Een kijkje in de Coder Art van het Cultural Institute van Google

Kan een machine creatief zijn? Google denkt van wel, en heeft een heel team dat zich toelegt op het leren van machines hoe ze de wereld een beetje meer kunnen zien zoals wij, emotionele mensen.

Denk aan computers alsof het kinderen zijn en het is eenvoudig te begrijpen hoe programmeurs hen kunnen leren leren. Kunstmatige intelligentie is in het begin heel basaal en eenvoudig. Menselijke moderators instrueren computers, laten ze zien hoe ze moeten denken en leren zichzelf zo. Zodra de programmeurs hen echter de basisbeginselen geven, kunnen ze die kennis snel uitbreiden.

Bij de Google Cultureel Instituut in Parijs, Frankrijk, leert de zoekgigant machines hoe ze 7 miljoen afbeeldingen van menselijke artistieke prestaties door de eeuwen heen kunnen categoriseren. Het Instituut heeft zelfs een website en apps voor iOS En Android waar je kunstwerken uit verschillende musea over de hele wereld kunt doorzoeken. Om de kunstcatalogus te kunnen maken, moesten de codekunstenaars van het Instituut computers lesgeven bekijk afbeeldingen zoals mensen dat zouden doen om een ​​nauwkeurig digitaal archief van kunst door de menselijke geschiedenis heen te creëren.

Het catalogiseren van de geschiedenis is leuk en aardig, maar sommige vaardigheden die computers leren door te sorteren en archiveren, maken ze zelfs creatiever. De kunstenaars in residentie experimenteren nu met computers om nieuwe kunstwerken te creëren met behulp van machine-intelligentie en de catalogus van 7 miljoen afbeeldingen die ze hebben samengevoegd. Tijdens Google I/O 2016 Cyrillus Diagne En Mario Klingemann legde uit hoe ze machines hebben geleerd kunst als mensen te zien, en hoe ze machines hebben getraind om creatief te zijn.

Computers hun ABC leren

Een van de eerste dingen die je een kind leert, is taal. In de westerse cultuur betekent dat het leren van je ABC. Mario Klingemann, een zelfbenoemde codekunstenaar uit Duitsland, begon machines les te geven gestileerde letters uit oude teksten identificeren om erachter te komen of hij een computer kon leren duizenden verschillend ogende As, B's, C's, enzovoort te herkennen op. Het was een spoedcursus waarin we machines leerden hoe ze afbeeldingen moesten categoriseren zoals mensen dat zouden doen.

Terwijl een computer naar een gestileerde letter B, bedekt met wijnstokken en bloemen, kijkt en een of andere plant ziet, kan zelfs een vijfjarig kind de afbeelding onmiddellijk identificeren als een letter B – en niet als een plant. Om zijn computer te leren het ABC te herkennen, voerde Klingemann hem duizenden afbeeldingen van gestileerde letters in. Hij creëerde een Tinder-achtige interface waarin je naar rechts of links kunt vegen om zijn machines te laten weten of ze de letter goed of fout hebben geraden.

Het blijkt dat machines hun ABC vrij snel leren; ze begonnen overal letters in te zien. Net zoals mensen gezichten in wolken en afbeeldingen in abstracte kunstwerken zien, zagen zijn computers letters in totaal niet-gerelateerde afbeeldingen. Klingemann liet zijn computer een tekening of ets zien van een verwoest gebouw, en in plaats daarvan zagen ze een letter B.

Klingemann legde uit dat als je een computer traint met slechts één set afbeeldingen, hij in alles alleen dat soort afbeeldingen gaat zien. Daarom zagen zijn machines een brief in een ruïne.

Computers leren om 7 miljoen afbeeldingen te categoriseren

Toen Digital Interaction Artist Cyril Diagne bij het Cultural Institute kwam, stelde Google hem een ​​nogal lastige vraag: “Wat kun je doen met 7 miljoen digitale artefacten?”

Diagne werd overweldigd door de vraag, dus bracht hij elk beeld glorieus groots in kaart sinus, die je hieronder kunt zien. Die golf werd later een prachtige weergave van alles wat het project hoopt te bereiken met machine learning. De sinusgolf van Diagne is daadwerkelijk doorzoekbaar, dus je kunt surfen op een zee van alle afbeeldingen in het digitale archief van het Google Cultural Institute. Afbeeldingen zijn gegroepeerd in categorieën en vanuit vogelperspectief zie je alleen maar een zee van stippen. Terwijl je binnenkomt, kun je specifieke afbeeldingen zien, allemaal met een gemeenschappelijk thema, of het nu puppy's, boerderijen of mensen zijn.

U kunt er ook doorheen zoeken en de gewenste afbeeldingen vinden. Als je goed zoekt, kom je misschien zelfs tegen wat Diagne de Kust van de Portretten noemt. Dat is waar alle afbeeldingen van de gezichten van mensen zijn geclusterd.

Om van elke afbeelding in het archief een doorzoekbare kaart te maken, moesten Diagne en zijn team voor alles een categorie maken om de machine te leren wat wat was.

Het categoriseren van 7 miljoen artefacten, waarvan er vele meerdere categorieën kunnen hebben, is geen gemakkelijke taak. Het team moest er een paar bedenken die buiten de gebaande paden lagen. Het is niet voldoende om dingen alleen maar te categoriseren op basis van wat ze zijn. Ze moesten ook categorieën creëren voor de emoties die beelden oproepen.

Op die manier kun je zoeken naar een afbeelding van ‘rust’, en de computer toont je afbeeldingen die een gevoel van kalmte oproepen, zoals zonsondergangen, serene meren, enzovoort. Verbazingwekkend genoeg hebben de machines zo vaardig geleerd menselijke emoties te identificeren dat ze zichzelf in onze schoenen kunnen verplaatsen en kunnen bedenken hoe een bepaald beeld een mens zou laten voelen.

Machines menselijke emoties leren is een belangrijke stap om ze creatiever te maken. Een groot deel van de moderne kunst bestaat immers uit visuele representaties van menselijke emoties.

Maar kan een machine creatief zijn?

Creativiteit en kunstenaarschap zijn twee dingen die wij mensen graag als de onze beschouwen. Dieren maken geen kunst, en machines ook niet... nog niet. Het Deep Dream-project van Google probeerde het idee dat machines geen kunst kunnen creëren op zijn kop te zetten. De zoekgigant trainde computers om beelden te manipuleren om bizarre, psychedelische kunstwerken te creëren. De afbeeldingen gemaakt door Google Deep Dream-motor zijn misschien niet mooi, maar ze zijn zeker uniek en enorm creatief. Machinecreaties bevatten psychedelische kleuren, naaktslakken, vreemde ogen en onstoffelijke dieren die in ongedefinieerde ruimtes rondwervelen.

Sommigen beweren misschien dat het niet echt kunst is als machines alleen maar bestaande afbeeldingen combineren, verdraaien en in extreme kleuren dopen; Google zou daar anders over denken, en dat geldt ook voor codekunstenaar Klingemann.

“Mensen zijn niet in staat tot originele ideeën”, legde hij uit.

Zelfs beroemde schilderijen bevatten elementen van eerdere kunstwerken, merkte hij op. Picasso’s meesterwerk uit 1907 Les Demoiselles d'Avignon, heeft bijvoorbeeld invloeden van Afrikaanse kunst en voorlopers van kubisten zoals Paul Cezanne. Overigens zijn collages, die bestaande beelden op artistieke wijze combineren, een andere gevestigde kunstvorm. Picasso, Andy Warhol, Man Ray en meer staan ​​bekend om hun excentrieke collages, dus waarom kunnen door machines gemaakte collages niet ook als kunst gelden?

Klingemann wilde de grenzen van de digitale kunst verleggen en zien hoe creatieve machines lang konden duren voordat hij aan zijn residentie bij het Google Cultural Institute begon. Met behulp van zijn eigen, minder krachtige machines, begon Klingemann te spelen met de internetarchieven en die van Google TensorFlow machine learning-software om digitale collages te maken.

Hij creëerde een machine-learning tool genaamd Ernst, genoemd naar de surrealist en collagekunstenaar Max Ernst. Klingemann identificeerde een reeks objecten uit Ernsts werk en gaf zijn computer de opdracht om met dezelfde elementen verschillende collages te maken. De resultaten waren vaak surrealistisch, soms grappig en op andere momenten absoluut verschrikkelijk.

Klingemann wilde meer controle over de chaotische beelden die zijn machines produceerden, dus begon hij ze nieuwe dingen te leren. Hij vroeg zich af: “Wat is interessant voor mensen?” Klingemann wist dat hij het systeem moest trainen waar het op moest letten, om het te leren hoe het al die elementen moest bekijken zoals een menselijke kunstenaar dat zou doen.

Het resulterende kunstwerk is prachtig en volkomen uniek. Hoewel Klingemann uiteraard oude beelden gebruikte om zijn werk te maken, worden ze in een nieuwe context getoond en dat maakt het verschil.

Op dit moment beperkt computercreativiteit zich tot interessante collages en het begrijpen welke afbeeldingen goed bij elkaar passen. Machines maken nog niet hun eigen kunst, maar de codekunstenaars die ze aandrijven worden gaandeweg meer curator dan schepper.

Het valt nog te bezien hoe ver de mens de creatieve geesten van machines kan uitbreiden, maar het is zeker fascinerend om te zien.

Aanbevelingen van de redactie

• Google Bard kan nu spreken, maar kan het ChatGPT overstemmen?
• Je kunt nu Google's Bard uitproberen, de rivaal van ChatGPT
• De nieuwe Bard AI van Google is misschien krachtig genoeg om ChatGPT zorgen te baren – en hij is er al
• Google Meet of Zoom? Binnenkort maakt het niet meer uit
• Het bizarre nieuwe toetsenbord van Google Japan kan ook (letterlijke) bugs opvangen