Внедрение искусства в искусственный интеллект, часть первая: генеративный дизайн

Как член небольшой команды, которая представляет и представляет цифровых художников, я наблюдал за тем, как искусственный интеллект (ИИ) и машинное обучение (МО) получили значительное распространение за пять лет, прошедших с тех пор, как мы открыли наше агентство в Сан-Франциско. Это первая из двух статей, посвященных этим явлениям применительно к созданию искусства.

Мечта о сложных и уникальных человеческих действиях, выполняемых машинами, имеет длинную родословную. Превращение неодушевленного материала в нечто разумное — это идея, встречающаяся в мифе о Пигмалионе, у Овидия, то есть до времен Христа. Самая ранняя известная версия этой истории совпадает с изобретением Ктесибия Александрийского, водяных часов с регулятором, который поддерживал постоянную скорость потока. Это изобретение, по словам Питера Норвига и Стюарта Рассела, изменило определение того, что может делать артефакт. Раньше только живые существа могли изменять свое поведение в ответ на изменения в окружающей среде. Примерно в то же время, около 200 г. до н.э., появился механический вычислитель для математических функций, антикитерский механизм.

Антикитерский механизм можно рассматривать как начало нескольких тысячелетних исследований. Замечательный комплекс идей и исследований, проводящий линию через жизни Аристотеля, Да Винчи, Лейбница, Бэббиджа и Тьюринга, в настоящее время достигает некоторых из своих целей. Машинное обучение эффективно используется для раннего выявления рака. Анализ рынка и интеллектуальный анализ данных, автономные транспортные средства, распознавание речи и домашняя робототехника доказали свою высокую адаптивность к ИИ и машинному обучению. Возможности, присущие нейронным сетям, глубокому обучению, обработке огромных объемов данных и распознаванию закономерностей в этих данных — все это глубоко, захватывающе и даже пугающе, когда мы размышляем, куда могут привести нас исследования и новые приложения по мере углубления понимания, по мере того, как делаются дальнейшие успехи.

А искусство?

В середине ХХ века художники также очень интересовались возможностями мыслящих машин. Алгоритмы той эпохи надеялись, что машины смогут снять с их плеч бремя принятия решений. Их идея заключалась в том, что после запуска программы, разработанные для того, чтобы позволить вмешаться определенной случайности, создадут вдохновенные вариации оригинального замысла художника. Это освободило бы художников от, казалось бы, бесконечной работы по придумыванию и воплощению собственных вдохновенных идей.

Благодаря серии разработок, столь же замечательных, как и другие достижения в области ИИ, это произошло. Ранние работы алгоритмических художников Георг Нис, Фридер Наке, Манфред Мор, Вера Молнар были предшественниками блестящих, генеративных образов современных художников Кристиана Локлера, Рефика Анадоля, Джана Буюкбербера и стамбульского графического дизайнера. творческий коллектив Оучч. Touch Designer, Blender, Maya и vvv — это программы, обеспечивающие итеративное моделирование, которые произвели революцию в создании изобразительного искусства и творческой графики.

Когда машинное обучение используется для обеспечения генеративного дизайна, происходит имитация эволюционного подхода природы. Дизайнеры и инженеры вводят проектные параметры. Как только это будет сделано, программное обеспечение исследует решения, генерируя сотни или тысячи вариантов дизайна. Примеры использования этого процесса — в моде, архитектуре, скульптуре, анимации и в аэрокосмической промышленности — росли и множились аналогично итерациям, запускаемым самим программным обеспечением.

Музыкальные исполнители теперь также используют итерационные и генеративные процессы. Вместо того, чтобы выбирать каждую ноту в каждом пассаже, ответственность за создание материала в рамках заданных параметров возлагается на программное обеспечение. Существуют коммерческие продукты, которые обещают (и обеспечивают) применение машинного интеллекта к написанию музыки. Дэвид Коуп из Калифорнийского университета в Санта-Крузе работает с машинным обучением с помощью программы, которую он называет Эмми с 1985 года. На концерте в Орегонском университете зрители попросили решить, какая из трех пьес, написанных в стиле Дж. Бах сидел за компьютером. Большинство ошиблись. Бах — абсолютно один из моих любимых композиторов, — сказал доктор Стив Ларсон в интервью New York Times (музыка Ларсона также была в программе). Мое восхищение его музыкой глубоко и космически. Тот факт, что люди могут быть обмануты компьютерной программой, очень смущал.

По мере того, как перспективы этой технологии реализуются, люди находят все более творческие способы ее использования. Ник Коллинз и Эндрю Р. Браун отмечают в статье на эту тему: Существует континуум, основанный на нечеткости и определении правил, и где в процессе присутствует вмешательство авторов-людей. То же самое можно сказать и о визуальной сфере, где мы видим вмешательство на каждом этапе пути, когда задействованы ИИ, машинное обучение и итерационные процессы: люди вмешиваются, чтобы перенаправить процесс, получить особенно сочный результат или начать снова в новом направлении, повторяя выбранный набор образцов.

Сколько автономии можно дать компьютерам? Насколько определенными могут быть эти результаты? Небольшой фурор произошёл в 2017 году, когда на Art Basel были показаны картины, созданные с помощью системы Лаборатории искусства и искусственного интеллекта в Рутгерсе. Глубокие нейронные сети научили генерировать работу. Эти картины не вписывались в известные художественные стили (пуантилизм, фовизм, абстрактный экспрессионизм и др.). Система была обучена с использованием 81 449 картин из общедоступного набора данных WikiArt, а затем получила задание создать новое искусство, используя набор данных в качестве основы для создания оригинальных творений.

Реакция человека была интересной. Когда респондентов попросили оценить, насколько преднамеренными, визуально структурированными, коммуникативными и вдохновляющими были изображения, они «оценили изображения, созданные [компьютером], выше, чем изображения, созданные настоящими художниками». (На словосочетание «настоящий художник» когда-нибудь можно будет смотреть с удивлением, поскольку машинное обучение в искусстве становится все более распространенным явлением. Коллекционеры уже купили картины, созданные с помощью ML).

Еще более интересным является явление, которое в последние годы часто отмечалось специалистами в этой области, имеющее отношение к процессу и результату. Сложность вычислительных процессов и невероятный объем обработки чисел, которыми заняты обученные машины, — это исключает понимание того, как машины достигают результатов, которые они выдают. Мы знаем, что подается. Мы знаем, что получается. Но мы лишь приблизительно знаем, как достигаются результаты. В этом очень конкретном смысле машинное обучение похоже на наш собственный человеческий интеллект: мощное и загадочное.

Само собой разумеется, что короткая статья на эту тему должна быть беглой. Но было бы безответственно игнорировать то расстояние, которое нам еще предстоит пройти, чтобы понять и подражать основным аспектам разумного поведения. Футуристы любят ссылаться на сингулярность, момент, когда вычислительные ресурсы достигнут сверхчеловеческого уровня производительности (Vinge, 1993; Kurzweil, 2005). Тем не менее, даже с компьютером неограниченной мощности, мы все равно не знали бы, как достичь уровня интеллекта мозга. Мы далеки от понимания когнитивных процессов и того, как они работают. Практически не существует теории о том, как хранится индивидуальная (человеческая) память. Компьютеры, которые могут по-настоящему понимать нас и вести с нами беседы, когда они действительно появятся, потребуют значительного прогресса.

Бесспорно то, что компьютеры облегчают человеческую изобретательность посредством того, что можно справедливо назвать сотрудничеством с новым типом интеллекта. Как описано в Искусственном интеллекте Норвига и Рассела, возможно, важнее изучать основные принципы интеллекта, чем копировать образец. Поиски искусственного полета увенчались успехом, когда братья Райт и другие перестали подражать птицам и начали использовать аэродинамические трубы и изучать аэродинамику. Точно так же мы развиваем свои способности, признавая, что то, что мы построили из проволоки и кремния, — подобно ожившей глиняной скульптуре Пигмалиона — является чем-то новым, экстраординарным и не совсем познаваемым.

Кларк Супринович
25 марта 2019 г.
…

Ссылка на вторую часть:
Искусство искусственного интеллекта: комнаты, которые знают, что вы там
https://medium.com/@clarksuprynowicz/putting-the- искусство-в-искусственном-интеллекте-часть-две-комнаты-которые-знают-ты-там-25306346905b

Автор Кларк Супринович — композитор и основатель Future Fires, кураторского агентства для блестящих, новаторских художников со всего мира, работающих на передовых рубежах кодового искусства. futurefires.com

Инсталляция Future Fires Resonance сейчас выставлена ​​в Техническом музее инноваций в Сан-Хосе. Resonance – это интерактивное цифровое воплощение воды. Он был создан в сотрудничестве с Yves Peitzner Labs (Мюнхен), с Kling, Klang, Klong (Берлин) и был заказан при щедрой поддержке Knight Foundation.