地球照耀火星 · Terra Mars

“人工智能在火星回想地球的模样……”

当人类能够从太空中回望地球以后，这颗蓝色行星的图像总能唤起一种当代的乡愁和诗意的内省。火星的图像则往往能够激发相反的情绪——它寂寥而又苍凉，似乎在提醒着我们人类在宇宙有多么孤独。而我在《地球照耀火星》中进行艺术呈现的则是样貌仿佛地球的火星。为此我训练了一个人工神经网络，让它学习地球的地形与卫星图像之间的联系。训练完成之后，我再使用这个神经网络基于火星的地形数据生成类似地球的图像。通过这个项目，我希望探索一种运用人工智能进行艺术创作的新途径——利用人工智能的重映射能力拓展艺术想象的边界。

上图示意本项目中使用的条件生成对抗网络（Conditional GAN）和数据样例。训练阶段使用地球数据；生成阶段使用火星数据。在训练过程中，生成器学习如何根据地理信息构建彩色图像，以期骗过鉴定器；而判别器学习如何识别地球图像的真伪。两个网络交替训练，以期相互竞争并同步成长。模型所使用的数以千计的数据区块由地球和火星的全球数据切分而成。为辅助训练和生成，数据集中亦包含海陆遮罩和经纬度信息。

《地球照耀火星》第 65 代训练过程的中间结果，每一幅图片代表着全部 200 轮训练中每一轮的生成图像的质量。训练之初，网络所生成的图像完全不像地球。然而在对数以千计的训练样本进行数百遍的学习之后，生成器已经掌握了关于地球地理的大量知识，并能够据此生成逼真的图像了。一个成功的神经网络模型是长期迭代的结果，需要反复进行架构调整、数据整理、超参数调节以及模型训练等工作。

训练完成的神经网络模型最终被用于生成接近十亿像素尺寸的火星全球数据——这足以渲染高品质的火星半球图像、详细的火星地图以及具有视觉冲击力的火星局部图像。

《地球照耀火星》第73代西半球 2019年。中央为巨大的水手号峡谷，西部可见包括太阳系行星最高峰——奥林帕斯山在内的火星上最高的几座山峰。 — **《地球照耀火星》第73代西半球**
2019年。中央为巨大的水手号峡谷，西部可见包括太阳系行星最高峰——奥林帕斯山在内的火星上最高的几座山峰。

《地球照耀火星》第73代东半球 2019年。西南部是名为希腊盆地的巨大湖泊，东北部可见以埃律西昂山为中心的火山岛。 — **《地球照耀火星》第73代东半球**
2019年。西南部是名为希腊盆地的巨大湖泊，东北部可见以埃律西昂山为中心的火山岛。

《地球照耀火星》第73代地图 2019年。标有至2018年为止所有成功着陆的火星探测器的登陆地点。 — **《地球照耀火星》第73代地图**
2019年。标有至2018年为止所有成功着陆的火星探测器的登陆地点。

以空间站视角飞过《地球照耀火星》第73代西半球的一些标志性地貌。

如果我们的母星的图像能够唤起你的某些情感，那么一颗状若地球的外星是否也能激发你的同样抑或别样的感情呢？欢迎你从各种角度出发来解读《地球照耀火星》。如果你愿意，你可以把它看做是地球和火星这两个行星的一种“混搭”；你可以结合真实的火星地理来探索这个虚构的版本；你可以把它视为火星地球化工程的科幻蓝图；或者你也可以单纯地欣赏这颗像地球一样的行星的美丽。

对我而言，这种基于人工智能的创作手段最吸引我的地方在于我们可以对其作品作出完全相反的两种判断——项目所呈现的火星图景一方面完全不符合科学，另一方面却又完全合“理”。这种“理”是由人工智能在不厌其烦地分析、学习精确的数据之后总结出来的。它曾经数百遍地检视地球上每一个角落的地貌，再将其所学贯彻到生成火星地貌过程中的每一个决策里。人类艺术家无法独自完成这样的创作。

因此，我认为人工智能是新的想象力，它独特的跨领域信息映射能力将会启发和帮助艺术家创作出世界前所未见的作品。

《地球照耀火星》系列

《地球照耀火星》是同名系列中的第一个作品。本系列包括以下作品：

说明

《地球照耀火星》或《火星照耀地球》的一“代”表示完整生成一次火星图像。生成过程包括使用神经网络模型将火星或地球的全球地形数据区块转换成彩色图像，并将所生成的区块拼接成完整的全球图像。这个过程往往包括模型训练，但不是每一代都会训练新的模型。

展览信息

Compass – Navigating the Future（罗盘——驾驭未来）：2019年5月27日开展，林茨，电子艺术中心。
"Weather the Weather" a SciArt Initiative exhibition at the New York Hall of Science（“历经风雨”科学艺术倡议组织展览）：2019年9月10日至2020年1月10日，纽约科技馆。
第五届艺术与科学国际作品展暨学术研讨会：2019年11月2日至30日，北京，中国国家博物馆。
SUBMERGE（淹没）：2019年12月15日至2020年1月30日，科学画廊班加罗尔。
深圳湾科技艺术节——最后的预言家：2020年12月26日至2021年1月26日，深圳湾万象城。
Art: Key to Conflict Resolution（艺术——解决冲突的钥匙）：2022年6月27日至2022年7月27日，塞萨洛尼基，市政美术馆。
FILE – Electronic Language International Festival（FILE——国际电子语言艺术节）：2022年7月13日至2022年8月28日，圣保罗，塞西美术馆。
阿涅类寻：2023年5月19日至8月11日，上海，SNAP艺术中心。

论文发表信息

Weili Shi. "Terra Mars: When Earth Shines on Mars through AI's Imagination," Leonardo, Volume 52, Issue 4, August 2019.
- 2019年7月30日于洛杉矶在 SIGGRAPH 2019 （计算机图形学年会）上宣读。

神经网络模型参考

P. Isola, et al. "Image-To-Image Translation With Conditional Adversarial Networks," Proceedings of IEEE Conference on Computer Vision and Pattern Recognition 2017, 5967–5976.

T. C. Wang, et al. "High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition 2018, 8798–8807.

数据来源

"Blue Marble: Next Generation," (NASA, 2005).
"Blue Marble," (NASA, 2002).
"Mars HRSC MOLA Blended DEM Global 200m v2," (U.S. Geological Survey, 2017).
"Viking Global Color Mosaic (MDIM1 controlled) 925m," (U.S. Geological Survey, 2001).

素材来源

云层素材："Blue Marble," (NASA, 2002).
夜景素材："Black Marble 2016," (NASA, 2017).
星空素材："Deep Star Maps," (NASA, 2012).