Vídeo mostra com A.I. L’art generat pot fer-ho tant com per encantar-vos o per assotar-vos els vostres somnis

A principis d’aquest mes, la casa de subhastes Christie’s va vendre el que diu és la primera peça d’art generada de manera algorítmica venuda per una important casa de subhastes. L’etiqueta de preus, de gairebé mig milió de dòlars nord-americans, ha plantejat una sèrie de preguntes sobre l’origen de l’autoria, el mercat de l’art obsessionat per la novetat i, potser el més important: per què?

I no obstant això, els esforços en curs per ensenyar màquines sobre art, o més precisament sobre imatges, no són ni un truc publicitari. Des de poder detectar millor els vídeos enganyosos fins a canviar retroactivament el repartiment d'una pel·lícula, els científics informàtics tenen una sèrie de raons pràctiques per a ensenyar a les màquines com millorar el compromís amb el món visual.

Daniel Heiss és un entusiasta de la tecnologia. El desenvolupador creatiu del ZKM Center for Art and Media va ser un dels primers que va adoptar una xarxa neuronal publicada pels investigadors de NVIDIA el mes d'abril. Va ser creat per generar imatges de celebritats imaginàries després d'entrenar-se amb milers de fotos de famosos existents. Això va inspirar a Heiss a connectar 50.000 imatges de fotògraf recopilades per una de les instal·lacions d’art interactiu de ZKM per veure quina mena d’art era el seu IA. produiria. En una entrevista en línia, explica Invers els resultats van ser millors del que mai havia imaginat.

"Vaig veure la desviació boja d’una cara de les imatges en tres imatges de cara a dues imatges de la cara i així successivament. Va ser molt millor del que mai vaig pensar ”, va dir. "Fins i tot vaig intentar filtrar les imatges de manera que només s'utilitzessin imatges amb una cara, però mentre treballava, les mostres generades a partir del conjunt de dades no filtrades van sortir tan bé que ho deixo".

progressiu GAN (Karras et al), format a partir de ~ 80.000 pintures pic.twitter.com/fkNjw8m2uC

- Gene Kogan (@genekogan), 3 de novembre de 2018

El vídeo de Heiss ha obtingut més de 23.000 upvotes a Reddit. Originalment, va publicar un tuiteo sobre el material publicat anteriorment el 4 de novembre, en resposta a una altra utilització triple de l’algorisme de NVIDIA pel programador Gene Kogan. En lloc d’alimentar els autònoms de la xarxa neuronal, Kogan va utilitzar aproximadament 80.000 pintures.

Kogan també va quedar impressionat per la capacitat de l'AI de crear marcs que s'assemblessin a estils diferents, en comptes de mesclar-ho tot.

"Em va sorprendre la seva habilitat per memoritzar tantes estètiques diferents sense confondre's", explica Invers. "Crec que això té l’efecte de tenir diversos centenars de milions de paràmetres amb què jugar".

Com ensenyem A.I. per fer les seves pròpies fotos

L’equip d’investigació de NVIDIA, liderat per Tero Karras, va fer ús d’una xarxa adversària generativa, o GAN, originalment teoritzada pel estimat científic d’informàtica Ian Goodfellow el 2014. Aquesta va ser la tecnologia subjacent darrere de l’eina DeepDream de Google que va fer onades al camp i en línia.

GAN consta de dues xarxes: el generador i el discriminador. Aquests programes d’ordinador competeixen contra milions d’altres milions de vegades per perfeccionar les seves habilitats de generació d’imatges fins que siguin prou bones com per crear el que finalment es coneix com a fons profunds.

El generador s’alimenta de fotos i comença a intentar emular-los el millor possible. A continuació, mostra les imatges originals i generades al discriminador, la tasca de la qual és separar-les. Com més assajos es realitzin, millor serà el que el generador aconsegueixi sintetitzar les imatges i millor serà el discriminador a l'hora de separar-les. Això es tradueix en unes pintures i cares bastant convincents, però completament falses.

Com aquesta tecnologia pot ajudar els artistes

A.I. ja s'ha fet un nom en el món de l’art. A més del retrat generat per ordinador que es va posar a la venda a Christie’s, DeepDream ha estat fent paisatges trepidants des que abans els "deepfakes" fossin una cosa.

Heiss creu que les eines d’aprenentatge automàtic que es creen avui s’utilitzen per als artistes, però utilitzar-los requereix capacitat tècnica. Per això, ZKM acull la seva exposició Open Codes per inspirar més col·laboració entre el sector tecnològic i el sector creatiu.

"Les eines que ara s’estrenen poden ser eines molt útils per als artistes, però és difícil per a un artista sense coneixements de programació i habilitats d’administració de sistemes per utilitzar-los", va dir. "Aquesta connexió entre ciència i art pot conduir a grans coses, però necessita col·laboració en ambdues direccions".

Les primeres iteracions d’AI, com ara GANS, són capaces d’adherir a milions de milions de punts de dades per veure patrons i fins i tot imatges que els humans mai no podrien plantejar. No obstant això, la seva visió creativa encara està limitada pel que els humans escullen per donar aquests algorismes com a dades en brut.

Amb una actitud estètica i de destresa de codificació, els artistes que utilitzen el futur, que són A.I., podrien utilitzar l'aprenentatge automàtic per iniciar una nova era de la creativitat o donar vida a estils artístics més antics. Però es necessitaran moltes dades per ensenyar a les màquines com imitar millor l’enginy humà i prendre el que l’ordinador escriu un pas més.