人工智能藝術是指在人工智能（簡稱AI）的幫助下產生的藝術作品。它的范圍很廣，既有人工智能獨立生成的作品，也有人機合作創作的作品。些作品目前涵蓋繪畫、音樂、詩歌、電影、舞蹈、雕塑等多個領域。要理解這種新興的、新型的數字藝術，你首先需要理解機器學習、算法、神經網絡、深度學習、生成對抗網絡和創新對抗網絡等重要概念。
  人類通過感官和經驗獲取知識，而機器學習指的是計算機系統學習勝任特定任務的路徑：一種是通過與完成特定任務相關的獎懲機制，這被稱為強化學習。一種是通過饋送大量帶標簽的數據，先掌握其中的邏輯，然后再實現相關信息或事物的再現。這種機制被稱為監護學習。例如，給一組猴子圖像喂食可以讓計算機學會識別猴子。當我們把一張照片放在它的前面，電腦就能準確地判斷出這張照片是否與猴子有關。
  算法是一系列按步驟執行的指令。可以簡單到幾行代碼，也可以復雜到百度搜索結果，需要幾百萬行才能完整的顯示出來。這些指令告訴計算機做什么，如何解決問題，如何進行計算，如何在屏幕上顯示東西，等等。
  神經元是傳遞和處理感覺信息的人類腦細胞。神經網絡特指一種計算機算法，它模仿人腦處理各種信息的方式，包括多層相互連接的神經元。神經網絡算法不同于傳統的計算機編程算法。后者是程序員設計的一系列供計算機執行的程序，而前者是計算機自主的計算機制，不需要人類的任何指令。例如，卷積神經網絡是一種能夠自主識別圖像上的某個特征或模式的神經網絡。
  深度學習是指包含多層連接神經元的神經網絡。人的大腦一樣，它所包含的神經元層越多，它的學習能力就越強。
  生成對抗網絡(GaN)是指兩個神經網絡相互競爭，以逐步達到預期的結果。其中一個神經網絡試圖生成與訓練數據不同的結果(通常稱為創建神經網絡)，例如訓練圖像的不同的新照片。另一個神經網絡負責識別由創建神經網絡生成的與訓練數據非常不同的結果（通常稱為識別神經網絡）。例如，創建神經網絡預計將生成一只狗的新照片。如果輸出看起來像房子的圖像被識別神經網絡篩選出來，并反饋給創建神經網絡，從而保證其朝著預期的創建目標前進。
  創新型對抗性網絡(CAN)以生成性對抗性網絡為基本框架，將一定的隨機性嵌入到神經網絡的結果中，并在這些結果中加入了一種合適的審美訓練機制，以產生更多新穎、震撼的藝術作品。這顯然是一種模仿人類創造力的方式，目標是生成突破現有藝術風格和形式的藝術作品。
  對于人工智能技術的“一鍵脫衣”，網友紛紛批評：“掌握了這項技術就可以隨意變臉了嗎？仔細想想真的很可怕”“技術不應該用在這上面”。
  人工智能綜合技術在為公眾提供娛樂的同時，也因濫用和缺乏監管而引發了潛在的信息安全風險和侵權傳播。
  技術本身沒有好壞之分，但一旦有人惡意使用，就會產生非常可怕的后果。所謂的人工智能變臉技術本身的合法性一直備受爭議，而且極其容易成為邪惡的利刃，對無辜的人造成無法彌補的傷害。