Videoprogram Hur A.I. Genererad konst kan både mesmerisera eller spöka på dina drömmar

Tidigare den här månaden sålde auktionshuset Christie vad det säger den första någonsin av algoritmiskt genererad konst som säljs av ett större auktionshus. Priset - nästan en halv miljon amerikanska dollar - har tagit upp ett antal frågor om upphovet till författarskap, den nyhetsobjektiva marknaden, och kanske viktigast: varför?

Och ändå är de ansträngningar som pågår för att lära ut maskiner om konst, eller mer exakt om bilder, knappast en publicitetsstunt. Från att kunna upptäcka bedrägliga videor bättre för att på ett retroaktivt sätt ändra filmens gjutning har datavetenskapare ett antal praktiska skäl att undervisa maskiner för att bättre engagera sig med den visuella världen.

Daniel Heiss är en sådan teknikentusiast. Den kreativa utvecklaren för ZKM Center for Art and Media var en tidig adopterare av ett neuralt nätverk publicerat av NVIDIA-forskare i april. Det skapades för att skapa bilder av imaginära kändisar efter träning med tusentals bilder av befintliga kändisar. Denna inspirerade Heiss för att plugga in 50.000 fotobooth bilder samlade av en av ZKMs interaktiva konstinstallationer för att se vilken typ av konst hans A.I. skulle producera. I en onlineintervju berättar han Omvänd resultaten var bättre än han någonsin föreställde sig.

"Jag såg den galna vridningen av ett ansikte bilder i tre ansiktsbilder i två ansiktsbilder och så vidare. Det var mycket bättre än jag någonsin trodde, "sa han. "Jag försökte ens att filtrera bilderna så att endast bilder med ett ansikte används, men medan jag arbetade på det visade sig de prover som genererades från den ofiltrerade datasatsen så bra att jag slutar det."

progressivt odlad GAN (Karras et al) utbildad på ~ 80.000 målningar pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) 3 november 2018

Heiss 'video har sedan fått mer än 23 000 röster på Reddit. Han tweeted ursprungligen den footage som ses ovan den 4 november som svar på en annan trippy användning av NVIDIAs algoritm av programmerare Gene Kogan. I stället för att mata de neurala nätverksgodsarna använde Kogan ungefär 80 000 målningar.

Kogan slogs också bort med A.I: s förmåga att skapa ramar som liknade distinkta stilar, istället för att bara misshandla allt.

"Jag blev överraskad av sin förmåga att memorera så många olika estetik utan att bli för jumbled", berättar han Omvänd. "Jag tror det är effekten av att ha flera hundra miljoner parametrar att leka med."

Hur vi lär oss A.I. att skapa egna bilder

NVIDIA-forskargruppen, under ledning av Tero Karras, utnyttjade ett generellt motsatsnätverk eller GAN, som ursprungligen teoretiserades av den uppskattade datavetenskaparen Ian Goodfellow 2014. Detta var den bakomliggande tekniken bakom Googles DeepDream-verktyg som skapade vågor på fältet och online.

GAN består av två nätverk: generatorn och diskriminatorn. Dessa datorprogram konkurrerar mot varandra miljontals gånger för att förfina sina bildgenererande färdigheter tills de är tillräckligt bra för att skapa det som så småningom blir känt som djupfel.

Generatorn matas bilder och börjar försöka efterlikna dem så gott som möjligt. Det visar sedan de ursprungliga och genererade bilderna till diskriminatorn, vars jobb det är att berätta för dem. Ju fler prövningar som utfördes, desto bättre blir generatorn vid att syntetisera bilder och ju bättre diskriminatorn blir när man talar om dem. Detta resulterar i några ganska övertygande - men helt falska - ansikten och målningar.

Hur denna teknik kan hjälpa konstnärer

A.I. har redan gjort sig ett namn i konstvärlden. Förutom det datorbildade porträtt som gick till försäljning hos Christie's, har DeepDream gjort trippy landskap sedan innan djupfel var en sak.

Heiss anser att maskinlärningsverktygen som skapas idag är mogna att användas av konstnärer, men att använda dem kräver teknisk kompetens. Därför är ZKM värd för sin Open Codes-utställning för att inspirera till mer samarbete mellan teknik och kreativ sektor.

"Verktyg som nu dyker upp kan vara mycket användbara verktyg för konstnärer men det är svårt för en konstnär utan kännedom om programmerings- och systemadministrationsförmåga att använda dem", sa han. "Denna koppling mellan vetenskap och konst kan leda till stora saker, men det behöver samarbete i båda riktningarna."

Tidiga iterationer av A.I. som GANS, kan suga upp miljoner på miljontals datapunkter för att se mönster och jämnbilder som människor aldrig kan komma på med sig själva. Men deras kreativa vision är fortfarande begränsad av vad människor väljer att ge dessa algoritmer som rådata.

Med ett skarpt öga för estetik och kodningsförmåga kan framtida konstnärer använda sig av maskininlärning för att hoppa igång en helt ny ålder av kreativitet eller andas liv i äldre konststilar. Men det kommer ta mycket data för att lära ut maskinerna hur man bättre efterliknar människans uppfinningsrikedom och tar vad datorn springer ut ett steg längre.