Video toont hoe A.I. Gegenereerde kunst kan zowel uw dromen betoveren of achtervolgen

Eerder deze maand verkocht het veilinghuis Christie's wat het zegt het eerste stuk algoritmisch gegenereerde kunst dat wordt verkocht door een groot veilinghuis. Het prijskaartje - bijna een half miljoen Amerikaanse dollars - heeft een aantal vragen opgeroepen over de oorsprong van het auteurschap, de door nieuwheid geobsedeerde kunstmarkt en, misschien wel het belangrijkste: waarom?

En toch zijn de pogingen om machines over kunst te leren, of preciezer gezegd over afbeeldingen, nauwelijks een publiciteitsstunt. Van het kunnen detecteren van misleidende video's om met terugwerkende kracht de cast van een film te veranderen, hebben computerwetenschappers een aantal praktische redenen om machines te leren hoe ze beter kunnen omgaan met de visuele wereld.

Daniel Heiss is zo'n technologie-enthousiast. De creatieve ontwikkelaar van het ZKM-centrum voor kunst en media was een vroege aannemer van een neuraal netwerk dat in april door NVIDIA-onderzoekers werd gepubliceerd. Het is gemaakt om foto's van denkbeeldige beroemdheden te genereren na training met duizenden foto's van bestaande beroemdheden. Dit inspireerde Heiss om 50.000 fotobooth-afbeeldingen in te pluggen die werden verzameld door een van de interactieve kunstinstallaties van ZKM om te zien wat voor soort kunst zijn A.I. zou produceren. In een online interview vertelt hij omgekeerde de resultaten waren beter dan hij ooit had gedacht.

"Ik zag de gekke kromming van één gezichtsbeelden in drie gezichtsbeelden in twee gezichtsbeelden enzovoort. Dat was veel beter dan ik ooit dacht, "zei hij. "Ik heb zelfs geprobeerd de afbeeldingen te filteren zodat alleen afbeeldingen met één gezicht worden gebruikt, maar terwijl ik eraan werkte, kwamen de monsters die waren gegenereerd met de ongefilterde dataset zo goed uit dat ik daarmee stop."

progressief gegroeid GAN (Karras et al) getraind op ~ 80.000 schilderijen pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) 3 november 2018

Heiss 'video heeft sindsdien meer dan 23.000 upvotes op Reddit verzameld. Hij heeft op 4 november de hierboven getoonde beelden oorspronkelijk getweet, in reactie op een ander trippy gebruik van het algoritme van NVIDIA door programmeur Gene Kogan. In plaats van de selfies van het neurale netwerk te voeden, gebruikte Kogan ongeveer 80.000 schilderijen.

Kogan werd ook overweldigd door het vermogen van A.I. om frames te maken die op verschillende stijlen leken, in plaats van alles gewoon te mishandelen.

"Ik was verrast door zijn vermogen om zoveel verschillende esthetica te onthouden zonder te rommelig te worden," vertelt hij omgekeerde. "Ik denk dat dit het gevolg is van honderden miljoen parameters om mee te spelen."

Hoe wij A.I. om zijn eigen foto's te maken

Het NVIDIA-onderzoeksteam, geleid door Tero Karras, maakte gebruik van een generatief adversariaal netwerk, oftewel GAN, oorspronkelijk ontwikkeld door de gewaardeerde computerwetenschapper Ian Goodfellow in 2014. Dit was de onderliggende technologie achter de DeepDream-tool van Google die golven in het veld en online maakte.

GAN bestaat uit twee netwerken: de generator en discriminator. Deze computerprogramma's concurreren miljoenen keren met elkaar om hun vaardigheden voor het genereren van afbeeldingen te verfijnen totdat ze goed genoeg zijn om te creëren wat uiteindelijk bekend wordt als deepfakes.

De generator krijgt foto's te zien en begint deze zo goed mogelijk te emuleren. Vervolgens worden de originele en gegenereerde afbeeldingen weergegeven aan de discriminator, wiens taak het is om ze uit elkaar te houden. Hoe meer proeven er worden uitgevoerd, hoe beter de generator beelden kan synthetiseren en hoe beter de discriminator ze uit elkaar kan halen. Dit resulteert in behoorlijk overtuigende - maar volledig nep - gezichten en schilderijen.

Hoe deze technologie kunstenaars kan helpen

A.I. heeft al naam gemaakt in de kunstwereld. Naast het door de computer gegenereerde portret dat bij Christie's te koop was, maakt DeepDream trippy landscapes sinds voordat deepfakes iets waren.

Heiss gelooft dat de machine-leermiddelen die vandaag worden gemaakt rijp zijn om door kunstenaars te worden gebruikt, maar het gebruik ervan vereist technisch vermogen. Daarom organiseert ZKM haar Open Codes-tentoonstelling om meer samenwerking tussen de technische en creatieve sector te stimuleren.

"Gereedschappen die nu verschijnen, kunnen zeer nuttige tools zijn voor artiesten, maar het is moeilijk voor een artiest zonder enige kennis van programmeer- en systeembeheervaardigheden om ze te gebruiken," zei hij. "Deze verbinding tussen wetenschap en kunst kan tot grote dingen leiden, maar het vereist samenwerking in beide richtingen."

Vroegere iteraties van A.I., zoals GANS, zijn in staat miljoenen tot miljoenen gegevenspunten op te nemen om patronen en zelfs afbeeldingen te zien die mensen nooit zelf zouden kunnen bedenken. Hun creatieve visie wordt echter nog steeds beperkt door wat mensen kiezen om die algoritmen als onbewerkte gegevens te geven.

Met een scherp oog voor esthetiek en codeervaardigheden, zouden de A.I.-gebruikende kunstenaars van de toekomst machinaal leren kunnen gebruiken om een ​​heel nieuw tijdperk van creativiteit te starten of oude kunststijlen nieuw leven in te blazen. Maar het vergt veel gegevens om de machines te leren hoe ze het menselijke vernuft beter kunnen nabootsen en wat de computer een stapje verder uitspuugt.