Videó bemutatók Hogyan A.I. A generált művészet mind Mesmerize, akár Haunt Your Dreams

A hónap elején a Christie elárusítóháza eladta, amit mond, az első olyan algoritmikusan létrehozott művészet, amelyet egy nagy aukciós ház értékesített. Az árcédula - közel félmillió amerikai dollár - számos kérdést vetett fel a szerzőség eredetéről, az újdonság-megszállott művészeti piacról, és talán a legfontosabb: miért?

És mégis a művészetre, vagy pontosabban a képekre vonatkozó gépek tanítására tett erőfeszítések aligha jelentenek nyilvánosságot. Mivel a számítógépes tudósok képesek lesznek jobban felismerni a megtévesztő videókat a film leadásának visszamenőleges megváltoztatására, számos gyakorlati oka van annak, hogy a gépeket hogyan tudják jobban összekapcsolni a vizuális világgal.

Daniel Heiss egy ilyen technológiai rajongó. A ZKM Művészeti és Média Központ kreatív fejlesztője az NVIDIA kutatói által áprilisban közzétett idegi hálózat korai alkalmazója volt. Létrehozta a képzeletbeli hírességek képeinek létrehozását, több ezer fotóval a meglévő hírességek edzése után. Ez inspirálta a Heiss-t, hogy csatlakoztassa a ZKM interaktív művészeti installációinak egyikén összegyűjtött 50 000 fotótáblát, hogy lássa, milyen művészetét az A.I. előállítaná. Egy online interjúban azt mondja fordítottja az eredmények jobbak voltak, mint valaha elképzelték.

„Láttam, hogy egy arc képének őrült elhajlása három arcképbe két arcképbe és így tovább. Ez sokkal jobb volt, mint gondoltam - mondta. „Én is megpróbáltam szűrni a képeket úgy, hogy csak egy arccal ellátott képeket használjunk, de miközben dolgoztam azon, hogy a szűrés nélküli adatállományból származó minták olyan jól jöjjenek ki, hogy megállítom.”

fokozatosan termesztett GAN (Karras et al) ~ 80 000 festmény képzése pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) 2018. november 3.

A Heiss videója már több mint 23 000 felajánlást kapott a Reddit-en. Kezdetben tweeteltette a fent leírt felvételeket november 4-én, válaszolva az NVIDIA algoritmusának egy másik, a programozó Gene Kogan által történő használatára. Ahelyett, hogy táplálná a neurális hálózatot, Kogan nagyjából 80 000 festményt használt.

Kogan-t az A.I.-vel is felrobbantották, hogy olyan kereteket hozzanak létre, amelyek különböző stílusokra hasonlítanak, nem pedig mindent mish-mashingra.

„Meglepődtem, hogy képes sok más esztétikát megemlíteni anélkül, hogy túlságosan zaklatott lett volna” - mondja fordítottja. - Azt hiszem, ez a hatás, hogy több száz millió paraméterrel kell játszani.

Hogyan tanítjuk A.I. készítsen saját képeket

A Tero Karras által vezetett NVIDIA kutatócsoport egy generatív ellentétes hálózatot, vagy GAN-t használt, amelyet eredetileg Ian Goodfellow neves informatikus tudósított. 2014-ben ez volt a mögöttes technológia a Google DeepDream eszköze mögött, amely hullámokat teremtett a területen és az interneten.

A GAN két hálózatból áll: a generátorból és a diszkriminátorból. Ezek a számítógépes programok több milliószor egymással versengenek egymással, hogy finomítsák képalkotó készségeiket, amíg elég jóak lesznek ahhoz, hogy létrehozzák azt, amit végül mélytüskéknek hívnak.

A generátort fényképezik, és megpróbálják a lehető legjobban utánozni őket. Ezután megmutatja az eredeti és a generált képeket a diszkriminátornak, akinek feladata, hogy elkülönítse őket. Minél több kísérletet végeztek, annál jobb lesz a generátor a képek szintetizálására, és minél jobb lesz a diszkriminátor, hogy elmondja őket egymástól. Ez néhány meglehetősen meggyőző - de teljesen hamis - arcot és festményt eredményez.

Hogyan segíthet ez a technika a művészeknek

Hatóanyagot már a művészeti világban is nevet adott. A Christie's-nél értékesített számítógépes portrész mellett a DeepDream is trippy tájakat készít, hiszen a deepfakes előtt.

A Heiss úgy véli, hogy a ma létrehozott gépi tanulási eszközök érettek, hogy a művészek használják őket, de használatuk technikai készségeket igényel. Ez az oka annak, hogy a ZKM otthont ad a nyílt kódjainak kiállításának, hogy ösztönözze a technológiai és kreatív szektor közötti együttműködést.

„A most megjelenő eszközök nagyon hasznos eszközök lehetnek a művészek számára, de a művész számára nehéz a programozás és a rendszergazdálkodási készségek ismerete nélkül” - mondta. „Ez a kapcsolat a tudomány és a művészet között nagyszerű dolgokhoz vezethet, de mindkét irányban együttműködésre van szükség.”

Az A.I. korai iterációi, mint például a GANS, milliónyi adatpontra képesek, hogy a mintákat láthassák, sőt az emberek még soha nem tudtak önmagukban felmerülni. Kreatív elképzelésük azonban még mindig korlátozott azzal, amit az emberek úgy döntenek, hogy ezeket az algoritmusokat nyers adatoknak adják.

Az esztétikai és kódolási készségek éles szemével az A.I.-t használó művészek használhatják a gépi tanulást, hogy egy teljesen új korszakot kezdjenek a kreativitáshoz, vagy lélegezni az életet a régebbi művészeti stílusokba. De rengeteg adatot fog megtanítani, hogy megtanítsák a gépeket, hogyan lehet jobban utánozni az emberi találékonyságot, és megteszi, amit a számítógép egy lépéssel tovább folytat.