Muss eine AI machen gerne Rembrandts Freundin, Kunst zu machen?
Ist ein Bild von einer künstlichen Intelligenz "Kunst" gemacht, wenn es keine Emotion beteiligt? Und was passiert, wenn Sie trainieren ein neuronales Netzes zu musizieren mit der Freunde-Theme tune?
Jonathan Jones ist unglücklich über künstliche Intelligenz. Es wäre schwer zu sagen, aus ein flüchtiger Blick auf den letzten Spalte der Kunstkritiker, "das digitale Rembrandt: eine neue Art, Kunst, von Narren, zu verspotten", aber wenn man genau hinschaut, gibt es die subtile Hinweise. Sein Gebrauch von Adjektiven "schrecklich, geschmacklos, unempfindlich und seelenlosen" in einem Satz, zum Beispiel.
Die Quelle von Jones es Ire ist ein neues Stück Software, das bringt... I 'm so sorry... die "Kunst" in "künstliche Intelligenz". Durch die Analyse einer Teilmenge von Rembrandt-Gemälden, die vorgestellten "bärtige weiße Männer in den 40ern, die auf der Suche nach rechts", waren seine Algorithmen in der Lage, die wesentlichen Merkmale zu extrahieren, die die Holländer Stil definiert. Auf über 160.000 Fragmente von den Rembrandts geschult, würde die KI bald genug, um seine ganz eigenen Meisterwerk produzieren lernen. Oder ersatzweise die Themamelodie Freunde .
Natürlich ist eine künstliche Intelligenz der schlimmste mögliche Feind eines Kritikers, denn es kein Ego hat und buchstäblich nicht geben ein Mist was Sie denken. Ein Kunstkritiker versuchen, mit einem AI umzugehen ist wie ein Old-School-Mechaniker zum Auswechseln der Batterie in ein iPhone-verloren, versuchen die falschen Werkzeuge besitzen und letztlich irrelevant. Ich bin nicht überrascht Jones wütend ist. Wäre ich in seinen Schuhen, würde ein Computer, ein Rembrandt Gemälde mich in den Bienenstöcken herausbringen.
Kann ein Computer wirklich Kunst zu produzieren? Wir können das beantworten, ohne Umgang mit einer Gegenfrage: was genau ist Kunst? Ich bin ein Ingenieur, der schreibt zynisch Dinge in den Zeitungen für Geld, so bin ich wahrscheinlich die schlimmste Person zu Fragen. Soweit ich das beurteilen kann, ist es eine sinnlose Frage, die niemand jemals auf die Beantwortung zustimmen wird. oder wie ich es nenne, "Philosophie". Also gehen wir weiter.
Können Computer malen wie Rembrandt? Nun ja, duh. Jede anständige Farbdrucker kann sich eine gute Wiedergabe eines Meisterwerks klopfen. Der günstige Monitor, dem ich tippe auf, kann es vierzig Mal pro Sekunde. Das ist aber wahrscheinlich nicht die richtige Frage.
Kann ein Computer lernen Rembrandts Stil und auf ein neues Bild anwenden? Dies ist die Art von Herausforderung, die wir fangen an mit tiefen Lernens eröffnen, und der Erfolg ist nicht so überraschend einmal necken Sie auseinander wie diese Algorithmen arbeiten.
Eine gemeinsame Aufgabe für AI ist Klassifizierung: Angesichts dieser Eingang, welche Art von Ding ich beschäftige mich mit? Frühen Algorithmen und einfachen neuronalen Netzen können dauern, ein Bild, und versuchen, das ganze in einem Rutsch als, sagen zu klassifizieren, ein Hund oder eine Eidechse. Sie würde es füttern, viele Bilder von Hunden und Eidechsen zu lernen, und dann wenn Sie es mit einem neuen Bild konfrontiert, die es entscheiden würde welcher Satz Training Bilder war am ähnlichsten.
Es könnte dies tun, durch jedes einzelne Pixel des neuen Bildes betrachten und vergleichen, was sie erwarten würden, in jedes Pixel für eine typische Hund oder Eidechse Bild zu sehen. Das Problem ist, dass zwei Bilder eines Hundes sehr unterschiedlich sein können. Sie könnten verschiedene Farben, die Hunde möglicherweise unter verschiedenen Winkeln, haben verschiedene Körperteile sichtbar, oder anders gestellt werden. Keine zwei Pixel werden wahrscheinlich das gleiche, so dass einfachere Algorithmen leicht verwechselt werden.
Natürlich gibt es bessere Ansätze als diese. Im Laufe der Zeit Computer-Vision-Experten fanden Wege, Dinge zu verbessern und bessere Leistung aus traditionellen Algorithmen durchzuschlagen. Eingabe der jährlichen ImageNet Large-Scale visuelle Erkennung Herausforderung Teams müssen Systeme zu entwerfen, die über 1 Million Fotos, auf denen tausend verschiedene Arten von Objekt klassifizieren können. Bis zum Jahr 2011 konnten die besten Einsendungen durch die ganze Reihe von Bildern mit einer Fehlerquote von ca. 25 % crunch.
Dann nahm ein Team von der University of Toronto im Jahr 2012, Aufsicht, ein System basierend auf ein tief faltenden neuronales Netz. Es zerstört den Wettbewerb, eine Fehlerquote von nur 16 % zu erreichen. Tief neuronale Netze wurde das Bild Klassifizierung Technik der Wahl, und innerhalb von wenigen Jahren Fehlerquoten wurden bis auf ein paar Prozent.
Ein tief neuronales Netz verarbeitet Bilder mehr, wie Sie es tun. Wenn Sie einen Hund anschaut, sieht man nicht nur "Hund". Roh ' Pixeldaten "reist aus deinem Auge an das Gehirn, wo es Schicht für Schicht der Verarbeitung durchläuft. In den meisten grundlegenden Schichten herausgreifen Neuronen Kanten, Linien, Bewegung, dunkle und helle. Diese einfache Funktionen sind an die nächsten Schichten weitergegeben, wo könnte sie zu etwas komplexer sind, wie Textur, Haare, Haut und Grundformen zusammengesetzt werden. Diese Schichten feed Informationen tiefer in dein Gehirn bis schließlich Sie haben einen "Hund" zusammengestellt.
Ein tief faltenden neuronales Netz funktioniert genauso. "Tief" bedeutet nur, dass es viele Schichten – hat können Sie davon halten, wie eine ganze Reihe von neuronalen Netzen, geschichtet, eins nach dem anderen. Die ersten Netze wählen Sie die grundlegendsten Muster und späteren Schichten montieren sie in immer komplexeren Formen und Funktionen. "Convolutional" bedeutet, dass das Bild in viele kleine überlappende Fliesen für die Verarbeitung, abgebaut, wodurch dem Endergebnis weniger abhängig von wo Dinge passieren im Bild sein.
All dies ist selbst gelernt. Ihnen nicht sagen, ein neuronales Netz zu suchen, diese wiederkehrenden Funktionen, es entdeckt sie durch das Kauen durch Unmengen von Daten. Lernen, wie dies schwer ist: musst du große Datasets trainieren, viel Rechenleistung und Wochen von Experten optimieren. Die Ergebnisse sind aber wesentlich robuster und tiefen Lernsysteme sind unglaublich gut spotting Muster und Motive in Daten, ob es Zahlen, Bildpixel oder Musiknoten. Das ist warum sie Rembrandts Stil aus einer Auswahl seiner Bilder auswählen können, die Pinselstriche und Techniken, die seine Arbeiten unverkennbar sein.
Ist das wirklich Kunst? Wenn es ist, ist es nicht von Seiten der AI. Alles, was der Algorithmus eigentlich schafft ein – sehr kompliziertes – mathematisches Modell von Rembrandt-Gemälden, und dann spuckt eine Visualisierung der es nach genau definierten Kriterien. In diesem Sinne scheinen dafür Kolumnisten und Tech-Autoren entschlossen zu behaupten, dass neuronale Netze sind magisch, wir tun wirklich nur mit einem stummen Tool spuckt Pixel zu bestellen.
Ist es Kunst seitens der Ingenieure? Vielleicht. Vielleicht ist die beste Definition von Kunst, dass es etwas wir erstellen, um eine emotionale Wirkung auf andere zu produzieren. Wenn das stimmt, dann ist das die Ironie von Jonathan Jones Wut ist es der stärkste Beweis so weit, dass ein AI-Mensch-Team legitime "Kunst" zu machen.
AI werde für Sie da sein.
Ich konnte es fertig, aber es gibt eine Frage, die, der wir alle eine Antwort zu verdienen. Wir wissen, was passiert nun, wenn Sie eine AI Rembrandts, Futter, aber was passiert, wenn Sie die Rembrandts stattdessen füttern?
Um herauszufinden, ich bekam DeepJazz, ein lustiges Python Projekt zusammengeschustert in eine 36-Stunden-Hackathon von Ji-Sung Kim an der Princeton University. DeepJazz kann mit ein wenig Aufwand, verwenden Sie eine MIDI-Datei eines Liedes, um ein neuronales Netz zu trainieren und dann eine neue jazz-Komposition basierend auf, dass die Ausbildung ausgegeben. Im Wesentlichen ist DeepJazz Musik was Siri tatsächliche Freunde zu haben.
So fand ich eine MIDI-Datei von "werde ich für Sie, von The Rembrandts be there". Dann machte ich einige Änderungen an DeepJazz, um alles richtig funktioniert für eine ganz andere Art von Musik als der Autor bestimmt. Ich habe eine AI, deren ganze Welt bestand aus der Titelmelodie von Freunden, und forderten sie auf, mir eine neue Zusammensetzung machen. Sie können das Ergebnis oben anhören. Ich nenne es "AI werde für dich da sein" (Spitze des Hutes zu meinem Freund Morgan für den Namen), und ich widme es hiermit Musikkritiker überall. Viel Spaß!