。可見,乘法的運算次數是隨著位數的平方成長,所以計算乘法比較慢。

數學家Andrey Kolmogorov。圖/wikipedia

Karatsuba以加減法取代乘法,加快運算速度?

1960年,俄羅斯的大數學家 Andrey Kolmogorov 在一次研究討論中提出他的猜測(n 位數的乘法必須用到至少 n2 數量級的一位數乘法),例如 2 位數乘以 2 位數必須進行 4 次一位數乘法,他認為不能再快了。

結果一個禮拜後他的學生 Anatoly Karatsuba 就推翻這項猜測,找到僅需 3 次一位數乘法的計算。以 87×46 為例,Karatsuba 的方法是這樣的,先算十位相乘 8×4=32,與個位相乘 7×6=42,這個部份與傳統直式乘法一樣,但他卻只用了一次乘法就算出了 8×6和 7×4 且同時把它們加起來。我們先把傳統直式乘法改成如下:

中間的方框就是要計算 8×6 加 7×4,Karatsuba巧妙的用 (8+7)×(4+6)- 8×4-7×6 來達到同樣的效果。注意到,上式中只有第一個乘號要算,後兩個剛剛已經算過了,也就是說 Karatsuba 用一個加法與兩個減法取代了一個乘法。讀者這時可能會想說,拿一個一位數乘法去換三個加減法,又不是頭殼壞去,這樣不是反而慢嗎?

我們來看一下 4 位數的情況, 2531×1467 一樣先算 25×14 與 31×67,然後中間的 25×67+31×14 用 (25+31)×(14+67)-25×14-31×67 計算,最後加總起來。

如同前面的分析,此處一樣用到三個二位數乘法,而每個二位數乘法又用到三個一位數乘法,所以總共用到 3×3 =9 次一位數乘法。因此一般 位數的乘法,用這種技巧,可以只用到

3logn=nlog3=n1.58

個一位數乘法。位數越高,用到的一位數乘法數就會越接近 n1.58 的常數倍。對於人來說,因為把一個乘法換三個加減法,並沒有比較快,何況還要遞迴的操作;但是,對電腦而言就不是這樣了。

電腦的本質上是二進位的系統。圖/pixabay

電腦運算的本質:二進位

電腦的本質上是二進位的系統 (哪有!我用電腦這麼多年,沒看到什麼二進位啊!那是現在電腦發展很快,事實上隨便顯示一張小圖、或一個字,背後都做了數百萬次的二進位運算。)而電腦的加法是用位元的邏輯運算來達成(也就是 AND、OR、XOR、NOT、Shift 這些東西來組成的),而位元邏輯運算超快,詳細我們就不說了,總之電腦的加法非常快。

那電腦的乘法,真的是用 Karatsuba 的方法嗎?其實也不是,我們先來看一下 8 位元的電腦怎麼做乘法好了。以 11 乘以 14 來說,化成二進位變成 00001011 與 00001110 (前面要補 0,因為 8 位元的電腦它就是用 8 個位元儲存數字。)

這不就是直式乘法嗎?這樣哪有比較快?有的。因為人類習慣十進位,所以要背「九九乘法表」;電腦用的是二進位,所以要背「一一乘法表」!!沒錯,所以等於不用背,二進位的直式乘法,其實只是被乘數的平移,然後加起來而已,換句話說,其實乘法,也是一堆位元邏輯運算而已,所以也是超快的。

那 Karatsuba 的方法用在哪呢?用在很大很大的數字相乘的時候。電腦的乘法雖快,但 8 位元電腦,最大就只能處理 2⁸-1=255 以內的乘法,乘完後超過 255 的話就不能處理了,16位元電腦最大可以處理到 65535 以內的數,而現在的64位元電腦就可以處理到……一個非常大的數,呵呵。

那超過電腦能處理的數的話,到頭來,還是要用傳統的方法來處理,為了不要讓數字太大,我們以 8 位元的電腦為例,處理數字就會看成 256 進位來處理,533×499 就會變成

所以當數字大的時候,這時 Karatsuba 的方法就有用了。

值得一提的是,當電腦硬體從 8 位元升級到 16 位元時,軟體若沒有改成 65536 進位的話,而用 16 位元電腦來存 255 以內的數,前面就會補了更多的 0,處理起反而會浪費時間。而若軟體有跟著處理成 65536 進位的話,533×499 就會變只有位元邏輯運算而已,會超快。這就是為什麼電腦硬體剛進入 64 位元時代時,軟體沒有跟上的話,執行程式反而變慢的原因。

歷經三十年的演算法改進

OK,我們再回來乘法的問題。Karatsuba 的方法,在數字大的時候的確可以加快乘法,以一千位數的乘法來說,此法的速度大約是傳統乘法的 17 倍。

隔年,1963 年,A. L. Toom改進到了 ;後來 1966 年 Arnold Schönhage 用了新的方法推進到;1969 年 Knuth(沒錯,就大家所知道的Knuth),改進到

後來 1971 年,Schönhage 捲土重來,與 Volker Strassen 利用快速傅立葉變換改進為 O(nlogn log logn),此為有名的 Schönhage–Strassen algorithm,在差不多三萬位數以上的乘法,會比 Karatsuba 方法還要快。此法也是目前大數字乘法的主流,著名的梅森質數搜尋網(Great Internet Mersenne Prime Search,在 2018 年 12 月找到第 51 個)就是用 Schönhage–Strassen algorithm 來達到快速乘法。

隔了三十幾年,一直到了2007年,Martin Fürer一樣是用快速傅立葉變換,將複雜度下降到了O(n (log n) 16log*n),其中 log*就是 n 取幾次 log 會讓這個數小於 1,這是一個成長很慢的函數,基本上可以視它為常數了。

最後最後,David Harvey 與 Joris Van Der Hoeven 寫了幾篇的論文,把這個結果改成 O(n(logn)8log*n),然後 O(n(log n)4log*n),直到 2019 年,終於證明了 Schönhage 與 Strassen 的猜測 O(n log n)。

Volker Strassen 的大矩陣乘法

值得一提的是,Volker Strassen 除了是「大整數乘法」的始祖外,他也是「大矩陣乘法」的始祖(筆者寫到這裡,不自覺的跪了下來)。以 2×2 的矩陣來說,傳統計算

時,由於 x = ae + bg, y = af + bh, z=ce + dg, w=cf+dh,總共需要 8 次的乘法,但 1969 年,Strassen說,先計算下面 7 個值,

然後讀者可以自行驗證

因此只用了 7 個乘法就完成了。天啊!這是怎麼想到的!

一般 n×n 矩陣乘法,用 Strassen algorithm 只需要 O(nlog7) = O(n2.8) 次乘法。從此大家才知道,原來矩陣乘法竟然可以比 n³ 還要快,矩陣乘法的改進也有相當精彩的發展歷史,詳細就不再一一介紹了,目前最好的結果是 2014 年 François Le Gall 的 O(n2.3728639)。

演算法已經超越所需要的計算尺度啦

不管是大整數乘法,或大矩陣乘法,目前都是以 Schönhage–Strassen algorithm 與 Strassen algorithm 為主流,沒有採用後來看起來較好的方法主因是後來的方法太複雜,且要在很大很大很大的整數、矩陣執行效能才會比較好,已經超越了人類目前所需要的計算尺度。另一方面,電腦硬體的發展快速,會直接把這些演算法寫到晶片,變成指令集,讓程式直接呼叫,甚至是多條相同的指令可以平行處理,經由硬體的加速,乘法的速度已經超越了演算法改進的速度了(尤其是矩陣的乘法)。

不過只要還沒達到所謂的最佳解,相信數學家們都還是會繼續為數學理論極限而努力。

參考文獻

  • Schönhage and V. Strassen. Schnelle Multiplikation großer Zahlen. Computing, 7:281–292, 1971.
  • Fürer. Faster integer multiplication. In Proceedings of the Thirty-Ninth ACM Symposium on Theory of Computing, STOC 2007, pages 57–66, New York, NY, USA, 2007. ACM Press.
  • David Harvey, Joris Van Der Hoeven. Integer multiplication in time O(n log n). 2019. hal-02070778

文章難易度
UniMath_96
9 篇文章 ・ 208 位粉絲
UniMath (You Need Math) 是一個 Online 數學媒體,我們的目的是成為一個線上平台,發表數學相關的科普文章及影音,使數學用更柔軟的姿態走入群眾,提升數學素養。


3

9
3

文字

分享

3
9
3

從數學、邏輯到審美,演算法的極限是何處?——《再.創世》專題

再・創世 Cybernetic_96
・2021/09/27 ・5256字 ・閱讀時間約 10 分鐘
  • 作者/魏澤人|陽明交通大學 智慧計算與科技研究所

在一般印象中,”美” 是與藝術、哲學、文學、音樂這些人文領域相連的。受到教育制度的影響,理工與人文,在普遍認知中是二元對立的。而數學,是理工科目中最硬核的部分。物理、化學實驗中,各種顏色的液體、晃動的單擺或本生燈的火焰,也許還隱隱約約帶有一絲美的影子,但冷冰冰的數學公式,在許多人的求學經驗中,與美根本就是互斥的概念。

但是,懂數學的人都知道,數學是美的。甚至可以說,美是數學中不可或缺的部分。

圖/Pexels

著名的英國數學家哈代(Godfrey Harold Hardy)說:”數學家的創造形式,與畫家及詩人一樣,必須是美的: 將概念(就像顏色及詞語)以和諧的方式組合起來。美是最重要的條件,醜陋無法長存於數學之中。”。哈代的著作 “一個數學家的辯白”(A Mathematician’s Apology),在數學圈外有一定的名氣,前面的那段話也出自本書。但讓他”出圈”的主要原因,是他發掘了傳奇數學天才拉馬努金(Srinivasa Ramanujan)。這個故事在 2015 年被拍成了電影 “天才無限家” The Man Who Knew Infinity)。

這也不是哈代獨創之見解,法國最偉大的數學家之一龐加萊(Henri Poincare)說:”研究自然不是因為有用,而是因為喜悅。而喜悅是因為美。”。其他比方像是羅素(Bertrand Russell)、艾狄胥(Paul Erdos)也留下不少關於數學與美的金句。

數學的美,不只是許多偉大的數學家的共同體驗。絕大多數的數學愛好者、數學工作者都有相同的體驗,只是比較不容易留下知名金句。Danica McKellar 也許不是能和羅素、龐加萊、艾狄胥比肩齊名的數學家,但她說過一句很有意思的話: “數學是唯一一個真與美是同義詞的世界”。

McKellar 是一位有知名度的美國演員,她曾演出過白宮風雲(The West Wing),也曾在 NCIS、宅男行不行(The Big Bang Theory)及追愛總動員(How I Met Your Mother)中客串。但真正讓她出名的,是 80 末、90 初的影集兩小無猜(The Wonder Years),故事主軸是主角凱文回憶少年成長的過程,而 McKellar 飾演主角的鄰居溫妮,兩人發展出分分合合的戀愛關係。用現代的話來講, McKellar 可以說是當時少年界的國民女友。另外 2010 開始,她也在動畫影集少年正義聯盟中為火星小姐配音。

Danica McKellar ,攝於2018。圖/WIKIPEDIA

演員什麼會與數學扯上關係呢?其實她大學就是學數學的,而且學得很好,在 1998 年以最傑出的成績取得加州大學洛杉磯分校的數學學士學位。不只如此,大學時期與教授 Chayes 及同學 Winn 發表了一篇統計力學的論文,其中的主要結果被稱為 Chayes-McKellar-Winn theorem. 在 2008 年,她出了一本針對中學女孩的數學書 “Math Doesn’t Suck: How to Survive Middle School Math without Losing Your Mind or Breaking a Nail.” ,頗受好評也很暢銷,之後也接續出版了許多書。她表示,她想讓女孩們覺得數學是「可親、有意義、甚至有點迷人」,用來對抗這個社會傳達「女孩不適合數學」的這類負面訊息。除此之外,她也參與影集 Project Mc2 的演出。 這部影節的目標是向全球的青少女們證明,科學、科技、STEAM(Science, Technology, Engineering, Arts, Mathematics)是有趣且平易近人的。

回到前面那句”數學是唯一一個真與美是同義詞的世界”。追求美是人之天性,但很多情境下,美或者美化這些詞,常常帶了一點隱藏真實的意味。像是修圖軟體、美顏相機、化妝(與素顏對比)、醫美、Autotune。當然明顯太假也不符合多數人的審美觀,真正美之極致,往往也需要展現事物的本質與真實特色。但現實是資源有限,平庸普通還是多數,不然,也不會有”這裡的風景美得像幅畫”一樣的形容詞方式了。一般日常中,美的實際執行過程還是得靠挑選和遮掩。「真」與「美」是需要取捨的。這也就是這句話耐人尋味的地方了,因為這句話如果成立,那在數學,也許就提供了現實世界中「真」與「美」之間內在衝突的解法了。

但問題是,數學家們感受到的美感是否真的是美?定理與證明真的可以用美或不美來形容呢?還是只是數學家們普遍缺乏人文薰陶產生的代償性錯覺呢?

2019 年時,英國巴斯大學管理學院的 Samuel G.B. Johnson 及美國耶魯大學數學系的 Stefan Steinerberger 發表了一篇論文 “Intuitions about mathematical beauty: A case study in the aesthetic experience of ideas”,其中的研究證據,支持一般人可能也跟數學家一樣,能感受到數學論證的美感。在其研究中發現,人們對數學的「美感」,就跟對古典鋼琴樂曲及風景畫產生的美感相似,有其內在的一致性。另外也發現這種數學美感的評判,跟與音樂、畫作美感一樣,和優雅性、深度、清楚性有關。

就像十九世紀英國數學家 James Joseph Sylvester 說的:「數學就是論證的音樂」。愛因斯坦也說:「純數學是一首以其自有方式將邏輯概念寫成的詩」。這句話出自他寫給 Emmy Noether 的訃聞。 Noether 是有名的德國數學家,對抽象代數有極大的貢獻,巧妙的利用升鏈條件來研究代數性質,此後符合這個條件的數學物件我們都會冠以 Noetherian 來稱呼,以紀念 Noether 的貢獻。此外,她的 Noether Theorem 也被稱之為影響物理學最重要的定理之一。

Noether 與兄弟們的合照。圖/WIKIPEDIA

除了主觀上對於美的感受外,數學與藝術之間,也有很多直接的關聯性。以音樂來說,音律就與數學上的對數(也就是大家所認識的 \(\log\))有關。人類發展音律有很長的歷史,因為這不是一個簡單的問題。我們現在知道,和弦時,不同音階的頻率要接近簡單的有理數倍聲音才會悅耳。傳說畢達哥拉斯經過一家鐵店,聽到鐵鎚打鐵的聲音,覺得很悅耳,他走入店裡,發現四個鐵鎚的重量比為 12:9:8:6,其中 9 是 6 與 12 的算術平均,8 是 6 與 12的調和平均, 9, 8 與 6, 12 的幾何平均相等這些巧妙的關係。這些鐵鎚之間的聲音配合起來非常悅耳。他進一步用弦樂器實驗驗證,得到的結論是,弦長為一些簡單有理數比的時候,會得到和諧的聲音。而後來更進一步改進而成的十二平均律,也反映出中國及歐洲在計算 \(\sqrt[12]{\frac{1}{2}}\) 的歷史進展。這背後還有更深刻的問題,因為很容易可以發現,\(\sqrt[12]{\frac{1}{2}}\) 並不是個有理數。對音樂或數學有興趣的朋友,可以繼續深入了解一下背後的學問。

另一個大家也觀察到的現象是,數學能力和藝術能力之間似乎有一些相關性,特別是音樂能力。常被拿來說的是愛因斯坦喜愛音樂且從小學習小提琴。可能你認識的人中,應該也有許多同時精通數理及音樂的人。過去一些研究也發現發現了數理能力及音樂能力中的相關性。但是,這個相關性會不會與能力本身無關呢?比方顯而易見,學科能力與學習音樂的條件,都與家庭背景與社經地位有關。

音樂教育學者 Martin J. Bergee 原本也是這樣認為的。他覺得只要能控制相關的根本性變因,如種族、收入、教育背景,就能夠破除音樂與數學能力相關性的迷思。於是他就設計並展開了研究。結果讓他非常震驚,兩者的關聯性不但沒有消失,而且還非常強。在 2021 年他的研究團隊發表了一篇名為 “Multilevel Models of the Relationship Between Music Achievement and Reading and Math Achievement” 的論文。他們調查了不同學區背景的一千多位中學生,在盡可能排除其他因素的干擾下,他們不得不承認音樂及數學能力之間的有統計上顯著的關聯。

音樂與數學能力被證實有很高的相關性。圖/Pixabay

他表示很抱歉實驗設計得非常複雜,”因為排除所有的相關影響並不容易,可能從個人、教室、學校、學區等等不同層級來產生影響。”。雖然他原本是支持相反的結論,但這個結果讓他思考了很多,”微觀技術來說,可能在音樂中的音準、音程、節拍,可能語言認知的基礎相關,而巨觀技術上的調式與調性,可能在心理學或神經學上與數學認知有關。”

除此之外,還有非常多的例證。比方 2015 年神經科學家 Semir Zeki 及艾提亞爵士(Michael Atiyah 當代最偉大數學家之一,費爾茲獎得主)發表的論文指出,經由 fMRI 掃描 15 名數學家的腦部,發現數學家在評斷數學式子美感時,動用到眼額皮質外側的 A1 區域,與察覺其他來源美感所動用到的區域一樣。而前面比較沒有提到數學與視覺藝術的關聯,因為這部分更為大家所熟知。像是從古希臘幾何就知道的黃金分割比,繪畫中的用到的透視原理、對稱性。可以說,美與數學並不是感性與理性的對立,而是互相包含。就像浪漫派詩人約翰濟慈所說:”美即是真,真即是美。這就是你在世上所知道和需要知道的一切”,而數學以及其背後的邏輯,就是人類對於”真”的具像。

評斷數學式子美感或觀察其他美感事物時,數學家大腦活耀的區域相同。圖/Pexels

可以說在知識份子階層中,數學即美是個主流觀點。當然主流不一定代表唯一或正確,像前述 Bergee 也試圖證明相關的主流看法是個迷思。但一旦理解了這種切入點,人工智慧是否能創造藝術作品這個問題,至少在心理層面就不是太大問題了。人工智慧遵照一些演算法運作,可以說就是數學及邏輯的程式碼實作。以近幾年最主流的深度學習神經網路來說,就是許多線性映射與激活函數的合成函數,藉由梯度下降法,收斂到的穩定數學解。既然數學即美,那由數學建構的人工智慧,能產生美的事物,也不是太不能接受的事。

生成模型也是近幾年深度學習熱門的領域之一。常見的生成任務就是藉由觀察抽樣的樣本,設法模仿出一樣的機率分佈。白話一點來講,就是給電腦看一些李白的詩,希望電腦能創造出新的李白風格的詩。給電腦聽一些貝多芬的音樂,希望電腦能創造出新的貝多芬音樂。現在的深度學習技術,已經能讓人工智慧能藉由學習,”創造”出視覺、音訊及語言的”作品”。

Inception 網路是一個有名的深度學習模型,其名稱取自於同名的電影(全面啟動),當時主要是在圖片辨識任務上,取得很好的成果。2015 年時, Google 工程師 Alexander Mordvintsev 巧妙的利用事先訓練好 Inception 模型,讓他將圖片變成夢一般的迷幻風格。他把這種方法取名叫 DeepDream。不久後,Leon Gatys 等人用類似的方法,設計一套演算法,能將畫家的畫風轉移到照片上,典型的例子是將風景、建築照片,轉成梵谷的星空風格。後面有很多後續的研究,一般稱為 Neural Style Transfer. 2016 年 Google 利用 AI 生出的畫作,拍賣得到進十萬美元。而其實早在 2014 年時, Ian Goodfellow 等人就提出了生成對抗網路(Generative Adversarial Network),是一個更廣泛而通用的生成模型。這個模型後續開啟了極大量的相關研究,現在的深度學習模型,在一些領域中,已經能生出非常高品質的成品。比方 Nvidia 研究的 StyleGAN 系列模型,能生出幾可亂真的人臉。現在,在手機上,能使用 APP,將你的照片轉成迪士尼的畫風。

讓生成模型想像生氣的亞洲人老醫生(自行 CLIP, StyleGAN2 生成)

2021 年時, OpenAI 釋出了 CLIP 模型,這是一個能整合圖片視覺及文字語意的模型。很多人嘗試利用 CLIP 和文字控制,來產生獨特和有創意的畫作。舉例來說,如果你畫了一張畫,或者拿到一張照片,你可以利用文字”更有喜感一點,更有亞洲風味一點”,來修改這張圖片讓人感受到”喜感”和”亞洲風”。在眾多嘗試中,大家試出了許多像”咒語”般的技巧,比方有個著名的 “unreal engine trick”,就是當你在控制產生圖片的句子中,加入 “unreal engine” 這個詞(unreal engine 是一個遊戲引擎),常常會讓產生品質更高的圖片。 乍看之下有點不明所以,但仔細一想,因為網路上會特別標明 unreal engine 的圖片,往往是強調其遊戲高畫質,久而久之, CLIP 看到這個詞,很自然就與高品質的含意產生連結。除了圖片外,人工智慧也能產生其他具有美的形式的作品,特別是文字作品。Open AI 開發的 GPT-3,已經能在用戶給出簡單的指示後,產生非常複雜的文字作品,除了詩、笑話、故事外,甚至連食譜、程式碼都可以。

讓生成模型想像亞洲的小甜甜布蘭妮(自行 CLIP, StyleGAN2 生成)

但這些,真的算是人工智慧的創作嗎?

在 2018 年時,由生成對抗網路生成的畫作 Edmond de Belamy,以美金 432,500 元賣出。這幅畫是誰創作的?這幅畫是由巴黎藝術集體 Obvious 生成的。而名稱 Belamy 的法語意思為”好朋友”,以致敬提出生成對抗網路的學者 Ian Goodfellow。而圖片右下角的簽名則是

\(\min_{\mathcal {G}}\max_{\mathcal {D}}E_{x}\left[\log({\mathcal {D}}(x))\right]+E_{z}\left[\log(1-{\mathcal {D}}({\mathcal {G}}(z)))\right]\) 這個數學式子,這個式子是生成對抗網路使用的目標函數,也就是引導模型訓練的數學式。而讓問題更複雜的是,生成這幅圖片的程式碼,是由與 Obvious 毫無關係的另外一位 AI 藝術家 Robbie Barrat 所寫的。甚至有人(如 AICAN)認為這個連創作都算不上。

人工智慧的創作《 Edmond de Belamy 》。圖/WIKIPEDIA

所以,這幅畫到底是誰的創作?物理學家海森堡曾說,即使在沒有足夠證據的支持下,”當自然引導我們得到極簡與美的數學式時”,”我們會不由自主的感受到,這就是自然真相被揭露的一角”。也許,真正創作者不是人工智慧,也不是人類,我們只是自然的一部分,有幸釋放了,並且有幸感受到了自然散發出的美之一角。

所有討論 3
再・創世 Cybernetic_96
952 篇文章 ・ 245 位粉絲
由策展人沈伯丞籌畫之藝術計畫《再・創世 Cybernetic》,嘗試從演化控制學的理論基礎上,探討仿生學、人工智慧、嵌合體與賽伯格以及環境控制學等新知識技術所構成的未來生命圖像。
網站更新隱私權聲明
本網站使用 cookie 及其他相關技術分析以確保使用者獲得最佳體驗,通過我們的網站,您確認並同意本網站的隱私權政策更新,了解最新隱私權政策