Видео предавания Как A.I. Генерираното изкуство може и да хипнотизира, или да преследва мечтите ви

По-рано този месец аукционната къща Christie's продава това, което казва, че е първото парче алгоритмично генерирано изкуство, продадено от голяма аукционна къща. Цената - почти половин милион американски долара - повдигна редица въпроси за произхода на авторството, обсебен от новости арт пазар, и може би най-важното: защо?

И все пак усилията, които се полагат, за да научат машините за изкуството, или по-точно за образите, едва ли са рекламен трик. От възможността за по-добро разкриване на измамнически видеоклипове с обратна промяна на актьорите на филм, компютърните учени имат редица практически причини за преподаване на машини как да се включат по-добре във визуалния свят.

Даниел Хайс е един такъв ентусиаст на технологиите. Творческият разработчик на Центъра за изкуство и медии ZKM е ранен приемник на невронна мрежа, публикувана от изследователи на NVIDIA през април. Тя е създадена, за да генерира снимки на въображаеми знаменитости след обучение с хиляди снимки на съществуващи знаменитости. Това вдъхновява Heiss да включи 50 000 изображения от фотоапарати, събрани от една от интерактивните арт инсталации на ZKM, за да види какъв вид на изкуството му е A.I. ще произведе. В онлайн интервю той казва обратен резултатите бяха по-добри, отколкото той си представяше.

„Видях лудото изкривяване на изображенията на едно лице на три образа на лицето в две изображения на лицето и така нататък. Това беше много по-добре, отколкото някога съм мислил - каза той. "Дори се опитах да филтрирам изображенията, така че да се използват само изображения с едно лице, но докато работех върху това, пробите, генерирани от нефилтрирания набор от данни, излязоха толкова добри, че го спрех."

прогресивно нарастващ GAN (Karras et al) обучени на ~ 80,000 картини pic.twitter.com/fkNjw8m2uC

- Джийн Коган (@genekogan) 3 ноември 2018 г.

Оттогава видеоклипът на Heiss е събрал повече от 23 000 награди на Reddit. Първоначално той публикува на снимката видеото, видяно по-горе на 4 ноември, в отговор на друго трипосочно използване на алгоритъма на NVIDIA от програмиста Джийн Коган. Вместо да подхранва селфите на невронните мрежи, Коган използва около 80 000 картини.

Kogan също беше отнесен с способността на A.I. да създава фреймове, които приличаха на различни стилове, вместо просто да разбиват всичко.

„Бях изненадан от способността му да запомни толкова много различни естетики, без да бъде прекалено разбъркан“, казва той обратен, - Мисля, че това е ефектът от това, че трябва да се играят няколко стотин милиона параметри.

Как преподаваме А.И. да направим собствените си снимки

Изследователският екип на NVIDIA, ръководен от Tero Karras, използва генеративна състезателна мрежа или GAN, първоначално теоретизирана от уважавания компютърен учен Ian Goodfellow през 2014 г. Това беше основната технология зад инструмента на Google DeepDream, който направи вълни в областта и онлайн.

GAN се състои от две мрежи: генератор и дискриминатор. Тези компютърни програми се конкурират един срещу друг милиони пъти, за да подобрят уменията си за генериране на изображения, докато не станат достатъчно добри, за да създадат това, което в крайна сметка ще стане известно като дълбоки фалшификати.

Генераторът се зарежда с снимки и започва да се опитва да ги имитира възможно най-добре. След това той показва оригиналните и генерираните картини на дискриминатора, чиято работа е да ги раздели. Колкото повече изпитания се провеждат, толкова по-добре генераторът получава синтезиране на изображения и по-добрият дискриминатор става при разделянето им. Това води до някои доста убедителни - но напълно фалшиви - лица и картини.

Как тази технология може да помогне на артистите

А.С. вече е направила името си в света на изкуството. В допълнение към компютърно генерирания портрет, който се продаваше в „Кристис“, DeepDream правеше тромави пейзажи още преди глупостите да са нещо.

Heiss вярва, че създадените днес машинни средства за обучение са зрели, за да бъдат използвани от художниците, но използването им изисква техническа мощ. Ето защо ZKM е домакин на изложението Open Codes, за да вдъхнови повече сътрудничество между технологичния и творческия сектор.

„Инструментите, които сега се появяват, могат да бъдат много полезни инструменти за художници, но е трудно за един художник без никакви познания за програмиране и умения за системно администриране, за да ги използват”, каза той. "Тази връзка между наука и изкуство може да доведе до големи неща, но тя се нуждае от сътрудничество в двете посоки."

Ранните повторения на A.I., подобно на GANS, могат да поглъщат милиони и милиони точки за данни, за да видят модели и дори изображения, които хората никога не биха могли да измислят сами. Тяхното творческо виждане обаче все още е ограничено от това, което хората избират да дадат тези алгоритми като необработени данни.

С остър поглед за естетиката и уменията за кодиране, творците на А.И. с бъдеще могат да използват машинното обучение, за да започнат нова ера на творчеството или да вдъхнат живот на по-старите изкуства. Но това ще отнеме много данни, за да научи машините как по-добре да имитират човешката изобретателност и да вземат това, което компютърът изхвърля една крачка напред.