Відеопокази Як А.І. Створене мистецтво може як заворожувати, так і переслідувати ваші мрії

Раніше в цьому місяці аукціонний будинок Christie's продавав те, що він каже, є першою частиною алгоритмічно генерованого мистецтва, що продається великим аукціонним домом. Ціна - майже півмільйона американських доларів - поставила ряд питань про походження авторства, одержимий новинкою арт-ринок і, можливо, найголовніше: чому?

І все ж зусилля, що ведуться, щоб навчити машинам про мистецтво, а точніше про зображення, навряд чи є рекламним трюком. Від можливості кращого виявлення оманливих відео, які міняють зворотну зміну фільму, комп'ютерні вчені мають ряд практичних причин для навчання машинам, як краще взаємодіяти з візуальним світом.

Даніель Хейс - один з таких ентузіастів технологій. Творчий розробник Центру мистецтв і медіа ZKM був першим засновником нейронної мережі, опублікованої дослідниками NVIDIA у квітні. Він був створений для створення зображень уявних знаменитостей після навчання з тисячами фотографій існуючих знаменитостей. Це надихнуло Heiss підключити 50 000 фотозображень, зібраних однією з інтерактивних інсталяцій ZKM, щоб побачити, яке мистецтво його A.I. буде виробляти. У онлайн-інтерв'ю він розповідає Обернено результати були кращими, ніж він міг собі уявити.

“Я бачив божевільну деформацію зображень обличчя на три зображення обличчя на два зображення обличчя і так далі. Це було набагато краще, ніж я думав, - сказав він. "Я навіть намагався фільтрувати зображення так, щоб використовувалися тільки зображення з однієї сторони, але в той час як я працював над тим, що зразки, створені з нефільтрованого набору даних, вийшли так добре, що я зупиняю це".

прогресивно зростаючий GAN (Karras et al) навчений на ~ 80,000 картинах pic.twitter.com/fkNjw8m2uC

- Джин Коган (@genekogan) 3 листопада 2018 року

Після цього відео Heiss отримало понад 23 тисячі голосів на Reddit. Він спочатку написав твіт на відео, що бачив вище 4 листопада, у відповідь на чергове використання алгоритму NVIDIA програмістом Джином Коганом. Замість того, щоб годувати сімейками нейронних мереж, Коган використовував приблизно 80 тисяч картин.

Kogan був також здутий з здатністю A.I. створити фрейми, які нагадували різні стилі, а не просто мішати все.

"Я був здивований його здатністю запам'ятовувати стільки різних естетик, не заважаючи", - розповідає він Обернено. "Я думаю, що ефект від того, щоб мати кілька сотень мільйонів параметрів, щоб грати".

Як ми навчаємо А.І. зробити власні фотографії

Дослідницька група NVIDIA на чолі з Теро Каррасом використав генеративну змагальну мережу, або GAN, спочатку теоретизовану шановним комп'ютерним вченим Іаном Гудфеллом у 2014 році.

GAN складається з двох мереж: генератора і дискримінатора. Ці комп'ютерні програми конкурують один на одного мільйони і мільйони разів, щоб удосконалити свої навички генерування зображень, доки вони не стануть достатньо хорошими, щоб створити те, що з часом стануть відомими як глибокі риби.

Генератор подається фотографіями і починає намагатися імітувати їх якнайкраще. Потім він показує оригінальні та згенеровані зображення дискримінатору, чия робота полягає в тому, щоб розрізняти їх. Чим більше випробувань проводиться, тим краще генератор потрапляє на синтезування зображень, і краще дискримінатор стає, розрізняючи їх. Це призводить до деяких досить переконливих - але повністю підроблених - облич і картин.

Як ця технологія може допомогти художникам

A.I. вже зробив собі ім'я в світі мистецтва. На додаток до створеного комп'ютером портрета, який продавався у Christie's, DeepDream робив триппі пейзажі ще до того, як глибокі риби були річчю.

Heiss вважає, що інструменти машинного навчання, які створюються сьогодні, є дозрілими для використання художниками, але їх використання вимагає технічного майстерності. Саме тому ZKM проводить свою виставку відкритих кодексів, щоб надихнути більше співробітництва між технологічним та творчим сектором.

"Інструменти, які зараз з'являються, можуть бути дуже корисними інструментами для художників, але для художника важко знати про програмування та навички системного адміністрування, щоб використовувати їх", - сказав він. "Цей зв'язок між наукою і мистецтвом може призвести до великих речей, але потребує співпраці в обох напрямках".

Ранні повторення A.I., подібно до GANS, здатні вбирати мільйони на мільйони точок даних, щоб побачити закономірності і навіть образи, які люди ніколи не могли придумати самостійно. Однак їхнє творче бачення все ще обмежується тим, що люди обирають дати ці алгоритми як необроблені дані.

Оптимізація та навички кодування, художники майбутнього, які використовують A.I., можуть використовувати машинне навчання, щоб запустити новий вік творчості або вдихнути життя в старіші стилі мистецтва. Але це займе багато даних, щоб навчити машини, як краще імітувати людську винахідливість і взяти те, що комп'ютер виштовхує на крок далі.