Mašīnas radošums pārspēj moderno mākslu

Radošums ir viens no lielākajiem izaicinājumiem mašīnu intelektam. Netrūkst pierādījumu, kas parāda, kā mašīnas var līdzināties un pat pārspēt cilvēkus plašās darbības jomās, piemēram, sejas un objektu atpazīšanā, logotipu zīmēšanā, attēlu sintēzē, valodu tulkošanā, daudzās dažādās spēlēs, piemēram, šahā un Go, un tā tālāk. . Bet, runājot par radošumu, mašīnas ievērojami atpaliek.

Ne jau piepūles trūkuma dēļ. Piemēram, mašīnas ir iemācījušās atpazīt māksliniecisko stilu, atdalīt to no attēla satura un pēc tam piemērot citiem attēliem. Tas ļauj pārvērst jebkuru fotogrāfiju Van Goga stilā Zvaigžņotā nakts , piemēram. Bet, lai gan šis un citi darbi sniedz svarīgu ieskatu mākslinieciskā stila būtībā, tas netiek uzskatīts par radošumu. Tāpēc izaicinājums joprojām ir atrast veidus, kā izmantot mašīnu intelektu radošiem mērķiem.

Šodien mēs gūstam nelielu ieskatu par progresu šajā jomā, pateicoties Ahmeda Elgamma darbam Mākslas un mākslīgā intelekta laboratorijā Ratgersas universitātē Ņūdžersijā, kā arī kolēģiem Facebook AI laboratorijās un citur.

Kurus no šiem attēliem ģenerēja mašīna? * Atbilde zemāk

Šie puiši ir apmācījuši mašīnu, lai radītu attēlus, kas ir atpazīstami līdzīgi cilvēka mākslai un tomēr atšķiras izmērāmos veidos. Turklāt viņi ir veikuši sava veida Tjūringa testu radošumam, jautājot cilvēkiem, vai viņi spēj atšķirt cilvēka mākslu un šo mašīnu radīto mākslu. Viņi arī jautāja cilvēkiem, kādam mākslas veidam viņi dod priekšroku, un rezultāti bija nedaudz negaidīti.

Pieeja ir salīdzinoši vienkārša. Tas balstās uz mašīnu, ko sauc par ģeneratīvo pretrunīgo tīklu. Tas sastāv no diviem neironu tīkliem, kas kopā sāk mācību procesu.

Viens no šiem tīkliem ir tradicionāls mašīnredzes algoritms, kas mācās atpazīt noteikta veida attēlus. Elgammal un citi to apmācīja, izmantojot WikiArt datubāzi, kurā ir vairāk nekā 80 000 gleznu, ko veidojuši vairāk nekā 1000 mākslinieku no 15. gadsimta līdz 20. gadsimtam.

Katrs attēls ir atzīmēts ar savu māksliniecisko stilu. Tātad datubāzē ir vairāk nekā 13 000 impresionisma gleznu, 2000 kubistu gleznu, vairāk nekā 1000 agrīnās renesanses gleznu utt. Iekārta mācās atpazīt katru no šiem stiliem.

Nākamais posms ir citam tīklam, lai ģenerētu nejaušus attēlus un parādītu tos apmācītajam tīklam, kas vai nu atpazīst tos kā konkrēta mākslas stila pārstāvjus, vai arī tos noraida. Izgatavojot daudz attēlu, šis otrais tīkls izmēģinājumu un kļūdu procesā apgūst to, ko pirmais tīkls atzīst par mākslu. Un pēc daudzām iterācijām tas iemācās radīt attēlus, kas atbilst noteiktiem stiliem.

Tomēr komanda šos attēlus neuzskata par radošiem, jo ​​tie vienkārši kopē mākslā zināmos stilus. Turpretim cilvēks mākslinieks pārkāptu robežas, radot kaut ko jaunu.

Ir daudz mākslas vēsturnieku un psihologu hipotēžu par radošo procesu, kas noved pie jaunas mākslas. Piemēram, labi zināma ideja ir tāda, ka jaunajiem mākslas darbiem ir stingri jāiesakņojas mākslas tradīcijās. Citiem vārdiem sakot, tam ir jābūt atšķirīgam, bet ne pārāk atšķirīgam.

Jo īpaši teorētiķi saka, ka mākslai ir jāstimulē skatītājs īpašos veidos. Nozīmīgākās estētikas uzbudinājuma īpašības ir novitāte, pārsteidzošums, sarežģītība, neskaidrība un mulsināšanās, saka Elgammal un citi.

Jaunums attiecas uz pakāpi, kādā stimuls atšķiras no tā, ko novērotājs ir redzējis/pieredzējis iepriekš. Pārsteigums attiecas uz pakāpi, kādā stimuls neatbilst gaidītajam. Pārsteigums ne vienmēr ir saistīts ar novitāti, piemēram, tas var rasties no novitātes trūkuma. Atšķirībā no novitātes un pārsteidzošuma, kas balstās uz līdzības un atšķirību salīdzinājumiem starp stimuliem, sarežģītība ir stimula īpašība, kas palielinās, pieaugot neatkarīgo elementu skaitam stimulā. Neskaidrība attiecas uz konfliktu starp semantisko un sintaktisko informāciju stimulā. Neizpratne attiecas uz neskaidrību daudzu, potenciāli nekonsekventu nozīmju dēļ.

Bet neatkarīgi no ietekmes, tā radītajam uzbudinājuma līmenim jābūt mērenam, nevis ārkārtējam. Pārāk mazs uzbudinājuma potenciāls tiek uzskatīts par garlaicīgu, un pārāk daudz aktivizē pretības sistēmu, kā rezultātā rodas negatīva reakcija, saka Elgammal un citi.

Tam ir būtiska ietekme uz to, kā tiek izveidots viņu ģeneratīvais pretinieku tīkls vai aģents. Viņi saka, ka aģenta mērķis ir ierobežotā veidā radīt mākslu ar paaugstinātu uzbudinājuma potenciāla līmeni, neaktivizējot pretības sistēmu. Citiem vārdiem sakot, aģents cenšas radīt mākslu, kas ir jauna, bet ne pārāk jauna.

Pētnieki saka, ka viņi ir atraduši veidu, kā likt savam ģeneratīvajam pretinieku tīklam to darīt. Pēc tam, kad ir iemācījušies reproducēt noteiktus mākslas stilus, iekārta ir iestatīta, lai radītu attēlus, kas atbilst mākslā kopumā pieņemtajām robežām, bet maksimāli palielina atšķirību no zināmajiem stiliem. Aģents cenšas izpētīt radošo telpu, atkāpjoties no iedibinātajām stila normām un tādējādi ģenerē jaunu mākslu, saka Elgammal un co. Viņi sauc šo mašīnu par radošu pretinieku tīklu.

Skābes tests, protams, ir tas, kā cilvēki reaģē uz šo mašīnu radīto mākslu. Lai to noskaidrotu, Elgammal un kolēģi rādīja dažādus attēlus — gan cilvēku, gan mašīnu radītus — cilvēku strādniekiem, izmantojot tiešsaistes kolektīvo pakalpojumu pakalpojumu Mechanical Turk.

Cilvēku radītie attēli ietvēra attēlus no WikiArt abstraktā ekspresionisma datubāzes, kā arī attēlu atlasi no vadošā laikmetīgās mākslas meses, kas notika Bāzelē, Šveicē 2016. gadā. Šie attēli ir modernās mākslas virsotne. Abstraktā ekspresionisma izvēles iemesls bija lielā mērā noņemt cilvēku un objektu attēlus, kas skaidri palīdz atšķirt mašīnmākslu no cilvēka mākslas.

Dažus ar mašīnu ģenerētajiem attēliem radīja radošais pretinieku tīkls, bet citus radīja ģeneratīvais pretinieku tīkls, kas vienkārši atveido apgūtos mākslinieciskos stilus.

Pētnieki lūdza katru cilvēku novērtēt attēlus dažādos veidos, piemēram, cik ļoti viņiem katrs patika, cik jauns tas šķita un vai tos radījis cilvēks vai mašīna. Viņi arī jautāja, vai dalībnieki var sajust mākslinieka nodomu, vai viņi var redzēt attēlā redzamo struktūru un vai attēls viņus iedvesmo.

Rezultāti rada interesantu lasīšanu. Cilvēkiem bija diezgan labi pamanīt abstraktos ekspresionisma attēlus, ko radījis cilvēks, un tos, ko radījusi mašīna. Bet Bāzeles mākslas gadījumā cilvēkiem skatītājiem bija grūti atšķirt atšķirību.

Cilvēki arī novērtēja radošā pretrunīgā tīkla radītos attēlus augstāk nekā Bāzelē demonstrēto cilvēku radīto mākslu. Viņi identificējās ar to ciešāk un uzskatīja, ka tas ir iedvesmojošāks.

Ir vilinoši to interpretēt kā nosodošu apsūdzību mūsdienu mākslas stāvoklim un tās radītajam radošuma līmenim. Bet Elgammal un citi izvairās no ceļgala raustīšanas reakcijas. Mēs atstājam atklātu, kā interpretēt cilvēku atbildes, kas CAN mākslu vērtēja labāk nekā Art Basel paraugus dažādos aspektos, viņi saka diplomātiski.

Lielāks jautājums ir par to, vai procesu, ko Elgammal un co izmantoja savu attēlu veidošanai, patiešām var uzskatīt par radošu. Cita interpretācija ir tāda, ka tas ir tīri algoritmisks process, kas ir iemācījies izmantot cilvēces emocionālās ievainojamības. Ja tā, iespējams, turpmākajā mākslas definīcijā būs jāiekļauj nosacījums, ka tai ir jābūt cilvēka radītai.

Jebkurā gadījumā šāda veida darbs ir paredzēts, lai tikai nedaudz paplašinātu mākslas un radošuma robežas.

Atsauce: arxiv.org/abs/1706.07068 : CAN: radoši pretrunīgi tīkli, kas rada mākslu, apgūstot stilus un atkāpjoties no stila normām

*Atbilde: tās visas

paslēpties