Video emisije Kako A.I. Stvorena umjetnost može i opčiniti ili proganjati vaše snove

Ranije ovog mjeseca, aukcijska kuća Christie's prodala je ono što kaže da je prvi komad algoritamski generirane umjetnosti koju prodaje glavna aukcijska kuća. Cijena - gotovo pola milijuna američkih dolara - potaknula je niz pitanja o podrijetlu autorstva, umjetničkom tržištu opsjednutoj novostima, a možda i najvažnije: zašto?

Pa ipak, napori koji se ulažu u podučavanje strojeva o umjetnosti, ili preciznije o slikama, teško da su publicitet. Od mogućnosti boljeg otkrivanja obmanjujućih videozapisa do retroaktivnog mijenjanja uloge filma, računalni znanstvenici imaju niz praktičnih razloga za podučavanje strojeva kako se bolje uključiti u vizualni svijet.

Daniel Heiss je jedan od takvih tehnoloških entuzijasta. Kreativni programer za ZKM Centar za umjetnost i medije bio je rani primatelj neuronske mreže koju su u travnju objavili istraživači NVIDIA-e. Stvoren je za generiranje slika imaginarnih slavnih osoba nakon treninga s tisućama fotografija postojećih slavnih osoba. To je inspiriralo Heissa da uključi 50.000 slika iz fotonaprave koje je prikupila jedna od interaktivnih umjetničkih instalacija ZKM-a kako bi vidjela kakva je umjetnost njegova A.I. proizvesti. U on-line intervjuu, kaže on Inverzan rezultati su bili bolji nego što je ikada zamišljao.

- Vidio sam ludo savijanje slika lica na tri slike lica na dvije slike lica i tako dalje. To je bilo puno bolje nego što sam ikada pomislio. "Čak sam pokušao filtrirati slike tako da se koriste samo slike s jednim licem, ali dok sam radila na tome, uzorci generirani iz nefiltriranog skupa podataka izišli su tako dobro da to zaustavim."

progresivno uzgajani GAN (Karras et al) trenirao je na ~ 80.000 slika pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) 3. studenog 2018

Heissov videozapis dobio je više od 23.000 glasova na Redditu. Prvotno je objavio snimku prikazanu iznad 4. studenog, kao odgovor na još jednu trippy uporabu NVIDIA algoritma programera Gene Kogana. Umjesto hranjenja selfija s neuronskim mrežama, Kogan je koristio otprilike 80.000 slika.

Kogan je također bio oduševljen sposobnošću A.I. da stvori okvire koji podsjećaju na različite stilove, a ne samo na sve to.

"Bio sam iznenađen njegovom sposobnošću da zapamti toliko različitih estetika, a da ne postane previše zbrkan", kaže on Inverzan, "Mislim da je to posljedica igranja s nekoliko stotina milijuna parametara."

Kako podučavamo A.I. napraviti vlastite slike

Istraživački tim NVIDIA-e, na čelu s Terom Karrasom, iskoristio je generativnu kontradiktornu mrežu, ili GAN, izvorno teoretiziranu od strane cijenjenog računalnog znanstvenika Iana Goodfellowa 2014. godine. To je bila temeljna tehnologija iza Googleovog alata DeepDream koji je stvarao valove na terenu i online.

GAN se sastoji od dvije mreže: generatora i diskriminatora. Ovi računalni programi međusobno se natječu milijune i milijune puta kako bi poboljšali svoje vještine generiranja imidža sve dok nisu dovoljno dobri da bi stvorili ono što s vremenom postaju poznati kao duboki zmaj.

Generator se hrani fotografijama i počinje ih pokušavati oponašati što je bolje moguće. Zatim prikazuje originalnu i generiranu sliku diskriminatoru, čiji je zadatak da ih razlikuje. Što se više pokusa provodi, generator bolje sintetizira slike, a diskriminator postaje bolji što ih razdvaja. To rezultira nekim prilično uvjerljivim - ali potpuno lažnim - licima i slikama.

Kako ova tehnologija može pomoći umjetnicima

A. I. već je stvorio ime u svijetu umjetnosti. Osim kompjuterski stvorenog portreta koji je prodan u Christie'su, DeepDream pravi trippy pejzaže još prije nego što su duboki ribari bili stvar.

Heiss vjeruje da su alati za strojno učenje koji se danas stvaraju zreli da bi ih koristili umjetnici, ali njihovo korištenje zahtijeva tehničku snagu. Zato ZKM organizira izložbu Otvorenih kodeksa kako bi potaknuo više suradnje između tehnološkog i kreativnog sektora.

"Alati koji se sada pojavljuju mogu biti vrlo korisni alati za umjetnike, ali umjetniku je teško bez znanja programiranja i vještina administracije sustava koristiti ih", rekao je. "Ova veza između znanosti i umjetnosti može dovesti do velikih stvari, ali potrebna je suradnja u oba smjera."

Rane iteracije A.I., poput GANS-a, mogu upiti milijune na milijune točaka podataka kako bi vidjeli obrasce, pa čak i slike koje ljudi nikada ne bi mogli sami smisliti. Međutim, njihova je kreativna vizija još uvijek ograničena onim što ljudi odluče dati tim algoritmima kao sirove podatke.

S oštrim okom za estetiku i vještine kodiranja, umjetnici koji koriste A.I. budućnosti mogli bi koristiti strojno učenje kako bi započeli novo doba kreativnosti ili udahnuli život starijim umjetničkim stilovima. No, bit će potrebno mnogo podataka da bi se učili strojevi kako bolje oponašati ljudsku genijalnost i uzeti ono što računalo izbaci korak dalje.