Как делать искусственное искусство

Ученые пытаются приохотить искусственный интеллект к художественному творчеству

Изображение: Google/MIT

Изображение: Google/MIT

Один из путей к тому, чтобы познать принципы работы человеческого мозга, — создание искусственных аналогов разума или хотя бы отдельных его аспектов. Еще несколько десятилетий назад казалось, что такие задачи, как распознавание рукописного текста или устной речи (с которыми наш мозг так легко справляется), лежат далеко за пределами возможностей компьютерной техники. Но скоро выяснилось, что задачи эти решаются, причем требуют вполне конечных ресурсов памяти и быстродействия. Это позволяет хотя бы в принципе оценить реальные возможности человеческого мозга, не ограничиваясь расплывчатыми эпитетами «колоссальные» и «неисчерпаемые».

Благодаря этим работам все менее модно становится рассуждать о том, что такая-то и такая сферы деятельности — абсолютная прерогатива человека, а компьютер не сможет сделать это никогда. Ученые обучают искусственный разум все новым навыкам. Две недели назад американские программисты сообщили, что научили искусственный интеллект создавать объекты изобразительного искусства: алгоритмы генерируют изображения в известных стилях, а также изобретают новые картины в нетрадиционной манере. Первые работы уже были представлены публике, которая не смогла отличить машинное искусство от произведений живых художников.

Идея заставить компьютер «генерировать искусство» преследует программистов с самого начала работ над искусственным интеллектом. Одну из систем автоматического создания картин предложили немецкие исследователи два года назад. Их искусственная нейронная сеть умела синтезировать изображения из двух независимых источников: из одного она черпала только содержание картины, а из другого — живописный стиль. Если говорить проще, эта штука могла превращать фотографии и наброски в художественные полотна в стиле известных мастеров. Вот, например, что она проделала с невинной фотографией залитой солнцем немецкой улицы:

Иллюстрация: Leon A. Gatys, Alexander S. Ecker, Matthias Bethge/Cornell UniversityИллюстрация: Leon A. Gatys, Alexander S. Ecker, Matthias Bethge/Cornell University

В 2016 году британский разработчик Алекс Шампандар на основе сверточной нейронной сети сделал другую программу, которая умеет создавать изображения в стилистике, задаваемой картинами художников. Сначала программе подается образец стиля в виде картины и простой набросок того, что должно получиться. Сверточная нейронная сеть считывает стиль с картины художника и переносит его на пользовательский рисунок.

Иллюстрация: Алекс Шампандар/Semantic Style Transfer and Turning Two-Bit Doodles into Fine ArtworkИллюстрация: Алекс Шампандар/Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artwork

Но в этот раз ученые ставили задачу научить ИИ не повторять уже известные художественные стили, а создавать свои. Во введении к статье авторы ссылаются на «теорию сравнительной мотивации» англо-канадского психолога Берлайна Дэниела Эллиса. Эллис утверждал, что психофизическая концепция возбуждения имеет большое значение для изучения эстетических явлений. Действительно, в искусстве все ценят «новизну» — переводя это на язык собачек Павлова, мы придем к тому, что привыкание приводит к снижению возбуждения и к потере интереса к произведению. С другой стороны, можно процитировать работу Мартиндейла Колина (США) «Эволюция и конец искусства как гегелианская трагедия». Оттуда — с надлежащими ссылками на Гегеля — следует, что новизна искусства не может быть сколь угодно большой: достигнув определенной степени непредсказуемости, искусство становится непонятным и вскоре умирает.

Ознакомившись с работами этих почтенных гуманитариев, американские программисты сформулировали для себя, в чем секрет работы художника: выдумывать что-то новое, но не чересчур новое. Именно этого они и потребовали от своей программы. Программа называется Creative Adversarial Network (CAN). Она генерирует всем известные художественные стили и создает картины в новом, необычном (но и не отталкивающем) для зрителей формате.

Подробности для тех, кто хоть немного понимает, о чем речь. Алгоритм основан на нейросети GAN (Generative adversarial networks). Она состоит из двух сетей: первая (генератор) генерирует данные и предлагает второй (дискриминатору). Цель дискриминатора — определить источник данных, а генератор старается быть непредсказуемым. Сложность заключается в соблюдении необходимого баланса между сетями: если одна станет намного лучше другой, то алгоритм никогда не будет сходиться.

 

Ценителей легко удалось обмануть: они не только решили, что артефакты созданы живыми художниками, но и оценивали их в среднем выше, чем человеческое искусство

«Арт-агент CAN», как называют его создатели, построен по схожему принципу. Дискриминатор имеет доступ к набору различных изображений и умеет отличать стили искусства, например, рококо от кубизма. Задача генератора — сформировать картину в особом стиле, непохожем на существующие, но чтобы дискриминатор распознал ее как «искусство». Вот как циничные айтишники описали тот принцип, которому следует их алгоритм и которым, по их мнению, руководствуются настоящие художники: maximizing deviation from established styles and minimizing deviation from art distribution («Максимальное удаление от сложившихся стилей при минимальном удалении от общего распределения искусства»). Разработчики тренировали сеть, используя картины из общедоступного набора данных WikiArt 3, который имеет изображения 81 449 картин 1191 художников, начиная с пятнадцатого до двадцатого века.

Работы искусственного интеллекта были предложены ценителям художественного творчества (посетителям выставок). К радостному удивлению разработчиков, ценителей легко удалось обмануть: они не только решили, что артефакты созданы живыми художниками, но и оценивали их в среднем выше, чем человеческое искусство. Вот образцы компьютерного творчества, которые понравились ценителям больше всего (другие примеры картин см. в статье по ссылке).

Иллюстрация: Ahmed Elgammal, Bingchen Liu, Mohamed Elhoseiny, Marian Mazzone/Cornell UniversityИллюстрация: Ahmed Elgammal, Bingchen Liu, Mohamed Elhoseiny, Marian Mazzone/Cornell University

Критики скажут, что подобные упражнения имеют, мягко говоря, ограниченное значение: ясно, что ни один сколь-либо приличный художник не формулировал для себя творческую задачу с таким неприкрытым цинизмом и презрением к тайне искусства, как это сделали разработчики алгоритма. С другой стороны, тайна творчества еще и в том, что каждый творец уникален и мыслит по-своему. Если люди признают друг за другом право на оригинальность, то отчего бы им не принять в свою компанию мозг из проводов и интегральных схем? В отличие от тьмы никудышных художников всех времен, он, по крайней мере, не обманывает сам себя — а это качество, достойное человека.

Источник