Инсиде Тхе Цодер Арт у Гоогле-овом институту за културу

Може ли машина бити креативна? Гугл тако мисли и има цео тим посвећен подучавању машина како да гледају на свет мало више као ми емотивни људи.

Размишљајте о рачунарима као да су деца и лако је разумети како их кодери могу научити да уче. Вештачка интелигенција је, на почетку, веома основна и једноставна. Људски модератори подучавају компјутере, показујући им како да мисле и тако сами себе уче. Међутим, када им кодери дају основе, могу брзо проширити то знање.

Ат тхе Гугл институт за културу у Паризу, Француска, гигант за претрагу учи машине како да категоришу 7 милиона слика људских уметничких достигнућа током векова. Институт чак има веб страницу, као и апликације за иОС и Андроид где можете претраживати уметничка дела из различитих музеја широм света. Да би направили свој каталог уметности, уметници кодова који су боравили у Институту морали су да науче рачунаре гледајте слике на начин на који би људи створили тачну дигиталну архиву уметности током људске историје.

Историја каталогизације је добра и добра, али неке од вештина које рачунари уче од сортирања и архивирања заправо их чине креативнијим. Уметници у резиденцији сада експериментишу са рачунарима како би створили нова уметничка дела користећи машинску интелигенцију и каталог од 7 милиона слика које су саставили. Током Гоогле И/О 2016. Цирил Диагне и Марио Клингеманн објаснили како су научили машине да виде уметност као људи и како су обучили машине да буду креативне.

Учење рачунара њиховим АБЦ

Једна од првих ствари које научите дете је језик. У западној култури, то значи научити своје АБЦ. Марио Клингеманн, самопроглашени уметник кода из Немачке, почео је да подучава машине да идентификује стилизована слова из старих текстова да би сазнао да ли би могао да научи рачунар да препознаје хиљаде различитих ас, Б, Ц, итд. на. Био је то убрзани курс у учењу машина како да категоришу слике на начин на који би људи.

Док компјутер може да погледа стилизовано слово Б прекривено виновом лозом и цвећем и види неку биљку, чак и петогодишње дете може одмах да идентификује слику као слово Б - а не биљку. Да би научио свој рачунар да препозна своје АБЦ, Клингеман му је дао хиљаде слика стилизованих слова. Направио је интерфејс сличан Тиндеру превлачења удесно или улево како би својим машинама рекао да ли су погодили слово тачно или погрешно.

Испоставило се да машине прилично брзо уче своје АБЦ; почели су у свему да виде слова. Као што људи виде лица у облацима и слике у апстрактним уметничким делима, његови компјутери виде слова у потпуно неповезаним сликама. Клингеман је свом компјутеру показао цртеж или гравуру срушене зграде, а они су уместо тога видели слово Б.

Клингеман је објаснио да када тренирате рачунар са само једним скупом слика, он почиње да види само ту врсту слике у свему. Зато су његове машине виделе писмо у рушевинама.

Учење рачунара да категоризују 7 милиона слика

Када се уметник дигиталне интеракције Цирил Диагне придружио Институту за културу, Гугл му је поставио прилично застрашујуће питање: „Шта можете да урадите са 7 милиона дигиталних артефаката?“

Диагне је био преплављен питањем, па је сваку слику нацртао у величанственом масиву синусни талас, које можете видети у наставку. Тај талас је касније на крају постао прелепа репрезентација свега што се пројекат нада да ће постићи машинским учењем. Диагнеов синусни талас је заправо претражив, тако да можете сурфати по мору свих слика у дигиталној архиви коју је направио Гугл институт за културу. Слике су груписане у категорије, а из птичје перспективе видите само море тачака. Док се усељавате, можете да видите одређене слике, све са заједничком темом, било да су у питању штенци, фарме или људи.

Можете и да претражујете кроз њега и пронађете слике које желите. Ако погледате довољно добро, можда ћете чак наићи на оно што Диагне назива Обалом портрета. Ту су груписане све слике људских лица.

Да би направили мапу за претрагу сваке слике у архиви, Диагне и његов тим су морали да направе категорију за све како би научили машину шта је шта.

Категоризација 7 милиона артефаката, од којих многи могу имати више категорија, није лак задатак. Тим је морао да смисли неке које су биле ван оквира. Није довољно само категоризовати ствари на основу тога шта јесу. Такође су морали да створе категорије за емоције које слике изазивају.

На тај начин можете да тражите слику „спокојства“, а рачунар ће вам показати слике које изазивају осећај мира, као што су заласци сунца, мирна језера итд. Невероватно, машине су научиле како да идентификују људске емоције са таквом вештином да се могу ставити у наше ципеле да размотре како би одређена слика учинила да се човек осећа.

Подучавање машина људским емоцијама је важан корак ка њиховом стварању креативније. На крају крајева, велики део модерне уметности је визуелни приказ људских емоција.

Али може ли машина бити креативна?

Креативност и уметност су две ствари о којима ми људи волимо да мислимо да су само наше. Животиње не стварају уметност, као ни машине... још увек. Гоогле-ов пројекат Дееп Дреам покушао да преокрене идеју да машине не могу да стварају уметност. Гигант за претрагу је обучио компјутере да манипулишу сликама како би створили бизарна, психоделична уметничка дела. Слике које је направио Гоогле Мотор Дееп Дреам можда нису лепе, али су свакако јединствене и дивље креативне. Машинске креације садрже психоделичне боје, пужеве, чудне очи и бестелесне животиње које се ковитлају у недефинисаним просторима.

Неки ће можда тврдити да није уметност ако машине само комбинују постојеће слике, уврћу их и утапају у екстремне боје; Гугл би се сложио са тим, као и уметник кодова Клингеман.

„Људи су неспособни за оригиналне идеје“, објаснио је он.

Чак и познате слике садрже елементе претходних уметничких дела, приметио је. Пикасово ремек-дело из 1907 Лес Демоиселлес д’Авигнон, на пример, има утицаја из Афричка уметност и претече кубиста попут Пол Сезан. Што се тога тиче, колажи, који комбинују постојеће слике на уметнички начин, су још једна добро успостављена уметничка форма. Пикасо, Енди Ворхол, Мен Реј и други познати су по својим ексцентричним колажима, па зашто колажи направљени машинама не би могли да стоје и као уметност?

Клингеман је желео да помери границе дигиталне уметности и да види како креативне машине могу да постану много пре него што је започео своју резиденцију у Гугл институту за културу. Користећи своје мање моћне машине, Клингеман је почео да се игра са Интернет архивама и Гуглом ТенсорФлов софтвер за машинско учење за прављење дигиталних колажа.

Створио је алат за машинско учење под називом Ернст, назван по надреалисти и уметнику колажа Мак Ернст. Клингеман је идентификовао низ објеката из Ернстовог рада и рекао свом компјутеру да направи различите колаже са истим елементима. Резултати су често били надреални, понекад смешни, а понекад и апсолутно ужасни.

Клингеман је желео више контроле над хаотичним сликама које су његове машине производиле, па је почео да их подучава новим стварима. Питао се: „Шта је људима занимљиво?“ Клингеман је знао да мора да обучи систем шта да тражи, да га научи како да посматра све те елементе као што би то чинио људски уметник.

Добијени уметнички радови су прекрасни и потпуно јединствени. Иако је Клингеман очигледно користио старе слике за креирање свог рада, оне су приказане у новом контексту, и то чини сву разлику.

Тренутно је компјутерска креативност ограничена на занимљиве колаже и разумевање које слике добро иду заједно. Машине још не праве сопствену уметност, али уметници кода који их покрећу постају више кустоси него креатори током процеса.

Остаје да се види колико далеко човек може да прошири креативне умове машина, али свакако је фасцинантно гледати.

Препоруке уредника

• Гоогле Бард сада може да говори, али може ли да пригуши ЦхатГПТ?
• Сада можете испробати Гоогле-ов Бард, ривал ЦхатГПТ-у
• Гоогле-ов нови Бард АИ може бити довољно моћан да забрине ЦхатГПТ - и већ је ту
• Гоогле Меет или Зоом? Ускоро, неће бити важно
• Бизарна нова тастатура Гоогле Јапана такође може да ухвати (буквално) грешке