以未标记人脸照片训练的AI代理所绘制出的人脸。

（来源：DeepMind）

Eslami的团队是利用了强化学习(reinforcement learning)技术。今日大多数的AI系统是采用监督式学习(supervised learning)，所馈入的数据是以某种方式标记过的，因此系统能将结果与标准答案进行比对；相反的，非监督式学习则是馈入未标记的训练数据，让系统尝试以自己的方式去辨别特征。

强化学习就是某种形式的非监督式学习，在训练过程中，有被称为鉴别器(discriminator)的第二个AI代理对结果提供回馈，好让负责创造的AI代理去学习。在产生影像的情境中，该鉴别器可能会比较产出的影像与训练数据，然后针对是否能辨别出差异提供回馈，这种回馈可能是一种分数，以量化辨别所产生影像与训练数据集之间差异的困难程度。

强化学习采用两个AI代理，其一负责创造影像，另一个则尝试分辨创造出的影像与实际数据之间像不像。

（来源：DeepMind）

在DeepMind教导其AI系统如何画图之前，他们已经教过该系统如何写字──去年该AI系统一开始接受的训练是各种英文字母的手写字与字体的影像(采用MNIST与Omniglot数据集)，而且系统非常成功地重现了那些字母。

DeepMind团队还很惊讶地发现，若限制笔划数，所产出的结果就很像是人类在匆忙中写出的字迹，点与较小的特征会连在一起；该公司团队还将算法与拿着画笔的机器手臂联机，以产生手写书法。

一旦该AI系统能应付手写字，Eslami的团队就让系统升级以应用更大的网络，并采用更多CPU进行训练。当采用人脸照片做为训练数据集，AI系统绘制出的画像会变得越来越逼真，如下图所示的绘画过程各个阶段。

AI系统绘制人脸画像的过程。

（来源：DeepMind）

请注意，该AI系统并没有被提供目标影像，只是创造它认为看起来像人脸的画像，而且计算机并没有看过人类是如何绘图，只是藉由强化学习的尝试错误过程去探索关于绘画的一切。Eslami表示，这里实际上有两个复杂的任务，其一是以高精准度控制笔刷，其二是管理时间， 在过程中权衡其画像结果要看起来有多逼真。

接下来该团队所做的事情是自问：如果我们让任务变得更困难呢？于是他们将笔划的数量限制从1,000减少到20，而让他们惊讶的是，该AI代理仍然能产生虽然更抽象、但看得出是人脸的画像。

不同超参数(hyperparameters)下的不同AI代理所绘制的人脸“抽象画”样本。

（来源：DeepMind）

而Eslami表示，那些抽象画最让人震惊的是，该AI代理已经能清楚辨识构成人脸特征的重点──即眼睛、鼻子与嘴巴；他们原本认为AI系统只能透过模仿或是以监督式学习被教导这些抽象画，但强化学习确实也可能达成。

所以AI已经成功学会画图了..但这是一种创造力吗？或者只是随机结果？还有这能算是艺术吗？你可能会争辩，AI代理是利用创造力去尝试以不同的方法呈现人脸，如上面图片中的画像，即使它们看起来都像人脸，其中的差异性还是比相似性更多。

不过事实是，AI系统的意图并不在于将人脸抽象到绘画的最基本元素中，也不是要产生能唤起情感反应的画像，其目标是在于写实，是以画像看起来有多么逼真来评判其成功与否。

此外也会有人争议，AI系统绘制的画像是以高水平的技巧完成，所以这代表AI是有成就的艺术家了吗？当训练过程结束，该系统肯定能产出更好的画像，甚至学着从模糊的笔触开始，在最后添加更犀利的线条；可惜的是，今日对于何为艺术并没有严格的定义，也许这个问题的答案应该由观众们来决定。