Inside The Coder Art På Googles Cultural Institute

Kan en maskine være kreativ? Det mener Google, og det har et helt team dedikeret til at lære maskiner, hvordan man ser verden lidt mere som os følelsesmæssige mennesker.

Tænk på computere, som om de var børn, og det er nemt at forstå, hvordan kodere kan lære dem at lære. Kunstig intelligens er i begyndelsen meget grundlæggende og enkel. Menneskelige moderatorer instruerer computere og viser dem, hvordan de skal tænke og dermed lære sig selv. Når først koderne giver dem det grundlæggende, kan de dog hurtigt udvide denne viden.

Ved Google Kulturinstitut i Paris, Frankrig, lærer søgegiganten maskiner, hvordan man kategoriserer 7 millioner billeder af menneskelig kunstnerisk præstation gennem århundreder. Instituttet har endda en hjemmeside, samt apps til iOS og Android hvor du kan søge gennem kunstværker fra forskellige museer over hele kloden. For at skabe sit kunstkatalog skulle kodekunstnerne i residensen på Instituttet lære computere at se billeder på samme måde som mennesker ville skabe et nøjagtigt digitalt arkiv af kunst gennem menneskehedens historie.

Katalogisering af historie er godt, men nogle af de færdigheder, computere lærer ved at sortere og arkivere, gør dem faktisk mere kreative. Kunstnerne i residensen eksperimenterer nu med computere for at skabe nye kunstværker ved hjælp af maskinintelligens og kataloget med 7 millioner billeder, de har stykket sammen. Under Google I/O 2016, Cyril Diagne og Mario Klingemann forklaret, hvordan de har lært maskiner at se kunst som mennesker, og hvordan de har trænet maskiner til at være kreative.

At lære computere deres ABC'er

En af de første ting, du lærer et barn, er sprog. I vestlig kultur betyder det at lære dine ABC'er. Mario Klingemann, en selvskreven kodekunstner fra Tyskland, begyndte at lære maskiner at identificere stiliserede bogstaver fra gamle tekster for at finde ud af, om han kunne lære en computer at genkende tusindvis af forskelligt udseende As, Bs, Cs og så på. Det var et lynkursus i at lære maskiner, hvordan man kategoriserer billeder, som mennesker ville.

Mens en computer kan se på et stiliseret bogstav B dækket af vinstokke og blomster og se en plante af en art, kunne selv et 5-årigt barn straks identificere billedet som et bogstav B - ikke en plante. For at lære sin computer at genkende dens ABC'er, fodrede Klingemann den med tusindvis af billeder af stiliserede bogstaver. Han skabte en Tinder-lignende grænseflade med at stryge til højre eller venstre for at fortælle sine maskiner, om de gættede bogstavet rigtigt eller forkert.

Det viser sig, at maskiner lærer deres ABC'er ret hurtigt; de begyndte at se bogstaver i alting. Ligesom mennesker ser ansigter i skyer og billeder i abstrakt kunst, så hans computere bogstaver i fuldstændig uafhængige billeder. Klingemann viste sin computer en tegning eller radering af en ødelagt bygning, og de så i stedet et bogstav B.

Klingemann forklarede, at når man træner en computer med kun ét sæt billeder, begynder den kun at se den slags billeder i alting. Derfor så hans maskiner et brev i en ruin.

Lærer computere at kategorisere 7 millioner billeder

Da Digital Interaction Artist Cyril Diagne sluttede sig til Cultural Institute, stillede Google et ret skræmmende spørgsmål til ham: "Hvad kan du gøre med 7 millioner digitale artefakter?"

Diagne var overvældet af spørgsmålet, så han kortlagde hvert billede i en herlig massiv sinusbølge, som du kan se nedenfor. Den bølge endte senere med at blive en smuk repræsentation af alt, hvad projektet håber at opnå med maskinlæring. Diagnes sinusbølge er faktisk søgbar, så du kan surfe på et hav af alle billederne i det digitale arkiv lavet af Google Cultural Institute. Billeder er grupperet i kategorier, og fra fugleperspektiv ser du bare et hav af prikker. Når du flytter ind, kan du se specifikke billeder, alle med et fælles tema, uanset om det er hvalpe, gårde eller mennesker.

Du kan også søge igennem den og finde de billeder, du ønsker. Hvis du ser godt nok efter, kan du endda løbe ind i det, Diagne kalder Portrætternes kyst. Det er her alle billeder af folks ansigter er samlet.

For at lave det søgbare kort over hvert billede i arkivet måtte Diagne og hans team oprette en kategori for alt for at lære maskinen, hvad der var hvad.

At kategorisere 7 millioner artefakter, hvoraf mange kan have flere kategorier, er ingen let opgave. Holdet skulle finde på nogle, der var uden for boksen. Det er ikke nok kun at kategorisere ting ud fra, hvad de er. De skulle også oprette kategorier for de følelser, som billeder fremkalder.

På den måde kan du søge efter et billede af "ro", og computeren vil vise dig billeder, der fremkalder en følelse af ro, som solnedgange, fredfyldte søer og så videre. Utroligt nok lærte maskinerne at identificere menneskelige følelser med en sådan dygtighed, at de kan sætte sig selv i vores sko for at overveje, hvordan et bestemt billede ville få et menneske til at føles.

At lære maskiner menneskelige følelser er et vigtigt skridt hen imod at gøre dem mere kreative. Meget af moderne kunst er trods alt visuelle repræsentationer af menneskelige følelser.

Men kan en maskine være kreativ?

Kreativitet og kunstnerskab er to ting, som vi mennesker kan lide at tænke på som vores alene. Dyr laver ikke kunst, og det gør maskiner heller ikke … endnu. Googles Deep Dream-projekt forsøgte at vende tanken om, at maskiner ikke kan skabe kunst, på hovedet. Søgegiganten trænede computere til at manipulere billeder for at skabe bizarre, psykedeliske kunstværker. Billederne skabt af Google Deep Dream motor er måske ikke smukke, men de er helt sikkert unikke og vildt kreative. Maskinkreationer indeholder psykedeliske farver, snegle, mærkelige øjne og kropsløse dyr, der hvirvler rundt i udefinerede rum.

Nogle vil måske hævde, at det egentlig ikke er kunst, hvis maskiner bare kombinerer eksisterende billeder, vrider dem og dypper dem i ekstreme farver; Google ville tigge om at være anderledes, og det samme ville kodekunstneren Klingemann.

"Mennesker er ude af stand til originale ideer," forklarede han.

Selv berømte malerier indeholder elementer fra tidligere kunstværker, bemærkede han. Picassos mesterværk fra 1907 Les Demoiselles d'Avignon, har fx påvirkninger fra afrikansk kunst og forløbere for kubister som Paul Cezanne. For den sags skyld er collager, som kombinerer eksisterende billeder på en kunstnerisk måde, en anden veletableret kunstform. Picasso, Andy Warhol, Man Ray og flere er kendt for deres excentriske collager, så hvorfor kan collager lavet af maskiner ikke også stå som kunst?

Klingemann ønskede at rykke grænserne for digital kunst og se, hvordan kreative maskiner kunne blive længe, ​​før han startede sit ophold på Google Cultural Institute. Ved at bruge sine egne mindre kraftfulde maskiner begyndte Klingemann at lege med Internet Archives og Googles TensorFlow maskinlæringssoftware til at lave digitale collager.

Han skabte et maskinlæringsværktøj kaldet Ernst, opkaldt efter surrealisten og collagekunstneren Max Ernst. Klingemann identificerede en række genstande fra Ernsts arbejde og bad sin computer lave forskellige collager med de samme elementer. Resultaterne var ofte surrealistiske, nogle gange sjove og andre gange helt forfærdelige.

Klingemann ville have mere kontrol over de kaotiske billeder, hans maskiner producerede, så han begyndte at lære dem nye ting. Han spurgte sig selv: "Hvad er interessant for mennesker?" Klingemann vidste, at han skulle træne systemet i, hvad det skulle se efter, for at lære det at se alle disse elementer, som en menneskelig kunstner ville.

Det resulterende kunstværk er smukt og helt unikt. Selvom Klingemann naturligvis brugte gamle billeder til at skabe sit arbejde, vises de i en ny kontekst, og det gør hele forskellen.

Lige nu er computerkreativitet begrænset til interessante collager og forståelse af, hvilke billeder der passer godt sammen. Maskiner laver ikke deres egen kunst endnu, men kodekunstnerne, der driver dem, bliver mere kurator end skabere i løbet af processen.

Det er stadig at se, hvor langt mennesket kan udvide maskinernes kreative sind, men det er bestemt fascinerende at se.

Redaktørens anbefalinger

• Google Bard kan nu tale, men kan den overdøve ChatGPT?
• Du kan nu prøve Googles Bard, konkurrenten til ChatGPT
• Googles nye Bard AI kan være kraftfuld nok til at få ChatGPT til at bekymre sig - og den er allerede her
• Google Meet eller Zoom? Snart gør det ikke noget
• Google Japans bizarre nye tastatur kan også fange (bogstaveligt talte) fejl