Video ukazuje, jak A.I. Generované umění může obdivovat nebo strašit své sny

Začátkem tohoto měsíce prodala aukční síň Christie to, co říká, vůbec první kus algoritmicky generovaného umění, který prodává hlavní aukční dům. Cenovka - téměř půl milionu amerických dolarů - vznesla řadu otázek o počátcích autorství, o trhu s novinkami-posedlý umění a možná nejdůležitější: proč?

A přesto snahy o učení strojů o umění, přesněji o obrazech, jsou stěží propagačním kouskem. Počítačoví vědci mají řadu praktických důvodů, proč mohou lépe rozpoznávat podvodná videa a zpětně měnit film, a proto mají k dispozici řadu praktických důvodů, jak se lépe zapojit do vizuálního světa.

Jeden takový technologický nadšenec je Daniel Heiss. Kreativní vývojářka pro ZKM Centrum umění a médií byla v dubnu poprvé zavedena neuronovou sítí, kterou vydali výzkumníci NVIDIA. Byl vytvořen pro generování obrázků imaginárních osobností po tréninku s tisíci fotografií stávajících celebrit. To inspirovalo Heiss k tomu, aby připojil 50 000 snímků z fotografií, které shromáždil jeden z interaktivních uměleckých instalací společnosti ZKM, aby viděl, jaký druh umění jeho A.I. produkovat. V online rozhovoru říká Inverzní výsledky byly lepší, než si kdy představoval.

„Viděl jsem šílený obraz jednoho obličeje do tří obličejových obrazů do dvou obličejových obrazů a tak dále. To bylo mnohem lepší, než jsem si kdy myslel, “řekl. „Dokonce jsem se snažil filtrovat obrazy tak, aby se používaly pouze obrazy s jedním obličejem, ale když jsem pracoval na tom, že vzorky generované z nefiltrovaného souboru dat vyšly tak dobře, že jsem to zastavil.“

postupně rostoucí GAN (Karras et al) vyškolený na ~ 80 000 obrazech pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) 3. listopadu 2018

Heissovo video má od té doby více než 23 000 upvotes na Redditu. On původně tweeted záběry viděné nahoře 4. listopadu, v odezvě na další trippy použití NVIDIA algoritmu programátorem Gene Kogan. Místo toho, aby krmil neuronové sítě selfies, Kogan používal hrubě 80,000 obrazů.

Kogan byl také odfouknutý schopností A.I. vytvořit snímky, které se podobaly odlišným stylům, namísto toho, aby všechno mish-mashing všechno.

„Byl jsem překvapen jeho schopností zapamatovat si tolik různých estetik, aniž by se příliš neuspořádal,“ říká Inverzní. "Myslím, že to má vliv na to, že s několika stovkami miliónů parametrů si můžete hrát."

Jak učíme A.I. si vytvořit vlastní obrázky

Výzkumný tým NVIDIA, vedený Tero Karrasem, využil generativní kontroverzní sítě, neboli GAN, původně teoretizovanou váženým počítačovým vědcem Ianem Goodfellowem v roce 2014. To byl základ technologie DeepDream společnosti Google, která dělala vlny v terénu a online.

GAN se skládá ze dvou sítí: generátoru a diskriminátoru. Tyto počítačové programy soutěží proti sobě miliónykrát milionykrát, aby zdokonalily své dovednosti generování obrazu, dokud nebudou dost dobré na to, aby vytvořily to, co se nakonec stane známým jako hluboké zápasy.

Generátor je napájen fotkami a začíná se je snažit co nejvíce napodobovat. Poté se zobrazí originální a generované obrázky diskriminačnímu, jehož úkolem je rozdělit je. Čím více zkoušek se provádí, tím lépe se generátor dostane k syntetizování obrazů a čím lépe se diskriminátor stane, když jim řekne, že se liší. To má za následek některé docela přesvědčivé - ale naprosto falešné - tváře a obrazy.

Jak tento Tech může pomoci umělcům

A.I. již se v uměleckém světě proslavil. Kromě počítačově generovaného portrétu, který byl v prodeji na Christie's, DeepDream vyrábí trippy krajiny, protože předtím, než byly věci hluboké, to byla věc.

Heiss věří, že nástroje pro strojové učení, které jsou dnes vytvářeny, jsou zralé, aby mohly být používány umělci, ale jejich použití vyžaduje technickou zdatnost. ZKM proto pořádá exponáty Open Codes, které inspirují více spolupráce mezi technologickým a kreativním sektorem.

„Nástroje, které se nyní objevují, mohou být pro umělce velmi užitečným nástrojem, ale pro umělce je to těžké, aniž by věděl o programovacích a systémových dovednostech správy,“ řekl. „Toto spojení mezi vědou a uměním může vést k velkým věcem, ale potřebuje spolupráci v obou směrech.“

Brzy iterace A.I., stejně jako GANS, jsou schopny nasáknout miliony datových bodů, aby viděly vzory a dokonce i obrazy, s nimiž by lidé nikdy nemohli přijít sami. Jejich tvůrčí vize je však stále omezena tím, co lidé rozhodnou dát tyto algoritmy jako nezpracovaná data.

S ostrým pohledem na estetiku a dovednosti kódování by umělci z A.I., kteří používají budoucnost, mohli využít strojového učení k tomu, aby mohli nastartovat zcela nový věk tvořivosti nebo vdechnout život starším uměleckým stylům. Naučit stroje, jak lépe napodobovat lidskou vynalézavost a brát to, co počítač vykukuje o krok dále, bude trvat spoustu dat.