Mga Video Ipinapakita Paano A.I. Binuo na Art Maaaring Magkaroon ng Parehong Mesmerize o Mangangaso ng Iyong mga Dreams

Mas maaga sa buwan na ito, ibinebenta ni Christie ang auction house kung ano ang sinasabi nito ay ang unang kailanman piraso ng algorithmically nakabuo ng sining na ibinebenta ng isang pangunahing bahay sa auction. Ang presyo-tag - halos kalahating milyong dolyar Amerikano - ay nagtataas ng ilang mga katanungan tungkol sa mga pinanggalingan ng pag-akda, ang bagong-natatangi na palabas na sining ng sining, at, marahil ang pinaka-mahalaga: bakit?

Gayunpaman, ang mga pagsusumikap na isinasagawa upang magturo ng mga makina tungkol sa sining, o mas tiyak tungkol sa mga imahe, ay hindi isang pampublikong pagkabansot. Mula sa pagiging mas mahusay na makita ang mga mapanlinlang na mga video sa retroactively pagbabago ng cast ng isang pelikula, computer siyentipiko ay may isang bilang ng mga praktikal na mga dahilan para sa pagtuturo ng machine kung paano mas mahusay na nakikipag-ugnayan sa visual mundo.

Si Daniel Heiss ay isang mahilig sa teknolohiya. Ang developer ng creative para sa ZKM Center para sa Art at Media ay isang maagang tagasunod ng isang neural network na inilathala ng mga mananaliksik ng NVIDIA noong Abril. Nilikha ito upang makabuo ng mga larawan ng mga haka-haka na kilalang tao pagkatapos ng pagsasanay sa libu-libong larawan ng mga umiiral na celeb. Ang inspirasyong Heiss na mag-plug sa 50,000 larawan ng photobooth na nakolekta ng isa sa mga interactive art installation ng ZKM upang makita kung anong uri ng sining ang kanyang A.I. magbubunga. Sa isang interbyu sa online, sinabi niya Kabaligtaran ang mga resulta ay mas mahusay kaysa sa siya kailanman naisip.

"Nakita ko ang nakatutuwang warping ng isang imahe ng mukha sa tatlong imahe ng mukha sa dalawang imahe ng mukha at iba pa. Iyon ay mas mahusay kaysa sa naisip ko, "sabi niya. "Sinubukan ko pa ring i-filter ang mga larawan upang ang mga larawan na may isang mukha lamang ang ginagamit, ngunit habang ako ay nagtatrabaho sa na ang mga sample na nabuo mula sa hindi naka-imbak na dataset ay dumating out kaya mahusay na ihinto ko na."

progressively-grown Gan (Karras et al) sinanay sa ~ 80,000 paintings pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan) Nobyembre 3, 2018

Ang video na Heiss 'ay mula nang nakakuha ng higit sa 23,000 mga upvote sa Reddit. Siya ay orihinal na tweeted ang footage nakita sa itaas sa Nobyembre 4, bilang tugon sa isa pang trippy paggamit ng algorithm ng NVIDIA sa pamamagitan ng programmer Gene Kogan. Sa halip na pakanin ang mga selfie ng network ng neural, ang Kogan ay gumamit ng halos 80,000 paintings.

Kogan ay sumabog din sa kakayahan ng A.I. upang lumikha ng mga frame na kahawig ng mga natatanging mga estilo, sa halip na mish-mashing lahat.

"Nagulat ako dahil sa kakayahang kabisaduhin ang napakaraming iba't ibang estetika na hindi nakapagpagulo," ang sabi niya Kabaligtaran. "Sa palagay ko iyan ang epekto ng pagkakaroon ng ilang daang milyong mga parameter sa laruan."

Paano Kami Nagtuturo A.I. Gawin ang Sariling Larawan

Ang koponan ng pananaliksik na NVIDIA, na pinangungunahan ni Tero Karras ay gumamit ng isang generative adversarial network, o GAN, na orihinal na inangkin ng istilong computer scientist na si Ian Goodfellow noong 2014. Ito ang pinagbabatayan ng tech sa likod ng tool ng DeepDream ng Google na nagawa ang mga alon sa larangan at online.

Ang GEN ay binubuo ng dalawang network: ang generator at discriminator. Ang mga programang ito sa kompyuter ay nakikipagkumpetensya laban sa bawat iba pang milyun-milyon sa milyun-milyong mga beses upang pinuhin ang kanilang mga kasanayan sa paglikha ng imahe hanggang sapat ang mga ito upang makalikha ng kung ano ang kalaunan ay kilala bilang malalim.

Ang generator ay fed mga larawan at nagsisimula na subukan at tularan ang mga ito hangga't maaari. Pagkatapos ay ipinapakita nito ang mga orihinal at nakabuo ng mga larawan sa discriminator, na ang trabaho nito ay upang sabihin sa kanila. Ang higit pang mga pagsubok na isinasagawa ang mas mahusay na nakakuha ang generator sa synthesizing mga imahe at mas mahusay na ang discriminator ay nagiging sa pagsabi sa kanila bukod. Nagreresulta ito sa ilang medyo nakakumbinsi - ngunit ganap na pekeng - mga mukha at mga kuwadro na gawa.

Paano Makakatulong ang mga Tech na Ito ng Mga Artist

A.I. Gumawa na ng isang pangalan mismo sa art world. Bilang karagdagan sa portrait na binuo ng kompyuter na naibenta sa Christie, ang DeepDream ay gumagawa ng trippy landscapes dahil bago ang mga deepfake ay isang bagay.

Naniniwala si Heiss na ang mga tool sa pag-aaral ng machine na nilikha ngayon ay hinog na gamitin ng mga artist, ngunit ang paggamit nito ay nangangailangan ng teknikal na lakas. Iyan ang dahilan kung bakit ang ZKM ay nagho-host ng eksibit sa Open Code upang magbigay ng inspirasyon sa mas maraming pakikipagtulungan sa pagitan ng tech at creative na sektor.

"Ang mga tool na umuusbong ngayon ay maaaring maging kapaki-pakinabang na tool para sa mga artist ngunit mahirap para sa isang artist na walang kaalaman sa programming at mga kasanayan sa pangangasiwa ng sistema upang gamitin ang mga ito," sabi niya. "Ang koneksyon na ito sa pagitan ng agham at sining ay maaaring humantong sa mga dakilang bagay, ngunit nangangailangan ito ng pakikipagtulungan sa parehong direksyon."

Ang mga maagang pag-ulit ng A.I., tulad ng mga GANS, ay nakakapagbigay ng milyun-milyong mga punto ng data upang makita ang mga pattern at kahit na mga larawan na hindi maaaring magkaroon ng mga tao sa kanilang sarili. Gayunpaman, ang kanilang malikhaing pangitain ay limitado pa rin kung ano ang pinili ng mga tao na bigyan ang mga algorithm na raw data.

Sa pamamagitan ng isang matalim na mata para sa mga kasanayan sa aesthetics at coding, ang A.I.-gamit ang mga artist sa hinaharap ay maaaring gumamit ng pag-aaral ng machine upang magsimula ng isang buong bagong edad ng pagkamalikhain o huminga buhay sa mas lumang estilo ng sining. Ngunit magkakaroon ng maraming data upang ituro ang mga machine kung paano mas mahusay na gayahin ang tao talino at kunin kung ano ang computer spits out isang hakbang karagdagang.