Aukce uměleckých kreseb generovaných strojem se slevou za 432 500 $

Portrét „Edmond de Belamy“ nebyl zdaleka jediným výtvorem umělé inteligence, ale byl výsledkem měsíců práce pomocí strojového učení

25. října 2018 Roberto Iriondo

Obrázek | S laskavým svolením skupiny umělců Zřejmé | [3]

Strojové učení generovalo tisk prodaný za 432 500 USD v aukční budově Christie v New Yorku ve čtvrtek 25. října 2018 - více než 40krát vyšší, než se očekávalo.

Tisk se nazývá „Edmond de Belamy“ a jeho rozmazané rysy - jsou artefakty generativních protivníkových sítí [1] (GAN) - algoritmus strojového učení používaný k jeho generování. Tisk je jedním ze série 11, všechny generované ML a zobrazující členy smyšlené „Belamy family“. Portrét Belamy je podepsán matematickým vzorcem popisujícím algoritmus, který byl použit k jeho vygenerování.

Generativní kontradiktorní sítě Algoritmus strojového učení, který byl použit ke generování portrétů Belamy [1]Pseudokód školení GAN Arxiv | [1]

Generativní kontradiktorní sítě (GAN) jsou generativní modely vytvořené v roce 2014 Ian J. Goodfellowem, výzkumným pracovníkem v oblasti strojového učení od společnosti Google Brain, který v zásadě umístil dva algoritmy do konkurenčního režimu, aby provedl výcvik.

Jak trénovat GAN Krátký úvod do generativních kontradiktorních sítí Thalles Santos Silva [5]

Dílo není jediným výtvorem umělé inteligence, ale je skutečným produktem měsíců iterační práce strojového učení tří lidí žijících společně v pařížském bytě - jedním z nich je doktorand strojového učení - skupina se kolektivně nazývá Zjevná [3].

Interaktivní generování obrazu pomocí GAN Kreslení základních tahů a nechat model kreslit působivé kousky pro vás | Jun-Yan Zhu | [10]

Zahrnutí díla do aukce Christieho, vedle tisků Chucka Closea a Jeffa Koonsa, bylo příčinou nějaké zděšení v uměleckém světě, ale také mezi experty AI, kteří berou dojem s implikací (na základě podpisu na díle) ), že algoritmus může být umělec sám o sobě - ​​zejména relativně rozmanitá odrůda, která byla použita k vytvoření díla.

Algoritmus není jediným prvkem, který vytvořil tyto kousky - GAN nemají svobodnou vůli. Vytvářejí složité štětce na základě složitých matematicko-vstupních parametrů a tyto štětce můžete použít k dosažení účinku, který by jinak bylo obtížné dosáhnout.

Aljjágský algoritmus GAN upravený strojovým učením PhD studenta na Obvious [3]

Tato nuance byla zjevně ztracena v některých zprávách kolem kusu, který vedl k dražbě - četné titulky popisovaly kus jako „vytvořený“ AI “, na rozdíl od použití strojového učení nebo generovaného strojovým učením, což je zřejmé o tom, jak špatně informovaná je veřejnost o rozdílech mezi umělou inteligencí a strojovým učením.

GANs začal dostávat pozornost od umělecké komunity kvůli potenciálu generovat zajímavé umělecké předměty. Níže najdete umění generované GAN Mario Klingemannem [6], umělcem, který GAN používá mnohokrát k vytvoření zajímavých kusů.

Hugo Caselles-Dupré, student strojního učení PhD a jedna třetina Obvious, uvedl [7], že tuto charakteristiku křídou označil v médiích za „senzacionismus“ a „clickbait“. Záměrem díla, on trval na tom, je vzdělávat veřejnost na hranici umělé inteligence. Algoritmy jsou nástrojem, zmínil Caselles-Dupré, nikoli samotné tvořivé bytosti.

"Dnes nejde o algoritmy, které nahrazují lidi," řekl Caselles-Dupré [7]. "V budoucnu budeme možná muset být opatrní, ale dnes jsou spíš nástrojem." Opravdu jsme chtěli ukázat konkrétní příklad toho, co tyto nástroje umělé inteligence dokážou. “ Podepsání díla s matematickým vzorcem algoritmu bylo „zábavným způsobem“, jak zmínil, když sdělil tyto myšlenky obecnému publiku.

Je nejasné, jak dobře taková strategie zasílání zpráv fungovala. V prohlášení pro Artnet [8] Richard Lloyd, Christieho mezinárodní vedoucí tiskovin a násobků uvedl, že kus byl vybrán k dražbě právě kvůli tomu, jak se údajně do jeho vytváření dostalo jen málo lidských zásahů.

Aby tyto modely fungovaly, musí GAN dostávat velké množství dat a používat takové obrazové datové soubory k vytváření nových výsledků po náročném tréninkovém období. Avšak jen proto, že jsou schopny produkovat originální výstupy, GAN nejsou autonomní. Takové konečné produkty jsou výsledkem dlouhého procesu pečlivého výběru vstupních dat, vylepšování matematických parametrů a poté proséváním výsledků s cílem najít nejlepší výsledky toho, co hledáte.

Poslední iterace algoritmu - to nejlepší, co kdy bylo možné získat pro účely Zjevného '- vyplivuje stovky obrázků, řekl Caselles-Dupré, který musel být omezen na pouhých 11. "Opatrně jsme vybrali obrázky, které jsme našli nejzajímavější v této dávce, “řekl.

Po několika iteracích používání GAN vybral Obvious [3] 11 uměleckých děl, které pečlivě vybrali, protože chtěli nové výsledky [7]. Která je však tvůrčí stranou v tomto procesu: algoritmus, který je třeba iterovat a podněcovat měsíce, aby se ukázalo něco napůl zajímavého, nebo umělci hledající estetický výsledek a přijímající všechna rozhodnutí, aby se tam dostali? Zatímco výstupem byla spolupráce mezi počítačovými algoritmy a zúčastněnými umělci, rovnováha kreativity padá na stranu člověka.

Takové použití GANs rozhodně nenahradí umělce, přinese však veřejnosti a umělecké komunitě nový pohled na používání algoritmů strojového učení při vytváření nových kusů [11].

Odhad hustoty pomocí Real NVP | Laurent Dinh, Jascha Sohl-Dickstein, Samy Bengio | [12]

A konečně, Obvious [3] zmiňuje na svém blogu [9]:

"Bude umělá inteligence umělcem zítřka?"
Byl bych v pokušení odpovědět:
"Je kamera dnes umělcem?"

PODMÍNKY PROHLÁŠENÍ: Názory vyjádřené v tomto článku jsou názory autora (autorů) a nepředstavují názory Carnegie Mellon University ani jiných společností (přímo či nepřímo) spojených s autorem (autory). Tyto spisy nejsou zamýšleny jako finální produkty, nýbrž spíše jako odraz současného myšlení a zároveň jako katalyzátor diskuse a zlepšování.

Najdete mě na: Můj osobní web, Střední, Instagram, Twitter, Facebook, LinkedIn nebo prostřednictvím mé společnosti zabývající se webovým designem.

Reference:

[1] Generativní kontradiktorní sítě | Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio | Arxiv | https: //arxiv.org/pdf/1406.2661.pdf

[2] Quasimondo | Mario Klingemann, Arist | http://quasimondo.com/

[3] Zřejmé Pařížský kolektiv výzkumných pracovníků v oblasti umění a strojového učení | http://obvious-art.com/

[4] Christieova aukce Edmond de Belamy z La Famille de Belamy | Zřejmá skupina https://www.christies.com/Lotfinder/lot_details.aspx?sid=&intObjectID=6166184

[5] Krátký úvod do generativních kontradiktorních sítí | Thalles Santos Silva | https: //sthalles.github.io/intro-to-gans/

[6] Mario Klingemann | https://twitter.com/quasimondo

[7] Umělecké dílo vytvořené AI bylo právě prodáno za 432 500 $ u Christie's | Základní deska | https://motherboard.vice.com/en_us/article/43ez3b/ai-generated-artwork-just-sold-at-christies

[8] Poskytla nám Umělá inteligence příští velké umělecké hnutí? Odborníci říkají zpomalit, "pole je v plenkách" | Artnet Novinky | https://news.artnet.com/art-world/ai-art-come-to-market-is-it-worth-the-hype-1352011

[9] Naivní, ale vzdělaný pohled na umění a umělou inteligenci Zřejmé | https://medium.com/@hello.obvious/a-naive-yet-educated-perspective-on-art-and-artificial-intelligence-9e16783e73da

[10] Interaktivní generování obrazu prostřednictvím generativních sítí protivníků Jun-Yan Zhu | https://github.com/junyanz/iGAN

[11] Strojové učení pro kreativitu a design Workshop NIPS 2017 | https://nips2017creativity.github.io/

[12] Odhad hustoty pomocí skutečného NVP | Laurent Dinh, Jascha Sohl-Dickstein, Samy Bengio | https://arxiv.org/pdf/1605.08803.pdf

[13] Strukturované generativní kontradiktorní sítě | Zhijie Deng, Hao Zhang, Xiaodan Liang, Luona Yang, Shizhen Xu, Jun Zhu, Eric P. Xing | Univerzita Tsinghua, Carnegie Mellon University, Petuum Inc. Nvidia Research Pioneer Winner | https://arxiv.org/pdf/1711.00889.pdf