数据标记在机器学习过程中起着至关重要的作用，它不仅是AI模型训练的基础，也是确保模型生成质量和适用性的关键因素。最早的时尚走秀出现在19世纪60年代，也称为“T台秀”，直到今天，它还是业界发布服装新品的一种定式，长盛不衰。网络空间的海量T台走秀照片是“天生的”训练时尚类人工智能的数据集，因为这些图像已被分门别类地清晰“标记”——它反映了不同品牌、不同设计师的设计理念、风格创意以及细节、剪裁、材质和配饰等。合理挖掘运用这些时尚数据，可以让AI在时尚设计的趋势预测、风格推演以及设计生成方面起到不可低估的作用。我们在中央美术学院设计学院的课堂上曾指导学生从服装的不同形态出发，归类整理时尚图像，训练了一个AI时尚生成器，它做设计的方式完全区别于前代设计师，具有创新性。
在人工智能时代，艺术创作和语言文本关系密切，在这方面AI同样大有可为。我们教师团队做过一个小实验——用AI技术来评判《红楼梦》前80回和后40回是否为一人所写。我们先用算法提取了两部分文字的特征，包括词频、句子结构、句式复杂度、语法特点和情感表达，再训练一个AI模型，它基于文字特征来区分不同作者的写作风格。实验结果是前80回和后40回不是同一人所写。这表明AI对人类语言的理解已经达到了一个全新的高度。
AI降低专业设计的门槛后，更多普通人也能享受到高质量的设计服务。比如，在中国农村，宅基地的总量巨大，数以亿计的村民都需要在宅基地上盖房。乡村里很少有人舍得花高额设计费请建筑师给自己家盖房，是否可以通过人工智能为村民设计结构专业、性能优良、风貌体面、价格适当的房子？在人工智能时代，这显然是可行的。专业设计师可以通过机器学习将设计的专业性“哺育”给人工智能，让优质的设计服务惠及更多人。
|
