关于人工智能和机器学习的讨论通常是按扣子的 - 有充分的理由，考虑到他们的社会形成的影响。但是神经网络制造的艺术本身已成为一个领域，充满了培训算法以模仿的人人们的脸，，，，烟花， 乃至裸体女人。这往往愚蠢，无礼的工作不仅是有趣的，而且可以帮助我们理解AI。
位于慕尼黑的Google驻地艺术家Mario Klingemann的Twitter提要是神经实验的令人愉快的混乱。他几乎实时地表明，他的探索培训了各种数据的神经网。他的尝试的结果常常是幽默的，表明算法在使人脸像人脸等复杂的事物上有多糟糕。不过，这就是重点：通过观察这些神经网是如何从像旧画这样无辜的东西中学到的，我们可以瞥见AI的最新状态。
“如果您看艺术史，很明显，自从文化开始以来，面孔就会着迷于艺术家。我想一个原因之一是面孔很容易且非常艰难，同时您可以用几行绘制可识别的面孔，或者您可以尝试将一张毛孔重现到最后一个毛孔。”www.vwinchina.com通过电子邮件。“困难的部分是每个人都是人类面孔的专家，我们注意到表达的丝毫变化或某些比例不正确。这意味着，如果您绘画或产生脸部，那么轻微的变化可能会说出不同的故事或轻微的错误会立即可见。”
您能说出这两个图像之间的区别 - 其中一张是人类的油画，而其中之一来自神经网络？
仍然可以从真实的人告诉假货，但确实会变得越来越困难。那么，生成的是哪一个？pic.twitter.com/uuwxyyqx9v
- Mario Klingemann（@quasimondo）2018年4月4日
乍一看很难说。但是，仔细观察，您可以看到奇怪的黑色左眼和右边图像的黑暗，阴暗的山羊胡子的陌生感。对于Klingemann来说，获得神经网以产生这种好处是一项技术挑战，在这种情况下，它仍然不够好。他说：“对于我来说，很容易看到模型的工作方式，尤其是在细节中，因为任何错误都会脱颖而出或完全错误。”他还承认，由于该模型经过了数百年历史的中年欧洲男性和年轻欧洲女性的培训，所以大多数面孔都是白人，因此他正在寻找更多的源图像来使他的培训数据多样化。
对于Klingemann而言，培训神经网络也是一个艺术挑战，这是一个依赖人类和机器的创造性实验。他说：“拥有面部生成器就像有故事发生器。”“面部面孔或分组都会引发一些联系，问题甚至情感。当然，机器这样做的方面使它有一个有趣的转折。”
实际上，通过他的实验，他发现产生看起来像19世纪绘画的肖像要比创建要容易得多逼真的肖像。他说：“当我们看一幅画时，我们对看起来不正确的事情更加宽容，因为我们不能真正确定这不是艺术家的意图。”毕竟，有多少旧肖像具有如此奇怪的人类解剖学感（参考，请参阅令人毛骨悚然的文艺复兴婴儿）他们看起来好像可以由计算机生成吗？
拿Ecce Homo，1930年的耶稣绘画的艰难恢复尝试，盛开病毒模因2012年。克林曼创造了自己的算法版本这幅画，就像原始作品一样令人毛骨悚然，而且很有趣。