Արվեստի և արհեստական ​​ինտելեկտի վերաբերյալ միամիտ, բայց կրթված հեռանկար

Բոլորս կարող ենք համաձայնել այն դիտարկմանը, որ Արհեստական ​​բանականությունը այսօր քննարկումների մեծ մասում է, ինչը այն դարձնում է շատ արդիական թեմա: Մյուս կողմից, արվեստը դարեր շարունակ եղել է, և հաճախ համարվում է պատմական հասկացություն: Եթե ​​ակնկալում եք AI- ի փորձագետի խորհուրդ կամ արվեստագետի տեսակետը այդ հարցում, հեռվից նայեք: Այն ամենը, ինչ դուք կստանաք, AI նկարիչ տեսակետ է թեմայի վերաբերյալ, որը միամիտ տեսակետ է, բայց տեղեկացված:

«Այս հայտնագործությունը կվերացնի արվեստի ստորին շերտերը»
«Նկարիչը մեքենա դառնալու ռիսկն է կրում ՝ կախվելով մեկ այլ մեքենայի»
«Նկարչությունը մեռած է»

Որոշակի ենթատեքստ ստեղծելու համար այս բոլոր բառերը լսել են դեռևս 1850 թ. Շուրջ 1850 թվականից: Եվ դրանք բոլորը նշում են այն գործիքը, որին մենք ծանոթ ենք. Տեսախցիկ:

Դեռևս այն օրերին, չնայած այն թեման էր, որը քչերն էին հասկանում, այն շատ տարածված էր:

Դա առարկա էր, որը մարդկանց մեծ մասին երազում էր, բայց, ինչպես մենք նկատեցինք նախկինում, նաև թեմա, որը կարող էր սարսափելի լինել:

Տեսեք, թե ուր եմ գնում:

Արհեստական ​​բանականության սահմանում

Երբ մենք խոսում ենք AI- ի մասին, կարևոր է պատշաճ կերպով նշել բեմը: Եկեք այն պարզ դառնանք: Ահա թե ինչ է AI- ն ՝ խելացի համակարգերի արտադրություն:

Գո՞հ եք այդ պատասխանից: Դե, բանն այն է, որ մենք բավականին պարզ ենք, թե ինչ է AI- ն, մինչդեռ հետախուզությունն ինքնին ճիշտ է ճիշտ սահմանել: Օրինակ ՝ խնդիր, որը բաղկացած կլիներ շնից կատու ճանաչելու մեջ: Կպահանջվի պարզել, թե որ առանձնահատկությունն ընդհանուր է յուրաքանչյուր առարկայի համար, օրինակներից դուրս ընդհանուր կանոններ կառուցել և հասցնել համեմատել: Հիմա կատարեք առաջադրանք, որը կպահանջի լուծել խորապես տեսական մաթեմատիկական խնդիր, որը կիրառվում է երկարաժամկետ հեռանկարում իրականությունը բարելավելու համար: Ձեր պարգևատրման սխեման փոխարեն այս խնդրի վրա կենտրոնանալու ընտրություն կատարելը պահանջում է հետախուզական այլ մակարդակ: Ի վերջո, AI- ն նպատակ ունի ստեղծել համակարգեր, որոնք կպատասխանեն այս բոլոր խնդիրներին:

AI- ն սահմանելու լավ միջոց կարող է լինել այն փաստը, որ ներկայումս ի վիճակի ենք անել: Այսօր, օգտագործելով մեքենայական ուսուցում, մեզ հաջողվում է կրկնօրինակել մարդկային պարզ առաջադրանքները ալգորիթմներով (մի շարք ցուցումներ, որոնք հիմնված են վիճակագրական մեթոդների և տվյալների վրա): Մենք օգտագործում ենք այս ալգորիթմները կա՛մ օպտիմալացնելու (բարդ հաշվարկներ կատարելով), կա՛մ մասշտաբելու համար (օրինակելի զրուցարաններով), չնայած որ այդ երկու հասկացությունները հաճախ միմյանց հետ կապված են: Ալգորիթմները կարող են սովորել `պարզելով տվյալների մեջ ընդհանուր առանձնահատկությունները, և մարդիկ ավելի արագ են, քան վերլուծում են այն: Մենք կարող ենք անվանել այս ավելացված հետախուզություն: Մենք շատ հեռու ենք ԱԻ-ից, որը մենք սիրում ենք ֆանտազիզացնել, և այն գաղափարը, որը ռեզոնանսվում է, երբ նորաստեղծ ընկերությունները, կառավարությունները և ընկերությունները հեղեղում են մեզ իրենց նորարարության մշտական ​​առաջխաղացման միջոցով:

Ակնհայտորեն աշխատելն իր մեջ ներառում է սերտ փոխհարաբերություններ ԱԻ-ի և դրա հնարավորությունների հետ:

Արվեստ. Փորձերի կատարյալ երկիր

Մենք որոշեցինք ուսումնասիրել այդ հարցաքննությունները արվեստի միջոցով: Ինչո՞ւ Արվեստը կատարյալ միջոց է, որը թույլ է տալիս փորձարկել ԱԻ հնարավորությունները և ավելի լավ հասկանալ, թե ինչպես է այդ ամենը գործում: Ահա չորս արվեստի առանձնահատկություններ, որոնք մենք ճանաչեցինք որպես օգտակար մեր հետազոտության մեջ:

«La Comtesse de Belamy», արհեստական ​​ինտելեկտ, օգտագործված արվեստի գործ

Արվեստը շոշափելի է. Այն առաջարկում է որոշակի արդյունքներ:

Այն մատչելի է. Մարդկանց մեծամասնությունը կապ ունի ինչ-որ արվեստի հետ:

Արվեստը մեկնաբանելի է. Այն առաջարկում է փորձի մեկ այլ եղանակ և հանգեցնում է բանավեճերի, որոնք գոնե նույնքան հետաքրքիր են, որքան պատասխանները, որոնք կարող եք ստանալ զուտ գիտական ​​դաշտը:

Արվեստը անվճար է, և դրանում փորձ ունենալիս չի կարելի զսպել մեր սեփական ստեղծագործությունը:

Հետևաբար, արվեստը թվաց, թե ստեղծագործական փորձեր կատարելու կատարյալ միջոց է, ինչպես արտահայտվում է ԱՀ-ով, ինչպես նաև դրա սահմանները:

Արվեստի մասին խոսելիս մենք հաշվի ենք առնում այն ​​բոլոր տեսակի ծրագրերը, որոնք սկսում ենք տեսնել, որոնք հայտնվում են մեր շուրջը: Երաժշտություն, որը ստեղծվել է մարդու և մեքենաների համագործակցության միջոցով, ալգորիթմների կողմից պատրաստված բանաստեղծություններ, սցենարներ, տեքստեր, կցանքներ և պատկերներ: Այս բոլոր նախագծերը ընդհանուր առմամբ ունեն ստեղծագործական գործընթացի մի մասի փոխարինում: Նրանցից յուրաքանչյուրը տարբերվում է մարդու միջամտության մակարդակով, որը նա ներառում է: Կարող ենք ասել, որ երբ ամբողջ գործընթացը ավտոմատացվի, մենք կստեղծենք այնպիսի մեքենա, որն ի վիճակի է լինել ստեղծագործական, նույն ձևով `մարդ:

Արտադրող ստեղծագործականությունը

Եկեք կենտրոնանանք այդ ստեղծագործական գործընթացի վրա: Որպեսզի դա ավելի լավ հասկանանք, պետք է ինքներս մեզ պատկերացնենք որպես ալգորիթմ, որին խնդրվում է ստեղծել զրոյից նկար: Այս օրինակը տարածվում է բանաստեղծության, երաժշտության կամ ստեղծագործական արվեստի ցանկացած այլ տեսակի ստեղծման վրա:

Դուք մթության մեջ եք: Տեսողության, լսողության կամ հպման իմաստ չկա: Ամենահավանական արդյունքը հետևյալն է:

Հիմա պատկերացրեք, որ դուք օգտվում եք տեսողությունից: Դա արվում է համակարգչային տեսողության միջոցով, ինչը թույլ է տալիս մի մեքենային վերլուծել նկարների պիքսել ըստ պիքսելների միջոցով և դուրս բերել որոշ ձևեր և գույներ: Սա ուսման գործընթացի հիմքում է, քանի որ այն հնարավորություն է տալիս ալգորիթմին մուտք գործել այն տվյալներ, որոնք մենք կցանկանայինք միավորել որպես սնունդ:

Հիմա մեզ պատկեր է ցույց տալիս: Այս մուտքից ամենահավանական ելքը հենց այդ նույն պատկերն է, քանի որ այն ներկայացնում է միակ տեղեկանքը, որն ունի ալգորիթմը:

Այժմ, եթե այս ալգորիթմին մեկից ավելի պատկեր եք ցույց տալիս: Այն կարող է սկսել սովորել ընդհանուր առանձնահատկությունների վերաբերյալ և, ամենայն հավանականությամբ, կտա պատկեր, որը նման է ստորև ներկայացված պատկերին:

Նույն ձևով, Generative Adversarial Networks- ը (GANs) վերլուծում է տասնյակ հազարավոր պատկերներ, սովորում դրանց առանձնահատկություններից և պատրաստվում է տվյալների բուն աղբյուրից անհասկանալի նոր պատկերներ ստեղծելու նպատակով: Այս մոդելները ի վիճակի են շրջանցել ոչ մի նշանակություն չունեցող ցանկացած պատկեր (այսինքն, որը չունի բավարար հատկություններ մյուսների հետ):

Նրանք նաև վերարտադրում են նորության գաղափարը: Նույնիսկ նույն մուտքերով, ալգորիթմն ամեն անգամ այլ արդյունք կտա: Սա արտացոլում է մարդու ստեղծագործական առանձնահատկությունը. Մենք երբեք չենք ստեղծի երկու անգամ նույն բանը, քանի որ անհնար է ինչ-որ մեկին խնդրել որևէ բան ստեղծել, երկու անգամ, միևնույն ժամանակ: Յուրաքանչյուր ազդեցության գործոնի խորհուրդը փոխվելու է այդ երկու պահերի միջև:

Հիմա եկեք հետաքրքիր դարձնենք իրերը: Պատկերացրեք, որ խնդրվում է ստեղծել գեղեցիկ նկար: Գեղեցկությունը սուբյեկտիվ արժեք է, և դրա համար ճիշտ կամ սխալ պատասխան չկա: Բայց կա վիճակագրորեն օպտիմալ մեկը: Այլընտրանք կլինի `պիտակներ (մետատրոհամակարգեր) դնել նկարների վրա, որոնք ծառայում են որպես մուտքագրում (կամ սնունդ): Եթե ​​կարողանաք ասել, թե որ պատկերներից որն է առավելագույնը վայելել, ես կարող եմ շեշտադրել իմ դասընթացները այս նկարների վրա և ստեղծել պատկեր, որն ավելի մոտ է դրանց:

Ներմուծման նկարները պիտակավորում են հավանումներով և դուր չեն գալիս

Այժմ մենք մտնում ենք խիստ տեսական դաշտ: Եթե ​​դուք ինձ խնդրեք օգտակար բան ստեղծել: Ես պետք է հասկանայի, թե ինչ ազդեցություն կարող է ունենալ նկարը: Հիշողություններ ետ բերելը, հաղորդագրության միջոցով անցնելը, հայրական ծիծաղը կամ տխրությունը: Մենք կկարողանանք պատկերացնել, որ այդ դժվարությունը պետք է ունենանք պիտակների հետ, բայց մեզ պետք են շատ հատուկ նկարներ և այդ նկարների վրա ահռելի տեղեկատվություն:

Ներածման նկարները հույզերով պիտակավորում են

Վերջապես, եթե դուք ինձ խնդրեք ստեղծել ինչ-որ բան, որն արտացոլում է իմ անձը: Ես պետք է զարգացնեի և նույնացնեի որպես իմ անձի առանձնահատկությունների առանձնահատկություններ և կապեր այդ հատկանիշները գրաֆիկական բովանդակության հետ, որպեսզի այն արտացոլի այն և ակնկալվող ազդեցությունը դիտողի վրա ստանա: Մենք շատ հեռու ենք դա անելու կարողությունից:

GAN- ները ստեղծագործական խառնաշփոթի միակ մոդելները չեն, բայց նրանք ուշադրություն են գրավում գիտական ​​համայնքի կողմից, քանի որ նրանք ի վիճակի են մոդելավորելու տվյալների մեծ ծավալային բաշխումները:

Ինչպես տեսնում եք, ստեղծագործությունը կարող է բաժանվել քայլերով, որոնք գնալով ավելի բարդ են: Ինչ վերաբերում է առայժմ, մենք տեղյակ չենք այդ ուղղությամբ կատարված բոլոր քայլերից, և մենք նույնիսկ ավելի քիչ կարող ենք դրանք վերարտադրել ալգորիթմներով:

Այնուամենայնիվ, մենք ի վիճակի ենք ստեղծել եզակի նկարներ, որոնք նոր և նման են իրականին: Այս հայտնագործությունը, ամենայն հավանականությամբ, կբացի բիզնեսի լայն հնարավորություններ:

Ի՞նչ է սպասում ապագան:

Այս մոդելների հետևանքները կանխատեսելու համար նկարահանելու հնարավորություն կարող ենք հետ նայել, թե լուսանկարչության տեսքը ինչ ազդեցություն ունեցավ արվեստի շուկայի և հասարակության վրա:

Լուսանկարչությունը ավտոմատացրեց վերարտադրության գործընթացը: Դա մեծ ազդեցություն ունեցավ այնպիսի մասնագիտությունների վրա, ինչպիսիք են ՝ պատճենահան նկարիչը, որոնք գրեթե անհետացել էին երկրի մակերևույթից: Մյուս կողմից, այն տեսավ ստեղծագործողների նոր սերունդ ՝ նկարիչ լուսանկարիչներ: Դուք միայն պետք է բացեք ձեր Instagram- ը ՝ ստեղծագործական աշխատանքների պայթյունին ականատես լինելու համար, որը հանգեցրեց այս գործիքի ժողովրդավարացմանը:

Ամենահին լուսանկարը, որը դեռ կա

Լուսանկարչությունը ընդունեց նաև դասական արվեստի նորմերը և դրանով իսկ գործի անցավ արվեստի շուկա:

Կարող ենք պատկերացնել, որ եթե AI- ին հաջողվի նույն բանը կատարել, ապա AI- ի նկարիչները շատ տարածված կդառնան մոտ ապագայում: Եվ նրանք արդեն հայտնվում են ամբողջ աշխարհում: Այս պահի դրությամբ այդ գործիքների կառավարումը պահանջում է հազվագյուտ և թանկ հմտություններ, բայց մենք պատկերացնում ենք, որ վաղը այդ հմտությունները լայնորեն տարածվելու են բնակչության շրջանում, և որ դրանց հասանելիությունը հեշտացնելու համար կմշակվեն ծրագրաշարեր:

Հիմա, եթե ինձ հարցնեք.

«Արդյո՞ք AI- ն կլինի վաղվա նկարիչը»,

Ես գայթակղվելու էի պատասխանել.

«Արդյո՞ք տեսախցիկը այսօրվա նկարիչն է»:

Դա չէ. AI- ն նոր գործիք է, որը թույլ է տալիս առավելագույնի հասցնել մարդկանց ստեղծագործական ներուժը: Այնուամենայնիվ, առաջին անգամ մարդիկ նաև հնարավորություն ունեն առավելագույնի հասցնել իրենց գործիքի ստեղծագործական ներուժը:

Մենք ստեղծել ենք գեղարվեստական ​​ստեղծագործություն `լանդշաֆտների վրա GAN- ների պատրաստման միջոցով

AI- ի հետ ստեղծագործական գործընթացի մասերը դառնում են ավտոմատացված: Եվ այդ մասերը ամենաքիչ բարդերն են:

Հայտնի են նոր ստեղծագործական առաջադրանքներ, և ստեղծագործողները շուտով կունենան նոր գործիք ՝ ալգորիթմիկ մատիտ, խոզանակ, թմբուկի պահոց, ինչը թույլ կտա նրանց ձեռքում ունենալ ստեղծագործական մեքենա և ձեռք բերել արդյունավետություն:

Գիտությունը որոնում է ճշմարտությունը, ոչ թե այն, ինչ ուզում ենք լսել: Հենց այս տեխնոլոգիաներից մենք ենք դիմում, որը կերտում է ապագան: Այդ դիմումները պետք է արվեն բարի կամքով: Հիմա, եթե մենք փնտրում ենք միամիտ հարցի պատասխան:

«Արդյո՞ք ԱՀ-ները կփոխարինեն մարդկանց»:

Դաստիարակված պատասխանը կլինի այն, որ բարի կամքի ճիշտ քանակությամբ ԱԻ-ն կփոխարինի այսօրվա մարդկանց, որպեսզի վաղվա մարդկանց հնարավորություն տա բարգավաճել ՝ նրանց մի փոքր ավելի շատ նմանելով արվեստագետների ՝ իրենց ընտրությամբ ընտրված ձևով:

Ակնհայտ է, այդպես չէ: