
出品 | CDA數(shù)據(jù)分析研究院,轉(zhuǎn)載需授權(quán)
人工智能和深度學(xué)習(xí)對(duì)大量領(lǐng)域產(chǎn)生了巨大影響,并在過(guò)去幾年中引發(fā)了很多破壞和進(jìn)展,這一事實(shí)對(duì)于許多人來(lái)說(shuō)并不會(huì)讓人感到意外。
然而,有些人可能會(huì)感到驚訝的是,即使是藝術(shù)和創(chuàng)意領(lǐng)域,一直被視為明顯是人類的領(lǐng)域,也不會(huì)受到這些最新進(jìn)展的影響。
人工智能取代工作的恐懼是圍繞這些技術(shù)最常見(jiàn)的問(wèn)題之一?,F(xiàn)在,它甚至正在侵蝕我們的創(chuàng)造性追求。這是否意味著我們不僅要擔(dān)心AI失去工作,還要擔(dān)心我們的人性?
雖然許多人擔(dān)心AI會(huì)取代或替代人類,或者認(rèn)為人工智能永遠(yuǎn)不會(huì)具有創(chuàng)造性,并且人工智能產(chǎn)生的任何東西在定義上都不是藝術(shù),我想提出另一種觀點(diǎn)。我相信先進(jìn)的人工智能將使我們能夠?qū)W⒂谖覀儶?dú)特的才能和優(yōu)勢(shì),為我們提供創(chuàng)造性探索和表達(dá)的新工具,讓我們享受更高品質(zhì)的休閑時(shí)光。
最終它將使我們變得更加人性化。
在本文中,我首先想要向您介紹深度學(xué)習(xí)與藝術(shù)交叉的非常簡(jiǎn)短(并且非常不完整)的介紹,并向您介紹一小部分采用神經(jīng)網(wǎng)絡(luò)作為首選媒介的藝術(shù)家。
然后,我想向您介紹我目前公司Qosmo過(guò)去幾年一直致力于的一些項(xiàng)目,以及我自己的一些個(gè)人項(xiàng)目。
最后,我想與大家分享一個(gè)未來(lái)的愿景,不僅是人工智能和創(chuàng)造力,還有更廣泛的工作和人性。
我希望在本文結(jié)束時(shí),我會(huì)說(shuō)服你們,我們既不應(yīng)該害怕人工智能正在削弱或貶低我們的人性,也不應(yīng)將其視為只影響日常工作但不會(huì)對(duì)我們的創(chuàng)造能力產(chǎn)生任何影響的東西。相反,我希望最終你會(huì)對(duì)AI的未來(lái)感到興奮,并且愿意接受它而不是作為競(jìng)爭(zhēng)者,而是作為重獲和鞏固我們?nèi)诵缘挠辛ぞ摺?/span>
旁注:本文基于我在日本SciPy 2019和日經(jīng)AI 201峰會(huì)的擴(kuò)展版本中進(jìn)行的一系列會(huì)談。如果您更喜歡觀看視頻,可以在YouTube上找到SciPy演講。但是這篇文章既是最新的,也是更深入的,特別是關(guān)于知識(shí)工作和創(chuàng)造力未來(lái)的最后一節(jié),我在SciPy談話期間沒(méi)有時(shí)間去討論。
AI藝術(shù)的一個(gè)非常簡(jiǎn)短的歷史
人工智能和創(chuàng)造力之間的聯(lián)系第一次從相當(dāng)深?yuàn)W的圈子滲透到主流意識(shí)中,這可能是谷歌在2015年宣布推出DeepDream的時(shí)候。
想象一下盯著云,過(guò)了一會(huì)兒,你會(huì)感覺(jué)到你可以在那里看到一種模式,也許是一張臉。你盯著云看的時(shí)間越長(zhǎng),你對(duì)臉部的想法越多,你就越能說(shuō)服自己,云中真的有一張臉盯著你看。
DeepDream本質(zhì)上就是這種現(xiàn)象的神經(jīng)網(wǎng)絡(luò)。
通過(guò)反復(fù)增強(qiáng)神經(jīng)網(wǎng)絡(luò)在圖像中拾取的圖案,最初非常微妙的圖案(或其想象的暗示)逐漸變成這些圖案的完整表現(xiàn)。通過(guò)這種方式,眼睛開(kāi)始長(zhǎng)出狗,蝸牛似乎從建筑物中萌芽,風(fēng)景變成奇異的城市景觀與童話塔。
從高中開(kāi)始,一直到我的博士學(xué)位我偶爾會(huì)為樂(lè)隊(duì)制作音樂(lè)視頻。我的第一個(gè)使用深度學(xué)習(xí)的項(xiàng)目是在2016年我的博士學(xué)位結(jié)束時(shí),當(dāng)時(shí)我使用DeepDream網(wǎng)絡(luò)在我為“The Void”字母和樹(shù)所做的視頻中實(shí)現(xiàn)了一種有點(diǎn)新穎的視覺(jué)效果。
雖然今天沒(méi)有人會(huì)對(duì)此感到興奮,但你必須記住,2016年是史前的深度學(xué)習(xí)術(shù)語(yǔ)。那時(shí)候它是一個(gè)非??岬男Чㄖ辽龠@是我的想法),這對(duì)我來(lái)說(shuō)是一個(gè)很好的方式讓我熟悉TensorFlow(當(dāng)時(shí)還處于初期階段)以及一般的深度學(xué)習(xí)。
最近,我們已經(jīng)超越僅僅操縱現(xiàn)有圖像。特別是,我們已經(jīng)看到神經(jīng)網(wǎng)絡(luò)生成圖像的驚人突破。很大程度上,這歸功于一類稱為GAN,生成性對(duì)抗網(wǎng)絡(luò)的網(wǎng)絡(luò)。
GAN基本上是通過(guò)使兩個(gè)網(wǎng)絡(luò)彼此相互作用,生成虛假數(shù)據(jù)的生成器和必須判斷數(shù)據(jù)是真實(shí)的鑒別器或評(píng)論者還是由生成器網(wǎng)絡(luò)創(chuàng)建的偽造,已經(jīng)達(dá)到了令人震驚的準(zhǔn)確性和可信度。在他們可以產(chǎn)生的那種圖像中。
特別受歡迎(和奇怪的)是(半)真實(shí)面孔相互變形的幻覺(jué)圖像,導(dǎo)致令人著迷的視頻。
由于最近實(shí)現(xiàn)了這種GAN偽造品的真實(shí)性,所以像thepersondoesnotexist.com這樣的網(wǎng)站的整個(gè)家庭手工業(yè)如雨后春筍般涌現(xiàn)。每次刷新該特定站點(diǎn)時(shí),都會(huì)生成由神經(jīng)網(wǎng)絡(luò)設(shè)想的新的照片級(jí)真實(shí)肖像。雖然玩起來(lái)很有趣,但它也是圍繞Deep Fakes日益增長(zhǎng)的問(wèn)題和近乎完美的AI偽造時(shí)代的真實(shí)數(shù)據(jù)可信度的焦點(diǎn)。
這是我將在下面再次回到的一點(diǎn)。雖然人工智能藝術(shù)本身既有趣又有趣,但它也 - 就像其他形式的藝術(shù)一樣 - 使我們能夠突出問(wèn)題并表達(dá)我們的關(guān)注。通過(guò)將這些問(wèn)題或失敗點(diǎn)作為我們工作的基礎(chǔ)并將其置于極端,我們作為藝術(shù)家可以傳播意識(shí)和教育。
最好的藝術(shù)品不僅美觀,而且還邀請(qǐng)人們思考。
2018年10月,當(dāng)法國(guó)集體“Obvious”能夠以432,500美元的價(jià)格在著名的拍賣行Christie's拍賣他們的GAN生成的藝術(shù)品“Edmond de Belamy”時(shí),AI藝術(shù)首次成為主流。
這引起了藝術(shù)和人工智能社區(qū)的騷動(dòng),并提出了人工智能能否真正產(chǎn)生藝術(shù)的問(wèn)題。
然而,這遠(yuǎn)遠(yuǎn)不是它提出的唯一問(wèn)題,拍賣結(jié)果的大部分注意力都集中在Obvious接近并實(shí)施該項(xiàng)目的路上。他們因?yàn)槟米邉e人的代碼,在一個(gè)結(jié)果有問(wèn)題的簡(jiǎn)單數(shù)據(jù)集上進(jìn)行訓(xùn)練,并在畫布上銷售生成的輸出而面臨嚴(yán)厲的批評(píng)。
我不想深入討論Obvious是否應(yīng)該獲得金錢和關(guān)注(如果你感興趣,網(wǎng)上有很多討論,例如偉大出版物Artnome中的這篇文章)。然而,我想說(shuō),在我看來(lái),無(wú)論我們是否將最終作品視為藝術(shù),Obvious都不是我看到真正藝術(shù)家的藝術(shù)家。
非常有說(shuō)服力的是,他們甚至沒(méi)有用自己的名字簽名,而是使用了GAN算法的關(guān)鍵方程之一。就好像他們想說(shuō)“我們沒(méi)有這樣做,人工智能成功了”。
這與真正的AI藝術(shù)家正在做的完全相反。
像畫家一樣研究他的畫筆和畫布,并改進(jìn)他的筆畫,就像鋼琴家研究她的樂(lè)器的復(fù)雜性和練習(xí)她的技巧一樣,真正的AI藝術(shù)家深入研究他正在使用的網(wǎng)絡(luò)以及他需要操縱它們的方式為了實(shí)現(xiàn)他所想到的創(chuàng)造性成果。
從這個(gè)意義上說(shuō),AI和神經(jīng)網(wǎng)絡(luò)不是創(chuàng)造者!它們是鋼筆,刷子,相機(jī),小提琴,鑿子等。它們是工具。
由于它們的高度復(fù)雜性和新穎性,它們看起來(lái)像魔術(shù)一樣,像自主創(chuàng)作者一樣,但最終它們僅僅是(希望)熟練創(chuàng)作者手中的工具。
對(duì)我而言,Obvious做的非常巧妙地利用這種新穎性和高復(fù)雜性來(lái)做出好的銷售。無(wú)論你怎么想他們的藝術(shù)天賦,他們肯定是聰明的企業(yè)家。
有點(diǎn)像有人在1985年推出它的邊緣,在MS Paint上做了一個(gè)簡(jiǎn)單的草圖,將它印在一塊大帆布上,并將其拍賣下來(lái)。純粹的新穎性和(當(dāng)時(shí))看似高度復(fù)雜的創(chuàng)造它的過(guò)程可能會(huì)帶來(lái)很高的價(jià)格并給人們留下深刻的印象。但它可能不會(huì)是“好藝術(shù)”。而MS Paint肯定不會(huì)是創(chuàng)造者。
就像數(shù)碼相機(jī)不再是模擬相機(jī)的創(chuàng)造者一樣,或者Photoshop不再是前數(shù)字圖形設(shè)計(jì)師的筆和紙的創(chuàng)造者,人工智能和深度學(xué)習(xí)也是如此 - 至少我們可以實(shí)際想象它們的方式在可預(yù)見(jiàn)的未來(lái) - 不是創(chuàng)作者,而是創(chuàng)作者使用的工具。
對(duì)于那些對(duì)真正的自主創(chuàng)造力感到興奮的人來(lái)說(shuō),這可能會(huì)讓人有點(diǎn)失望。但我對(duì)此感到高興,并認(rèn)為這絕不會(huì)減少圍繞這些技術(shù)的興奮。它們?yōu)閯?chuàng)作者提供了真正全新的創(chuàng)作表達(dá)方式。它們不僅僅是作為固定工具,它們幾乎是一個(gè)元工具,它使我們能夠不斷創(chuàng)造新的工具和流程,以實(shí)現(xiàn)我們的創(chuàng)造性愿景。
有了這個(gè)關(guān)于我認(rèn)為真正的AI藝術(shù)家不在乎的人的咆哮,讓我簡(jiǎn)要介紹一下我認(rèn)為屬于這一類的少數(shù)人。
這份清單絕不是詳盡無(wú)遺的,人工智能藝術(shù)家社區(qū)也在不斷發(fā)展。開(kāi)始研究更廣泛的人工智能藝術(shù)的好地方是由Luba Elliott組織的創(chuàng)意和設(shè)計(jì)機(jī)器學(xué)習(xí)的NeurIPS研討會(huì)的畫廊。
為了簡(jiǎn)潔起見(jiàn),我也不會(huì)深入了解任何藝術(shù)家的細(xì)節(jié),但鼓勵(lì)你為自己檢查他們的藝術(shù)(和想法)。
認(rèn)識(shí)AI藝術(shù)家
可能最成熟的AI藝術(shù)家是Mario Klingemann。
Klingemann就像Obvious一樣,把注意力集中在GAN相關(guān)藝術(shù),尤其是肖像畫上。然而,與Obvious相反,他真正成為他們錯(cuò)綜復(fù)雜的大師,確切地知道如何建造,訓(xùn)練和操縱它們以達(dá)到他所希望和設(shè)想的精確藝術(shù)成果。
他的許多作品都具有令人難以置信的微妙之處,讓人聯(lián)想到更傳統(tǒng)的藝術(shù)形式,通常將藝術(shù)美學(xué)與更抽象的藝術(shù)形式混合在一起。
“神經(jīng)小故障”; 正如他在接受藝術(shù)市場(chǎng)大師采訪時(shí)所描述的那樣,他對(duì)人工智能藝術(shù)追求的動(dòng)力在于尋找“有趣” 。
“我試圖找到一種有趣的東西,這種搜索永遠(yuǎn)不會(huì)結(jié)束,因?yàn)橐坏┠阕プ∷蜁?huì)像手中的雪花一樣融化。興趣隱藏在陌生的,不常見(jiàn)的和不可思議的之中,但是一旦你發(fā)現(xiàn)它并把它拖到聚光燈下,你看它越久,它就越熟悉或正常,最終失去它的趣味性。
我正在使用機(jī)器作為探測(cè)器來(lái)幫助我搜索不斷增長(zhǎng)的信息,這些信息以加速的速度傳播到我們的世界。與此同時(shí),我通過(guò)使用機(jī)器來(lái)生成有序的信息模式,而不是將其留給我自己的設(shè)備,從而增加了這一堆。有時(shí)在這個(gè)過(guò)程中,我決定并有時(shí)將其留在機(jī)器上?!?/span>
這種搜索方面是AI藝術(shù)中反復(fù)出現(xiàn)的主題。
我們可以想象所有可能的藝術(shù)作品的抽象空間。這個(gè)空間是令人難以置信的高維度和巨大的(可能是無(wú)限的,取決于我們考慮的媒體)。傳統(tǒng)上,藝術(shù)家只能非常緩慢地探索這個(gè)空間中的無(wú)限小區(qū)域。
神經(jīng)網(wǎng)絡(luò)本質(zhì)上提供了工具,使我們能夠更快,更廣泛地探索這個(gè)空間。人工智能藝術(shù)家的技能往往在于知道如何引導(dǎo)這種網(wǎng)絡(luò)化探索向“高度興趣”的地區(qū)。
克林格曼最近還在蘇富比拍賣了他的一件藝術(shù)品---記憶路人。這件作品不僅僅是一件靜態(tài)的藝術(shù)品,而是實(shí)際上包含了生成機(jī)制本身,導(dǎo)致了一個(gè)完全生成,無(wú)限期發(fā)展的裝置。
最終,該片獲得了“僅僅”32,000英鎊,這導(dǎo)致了一場(chǎng)廣泛的媒體風(fēng)暴,文章名為“人工智能藝術(shù)品拍賣,機(jī)器人大災(zāi)難尚未到來(lái)”,宣稱短暫的AI藝術(shù)場(chǎng)景已不復(fù)存在而不是好奇心,基本上已經(jīng)到了最后。
但是,我個(gè)人認(rèn)為這對(duì)AI藝術(shù)界來(lái)說(shuō)是一個(gè)好兆頭(我認(rèn)為Mario Klingemann同意這一點(diǎn))。32,000英鎊是一個(gè)合理且非??捎^的價(jià)格,而不是表明人工智能藝術(shù)的終結(jié),它標(biāo)志著人工智能藝術(shù)炒作的結(jié)束以及對(duì)注意力/新奇經(jīng)濟(jì)的利用。
這表明AI藝術(shù)已經(jīng)成為一種嚴(yán)肅而受人尊敬的藝術(shù)形式,而不是過(guò)分夸大的好奇心。
與馬里奧·克林格曼的作品截然不同,但同樣有趣的是土耳其媒體藝術(shù)家Memo Akten的作品。
雖然克林格曼的作品非?!皩Wⅰ保ㄈ狈Ω玫脑~匯)并且與美術(shù)相關(guān),但阿克滕的作品更具概念性和多樣性。雖然他的最終結(jié)果可能看起來(lái)不那么“精致”,但它們都是基于通常非常簡(jiǎn)單但巧妙和具有挑釁性的想法。
我非常鼓勵(lì)你看看他的作品目錄,但是我想與你分享我最喜歡的作品,他稱之為“學(xué)習(xí)”。
這個(gè)想法非常簡(jiǎn)單,但結(jié)果既驚人又發(fā)人深省。
在訓(xùn)練過(guò)程開(kāi)始時(shí),神經(jīng)網(wǎng)絡(luò)通常是隨機(jī)初始化的,這意味著它們絕對(duì)沒(méi)有“現(xiàn)實(shí)世界”的概念。在訓(xùn)練期間,通過(guò)反復(fù)暴露于數(shù)據(jù),他們?nèi)缓笮纬墒澜绲膱D像(或至少是數(shù)據(jù)集中表示的世界)。如果此數(shù)據(jù)集存在偏差,那么受過(guò)訓(xùn)練的網(wǎng)絡(luò)的世界觀也是如此。
在學(xué)習(xí)中,Akten將這個(gè)想法發(fā)揮到了極致,并在非常不同的圖像數(shù)據(jù)集上訓(xùn)練了各種神經(jīng)網(wǎng)絡(luò)。
一個(gè)網(wǎng)絡(luò)只看到海洋和海岸線的圖像,另一個(gè)網(wǎng)絡(luò)只看到火災(zāi)圖像,而另一個(gè)網(wǎng)絡(luò)只看到了鮮花圖像。
結(jié)果,一旦網(wǎng)絡(luò)完成了他們的訓(xùn)練過(guò)程并在“真實(shí)世界”上發(fā)布,被展示出更多的通用圖像,他們只能根據(jù)他們學(xué)到的東西來(lái)解釋這些。
例如,“花卉網(wǎng)絡(luò)”并不知道如何解釋它在花朵方面所看到的一切,看到它看起來(lái)到處都是鮮花。
就好像一個(gè)孩子從孤立的環(huán)境中出生,只被花朵包圍,然后突然釋放到現(xiàn)實(shí)世界中。它的視覺(jué)皮層和模式識(shí)別系統(tǒng)可能會(huì)很難解釋新的模式,并且可能同樣看到各處的鮮花。
雖然這是一個(gè)思想實(shí)驗(yàn)而僅僅是推測(cè),但眾所周知,我們?nèi)祟悓?duì)視覺(jué)感知中的某些模式具有自然(且非常有用)的偏見(jiàn),例如看到面部的偏見(jiàn)。
學(xué)習(xí)觀察提出了一個(gè)有趣的問(wèn)題,即由于我們獨(dú)特的成長(zhǎng)和文化背景,我們每個(gè)人可能有多少偏見(jiàn)。
我們所看到和感知這個(gè)世界有多么不同?
雖然不太可能像Akten網(wǎng)絡(luò)的偏見(jiàn)那樣強(qiáng)烈,或者思想實(shí)驗(yàn)中的孩子,但幾乎可以肯定的是,人與人之間存在微妙的差異。
算法的偏差在過(guò)去已經(jīng)引起普遍關(guān)注。種族聊天機(jī)器人或性別歧視圖像識(shí)別/分類模型只是一些例子。它們實(shí)際上是數(shù)據(jù)驅(qū)動(dòng)科學(xué)和深度學(xué)習(xí)中最基本的問(wèn)題之一。
在某些情況下,偏見(jiàn)非常明顯。雖然這些案件肯定令人震驚和擔(dān)憂,但它們不太可能成為問(wèn)題最嚴(yán)重的案例,僅僅因?yàn)樗鼈兎浅C黠@。隨著數(shù)據(jù)驅(qū)動(dòng)技術(shù)變得越來(lái)越普遍,特別是微妙但全部存在的微小偏見(jiàn)既重要又難以發(fā)現(xiàn)和根除。
雖然我們可能沒(méi)有直接的解決方案,但作為藝術(shù)家,我們有能力在這個(gè)問(wèn)題上引起關(guān)注,并讓外行人(以及經(jīng)驗(yàn)豐富的從業(yè)者)更容易接近,將其推向極致。
這就是我認(rèn)為很多有趣的AI藝術(shù)生活的地方,特別是Memo Akten也參與其中的更具概念性的類型:采用完善的神經(jīng)網(wǎng)絡(luò),并將它們推向(或超越)它們的突破點(diǎn)或適用范圍。這不僅會(huì)帶來(lái)有趣和意想不到的結(jié)果,而且還可以讓我們更深入地了解這些模型在現(xiàn)實(shí)世界場(chǎng)景中盲目松散時(shí)可能會(huì)產(chǎn)生的問(wèn)題。
我想在這里介紹的最后一位藝術(shù)家是計(jì)算機(jī)設(shè)計(jì)講師Tom White。
他的項(xiàng)目Perception Engines,顧名思義,側(cè)重于感知在創(chuàng)造力中的作用。用他的話說(shuō),
“人類感知是創(chuàng)作過(guò)程中經(jīng)常被低估的部分,因此設(shè)計(jì)一個(gè)將感知放在首位和中心的計(jì)算創(chuàng)造過(guò)程是一項(xiàng)有趣的練習(xí)?!?/span>
同樣,它本質(zhì)上是一種欺騙神經(jīng)網(wǎng)絡(luò)的做法,通過(guò)巧妙地改變應(yīng)用它們的域來(lái)做它們最初不打算做的事情。
它使用了對(duì)抗性例子的概念,并對(duì)其進(jìn)行了有趣的藝術(shù)轉(zhuǎn)折。特別是,White建立了一個(gè)反饋循環(huán),網(wǎng)絡(luò)的感知引導(dǎo)創(chuàng)作過(guò)程,然后反過(guò)來(lái)再次影響感知。
簡(jiǎn)而言之(并且有點(diǎn)簡(jiǎn)化),懷特采用經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別圖像中的對(duì)象,然后使用第二個(gè)系統(tǒng),該系統(tǒng)可以生成抽象形狀并搜索可以“欺騙”網(wǎng)絡(luò)進(jìn)入高確定性預(yù)測(cè)的結(jié)果一個(gè)特定的對(duì)象類。結(jié)果看似抽象的形狀(白色后來(lái)變成真正的屏幕打?。┤匀徽f(shuō)服網(wǎng)絡(luò)是某些對(duì)象的照片級(jí)真實(shí)表示。
有趣的是,一旦我們知道網(wǎng)絡(luò)認(rèn)為它看到了什么,我們就可以在大多數(shù)情況下突然看到大多數(shù)圖像中的對(duì)象(盡管我懷疑是否有人被欺騙與真實(shí)的東西混淆)。
白色使用的真正過(guò)程實(shí)際上比我在這里給出的項(xiàng)目的縮略輪廓更加聰明和深刻。如果您對(duì)細(xì)節(jié)感興趣,我強(qiáng)烈建議您查看他的文章。
Qosmo:計(jì)算創(chuàng)造力和超越
現(xiàn)在您已經(jīng)對(duì)AI藝術(shù)的內(nèi)容有了一些了解,并了解了一些在這個(gè)新興領(lǐng)域工作的人,讓我簡(jiǎn)要介紹一下我如何參與其中的故事。
我實(shí)際上是以物理學(xué)家的身份開(kāi)始了我的學(xué)術(shù)生涯,在量子信息理論方面攻讀博士學(xué)位。但是在這樣做的過(guò)程中,我意識(shí)到我想做更多應(yīng)用的事情。通過(guò)我共同創(chuàng)辦的初創(chuàng)公司獲得了一些創(chuàng)業(yè)經(jīng)驗(yàn),我認(rèn)為AI從純粹的學(xué)術(shù)角度來(lái)看似乎既有趣,也是解決一些非??岬默F(xiàn)實(shí)世界問(wèn)題(并賺取一些錢)的非常有前途的工具。
因此,在我獲得博士學(xué)位后,我在一家創(chuàng)業(yè)公司工作了幾年,這家公司將人工智能應(yīng)用于廣泛領(lǐng)域的商業(yè)問(wèn)題,例如金融和醫(yī)療保健。雖然在這些領(lǐng)域肯定有一些有待解決的問(wèn)題,但我個(gè)人對(duì)AI的創(chuàng)意方面越來(lái)越感興趣。
最終,在2019年2月,我終于決定辭掉我以前的工作,并和他的朋友NaoTokui一起在他的Qosmo公司工作。
Qosmo是一個(gè)位于東京的小型創(chuàng)意團(tuán)隊(duì)。該公司的核心理念是“計(jì)算創(chuàng)造力”,重點(diǎn)關(guān)注人工智能和音樂(lè)(但當(dāng)然不限于這些領(lǐng)域)。
在這里,我想簡(jiǎn)要介紹一下我們過(guò)去的三個(gè)項(xiàng)目。
AI DJ
到目前為止,Qosmo最著名的項(xiàng)目可能是我們的AI DJ項(xiàng)目。
AI DJ最初始于2016年,是人與人之間的音樂(lè)對(duì)話。
在DJ中,“背對(duì)背”的演奏意味著兩位DJ輪流選擇和混音。在我們的例子中,我們有一個(gè)人類與AI一起背靠背。
具體來(lái)說(shuō),人(通常是Nao)選擇一個(gè)軌道并混合它,然后AI接管并選擇一個(gè)軌道并混合它,依此類推,創(chuàng)造一個(gè)自然和連續(xù)的合作性能。
這種增強(qiáng)人類創(chuàng)造力和玩人與機(jī)器創(chuàng)造力關(guān)系的想法是我們?cè)赒osmo所做工作的核心。我們對(duì)自主創(chuàng)意機(jī)器并不特別感興趣(我們也不相信它們?cè)诓痪玫膶?lái)是可能的),而是人類如何與人工智能和機(jī)器進(jìn)行交互以達(dá)到創(chuàng)造性目的。
AI DJ由幾個(gè)獨(dú)立的神經(jīng)網(wǎng)絡(luò)組成。核心是一個(gè)系統(tǒng),可以根據(jù)以前播放的曲目的歷史選擇一個(gè)曲目,以及一個(gè)可以進(jìn)行節(jié)拍匹配和混音的系統(tǒng)。
至關(guān)重要的是,我們不是使用數(shù)字音頻而是使用實(shí)際的黑膠唱片。AI必須學(xué)習(xí)如何物理操縱光盤(通過(guò)使用強(qiáng)化學(xué)習(xí)訓(xùn)練的微型機(jī)器人手臂),以便對(duì)齊節(jié)拍并獲得匹配的速度。
雖然該項(xiàng)目已有幾年歷史,但我們?nèi)栽诓粩嚅_(kāi)發(fā)該系統(tǒng)。例如,使用相機(jī)來(lái)分析人群行為并嘗試通過(guò)調(diào)整此信息的軌道選擇來(lái)鼓勵(lì)人們跳得更多。
我們?cè)谶^(guò)去的許多場(chǎng)地都采用了這種表現(xiàn),包括本地和全球。到目前為止,我們最大的表現(xiàn)是在Google I / O 2019上,我們?cè)谥饕枧_(tái)上進(jìn)行了一小時(shí)的演出,在CEO Sundar Pichai的主題演講之前讓人群熱身。
您可以在我們的網(wǎng)站上閱讀有關(guān)AI DJ細(xì)節(jié)的更多信息。
虛構(gòu)的Soundscapes
作為人類,我們將視覺(jué)和聽(tīng)覺(jué)經(jīng)驗(yàn)聯(lián)系在一起??纯春┑膱D像,你可以很容易地想象出海浪和海鷗的聲音??粗泵Φ氖致房诳赡軙?huì)引起汽車?yán)嚷暫褪┕ぴ胍簟?/span>
Imaginary Soundscapes是一個(gè)讓人工智能具有與圖像相關(guān)的類似想象聲音的實(shí)驗(yàn)。這是一個(gè)基于網(wǎng)絡(luò)的聲音安裝,讓用戶可以探索谷歌街景,同時(shí)沉浸在AI夢(mèng)寐以求的想象聲景中。
從技術(shù)上講,它基于跨模態(tài)信息檢索技術(shù)的思想,例如圖像到音頻或文本到圖像。
該系統(tǒng)使用視頻(即視覺(jué)和音頻)輸入的兩個(gè)模型進(jìn)行訓(xùn)練:一個(gè)完善的,預(yù)先訓(xùn)練的圖像識(shí)別模型處理幀,而另一個(gè)卷積神經(jīng)網(wǎng)絡(luò)將相關(guān)的音頻作為譜圖圖像讀取,具有力的損失其輸出的分布盡可能接近第一個(gè)模型的分布。
經(jīng)過(guò)訓(xùn)練,這兩個(gè)網(wǎng)絡(luò)允許我們從我們龐大的環(huán)境聲音數(shù)據(jù)集中檢索特定場(chǎng)景的最佳匹配聲音文件。
生成的音景有時(shí)很有趣,有時(shí)很有趣,有時(shí)候會(huì)發(fā)人深思。其中許多符合人類的期望,而其他人則讓我們驚訝。我們鼓勵(lì)您自己迷失在想象中的音景中。
神經(jīng)Beatbox
我們最近的藝術(shù)項(xiàng)目是Neural Beatbox,這是一個(gè)視聽(tīng)裝置,目前在倫敦Barbican舉辦,作為“AI:More Than Human”展覽的一部分(其中還有Mario Klingemann和Memo Akten的作品)。
就像AI DJ一樣,這件作品以音樂(lè)對(duì)話為中心。然而,除了在AI DJ中,AI在這里不是參與者而是僅僅是輔導(dǎo)員,并且對(duì)話發(fā)生在安裝的不同觀看者之間。
節(jié)奏和節(jié)拍是人類之間最基本和最古老的交流方式。Neural Beatbox使任何人,無(wú)論他們的音樂(lè)背景和能力如何,都能用他們自己的聲音創(chuàng)造復(fù)雜的節(jié)拍和節(jié)奏。
當(dāng)觀眾接近安裝時(shí),鼓勵(lì)他們錄制自己的短片,制作聲音和拉動(dòng)有趣的面孔。使用該視頻,一個(gè)神經(jīng)網(wǎng)絡(luò)將觀眾的聲音分段,分析并分類成各種類型的鼓聲,其中一些然后被集成在當(dāng)前播放的節(jié)拍中。
同時(shí),另一個(gè)網(wǎng)絡(luò)不斷產(chǎn)生新的節(jié)奏。
通過(guò)以這種方式結(jié)合后續(xù)觀眾的貢獻(xiàn),人們之間的直觀音樂(lè)對(duì)話展開(kāi),從而產(chǎn)生不斷發(fā)展的作品。
AI的輕微瑕疵,例如偶爾的錯(cuò)誤分類或不尋常的節(jié)奏,實(shí)際上增強(qiáng)了創(chuàng)作體驗(yàn),并產(chǎn)生了有趣和獨(dú)特的音樂(lè)體驗(yàn)。作為觀眾,試圖通過(guò)制作“非鼓聲”來(lái)推動(dòng)系統(tǒng)超出其預(yù)期的領(lǐng)域可以產(chǎn)生非常有趣的結(jié)果,其中一些實(shí)際上是令人驚訝的音樂(lè)和鼓舞人心的。
目前,Neural Beatbox僅限于在巴比肯展覽等公共場(chǎng)所展出,但我們正在考慮將其打開(kāi)為基于網(wǎng)絡(luò)的互動(dòng)作品。我們只是擔(dān)心互聯(lián)網(wǎng)上的人們可能會(huì)為這種安裝做出什么樣的聲音和視頻...雖然結(jié)果可能很有趣和有趣,但他們可能還會(huì)很快包含一些NSFW內(nèi)容。;)
生成模型和VAE
除了我(仍然是最近)在Qosmo的工作,我還做了一些我自己的藝術(shù)作品和更多與AI有關(guān)的一般創(chuàng)意相關(guān)項(xiàng)目。在向您展示其中的一些內(nèi)容之前,我簡(jiǎn)單地想要進(jìn)行快速簡(jiǎn)單的技術(shù)游覽。
創(chuàng)作場(chǎng)景中使用的許多模型都屬于“生成模型”的廣泛范疇。上面介紹的GAN是其中的一種變體。
生成模型本質(zhì)上是模型,正如其名稱所示,學(xué)習(xí)如何生成更多或更少的真實(shí)數(shù)據(jù)。物理學(xué)家理查德·費(fèi)曼(Richard Feynman)在一篇引述中非常清楚地概括了這背后的一般思想。
“我無(wú)法創(chuàng)造,我不明白?!?- 理查德費(fèi)曼
作為使用AI的研究人員和工程師,我們希望如果我們可以教我們的模型來(lái)創(chuàng)建至少模糊的數(shù)據(jù),那么這些模型必須對(duì)現(xiàn)實(shí)世界的樣子或行為方式有所了解。 。
換句話說(shuō),我們使用創(chuàng)造和生成有意義的輸出的能力作為智能的標(biāo)志。
不幸的是,這種“理解”或“智能”仍然常常如下圖所示。
雖然我們的模型肯定是在了解現(xiàn)實(shí)世界,但他們的知識(shí)領(lǐng)域往往受到嚴(yán)重限制,正如我們?cè)谄?jiàn)的例子中已經(jīng)看到的那樣。
在我之前從事實(shí)際業(yè)務(wù)應(yīng)用的工作中,這是個(gè)壞消息。您不希望您的財(cái)務(wù)或醫(yī)療預(yù)測(cè)看起來(lái)像上面的圖像!
然而,作為一名藝術(shù)家,我發(fā)現(xiàn)這令人興奮和鼓舞人心。事實(shí)上,正如已經(jīng)指出的那樣,許多藝術(shù)家故意尋求生成模型的這些突破點(diǎn)或邊緣情況。
我個(gè)人最喜歡的生成模型類型是所謂的變分自動(dòng)編碼器,或簡(jiǎn)稱VAE。從信息理論的角度來(lái)看,我發(fā)現(xiàn)它們既非常多才多藝,又美麗而優(yōu)雅。
簡(jiǎn)而言之,VAE作為輸入饋送原始數(shù)據(jù),然后必須通過(guò)信息瓶頸壓縮和傳輸該數(shù)據(jù),并最終嘗試盡可能準(zhǔn)確地重建它。
由于信息瓶頸(更具技術(shù)性:潛在空間的維度低于數(shù)據(jù)空間),模型不能直接傳遞數(shù)據(jù),而是必須學(xué)習(xí)有效的抽象和概念。
例如,如果我們想將它應(yīng)用于狗和貓的圖像,而不是簡(jiǎn)單地傳輸每個(gè)像素值,模型就被迫學(xué)習(xí)抽象,例如“狗”和“貓”的概念,腿和耳朵的概念,毛皮顏色等,它允許更緊湊(盡管通常不是完全無(wú)損)的數(shù)據(jù)表示。
作為這個(gè)過(guò)程的一個(gè)簡(jiǎn)潔的副產(chǎn)品,我們得到了一個(gè)緊湊的數(shù)學(xué)描述,我們的數(shù)據(jù),一個(gè)所謂的潛在向量或嵌入。這允許我們做各種有趣的事情,例如有意義的數(shù)據(jù)比較以及數(shù)據(jù)點(diǎn)之間的實(shí)際插值,如上面的GAN面的示例中那樣。
如果你想更詳細(xì)地了解所有這些,我從兩個(gè)玩家之間的合作游戲的角度寫了一篇關(guān)于VAE的深入討論。
個(gè)人項(xiàng)目
我想在下面向您展示的項(xiàng)目都以某種方式使用VAE。
潛在的脈動(dòng)
當(dāng)VAE初始化時(shí),它的數(shù)據(jù)表示是完全隨機(jī)的,因?yàn)樗形磳W(xué)習(xí)任何有關(guān)訓(xùn)練數(shù)據(jù)的信息。隨著訓(xùn)練的展開(kāi),網(wǎng)絡(luò)逐漸學(xué)會(huì)了不同的概念和抽象,類似數(shù)據(jù)的集群在潛在的空間中開(kāi)始形成,隨著模型的收斂,越來(lái)越多地結(jié)晶出來(lái)。
潛在脈動(dòng)可視化一個(gè)這樣的訓(xùn)練過(guò)程,從初始隨機(jī)混亂,模型經(jīng)歷變換階段嘗試不同表示的各個(gè)階段,到最終建立在表現(xiàn)出相當(dāng)明顯的聚類的階段。
潛在空間中的每個(gè)點(diǎn)代表大約30萬(wàn)個(gè)消費(fèi)者投訴文本中的一個(gè),該文本涉及由不同顏色代表的約12種不同的金融產(chǎn)品(例如“信用卡”,“學(xué)生貸款”......)。
除了自然的學(xué)習(xí)過(guò)程中,我還添加了一些周期性的隨機(jī)噪聲的嵌入物,以創(chuàng)建與軌道同步跳動(dòng)模式“2個(gè)頭腦”的InsideInfo,時(shí)間拉長(zhǎng)從原來(lái)172bpm到160bpm,以更好地匹配視頻的幀速率。我選擇了軌道“2 Minds”,因?yàn)闃?biāo)題讓我想起了VAE的編碼器 - 解碼器關(guān)系。
通常在使用生成模型創(chuàng)建藝術(shù)時(shí),我們會(huì)考慮模型創(chuàng)建的實(shí)際輸出。然而,潛在的脈動(dòng)將這一概念轉(zhuǎn)移到它的頭部,表明潛在的空間本身可以具有固有的美感和藝術(shù)品質(zhì),即使模型訓(xùn)練的數(shù)據(jù)顯然是枯燥的,例如在這種情況下使用的消費(fèi)者投訴文本。
潛在的風(fēng)景
另一個(gè)相關(guān)的作品更深入地描繪了隱藏在潛在空間中的優(yōu)雅和美麗的潛在風(fēng)景。
我喜歡將這些視為神經(jīng)網(wǎng)絡(luò)的“腦部掃描”。
從技術(shù)上講,這些圖像是通過(guò)分析潛在空間的基本指標(biāo)而生成的這件作品實(shí)際上是[我們正在研究的研究論文的副產(chǎn)品)。粗略地說(shuō),潛在空間不是“平坦的”,并且它們內(nèi)的距離不均勻。潛在景觀可視化潛在空間中不同位置處的曲率,距離失真程度。
上述結(jié)果也基于在同一財(cái)務(wù)投訴數(shù)據(jù)集上訓(xùn)練的VAE,顯示了提醒外星人景觀或宇宙氣體云的抽象形態(tài)。
就像Latent Pulsations一樣,網(wǎng)絡(luò)本身,而不是生成模型的輸出,成為藝術(shù)品。
NeuralFunk
我想提到的最后一個(gè)項(xiàng)目是迄今為止我最大的個(gè)人項(xiàng)目。由于我之前已經(jīng)在媒體上廣泛撰寫了這個(gè)項(xiàng)目我只想給你一個(gè)非常簡(jiǎn)短的概述。
NeuralFunk是一個(gè)使用深度學(xué)習(xí)進(jìn)行聲音設(shè)計(jì)的實(shí)驗(yàn)。這是一個(gè)完全由神經(jīng)網(wǎng)絡(luò)合成的樣本制成的實(shí)驗(yàn)軌道。
同樣,神經(jīng)網(wǎng)絡(luò)不是軌道的創(chuàng)造者,但它們是用于構(gòu)成軌道的唯一工具。因此,結(jié)果不是AI制作的音樂(lè),而是使用AI作為探索創(chuàng)造性表達(dá)新方式的工具制作的音樂(lè)。
我在樣本的創(chuàng)建中使用了兩種不同類型的神經(jīng)網(wǎng)絡(luò),一種是在頻譜圖上訓(xùn)練的VAE和一種WaveNet(另外還可以用來(lái)自VAE的頻譜圖嵌入)。這些網(wǎng)絡(luò)共同提供了許多工具,用于生成新的聲音,從重新設(shè)想現(xiàn)有樣本或?qū)⒍鄠€(gè)樣本組合成獨(dú)特的聲音,夢(mèng)想完全無(wú)條件的全新聲音。
然后將得到的樣品用于產(chǎn)生最終的軌道。
標(biāo)題為NeuralFunk的靈感來(lái)自鼓和低音子類型Neurofunk,這是我最初的想法。但在整個(gè)項(xiàng)目過(guò)程中,它變成了更具實(shí)驗(yàn)性的東西,與聲音設(shè)計(jì)過(guò)程本身的實(shí)驗(yàn)性質(zhì)相匹配。
如果你想了解這個(gè)項(xiàng)目的全部細(xì)節(jié)(包括代碼),請(qǐng)查看我的文章。
那么下一步對(duì)我來(lái)說(shuō)是什么?
我對(duì)使用AI的擴(kuò)展現(xiàn)場(chǎng)表演有一個(gè)很大的愿景,它將與上面介紹的許多概念(和項(xiàng)目)相結(jié)合并將它們提升到一個(gè)新的水平,同時(shí)給我一種全新的音樂(lè)表現(xiàn)手段。
到目前為止,這只不過(guò)是一個(gè)愿景,考慮到項(xiàng)目的規(guī)模,我甚至有點(diǎn)害怕開(kāi)始。
然而,我現(xiàn)在非常積極和熱情地工作的是一本關(guān)于Time Off重要性的書。
雖然這似乎有些切合實(shí)際,但它實(shí)際上在幾個(gè)方面完全與人工智能和創(chuàng)造力的關(guān)系聯(lián)系在一起。
為了讓你相信這一點(diǎn),讓我們繼續(xù)一下。起初看起來(lái)似乎是隨機(jī)的和無(wú)關(guān)的,但是請(qǐng)稍等一下,希望到最后你會(huì)同意我并對(duì)這個(gè)未來(lái)的愿景感到興奮。
工作,休閑和創(chuàng)造力的未來(lái)
在人類歷史的大部分時(shí)間里,工作的概念基本上等同于體力勞動(dòng)。首先是田地和農(nóng)場(chǎng),后來(lái)是工廠。
在20世紀(jì)初,普通工廠工人每天工作超過(guò)10小時(shí),每周工作6天。
這一切都在1926年發(fā)生了變化,當(dāng)時(shí)亨利福特推出了8小時(shí)工作日和5天工作周(同時(shí)顯著提高了工資標(biāo)準(zhǔn)以上的工資)。
為什么福特這樣做?這不是因?yàn)樗皇且粋€(gè)好人。他可能已經(jīng),我不確定,但他這樣做的理由更實(shí)際,也更受商業(yè)驅(qū)動(dòng)。
首先,他認(rèn)識(shí)到如果他提供比其他任何人更好的工作條件,他就可以輕松吸引最優(yōu)秀的人才。這正是發(fā)生的事情。最熟練的工人離開(kāi)了他的競(jìng)爭(zhēng)對(duì)手,并排隊(duì)到他的工廠工作。如果有人沒(méi)有表演,他就會(huì)放手。有足夠多的人愿意接管這個(gè)職位。
其次,他認(rèn)為如果人們沒(méi)有空閑時(shí)間或者太累,無(wú)法利用空閑時(shí)間,他們就不會(huì)在休閑活動(dòng)上花錢。
“有更多休閑的人必須有更多的衣服。他們吃的食物種類更多。它們需要更多的車輛運(yùn)輸。[...]休閑是不斷增長(zhǎng)的消費(fèi)市場(chǎng)中不可或缺的因素,因?yàn)閯趧?dòng)人民需要有足夠的空閑時(shí)間來(lái)尋找包括汽車在內(nèi)的消費(fèi)品的用途。“
這純粹是經(jīng)濟(jì)的。
通過(guò)給予他的工人更多的休閑(以及更多的錢用于休閑),同樣的工人最終能夠和激勵(lì)他們購(gòu)買他們正在生產(chǎn)的產(chǎn)品。更多的空閑時(shí)間不會(huì)傷害,但會(huì)提振經(jīng)濟(jì)!
最后,最有趣的是我們?cè)谶@里的討論,他意識(shí)到他的工人將能夠在更短的時(shí)間內(nèi)做得更好,原因有兩個(gè)。
對(duì)時(shí)間的限制將導(dǎo)致更多的創(chuàng)新和更好的方法。人們實(shí)際上會(huì)考慮如何工作,而不僅僅是研究。
“我們可以在五天內(nèi)獲得至少與六年一樣的產(chǎn)量,我們可能會(huì)獲得更大的產(chǎn)量,因?yàn)閴毫?huì)帶來(lái)更好的方法。” - 亨利·福特
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開(kāi)啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03