人工智能艺术是指在人工智能（简称AI）的帮助下产生的艺术作品。它的范围很广，既有人工智能独立生成的作品，也有人机合作创作的作品。些作品目前涵盖绘画、音乐、诗歌、电影、舞蹈、雕塑等多个领域。要理解这种新兴的、新型的数字艺术，你首先需要理解机器学习、算法、神经网络、深度学习、生成对抗网络和创新对抗网络等重要概念。
人类通过感官和经验获取知识，而机器学习指的是计算机系统学习胜任特定任务的路径：一种是通过与完成特定任务相关的奖惩机制，这被称为强化学习。一种是通过馈送大量带标签的数据，先掌握其中的逻辑，然后再实现相关信息或事物的再现。这种机制被称为监护学习。例如，给一组猴子图像喂食可以让计算机学会识别猴子。当我们把一张照片放在它的前面，电脑就能准确地判断出这张照片是否与猴子有关。
算法是一系列按步骤执行的指令。可以简单到几行代码，也可以复杂到百度搜索结果，需要几百万行才能完整的显示出来。这些指令告诉计算机做什么，如何解决问题，如何进行计算，如何在屏幕上显示东西，等等。
神经元是传递和处理感觉信息的人类脑细胞。神经网络特指一种计算机算法，它模仿人脑处理各种信息的方式，包括多层相互连接的神经元。神经网络算法不同于传统的计算机编程算法。后者是程序员设计的一系列供计算机执行的程序，而前者是计算机自主的计算机制，不需要人类的任何指令。例如，卷积神经网络是一种能够自主识别图像上的某个特征或模式的神经网络。
深度学习是指包含多层连接神经元的神经网络。人的大脑一样，它所包含的神经元层越多，它的学习能力就越强。
生成对抗网络(GaN)是指两个神经网络相互竞争，以逐步达到预期的结果。其中一个神经网络试图生成与训练数据不同的结果(通常称为创建神经网络)，例如训练图像的不同的新照片。另一个神经网络负责识别由创建神经网络生成的与训练数据非常不同的结果（通常称为识别神经网络）。例如，创建神经网络预计将生成一只狗的新照片。如果输出看起来像房子的图像被识别神经网络筛选出来，并反馈给创建神经网络，从而保证其朝着预期的创建目标前进。
创新型对抗性网络(CAN)以生成性对抗性网络为基本框架，将一定的随机性嵌入到神经网络的结果中，并在这些结果中加入了一种合适的审美训练机制，以产生更多新颖、震撼的艺术作品。这显然是一种模仿人类创造力的方式，目标是生成突破现有艺术风格和形式的艺术作品。
对于人工智能技术的“一键脱衣”，网友纷纷批评：“掌握了这项技术就可以随意变脸了吗？仔细想想真的很可怕”“技术不应该用在这上面”。
人工智能综合技术在为公众提供娱乐的同时，也因滥用和缺乏监管而引发了潜在的信息安全风险和侵权传播。
技术本身没有好坏之分，但一旦有人恶意使用，就会产生非常可怕的后果。所谓的人工智能变脸技术本身的合法性一直备受争议，而且极其容易成为邪恶的利刃，对无辜的人造成无法弥补的伤害。
