ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ИСКУССТВЕ
Аннотация. Новые технологии, и в частности искусственный интеллект, кардинально меняют характер творческих процессов. Они проникают в нашу жизнь все больше и сфера творчества не стала исключением. Компьютеры играют очень важную роль в творческой деятельности, такой как музыка, архитектура, изобразительное искусство и наука. Ведь компьютер — это уже холст, кисть, музыкальный инструмент и так далее. В статье рассматриваются технологии искусственного интеллекта и их влияние на современное искусство, а также их принцип работы. Тема работы актуальна, так как нейросети развиваются, ежегодно направлений их применения становится все больше. Сейчас особое развитие существует непосредственно в сфере искусства, так как до начала первого десятилетия двадцать первого века им практически не интересовались.
Ключевые слова: искусственный интеллект, технология, искусство, творчество, алгоритм.
Annotation. New technologies, and in particular artificial intelligence, are fundamentally changing the nature of creative processes. They penetrate into our lives more and more and the sphere of creativity is no exception. Computers play a very important role in creative activities such as music, architecture, fine arts and science. After all, a computer is already a canvas, a brush, a musical instrument, and so on. The article discusses artificial intelligence technologies and their impact on contemporary art, as well as their principle of operation. Now there is a special development directly in the field of art, since until the beginning of the first decade of the twenty-first century, there was practically no interest in it.
Key words: artificial intelligence, technology, art, creativity, algorithm.
Творчество кажется загадочным, потому что, когда у нас есть творческие идеи, очень трудно объяснить, как мы их получили, и мы часто говорим о расплывчатых понятиях, таких как «вдохновение» и «интуиция», когда пытаемся объяснить творчество. Тот факт, что мы не осознаем, как проявляется творческая идея, не обязательно означает, что научное объяснение не может существовать. На самом деле, мы не осознаем, как мы выполняем другие действия, такие как понимание языка, распознавание образов и так далее, но у нас есть все более и более совершенные методы искусственного интеллекта, способные воспроизводить такие действия. В течение последних нескольких лет исследователи пытались расшифровать способность машины имитировать человеческий интеллект для создания творческих продуктов, таких как шутки, стихи, задачи, картины, музыка и т. д. Интегральная цель состоит в том, чтобы показать, что алгоритмы ИИ на самом деле достаточно умны, чтобы создавать искусство без участия художников-людей, но принимая во внимание творческие продукты человека в процессе обучения.
Искусственный интеллект — это разработанная технология, которая позволяет компьютеру учиться на своем опыте, решать проблемы и распознавать шаблоны. Эта технология очень приближена к человеческому мышлению.
Новые технологии, и в частности искусственный интеллект, кардинально меняют характер творческих процессов. Компьютеры играют очень важную роль в творческой деятельности, такой как музыка, архитектура, изобразительное искусство и наука. Ведь компьютер — это уже холст, кисть, музыкальный инструмент и так далее. ИИ способны функционировать в разных творческих направлениях.
Рассмотрим технологию GAN (Generative Adversarial Network, генеративно-состязательная сеть). Генеративно-состязательная сеть (GAN) — это метод генеративного моделирования, который автоматически изучает и обнаруживает закономерности во входных данных, создавая правдоподобные результаты на основе исходного набора данных.
GAN могут обучать генеративные модели, эмулируя контролируемый подход к задачам обучения. GAN содержит две подмодели, которые конкурируют и подпитывают друг друга для получения более реалистичных результатов:
1) Модель генератора, обученная генерировать новые выходные данные.
2) Модель дискриминатора — классифицирует входные данные как реалистичные или поддельные. Он пытается определить, происходят ли входные данные из исходного набора данных модели генератора. [1]
Этот состязательный подход помогает улучшить возможности модели генератора до тех пор, пока модель дискриминатора не сможет различать реальные и сгенерированные входные данные.
GAN использует этот базовый рабочий процесс:
1) Генератор принимает входные данные, содержащие случайные числа.
2) Генератор обрабатывает ввод для создания изображения.
3)Дискриминатор принимает изображение, сгенерированное генератором, и дополнительные, реальные изображения.
4)Дискриминатор сравнивает весь набор изображений и пытается определить, какие изображения настоящие, а какие поддельные.
5)Дискриминатор возвращает прогноз для каждого изображения, используя число от 0 до 1, чтобы выразить вероятность подлинности. Оценка 0 указывает на поддельное изображение, а 1 указывает на реальное изображение.
Этот рабочий процесс создает непрерывный цикл обратной связи. Дискриминатор определяет основную истину (эмпирическую истину) для входных изображений, а генератор передает дискриминатору новые и улучшенные сгенерированные изображения.
Генеративно-состязательные сети — самая интересная идея машинного обучения за последние десять лет. Они позволяют машинам преуспевать в человеческих начинаниях, таких как письмо, рисование и музыка. Может создавать изображения, похожие на фотографии человеческих лиц, даже если лица не принадлежат ни одному реальному человеку из данного дистрибутива. Создание изображений из описаний (синтез текста в изображение). Даже в области аудио сети GAN можно использовать для создания синтетического высококачественного звука или выполнения голосовых переводов. Сегодня GAN доминируют над всеми другими генеративными моделями. В настоящее время GAN генерируют самые четкие изображения.
Эта технология привлекла внимание из-за картины «Эдмон де Белами», созданной в 2018 году парижским арт-коллективом Obvious. Изображение было создано с помощью алгоритма, который ссылался на 15 000 портретов разных периодов. [2]
Рис. 1. Картина «Эдмон де Белами» (изображение из открытых источников)
Последнюю и наиболее современную технологию по использованию искусственного интеллекта в искусстве представляет собой CAN (Creative Adversarial Networks). В ней используется тот же принцип, что и GAN. Первый сигнал показывает, классифицирует ли дискриминатор сгенерированное изображение как «искусство или не искусство». В традиционных GAN этот сигнал заставит генератор изменить веса и снова попытаться обмануть дискриминатор, заставив его поверить, что искусство исходит из того же пользовательского дистрибутива. Но в CAN дискриминатор обучается на большом наборе данных искусства, он может точно отличить сгенерированное изображение как «искусство или не искусство» и будет просить генератор сходиться только к изображениям, которые уже были приняты как «искусство». Второй сигнал сообщает об уровне точности дискриминатора для классификации созданного искусства по уже определенным классам. Если генератор может создать произведение искусства, которое может рассматриваться как «искусство», а также может быть легко выделено дискриминатором в уже определенный класс, то он успешно обманул дискриминатор, создав некоторое произведение искусства, которое может быть включено в такой класс. называли людей принятым искусством. Генератор пытается обмануть дискриминатор, заставляя его думать о сгенерированном произведении как об «искусстве», а также вводит его в заблуждение относительно стилей созданной работы. [2]
Два сигнала работают противоположно друг другу, первый подталкивает генератор к созданию искусства, которое может быть принято как «искусство», и в случае успеха это позволяет дискриминатору легко классифицировать изображения. Однако второй сигнал существенно оштрафует генератор за это, поскольку мотивом было создание неоднозначного по стилю искусства, то есть чего-то, что не может быть легко классифицировано дискриминатором, но все же может рассматриваться как «искусство». Оба сигнала работают независимо, но играют важную роль в совершенствовании друг друга, как и в GAN.
Neural style transfer – это самая простая и популярная форма использования ИИ в творчестве. Модель основана на стилизации изображения и построена на основе сверхточных нейронных сетей (CNN). Она внедрена в такие популярные мобильные приложения, как DeepArt и Prisma. На входе модели два изображения – шаблон-стиль и оригинал. При высокой стилизации алгоритм оптимизирует параметры таким образом, что результаты преобразования шаблона и оригинала максимально близки в промежуточных слоях CNN, которые отвечают за метаобраз. Фактор стилизации может регулироваться. Технология позволяет успешно имитировать стиль Ван Гога, Моне по библиотеке шаблонов. Каждому шаблону соответствует сет параметров предобученной нейронной сети. Технология позволяет использовать образы персонажей в рекламе и продвижении товара.
DeepArt или DeepArt.io — это веб-сайт, который позволяет пользователям создавать художественные изображения с помощью алгоритма перерисовки одного изображения с использованием стилистических элементов другого изображения. Здесь используется «Нейронный алгоритм художественного стиля» — алгоритм передачи нейронного стиля, который был разработан несколькими его создателями для отделения элементов стиля от произведения искусства. Инструмент позволяет пользователям создавать имитации произведений искусства, используя стиль различных художников. Нейронный алгоритм используется веб-сайтом DeepArt для создания представления изображения, предоставленного пользователем, с использованием «стиля» другого изображения, предоставленного пользователем. Аналогичная программа, Prisma, представляет собой приложение для iOS и Android , основанное на программировании с открытым исходным кодом, которое лежит в основе DeepArt.
В отличие от других приложений, которые просто применяют световые и цветовые фильтры к изображениям, приложение Prisma использует комбинацию нейронных сетей и искусственного интеллекта, чтобы использовать художественные стили известных художественных эффектов, таких как Ван Гог, Пабло Пикассо и Эдвард Мунк, а также другие художественные стили, а затем объединяет их с вашими фотографиями для создания изображений, которые ссылаются только на исходное изображение для руководства при создании совершенно нового изображения вместо внесения изменений в исходную фотографию или добавления слоя над ней для улучшения визуального вида изображения. Prisma не просто применяет выбранный фильтр к изображению, как в случае с другими известными приложениями, а берет изображение и анализирует его, используя текстуру и стиль известного произведения искусства. На самом деле программа искусственного интеллекта, лежащая в основе Prisma, использует два изображения для создания третьего изображения. Первое изображение — это, очевидно, фотография с устройства пользователя, а второе — художественный стиль. Алгоритм ИИ анализирует входное изображение и интеллектуально применяет текстуры и эффекты к этому изображению, чтобы создать отличный результат в экспортируемом. Таким образом, приложение создает изображения с нуля, как чистый холст, поэтому эти изображения выглядят как настоящие картины.
Рис. 2. Фото до и после обработки в Prisma
Идея о том, что машины могут быть художниками, или могут даже заменить художников, как они уже заменили некоторые профессии, выглядит пока слишком смелой.
Искусственный интеллект представляет экстраординарные инструменты работы и новое необычное экспериментальное поле для художников в сфере визуального искусства и индустрии развлечений (дизайн игр, кино – CGI и тд), а также упрощает и автоматизирует рутинные процессы. Однако, чем более автоматизированным становится процесс создания произведений искусства, тем выше возрастает ценность идеи, стоящей за ними. Конечно, нельзя сказать, что нейросеть «убивает» человеческое искусство. Нет, ведь она может только воссоздавать, то чему ее обучил человек. Рамки творчества устанавливаются им же. Именно человек ставит определенную задачу нейросети, будь то написание портрета или пейзажа, или натюрморта. А уже по имеющемуся алгоритму, на основе обучения конкретным видам изображения, нейросеть выполняет это задание.
На сегодняшний день искусственный интеллект может не только распознавать особенности произведений искусства, но и реконструировать их части. Однако заявление о том, что искусственный интеллект уже научился самостоятельно создавать картины или музыку, не совсем верно. До сих пор генерация идеи, выбор алгоритмов работы нейросетей, определение данных для машинного обучения невозможны без участия человека. Именно поэтому искусственный интеллект пока является инструментом в руках художника, реставратора или эксперта, а не самостоятельным творцом. Можно предположить, что дальнейшее развитие технологий приведет к наступлению нового этапа, где алгоритмы, данные и аддитивные технологии будут «создавать» произведения, а человек – придумывать новые направления в искусстве на их основе.
Список литературы
1. Морковкин Е.А., Новичихина А.А., Замулин И.С. Искусственный интеллект как инструмент современного искусства // Вестник Хакасского государственного университета им. Н.Ф. Катанова. 2021. № 1 (35). С. 55-59.
2. Щенников Г.С., Смирнова Н.А. Искусственный интеллект в современном искусстве // Цифровые технологии в культуре и искусстве. Материалы студенческой научно-практической конференции. Управление культуры администрации города Екатеринбурга; Муниципальное бюджетное образовательное учреждение высшего образования «Екатеринбургская академия современного искусства» (институт). 2021. С. 157-160.
© ООО «Знанио»
С вами с 2009 года.