Uczenie maszynowe i sztuka – Google I/O 2016
Pomyśl o komputerach, jakby były dziećmi. Łatwo jest zrozumieć, w jaki sposób programiści mogą nauczyć je uczenia się. Sztuczna inteligencja jest na początku bardzo podstawowa i prosta. Moderatorzy-ludzcy instruują komputery, pokazując im, jak myśleć, a tym samym uczyć się. Gdy jednak programiści przekażą im podstawy, będą mogli szybko poszerzyć tę wiedzę.
„Co można zrobić z 7 milionami cyfrowych artefaktów?”
Na Instytut Kultury Google w Paryżu we Francji gigant wyszukiwania uczy maszyny kategoryzować 7 milionów obrazów przedstawiających osiągnięcia artystyczne człowieka na przestrzeni wieków. Instytut ma nawet stronę internetową i aplikacje do iOS I Android gdzie możesz przeszukiwać dzieła sztuki z różnych muzeów na całym świecie. Aby stworzyć katalog dzieł sztuki, rezydujący w Instytucie artyści kodu musieli uczyć obsługi komputerów przeglądaj obrazy tak, jak robiliby to ludzie, aby stworzyć dokładne cyfrowe archiwum sztuki na przestrzeni dziejów ludzkości.
Historia katalogowania jest dobra, ale niektóre umiejętności, których uczą się komputery podczas sortowania i archiwizowania, w rzeczywistości czynią je bardziej kreatywnymi. Artyści rezydujący eksperymentują obecnie z komputerami, aby tworzyć nowe dzieła sztuki, korzystając z inteligencji maszynowej i katalogu 7 milionów obrazów, które ułożyli w całość. Podczas Google I/O 2016 Cyryl Diagne I Mario Klingemanna wyjaśnili, jak nauczyli maszyny postrzegać sztukę jak ludzie i jak wytrenowali maszyny, aby były kreatywne.
Nauczanie komputerów ABC
Jedną z pierwszych rzeczy, których uczysz dziecko, jest język. W kulturze zachodniej oznacza to naukę ABC. Mario Klingemann, samozwańczy artysta kodu z Niemiec, zaczął uczyć maszyny rozpoznaje stylizowane litery ze starych tekstów, aby dowiedzieć się, czy mógłby nauczyć komputer rozpoznawania tysięcy różnie wyglądających liter As, B, C i tak dalej NA. Był to przyspieszony kurs uczenia maszyn kategoryzowania obrazów w taki sam sposób, w jaki robią to ludzie.
Podczas gdy komputer może spojrzeć na stylizowaną literę B porośniętą winoroślą i kwiatami i zobaczyć jakąś roślinę, nawet pięcioletnie dziecko może natychmiast zidentyfikować ten obraz jako literę B, a nie roślinę. Aby nauczyć swój komputer rozpoznawania alfabetu, Klingemann wrzucił do niego tysiące obrazów stylizowanych liter. Stworzył interfejs przypominający Tindera, polegający na przesuwaniu w prawo lub w lewo, aby poinformować swoje maszyny, czy odgadły literę dobrze, czy źle.
Okazuje się, że maszyny dość szybko uczą się alfabetu; zaczęli widzieć we wszystkim litery. Tak jak ludzie widzą twarze w chmurach i obrazy w abstrakcyjnych dziełach sztuki, tak jego komputery widziały litery w zupełnie niezwiązanych ze sobą obrazach. Klingemann pokazał swojemu komputerowi rysunek lub rycinę zrujnowanego budynku i zamiast tego zobaczył literę B.
Klingemann wyjaśnił, że kiedy wytrenujesz komputer tylko z jednym zestawem obrazów, zacznie on widzieć we wszystkim tylko ten rodzaj obrazu. Dlatego jego maszyny zobaczyły list w ruinie.
Uczenie komputerów kategoryzowania 7 milionów obrazów
Kiedy Cyril Diagne, artysta zajmujący się interakcją cyfrową, dołączył do Cultural Institute, Google zadał mu dość onieśmielające pytanie: „Co można zrobić z 7 milionami cyfrowych artefaktów?”
Diagne był przytłoczony tym pytaniem, więc spisał każdy obraz we wspaniałej formie sinusoida, co możecie zobaczyć poniżej. Ta fala później stała się piękną reprezentacją wszystkiego, co projekt ma nadzieję osiągnąć dzięki uczeniu maszynowemu. Sinusoidę Diagne’a można w rzeczywistości przeszukiwać, dzięki czemu możesz surfować po morzu wszystkich obrazów w cyfrowym archiwum utworzonym przez Google Cultural Institute. Obrazy są pogrupowane w kategorie, a z lotu ptaka widać tylko morze kropek. Kiedy się wprowadzasz, możesz zobaczyć określone obrazy o wspólnym temacie, niezależnie od tego, czy są to szczenięta, farmy czy ludzie.
1 z 3
Możesz także przeszukiwać tę witrynę i znajdować żądane obrazy. Jeśli przyjrzysz się wystarczająco uważnie, możesz nawet natknąć się na to, co Diagne nazywa Brzegiem Portretów. To tam skupione są wszystkie obrazy ludzkich twarzy.
Aby stworzyć przeszukiwalną mapę każdego obrazu w archiwum, Diagne i jego zespół musieli stworzyć kategorię dla wszystkiego, aby nauczyć maszynę, co jest czym.
Kategoryzacja 7 milionów artefaktów, z których wiele może mieć wiele kategorii, nie jest łatwym zadaniem. Zespół musiał wymyślić kilka nieszablonowych rozwiązań. Nie wystarczy kategoryzować rzeczy na podstawie tego, czym są. Musieli także stworzyć kategorie dla emocji, jakie wywołują obrazy.
Uczenie maszyn ludzkich emocji to ważny krok w kierunku uczynienia ich bardziej kreatywnymi.
W ten sposób możesz wyszukać obraz przedstawiający „spokój”, a komputer wyświetli obrazy wywołujące poczucie spokoju, takie jak zachody słońca, spokojne jeziora i tak dalej. Co zaskakujące, maszyny nauczyły się rozpoznawać ludzkie emocje z taką umiejętnością, że mogą postawić się na naszym miejscu i zastanowić się, jak dany obraz wywołałby u człowieka emocje.
Uczenie maszyn ludzkich emocji to ważny krok w kierunku uczynienia ich bardziej kreatywnymi. W końcu znaczna część sztuki współczesnej to wizualne reprezentacje ludzkich emocji.
Ale czy maszyna może być kreatywna?
Kreatywność i artyzm to dwie rzeczy, o których my, ludzie, lubimy myśleć wyłącznie jako nasze. Zwierzęta nie tworzą sztuki, maszyny też… jeszcze. Projekt Google Deep Dream próbował wywrócić do góry nogami pogląd, że maszyny nie mogą tworzyć sztuki. Gigant poszukiwawczy wyszkolił komputery do manipulowania obrazami w celu tworzenia dziwacznych, psychodelicznych dzieł sztuki. Obrazy stworzone przez Google Silnik głębokiego snu może nie są ładne, ale z pewnością są wyjątkowe i szalenie kreatywne. Kreacje maszynowe zawierają psychodeliczne kolory, ślimaki, dziwne oczy i bezcielesne zwierzęta wirujące w nieokreślonych przestrzeniach.
Niektórzy mogą argumentować, że to nie jest prawdziwa sztuka, jeśli maszyny po prostu łączą istniejące obrazy, przekręcają je i zanurzają w ekstremalnych kolorach; Google błagałoby o inne zdanie, podobnie jak twórca kodu Klingemann.
„Ludzie nie są zdolni do oryginalnych pomysłów” – wyjaśnił.
1 z 8
Zauważył, że nawet słynne obrazy zawierają elementy wcześniejszych dzieł sztuki. Arcydzieło Picassa z 1907 roku Les Demoiselles d’Avignon, na przykład ma wpływy Sztuka afrykańska i prekursorzy kubistów takich jak Paula Cezanne’a. Kolaże, które w artystyczny sposób łączą istniejące obrazy, to kolejna dobrze ugruntowana forma sztuki. Picasso, Andy Warhol, Man Ray i nie tylko są znani ze swoich ekscentrycznych kolaży, więc dlaczego kolaże wykonane przez maszyny nie mogą również być sztuką?
Klingemann chciał przesunąć granice sztuki cyfrowej i zobaczyć, jak kreatywne maszyny mogą działać na długo przed rozpoczęciem rezydentury w Google Cultural Institute. Używając własnych, mniej wydajnych maszyn, Klingemann zaczął bawić się archiwami internetowymi i Google TensorFlow oprogramowanie do uczenia maszynowego do tworzenia cyfrowych kolaży.
Stworzył narzędzie do uczenia maszynowego o nazwie Ernst, nazwane na cześć surrealisty i artysty kolaży Maks Ernst. Klingemann zidentyfikował serię obiektów z prac Ernsta i nakazał swojemu komputerowi utworzyć różne kolaże z tymi samymi elementami. Rezultaty były często surrealistyczne, czasem zabawne, a innym razem absolutnie okropne.
„Ludzie nie są zdolni do oryginalnych pomysłów”.
Klingemann chciał mieć większą kontrolę nad chaotycznymi obrazami generowanymi przez jego maszyny, więc zaczął uczyć ich nowych rzeczy. Zadawał sobie pytanie: „Co jest interesujące dla ludzi?” Klingemann wiedział, że musi wytrenować system, na co ma zwracać uwagę, nauczyć go, jak postrzegać wszystkie te elementy tak, jak zrobiłby to ludzki artysta.
Powstała grafika jest wspaniała i całkowicie wyjątkowa. Chociaż Klingemann oczywiście do tworzenia swoich prac wykorzystywał stare obrazy, zostały one pokazane w nowym kontekście i to robi różnicę.
W tej chwili kreatywność komputerowa ogranicza się do ciekawych kolaży i zrozumienia, które obrazy dobrze do siebie pasują. Maszyny nie tworzą jeszcze własnych dzieł sztuki, ale artyści kodu, którzy je napędzają, stają się w tym procesie bardziej kuratorami niż twórcami.
Czas pokaże, jak daleko człowiek może poszerzyć twórcze umysły maszyn, ale z pewnością jest to fascynujące obserwowanie.
Zalecenia redaktorów
- Google Bard może teraz mówić, ale czy może zagłuszyć ChatGPT?
- Możesz teraz wypróbować Google Bard, rywala ChatGPT
- Nowa sztuczna inteligencja Bard firmy Google może być na tyle potężna, że ChatGPT będzie się martwić – i już tu jest
- Google Meet czy Zoom? Niedługo to nie będzie miało znaczenia
- Dziwna nowa klawiatura Google Japan potrafi także wyłapywać (dosłownie) błędy
