Люди во всем мире используют интеллектуальные машины для создания новых форм искусства.
В 2018 году, в конце октября, на аукционе изобразительного искусства Christe's появилась явно странная картина. Вдали картина похожа на портрет сурового джентльмена, одетого в черное, XIX века. Этот солидный джентльмен, заключенный в позолоченную раму, кажется мужчиной средних лет; его белые воротнички намекают, что он человек церкви. Картина кажется непритязательной, чего можно ожидать от аукционного дома, который ежегодно продает картины на миллиарды долларов.
Однако при ближайшем рассмотрении все становится немного странным. Работа кажется незаконченной. Черты лица нечеткие, как если бы все тело объекта было запечатлено в движении. На самом деле вся композиция тоже несколько смещена в левый верхний угол. Сама картина мягкая, но сюрреалистичная.
Если бы вы были на аукционе, вы бы прочитали, что картина входит в серию портретов семьи Белами. Вышеупомянутая работа принадлежит Эдмонду де Белами. Но кто такой Эдмон де Белами? Какой-то известный глава семьи? Известный проповедник? Кто-то очень богатый? Что ж, Эдмона де Белами не существует.
Ответ на нашу загадку можно найти в правом нижнем углу портрета. Там вы найдете подпись художника, написанную курсивом на галльском языке. Он гласит:
Наш художник - это машина, умная машина. Хотя по первоначальным оценкам портрет продавался менее чем за 10 000 долларов, картина будет продана за невероятные 432 500 долларов. Портрет был создан не вдохновленным человеческим разумом, а искусственным интеллектом в форме генеративных состязательных сетей или GAN. Верно; машины начинают завоевывать мир искусства .
Искусственный интеллект, способный постигать и создавать искусство, станет большим шагом в развитии интеллектуальных машин.
Искусственный интеллект «Художник» был разработан парижским коллективом Obvious. Они загрузили в свой GAN (подробнее об этом позже) набор данных из 15 000 портретов, написанных между 14 и 20 веками. Их алгоритм проанализировал созданные людьми изображения и приступил к созданию собственного искусства на основе того, что он узнал из тысяч портретов.
В искусстве искусственного интеллекта нет ничего нового. Более 150 лет назад известный математик Ада Лавлейс мечтала разработать компьютер, способный создавать музыку. Действительно, кажется, что рост интеллектуальных машин неизбежен. ИИ становится все более распространенным, помогая анализировать и классифицировать данные и решать проблемы в большом количестве областей. Тем не менее, искусственный интеллект также вторгается в творческий мир и используется для создания музыки, картин и поэзии.
Помимо потенциальной финансовой ценности, исследования в этой области могут продвинуть ИИ дальше, чем мы думали ранее. Искусственный интеллект, способный создавать произведения искусства, неотличимые от произведений, созданных людьми, может стать большим шагом в создании машин, которые могут мыслить больше как люди. В конце концов, что может быть человечнее, чем искусство?
Однако коммерческие проекты, такие как портреты Эдмона Белами и аналогичные эксперименты в области вычислительного творчества, вызвали споры среди инженеров, художников, философов и заинтересованных граждан.
Может ли искусственный интеллект действительно создавать искусство?
Итак, как бы вы научили компьютерный алгоритм рисовать собаку ? Как ребенок, пытающийся нарисовать собаку в первый раз, вы можете начать с предоставления ему различных изображений собак, чтобы получить общее представление о том, как собака выглядит и какие особенности составляют собаку. Создав собственное изображение собаки, а затем сравнив его с изображениями в наборе данных, алгоритм со временем «научился» создавать портрет щенка. Процесс обучения машины на прошлых данных без нового программирования - вот как работает машинное обучение .
В этом процессе используется так называемая нейронная сеть или серия алгоритмов, предназначенных для распознавания основных взаимосвязей в наборе данных посредством процесса, имитирующего работу человеческого мозга. По мере добавления новых данных нейронная сеть может адаптироваться для получения наилучшего возможного результата без необходимости изменения критериев вывода.
Исследователи используют множество различных методов и архитектур машинного обучения. Однако при создании искусства один из часто используемых методов называется генеративными состязательными сетями (GAN). Для простоты в этой статье мы в первую очередь сосредоточимся на GAN.
Что такое порождающая состязательная сеть?
Первоначально разработанные Яном Гудфеллоу и изложенные в статье 2014 года, GAN представляют собой тип техники машинного обучения, в котором используются две нейронные сети, сопоставляющие одну с другой, чтобы генерировать выходные данные, которые могут сойти за реальные данные. GAN можно эффективно использовать, помимо прочего, для создания произведений искусства. Но как они работают ?
Проще говоря, две нейронные сети называются Генератором и Дискриминатором. Допустим, мы хотим научить нашу модель создавать собственный портрет собаки XIX века. Для нашего примера представьте Генератор как подделку произведений искусства, а Дискриминатор как средство аутентификации произведений искусства. Сначала нам нужно будет показать Генератору тысячи картинок с собаками разных размеров и пород, чтобы он мог узнать, какие элементы могут составлять собаку.
Генератор использует информацию в наборе данных для создания рисунка собаки. Затем Дискриминатор попытается определить разницу между синтетической картиной и картиной, созданной человеком, из набора данных. Когда Дискриминатор обнаруживает «фальшивку», Генератор «узнает», как его попытка не удалась, и пытается снова. Вначале Генератор создает множество картин, которые недостаточно похожи на собачьи, чтобы обмануть Дискриминатора.
Однако Генератор также учится на постоянной обратной связи Дискриминатора. В конце концов, он создает портреты собак, которые все больше и больше похожи на собак, пока в конечном итоге не сможет обмануть Дискриминатора, заставив его думать, что новые изображения - это портреты из реальной жизни. Конечный результат - это наше искусство.
Одна из самых необычных особенностей сетей GAN заключается в том, что вы можете взять базовую архитектуру и обучить модель на любом наборе данных, который вам нужен.
Этот метод можно использовать не только для рисования, но и для голосов, текста и даже лиц. Вирусный веб-сайт This Person Does Not Exist создает пугающе реалистичные человеческие лица с помощью Generative Adversarial Networks, создавая, как следует из названия, лица людей, которых не существует, но которые почти неотличимы от тех, которые существуют. Такие факторы, как размер набора данных, основные характеристики данных, время, которое вы тратите на обучение своей модели, и тип модели GAN - все это влияет на конечный результат. Используя различные типы наборов данных, вы можете создать что-то гиперреалистичное, например изображения на веб-сайте Does Not Exist, или что-то фантастическое и абстрактное, например портрет Эдмона Белами.
Существуют различные методы этого машинного безумия
Художники, исследователи и специалисты по обработке данных используют возможности генерирующих состязательных сетей для создания художественных шедевров. Одной из самых выдающихся фигур в этой растущей художественной сфере является новозеландский художник и преподаватель вычислительного дизайна Том Уайт . Его работа посвящена исследованию «Алгоритмического взгляда: как машины видят, знают и формулируют мир». Уайт сотрудничал с системами искусственного интеллекта, чтобы создать искусство, которое изображает мир не таким, каким его видят люди, а как его делают алгоритмы.
Для людей изображения, создаваемые алгоритмами Уайта, выглядят как случайное расположение линий и пятен. Но алгоритмы могут идентифицировать их как конкретные объекты: акулу, бинокль, газонокосилку. Изображения создаются путем выбора объекта и последующего создания системой рисования абстрактных линий. Это изображение загружается в классификатор машинного зрения, который пытается угадать, что это за выбранный объект. Основываясь на предположении, система рисования затем настраивает изображение и снова пропускает его. Процесс продолжается до тех пор, пока классификатор не угадает правильно.
Однако, как и Кадинский, Пикассо и Миро, это абстрактные картины. Это не человеческое представление о том, как выглядит объект, а идея машины - они представляют, как алгоритм «видит» мир. И это, как выясняется, сильно отличается от того, как человек видит мир.
Работа Уайта - лишь верхушка айсберга. Немецкий художник Марио Клингеманн разработал нейронные сети, которые создают сказочные старинные портреты, которые развиваются и «оживают» в реальном времени. Еще один художник по искусственному интеллекту - бывшая художница Google, Сугвен Чанг , которая создала систему, которая вместе с ней создает потрясающие картины для дуэтов.
Помимо живописи, исследователям также удалось научить ИИ писать стихи. В статье, опубликованной Университетом Торонто и IBM, исследователи описывают, как они использовали 3000 сонетов для обучения алгоритму написания собственных сонетов в шекспировском стиле. Это один из конечных результатов:
"Веселые азартные игры веселые и по-прежнему массивы
Уже не тогда, когда он был, в то время как в свое время
Сначала пройти всеми восхитительными способами
Вокруг него очаровательный и из всех его дней "
Неплохо для машины, правда? Но что, если музыка - ваша любимая форма выражения? AI тоже может это сделать. Весной 2019 года любители классической музыки собрались на необычное мероприятие. Музыкальный опыт включал музыку, сочиненную Бахом с помощью искусственного интеллекта. Перед зрителями была поставлена задача расшифровать, какая музыкальная композиция была создана человеком, а какая - машиной.
Используя форму Generative Adversarial Network, исследователи проекта смогли обучить ИИ сочинять музыку, которая звучала так, будто сам Бах вернулся к жизни. Даже руководитель проекта Маркус дю Сотуа, математик из Оксфорда, изо всех сил пытался расшифровать различия в двух композициях.
Но действительно ли ИИ создает искусство?
Может ли искусственный интеллект быть творческим? Этот вопрос лежит в основе исследований в этой области. Вернемся к нашим примерам рисования. Кто на самом деле автор картин? Сам алгоритм или человек, стоящий за ним? Для многих это первое. Нам, людям, нравится думать, что наши творческие способности делают нас уникальными, что отличает нас от животных и машин. Однако другие утверждают, что необъятность человеческого творчества может быть сведена в сложный процесс, который включает, по сути, решение проблем.
Можно ли научить машину имитировать творческий процесс? Профессор Маркус дю Сотуа, автор «Кодекса творчества» , не обязательно так считает. Во всяком случае, профессор Саутой считает, что мы задаем неправильный вопрос. Вместо того, чтобы думать об ИИ как о замене человеческого творчества, полезно изучить способы использования ИИ в качестве инструмента для увеличения человеческого творчества.
В приведенных здесь примерах ИИ использовался для исследования новых перспектив существующих сред. Машины, которые мы видели до сих пор, могут не быть по-настоящему творческими, поскольку они по-прежнему полагаются на людей в своих исходных данных и параметрах, своих «источниках вдохновения». Во всяком случае, этот новый творческий процесс является скорее совместным, чем состязательным.
Поэтому вместо того, чтобы говорить, что это искусство было создано A I, было бы правильнее сказать, что эта картина была создана с помощью AI . Это просто не так цепляет.
Профессор Саутой считает, что даже если машины станут более умными, достигнув некоторого общего интеллекта, их роль в создании искусства все равно будет заключаться в сотрудничестве, изучении целых новых творческих сфер, которые, вероятно, не развивались бы, если бы они работали в одиночку.
Вы можете создать свой собственный искусственный интеллект
Возможно, вы могли бы даже продать его как NFT ? Существует широкий спектр инструментов, которые позволяют людям, практически не имеющим опыта в программировании или машинном обучении, создавать свои собственные произведения искусства. Такие инструменты, как GANBreeder , позволят вам взять два изображения и создать новое, используя различные модели и наборы данных GAN. Если вы хотите немного больше контроля без программирования, попробуйте полусвободный инструмент Runaway ML . Вы можете импортировать массивные наборы данных и синтезировать все, от несуществующих галактик до собственного покемона.