论人工智能在传统书法艺术中的应用与探索

【摘 要】随着深度学习技术在各个领域的广泛应用，人工智能与书法艺术的结合也越来越紧密。目前，人工智能主要应用在手写文字识别领域，一般采用“选用数据集—搭建网络—模型训练”的方法，依据轮廓、骨架相似性等原理，构建手写文字识别系统。当下，在书法评价领域，我们通过自建专用书法作品数据集进行深度学习训练，努力构建全面的书法智能评价系统。随着科技和工业制造水平的不断提高，人工智能将会在书法作品的评价、书写乃至创作方面有很好的应用前景，迎来书法艺术发展的春天。

【关键词】人工智能;深度学习;书法评价

【中图分类号】G420  【文献标志码】B  【文章编号】1005-6009（2021）30-0007-03

【作者简介】王开玲，江苏省盐城市日月路小学（江苏盐城，224005）副校长，高级教师，盐城市小学语文学科带头人，盐城市小学语文基本功大赛一等奖。

技术与艺术一向被视为光谱的两端。技术意味着可量化、可复现、可批量产出，艺术则恰恰相反。大多数人都认为艺术本身的创造性很难被取代，而人工智能的可解释性、可迁移性、可靠性同样非常重要。如果将可解释性人工智能应用到艺术领域，可以提升人对艺术的理解，比如什么样的艺术能够产生美感、如何创造美的艺术，甚至影响艺术品的评价内容和估值等。

基于机器学习的书法评价是非常复杂的系统问题，需要大量的数据和训练才能得以验证，从而取得有效的评价结果。目前，国内外已有不少学者在文字识别领域取得了显著成果，文字识别技术已经在印刷体和部分手写体文字识别方面得到了很好的应用。但是目前在基于机器学习的书法评价体系方面，相关研究还非常少，处于起步阶段。

一、深度学习在手写文字识别领域的应用

笔者在国内近几年文字识别方面的研究中发现，当前对于书法字的识别大多采用轮廓相似性以及骨架相似性的方法。吴媛等人提出的一种基于数学形态学的脱机手写体汉字识别方法，在识别率方面有显著的提升，但移植到数据量很大的书法字的检索系统中时，会出现检索速度变慢，检索的效果不如手写的字好等问题。在此方法的基础上，俞凯等人提出一种基于骨架相似性的书法字检索方法，在保证查全率与查准率的基础上，检索速率有了显著的提升，但是建立的特征数据库比较大，并不能满足系统的设计要求。为了解决相关算法计算量大、耗时长、效率低等问题，章夏芬等人提出根据样本字特征进行動态变化的自适应匹配法，在效率没有改变的前提下，查全率与查准率得到了一定的提升，但随着数据量增大，检索所需的时间也会呈线性增长。

目前，很多大公司，比如科大讯飞和百度AI都已经推出了成熟的手写文字识别系统。系统可基于深度神经网络模型端到端文字识别系统，将图片（来源于扫描仪或数码相机）中的手写字体转化为计算机可编码的文字。

以上所述的研究和实现方法都是大同小异的，基本上都是先选用数据集，再搭建网络，对数据集进行模型训练。

1.搭建网络。

其实文字识别就是一个多分类任务，如一个手写汉字数据集的分类就属于文字识别任务。用来定义它的网络非常简单，基本就是LeNet网络。LeNet由Yann LeCun等人于1989年提出，它是一种用于手写体字符识别得非常高效的卷积神经网络，推动了深度学习的发展。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，再使用全连接神经网络进行分类识别。这个网络是卷积神经网络架构的起点，后续许多网络都以此为范本进行优化。

2.模型训练。

训练之前应设计好数据，使其能高效地喂给网络训练。首先，创建数据流图，这个数据流图由一些流水线的阶段组成，阶段间用队列连接在一起。第一阶段将生成文件名，我们读取这些文件名并且把他们排到文件名队列中。第二阶段从文件中读取数据（使用Reader），产生样本，再把样本放在一个样本队列中。根据个人的设置，实际上也可以拷贝第二阶段的样本，使得他们相互独立，这样就可以从多个文件中并行读取。在第二阶段的最后是一个排队操作，就是入队到队列中去，在下一阶段出队。我们一旦开始运行这些入队操作的线程，训练循环就会使得样本队列中的样本不断地出队。流程如图1所示。

<f：＼教育8本书＼江苏教育2021＼江苏教育4期＼书法4期＼书法4期图片＼2.论人工智能在传统书法艺术的中的应用与探索（1）（1）-357D＼image1.png>[enqueue_many][dequeue][enqueue][Decoder][图1 数据读入流程]

二、深度学习在书法评价领域的探索

目前在书法作品评价方面，大多采用将要评价的样本与标准书法作品进行相似度计算的方法。例如，湖北工业大学的邵荣堂对书法练习作品中书法字的骨架与字帖中书法字的骨架进行相似度的计算。他首先采用本文中提出的一种基于Z-S 算法改进的单像素化处理的骨架提取的算法，从而得到基于整体结构特征的相似度值;而后采用一种九宫格的形式对书法字的骨架进行切分，将每一部分的骨架对比字帖中书法字相同位置的骨架，利用Hu矩与皮尔逊相关系数对相似度进行计算，得到基于笔画形体特征的相似度值;最后利用书法字距离边框的值与整个书法字在边框中的布局来综合计算字体布局特征面的相似度值。整体评判的标准依据书法初级考试的标准制定。

现有的许多书法评价系统都要先区分书法作品的字体，如行、草、隶、篆、楷五种字体，使用者可以根据自身喜好选择合适的书法字体以及书写风格。系统利用基于向量误差的书写评析模型，通过书法字迹智能提取、智能书法评分、智能书写指导等过程，将单字书法中书写失误部位用红色标记，将书写准确部位用绿色标记。

但以上方法有局限性。当选取小学生书法作品进行评价的时候，很难通过识别字体来评判优劣。并且目前大多是以学者和研究人员为对象的书法评价系统研究，都是采用现有的局限性较大的公共数据集来进行模型训练的，没有大量的中小学生书法作品数据集，很难更准确地实现人工智能打分的目的。因此，中小学书法教师在自建专用书法作品数据集进行深度学习训练方面还需要展开相关工作。

三、深度学习在书法创作领域的展望

很多艺术家认为机器不会取代艺术家的所有艺术创作，实际上人工智能艺术取代一部分艺术创作是有可能的。这一部分到底是多少？谁又有可能被率先取代呢？

就目前音乐创作情况来看，机器人已经能作曲，并取得了不错的应用效果。随着3D打印和雕刻机械的智能化，部分雕塑也要面临人工被机器取代的趋势。接下来可能就是书法了。

理論上讲，与书法评价一样，只要有足够的深度学习数据集，有足够好的算法，深度学习就可以让人工智能学会书法创作，再结合灵活高效的机械控制装置，人工智能很有可能完成甚至超过人类的书法创作。从目前机器手臂书写我们可以看出，唯一阻碍机器不能像人一样流利书写的瓶颈就是笔。机器书写字形和提按比较轻松，而控制笔在书写过程中笔毛形状的变化和笔的干湿度把握是机器的短板。随着科技和工业制造水平的不断提高，日后应该可以逐步解决机器控制笔的问题，到那时，书法领域将会有重大变革。

人工智能对人类造成的冲击，将使人们对自身的生命价值产生新的焦虑与追问，从而迫使人们静下心来审视书法以及其他艺术的本质意义，到那时，自然的书写、精神的交流与创造将成为人们内在的迫切需求。人们迫切需要以审美的力量解答心灵归属问题，对心灵的渴望予以真正的满足，给焦躁孤独和漂泊的灵魂以意义和价值的安顿，对人类困境给出审美的精神层面的回应和引导。

若真的如此，书法的春天就真的来临了。就算机器人能写出漂亮的书法，但它无法完成人们通过书写来抒发真情实感而创造的内在精神需求。从唯物辩证法的视角看，事物总是遵循否定之否定的规律，在螺旋式上升的过程中向前发展，从古代书家的自然书写，到当下的功利性书写，再到人工智能时代的全新历史阶段的自然书写与精神创造，或将迎来书法艺术发展的全新境界。<F：＼教育8本书＼江苏教育2021＼江苏教育4期＼书法4期＼KT1.TIF>

【参考文献】

[1]刘仁坤.利用现代信息技术提高书法教学实效[J].基础教育论坛，2019（3）：58-60.

[2]邵荣堂. 基于机器学习的书法字识别与智能评判[D].武汉：湖北工业大学，2020.

[3]顾刚. 汉字识别关键算法研究与应用[D].杭州：浙江大学，2017.

[4]殷良鹰. 非线性度量学习算法研究[D].北京：北京理工大学，2016.

[5]周润物，李智勇，陈少淼，等.面向大数据处理的并行优化抽样聚类K-means算法[J].计算机应用，2016，36（2）：311-315，329.

[6]曲延直.基于深度学习的汉字书法识别研究[J].电子测试，2019（24）：44-46，61.