去年六月發表的一篇博文中我們用可視化的方法解釋了神經網絡在圖形分類中的工作原理。我們意外地收獲了一些副產品–由神經網絡技術所產生出的奇特而深邃的圖像。
　　DeepDream的開源引起了機器學習和創意編程社區對它的濃厚興趣，甚至一些藝術潮人比如Amanda Peterson、Memo Akten、Samim Winiger、Kyle McDonald和Gene Kogan也立即開始了對藝術與機器學習相結合的探索。
　　
　　圖：Memo Akten作品 “谷歌總部”
　　DeepDream開源之后德國圖賓根大學的研究生Leon Gaty發表了一篇使用卷積神經網絡CNN將圖片的風格和內容進行分解的方法。這篇論文更加激勵了社區和藝術家們使用神經網絡方法進行藝術創作的動力。
　　
　　圖：照片與繪畫風格進行結合產生出的作品（圖中人物是美國科普節目嘉賓尼爾）
　　深度學習開源社區，尤其是GitXiv項目對于這些用于藝術的算法起到了很大的推動作用。DeepDream和風格轉換算法被開源社區迅速遷移到了多種計算機語言和軟件包，于是機器學習藝術得到了進一步的發展。
　　
　　圖：Mike Tyka作品 “薩克斯之夢”
　　雖然機器學習與藝術一度沒什么交集，但隨著機器學習領域的飛速進步，藝術與機器學習相結合的機會也迅速增加。倫敦大學和紐約大學都提供了機器學習與藝術相結合的課程和項目，連泰特美術館IK獎2016年的主題都是人工智能。
?