“毛刺神经故障”是我在2017年6月开始探索的一种人工智能辅助创作技术，我通过随机改变，删除或交换训练过的权重来操纵训练有素的生成对抗网络。由于神经架构的复杂结构，以这种方式引入的故障发生在纹理和语义层面上，这导致模型以有趣的方式误解输入数据，其中一些可以被解释为自主创造力的一瞥。这个过程的一个有趣的方面是，在一侧，相同的输入数据可以产生非常不同的结果，这取决于故障，同时由相同的故障模型链转换的不同输入数据将产生连贯的样式并显示相同的语义错误解释。
我在这个过程中使用的生成对抗网络和训练代码借用了像素转换和高清像素转移的基本概念，但是通过我过去几年的研究和实验已经演变成我自己的定制架构，让我能够更好地控制细节并减少典型对抗网络的训练数量 。
所有输出都是从头开始完全生成的，不是对现有照片或绘画进行后处理或过滤（除了从现有材料中收集的面部标记等低维数据）。在我的过程中，我经常将多个GAN链接在一起，这些对抗网络已经过不同目的的训练：一些模型从生物识别面部标记生成面部，其他模型从图像生成面部标记，其他模型是“透射增强”对抗网络，从不完整信息中产生新细节和纹理。这些故障可以在其中一些模型中引入，并且根据它们的位置，在链条后面的模型试图“修复”或“治愈”事故，在这种情况下，他们的错误解释可以创造超现实主义的构成或者称之为“神经现实主义” 。
“毛刺神经故障”是一种通过随机改变，删除或交换训练过的权重来操纵完全训练过的GAN的技术。由于神经架构的复杂结构，以这种方式引入的故障发生在纹理和语义层面上，这导致模型以有趣的方式误解输入数据，其中一些可以被解释为自主创造力的一瞥。
我认为“毛刺神经故障”是一种艺术创作方法，可以从中进一步发展各种不同的系列或独立作品。
1. an AI combines different words together to generate an image of what it thinks those words look like
2. the AI then produces variants of those images by “breeding” it with other images, creating “child” images
3. another AI shows the artist several “child” images, measuring his brainwaves and body-signals to select which image he likes best
4. step 2 and 3 are repeated until the AI determines it has reached an optimal image
5. another AI increases the resolution of the image by filling in blanks with what it thinks should exist there
6. the result is sent to be painted on canvas by anonymous student painters in a Chinese painting academy
7. a final AI looks at the image, tries to figure out what is in it, and makes a title
- AI将不同的单词组合在一起，以生成它认为这些单词的样子的图像
2.然后AI通过与其他图像“繁殖”它来产生这些图像的变体，从而创建“子代”图像
3.另一个AI向艺术家展示了几个“儿童”图像，测量他的脑电波和身体信号，以选择他最喜欢的图像
4.重复步骤2和3，直到AI确定它已达到最佳图像
5.另一个AI通过填充它认为应该存在的空白来增加图像的分辨率
6.结果送到美术学院让学生画到画布上
7.最后的AI查看图像，试图找出其中的内容，并创作标题