季建业 周冰

　　原标题：二次元漫画家才不会被AI打败呢，哼！ 作为一个AI垂直自的作者，我工作中的很大一部分就是

　　作为一个AI垂直自的作者，我工作中的很大一部分就是替AI“带”，然后告诉人类读者们，你们的这项和那项工作都要被AI替代了。

　　一直以来，人类似乎都站在一个毫无之力的弱势地位，或许未来真的像一些悲观者想象中那样，我们有AI司机、AI售货员、AI诗人，但人类自己却成了可怜的乞讨者。

　　直到今天，我第一次发现有一项工作AI在一段时间以内都无法超越人类，而这次胜利属于二次元——不会被AI代替的工作，是漫画家。

　　漫画家不会AI代替的原因很简单，因为马里兰大学的一位教授进行了一项研究，最终发现AI根本看不懂漫画。

　　以上是一则非常简单的四格漫画，对于人类来解起来非常容易：小猫在思考创作素材，然后发现了小狗，要求小狗讲个笑话，小狗说“你很漂亮”导致小猫非常。

　　实际上，在最后一个画面中，小狗没有入镜，而“你很漂亮”本来是表扬，要和上一个画面中的“笑话”连接起来，才能解释出小猫的情绪。

　　在马里兰大学的实验中，研究者搭建了一个由120万张漫画画格组成的数据集，并提取出了每个画格中的文本，利用LSTM模型，希望AI能对漫画进行一个连贯的了解。

　　关于LSTM（长短期记忆网络）此前已经介绍过很多，这一模型的特点就是加入了记忆的概念，可以处理和预测时间序列较长元素。虽然在长文本、机器翻译等等方面表现的都不错，但在看漫画这件事上，LSTM彻底败了。

　　在经过大量训练后，研究人员给了AI一组以前没见过的漫画，要求AI理解并预测下一个画面中的文字信息或画面内容，结果AI的成绩一塌糊涂。而人类的预测正确程度，通常能达到80%的正确率。

　　严格来说，漫画属于“视觉叙事”——把信息隐藏于图像之中。同样是视觉叙事，AI理解电影就比理解漫画容易的多，电影的主角是人，而人脸长的都是一个样子，想要训练AI读出人脸表情、识别情绪是件很简单的事，更何况电影还会有详细的剧本。

　　但漫画最大的特点，就是视觉上不具有连贯性。就像上文的四格漫画一样，第三张图小狗还在画面中，第四张图就不在了。人类可以很快的理解到，名为淡定狗的小狗扔下一句话就淡定的离开。可对于AI来说，读出这种在画面和文字之外的信息实在是强人工智能所难。

　　其次，不同漫画的绘画、叙事风格迥异，对于AI的训练来说也是个难点。简单的四格漫画中，每一格的场景都是相同的，可在其他漫画中，可能这一格是打斗的场景，下一格就是一张的人脸。能看懂四格漫画AI，再去看那种有镜头切换感的漫画，也是一头雾水。至于画风方面，不同漫画家对于人脸描绘方式都有很大差异，换成AI来理解，难度又会加大了。

　　还有一点，视觉叙事是建立在“逻辑”和“常识”两个概念基础之上的。比如小猫说讲个笑话，小狗说“你好漂亮”，理解这个情节就需要“你说我漂亮是笑话=你说我丑”这一基础的逻辑。又比如《哆啦A梦》中常见的老鼠梗也需要“猫通常不怕老鼠”这一基础常识。

　　这些东西对于人类来说都很简单，可是AI是不具备这些常识和逻辑概念的，我们也不能像编百科全书那样，把这些概念到AI的大脑之中。

　　结合AI在围棋领域的胜利和在漫画上的失败，我们可以看出，AI在完全信息信息领域中的表现和不完全信息领域中的表现完全不同。

　　完全信息本来是经济学中的一个属于，意思是参与者可以理解整个市场的所有信息。在这里，我们可以看做一项工作的数据集。在围棋这项工作中，所有的信息都可以归纳为数据集：游戏的规则、每一步的打法。可在漫画中，我们最多能把画面中做上详细的标注，把文本信息都提取出来。可隐藏在图片文字之外的逻辑关系、常识等等只可意会不可言传的东西，是无法向AI提供的。

　　以此类推，AI在戏剧、歇后语、四棋的暗棋（一种包含了的军棋玩法）包括谈恋爱等等一切充满了不完全信息、与反、解读意象、常识和逻辑的游戏中表现都不会太好。

　　这么看来，AI有点像《三体》里初期的智子，不会隐藏自己的想法，也不能明白隐瞒、这种概念。

　　所以，我们真的不必对AI的胜利感到恐惧，它会是办公室里人缘最差的那位同事和后宫剧里一集死的人，某一项能力的突出并不能弥补它在不完全信息方面的短板。更何况意象、类比、反讽、隐喻这种东西，是人类最擅长的手段。

　　我相信，未界最好的样子一定是人类和AI各司其职，做各自最擅长的事情。在视觉叙事这类AI特别不擅长的事情上，它们依然能给人类提供很多帮助。

　　比如用生成对抗神经网络创造人物形象、用监督学习+卷积网络来为线稿上色、甚至开发一款会自动放大文字的漫画阅读App。这些并不是幻想，而是正在发生的现实。当这些繁复的机械劳动被AI代劳后，我们也就能更多的投入到自己擅长的事情中来：利用不完全信息讲好更多故事，让这个世界保持应有的趣味。