Video ukazuje, ako A.I. Generované umenie môže obdivovať alebo strašiť svoje sny

Začiatkom tohto mesiaca aukčný dom Christie predal to, čo sa hovorí, je vôbec prvým dielom algoritmicky generovaného umenia, ktorý predal hlavný aukčný dom. Cenovka - takmer pol milióna amerických dolárov - vzniesla množstvo otázok o pôvode autorstva, novátorsko-posadnutom umeleckom trhu a možno najdôležitejšie: prečo?

A napriek tomu snahy o učenie strojov o umení alebo presnejšie o obrazoch sú sotva reklamným kúskom. Počítačoví vedci majú množstvo praktických dôvodov na to, aby učitelia mohli lepšie rozpoznať klamlivé videá a spätne zmeniť obsadenie filmu.

Jedným z takýchto technologických nadšencov je Daniel Heiss. Kreatívny vývojár pre ZKM Centrum pre umenie a médiá bol v apríli prvoradým predstaviteľom neurónovej siete, ktorú vydali výskumníci NVIDIA. Bol vytvorený na vytvorenie obrázkov imaginárnych celebrít po tréningu s tisíckami fotografií existujúcich celebrít. To inšpirovalo Heiss k pripojeniu 50 000 fotobotiek, ktoré zozbieral jeden z interaktívnych umeleckých inštalácií ZKM, aby zistil, aký druh umenia má jeho A.I. produkovať. V on-line rozhovore hovorí obrátený výsledky boli lepšie, než si vôbec predstavoval.

„Videl som bláznivé zvinutie jednej tváre na tri tváre na dva tváre a tak ďalej. To bolo oveľa lepšie, než som si kedy myslel, “povedal. „Dokonca som sa pokúšal filtrovať obrázky tak, aby sa používali iba obrázky s jednou tvárou, ale kým som pracoval na tom, že vzorky vytvorené z nefiltrovaného súboru údajov vyšli tak dobre, že som to zastavil.“

progresívne rastúci GAN (Karras et al) vyškolený na ~ 80.000 obrazov pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) 3. novembra 2018

Heissovo video od tej doby získalo viac ako 23 000 upvotes na Reddit. Pôvodne tweetoval zábery uvedené vyššie 4. novembra v reakcii na ďalšie trippy použitie algoritmu NVIDIA programátorom Gene Koganom. Namiesto napájania neurónovej siete používal Kogan približne 80 000 obrazov.

Kogan bol tiež odfúknutý schopnosťou A.I. vytvoriť snímky, ktoré sa podobali odlišným štýlom, namiesto toho, aby všetko zmáčali.

„Bol som prekvapený jeho schopnosťou zapamätať si toľko rôznych estetických aspektov bez toho, aby sa príliš neusporiadali,“ hovorí obrátený, „Myslím, že to má vplyv na to, že niekoľko stoviek miliónov parametrov je hračkou.“

Ako učíme A.I. vytvoriť svoje vlastné obrázky

Výskumný tím NVIDIA, vedený Terom Karrasom, využil generatívnu kontroverznú sieť, alebo GAN, pôvodne teoretizovanú váženým počítačovým odborníkom Ianom Goodfellowom v roku 2014. Toto bola základná technológia, ktorá stojí za nástrojom spoločnosti DeepDream spoločnosti Google, ktorý robil vlny v teréne a online.

GAN pozostáva z dvoch sietí: generátora a diskriminátora. Tieto počítačové programy súťažia proti sebe milióny krát miliónykrát, aby vylepšili svoje zručnosti vytvárania obrazu, až kým nie sú dosť dobré na to, aby vytvorili to, čo sa nakoniec stalo známym ako hlboké zápasy.

Generátor je napájaný fotkami a začína sa ich snažiť čo najlepšie napodobňovať. Potom zobrazí originál a generované obrázky diskriminátorovi, ktorého úlohou je odlíšiť ich. Čím viac skúšok sa vykoná, tým lepšie sa generátor dostane k syntetizovaniu obrazov a tým lepšie sa diskriminátor stane, keď im ich rozozná. To má za následok niektoré docela presvedčivé - ale úplne falošné - tváre a maľby.

Ako tento Tech môže pomôcť umelcom

Ad interim sa už v umeleckom svete stal menom samým. Okrem počítačom generovaného portrétu, ktorý bol predaný v Christie's, DeepDream robil trippy krajiny, pretože predtým, ako boli veci hlboké, to bola vec.

Heiss verí, že nástroje strojového učenia, ktoré sa dnes vytvárajú, sú zrelé, aby ich mohli používať umelci, ale ich použitie si vyžaduje technickú zdatnosť. ZKM preto organizuje exponáty Open Codes, aby inšpirovala k väčšej spolupráci medzi technologickým a kreatívnym sektorom.

„Nástroje, ktoré sa teraz objavujú, môžu byť veľmi užitočnými nástrojmi pre umelcov, ale pre umelca je to ťažké bez znalosti programovania a schopností správy systému ich používať,“ povedal. „Toto spojenie medzi vedou a umením môže viesť k veľkým veciam, ale potrebuje spoluprácu v oboch smeroch.“

Včasné iterácie A.I., podobne ako GANS, dokážu nasiaknuť milióny dátových bodov, aby videli vzory a dokonca obrazy, s ktorými by ľudia nikdy nemohli prísť sami. Ich kreatívna vízia je však stále obmedzená tým, čo ľudia rozhodnú poskytnúť tieto algoritmy ako nespracované údaje.

S ostrým pohľadom na estetiku a zručnosti kódovania by mohli umelci budúcnosti, ktorí používajú A.I., používať strojové učenie na to, aby mohli začať úplne nový vek tvorivosti alebo vdýchnuť život starším umeleckým štýlom. Ale naučiť stroje, ako lepšie napodobniť ľudskú vynaliezavosť a vziať to, čo počítač vykukuje o krok ďalej, si vyžiada veľa údajov.