Kreatywność maszyn bije na głowę część sztuki współczesnej

Kreatywność to jedno z największych wyzwań dla inteligencji maszyn. Nie brakuje dowodów pokazujących, w jaki sposób maszyny mogą dorównać, a nawet przewyższyć ludzi w rozległych obszarach działań, takich jak rozpoznawanie twarzy i obiektów, bazgranie, synteza obrazów, tłumaczenie języka, ogromna różnorodność gier, takich jak szachy i go, i tak dalej . Ale jeśli chodzi o kreatywność, maszyny pozostają daleko w tyle.

Nie przez brak wysiłku. Na przykład maszyny nauczyły się rozpoznawać styl artystyczny, oddzielać go od treści obrazu, a następnie stosować do innych obrazów. Dzięki temu można przekonwertować dowolne zdjęcie na styl Van Gogha Gwieździsta noc , na przykład. Ale chociaż ta i inne prace dostarczają ważnego wglądu w naturę stylu artystycznego, nie zaliczają się do kreatywności. Wyzwaniem pozostaje więc znalezienie sposobów wykorzystania inteligencji maszynowej do celów kreatywnych.

Dziś uzyskujemy pewien wgląd w postępy w tej dziedzinie dzięki pracy Ahmeda Elgammala z Art & AI Laboratory na Rutgers University w New Jersey, wraz z kolegami z laboratoriów AI Facebooka i innych.

Które z tych obrazów zostały wygenerowane przez maszynę? *Odpowiedź poniżej

Ci faceci wyszkolili maszynę do generowania obrazów, które są rozpoznawalnie podobne do ludzkiej sztuki, a jednak różnią się w mierzalny sposób. Co więcej, przeprowadzili rodzaj testu Turinga na kreatywność, pytając ludzi, czy potrafią odróżnić ludzką sztukę od tej generowanej przez maszyny. Zapytali również ludzi, jaki rodzaj sztuki preferują, z nieco nieoczekiwanymi rezultatami.

Podejście jest stosunkowo proste. Opiera się na maszynie zwanej generatywną siecią adwersarzy. Składa się z dwóch sieci neuronowych, które razem inicjują proces uczenia się.

Jedną z tych sieci jest tradycyjny algorytm widzenia maszynowego, który uczy się rozpoznawać obrazy określonego typu. Elgammal i spółka przeszkolili ją, korzystając z bazy danych WikiArt, która zawiera ponad 80 000 obrazów ponad 1000 artystów z okresu od XV do XX wieku.

Każdy obraz jest oznaczony swoim artystycznym stylem. Tak więc baza danych zawiera ponad 13 000 obrazów impresjonistów, 2000 obrazów kubistycznych, ponad 1000 obrazów wczesnego renesansu i tak dalej. Maszyna uczy się rozpoznawać każdy z tych stylów.

Następnym etapem jest wygenerowanie przez inną sieć losowych obrazów i pokazanie ich wytrenowanej sieci, która albo rozpoznaje je jako reprezentujące określony styl artystyczny, albo je odrzuca. Tworząc wiele obrazów, ta druga sieć uczy się na drodze prób i błędów tego, co pierwsza sieć uznaje za sztukę. Po wielu iteracjach uczy się tworzyć obrazy pasujące do określonych stylów.

Jednak zespół nie uważa tych obrazów za twórcze, ponieważ po prostu kopiują znane style w sztuce. Natomiast artysta-człowiek przesuwałby granice, tworząc coś nowego.

Istnieje wiele hipotez historyków sztuki i psychologów na temat procesu twórczego, który prowadzi do nowej sztuki. Na przykład znanym pomysłem jest to, że nowa praca artystyczna musi być mocno zakorzeniona w tradycji artystycznej. Innymi słowy, musi być inaczej, ale nie za bardzo.

W szczególności teoretycy twierdzą, że sztuka musi stymulować widza w określony sposób. Najważniejszymi właściwościami podniecającymi dla estetyki są nowość, zaskakujące, złożoność, niejednoznaczność i zagadka, mówią Elgammal i spółka.

Nowość odnosi się do stopnia, w jakim bodziec różni się od tego, co obserwator widział/doświadczał wcześniej. Zaskoczenie odnosi się do stopnia, w jakim bodziec nie zgadza się z oczekiwaniem. Zaskoczenie niekoniecznie jest skorelowane z nowością, na przykład może wynikać z braku nowości. W przeciwieństwie do nowości i zaskoczenia, które opierają się na porównaniach podobieństw i różnic między bodźcami, złożoność jest właściwością wewnątrz bodźca, która wzrasta wraz ze wzrostem liczby niezależnych elementów w bodźcu. Niejednoznaczność odnosi się do konfliktu między informacją semantyczną i syntaktyczną w bodźcu. Zagadka odnosi się do niejednoznaczności spowodowanej wieloma, potencjalnie niespójnymi znaczeniami.

Ale niezależnie od efektu, poziom pobudzenia, jaki generuje, musi być raczej umiarkowany niż ekstremalny. Zbyt mały potencjał pobudzenia jest uważany za nudny, a zbyt duży aktywuje system awersji, co skutkuje negatywną reakcją, mówią Elgammal i spółka.

Ma to ważne implikacje dla sposobu, w jaki tworzona jest ich generatywna sieć przeciwników lub agent. Mówią, że celem agenta jest generowanie sztuki o zwiększonym poziomie potencjału pobudzenia w ograniczony sposób, bez aktywacji systemu awersji. Innymi słowy, agent stara się generować sztukę, która jest nowa, ale niezbyt nowatorska.

Naukowcy twierdzą, że znaleźli sposób, aby zrobić to ich generatywna sieć przeciwników. Nauczywszy się odtwarzać określone style artystyczne, maszyna jest skonfigurowana do wytwarzania obrazów, które mieszczą się w przyjętych granicach sztuki jako całości, ale maksymalizują różnicę w stosunku do znanych stylów. Agent stara się eksplorować przestrzeń twórczą, odchodząc od ustalonych norm stylistycznych, a tym samym generuje nową sztukę, mówią Elgammal i spółka. Nazywają tę maszynę kreatywną siecią przeciwników.

Testem kwasowym jest oczywiście to, jak ludzie reagują na tę stworzoną przez maszyny sztukę. Aby się tego dowiedzieć, Elgammal i spółka pokazali szereg obrazów — generowanych zarówno przez ludzi, jak i przez maszyny — pracownikom ludzkim w Mechanical Turk, internetowej usłudze crowdsourcingowej.

Wśród obrazów stworzonych przez człowieka znalazły się obrazy z bazy danych WikiArt poświęconej ekspresjonizmowi abstrakcyjnemu, a także wybrane obrazy z flagowych targów sztuki współczesnej, które odbyły się w Bazylei w Szwajcarii w 2016 roku. Te obrazy reprezentują szczyt sztuki współczesnej. Powodem wyboru ekspresjonizmu abstrakcyjnego było w dużej mierze usunięcie obrazów ludzi i przedmiotów, które wyraźnie pomagają odróżnić sztukę maszynową od sztuki ludzkiej.

Niektóre z wygenerowanych maszynowo obrazów zostały stworzone przez twórczą sieć adwersarzy, ale inne zostały stworzone przez generatywną sieć adwersarzy, która po prostu odtwarza style artystyczne, których się nauczyła.

Badacze poprosili każdą osobę o ocenę zdjęć na różne sposoby, np. jak bardzo każdy z nich lubił, jak nowatorski wydawał się i czy został stworzony przez człowieka czy maszynę. Pytali także, czy uczestnicy wyczuwali intencje artysty, czy mogli zobaczyć wyłaniającą się na obrazie strukturę i czy obraz ich zainspirował.

Wyniki stanowią ciekawą lekturę. Ludzie całkiem nieźle radzili sobie z dostrzeganiem obrazów abstrakcyjnego ekspresjonizmu tworzonych przez człowieka i tych tworzonych przez maszynę. Ale w przypadku sztuki z Bazylei widzom ludzkim trudno było odróżnić.

Ludzie ocenili również obrazy stworzone przez twórczą sieć przeciwników wyżej niż dzieła stworzone przez człowieka pokazane w Bazylei. Utożsamiali się z nim bliżej i uznali go za bardziej inspirujący.

Kuszące jest interpretowanie tego jako potępiającego stanu sztuki nowoczesnej i poziomu kreatywności, który ona wywołuje. Ale Elgammal i spółka unikają odruchowej reakcji. Pozostawiamy otwartą kwestię, jak interpretować odpowiedzi ludzi, które plasowały sztukę CAN lepiej niż próbki Art Basel w różnych aspektach, mówią dyplomatycznie.

Większym pytaniem jest, czy proces, który Elgammal i spółka wykorzystali do stworzenia swoich obrazów, można naprawdę uznać za twórczy. Inna interpretacja mówi, że jest to proces czysto algorytmiczny, który nauczył się wykorzystywać emocjonalne słabości ludzkości. Jeśli tak, to być może przyszła definicja sztuki będzie musiała zawierać zapis, że musi być tworzona przez człowieka.

Tak czy inaczej, ten rodzaj pracy ma na celu przesunięcie granic sztuki i kreatywności nieco dalej.

Nr ref.: arxiv.org/abs/1706.07068 : CAN: Kreatywne sieci przeciwników tworzące sztukę poprzez poznawanie stylów i odstępowanie od norm stylistycznych

*Odpowiedź: wszystkie

ukryć