هنر و هوش مصنوعی

تا 30 یا 40 هزار سال پیش، انسان‌ها زمانی برای این نوع خودنگری نداشتند. ما تمام عمر خود را صرف شکار، جنگیدن، گرم ماندن و ایمنی می‌کردیم. اما بعدها همه چیز تغییر کرد. نوع جدیدی از انسان آموخت تا غذا جمع آوری کند. قبایل Cro-magnon دیگر نیازی به شکار مداوم نداشتند. آنها می‌نشستند و آتش‌هایشان را تماشا می‌کردند که سایه‌های عمیقی بر دیواره‌های غار می‌اندازد و با اولین مکث به چیزی فراتر از بقا فکر می‌کردند.

آنها دست به کار شدند، چوب‌های سوخته را برداشتند و شروع به رسم کردند.

آنها نمی‌توانستند این کار را بدون توانایی‌های شناختی که اجدادشان از طریق شکار توسعه داده بودند انجام دهند: ساختن و استفاده از ابزار، توسعه حافظه، شکل گیری زبان، توسعه بیان و شناخت الگوهایی که در دنیای اطراف به آنها امکان زنده ماندن می‌داد.

همه‌ی اینها توانایی‌هایی هستند که در حال حاضر سعی می‌کنیم با ماشین‌ها تقلید کنیم: حافظه، زبان، درک، استدلال، یادگیری، بیان، تشخیص الگو

همه‌ی اینها اجزای اصلی هوش مصنوعی هستند.

هوش مصنوعی در نقش جعل کننده

ما شروع به استفاده از هوش مصنوعی کردیم تا هنری خلق کند و ابتدا به آن آموختیم که هنر خودمان را درک و تکرار کند. این تکنیک انتقال سبک (style transfer) نامیده می‌شود و از شبکه‌های عصبی عمیق برای تکرار، بازسازی و ترکیب سبک‌های آثار هنری استفاده می‌کند. ابتدا عناصر سبکی یک تصویر را شناسایی و ترکیب می‌کند و آنها را روی تصویر دیگر اعمال می‌کند.

این روند چه برای نقاشی، عکاسی، ویدیو یا موسیقی به کار رود، مفهوم یکسانی دارد: اثر هنری را انتخاب کنید که می‌خواهید سبک آن را بازآفرینی کنید و سپس اجازه دهید که الگوریتم آن سبک را روی تصویر دیگری اعمال کند. یا چندین سبک هنری انتخاب کنید و به هوش مصنوعی اجازه دهید ترکیب‌هایی ایجاد کند که به طور تدریجی سبک‌ها را با هم ترکیب می‌کند

در مثال زیر از هوش مصنوعی گوگل، می‌توانید چهار قطعه اصلی از آثار هنری را در هر گوشه مشاهده کنید. شبکه‌ای از تصاویر بین این گوشه‌ها نشاندهنده‌ی درجات ترکیب یک تصویر با تصویر دیگر و اعمال سبک به دست آمده در یک تصویر جدید است. تصویر مرکزی نتیجه ترکیب مساوی از هر چهار قطعه است.

این نوع استفاده از هوش مصنوعی برای جعل هویت و ریمیکس آثار هنری به درجات مختلفی از موفقیت «هنری» رسیده است، از ترکیب تصاویر دایناسور و گل که توسط Chris Rodley در فضای مجازی منتشر شد تا نمونه‌های متداول‌تر به ظاهر روانگردان که می‌توانید در Reddit پیدا کنید.

«اینطور نیست که یک دکمه را فشار دهید و چیزی شگفت انگیز را مشاهده کنید، من خصلت‌ها و ویژگی‌های شخصیتی الگوریتم را یاد گرفته‌ام » کریس رادلی در مورد استفاده از برنامه انتقال سبک DeepArt.io

انتقال سبک را می‌توان روی ویدیو و موسیقی نیز اعمال کرد. به خصوص ژانرهای موسیقی با آهنگسازی قابل پیش بینی‌تر. باخ و راک نمونه‌های خوبی از موسیقی هستند که به طور پیوسته ساختار یافته بوده و از الگوهایی پیروی می‌کنند که با هوش مصنوعی قابل تکرار هستند.

هوش مصنوعی در نقش همکار

گام بعدی فراتر از تقلید است. هدف در اینجا ایجاد رابطه مشترک بین هنرمند و هوش مصنوعی است. Amper یک نمونه‌ی ساده از تقلید در حال تکامل به همکاری است. این برنامه آنلاین به کاربر امکانی را می‌دهد تا سازها، ریتم‌ها، سبک‌ها و تمپوها را به طور مشترک برای تولید موسیقی جدید انتخاب کند.

Nsynth Super نمونه‌ی دیگری است که نشان می‌دهد چگونه هوش مصنوعی می‌تواند موسیقی و صداهای جدیدی را برای کار با نوازندگان تولید کند. این برنامه از شبکه عصبی برای درک ویژگی‌های صداها استفاده می‌کند و سپس آهنگ‌های کاملاً جدیدی را با استفاده از کیفیت آکوستیک صداهای اصلی ایجاد می‌کند.

همچنین هنرمندان سعی کرده‌اند خروجی آثار هنری خود را با الگوریتم‌های یادگیری ماشینی کمی زیباتر کنند و رابطه‌ی خود را با هوش مصنوعی تغییر داده‌اند تا بیشتر یک شریک ایده‌پردازی باشد نه صرفاً ابزاری برای ساخت ابزارهای جدید.

ماریو کلینگمن خود را Neurographer می‌نامد زیرا او با تغذیه تصاویر، ویدیو‌ها و نقاشی‌ها به کدهای قرض گرفته شده از پژوهش‌های یادگیری ماشین، نرم افزار تولید کننده هنر ساخته است.

یک عکاس، جهان را جستجو می‌کند و نقاط خوب را پیدا می‌کند من به داخل این شبکه‌های عصبی که خودشان جهان‌های چندبعدی هستند می‌روم و می‌گویم: «به من بگو به این مختصات چطور نگاه می‌کنند؟ حالا اینجا چطور؟»ماریو کلینگمن

در زیر نقاشی از ماریو کلینگمن که توسط هوش مصنوعی به تصویر درآمده را می‌بینید.

هوش مصنوعی در نقش خلق کننده

اینجاست که واقعاً قدم به سوی ناشناخته‌ها برمی‌داریم!

یک نمونه‌ی بسیار کوچک از آنچه که هوش مصنوعی به عنوان یک خالق هنر ممکن است انجام دهد در آزمایشگاه هنر و هوش مصنوعی راتگرز در نیوجرسی دیده‌ایم. محققان در آنجا یک سیستم هوش مصنوعی برای تولید هنر ایجاد می‌کنند که هنرمند انسانس در فرآیند خلق آن دخالتی نمی‌کند اما محصولات خلاقانه انسان را در فرآیند یادگیری مشارکت می‎دهند. نتیجه سیستم آنها یک اثر هنری است که برای مقایسه با هنر انسانی از «سبک تورینگ» بهره می‌برند.

مدیر آزمایشگاه، احمد الگمل توضیح می‌دهد:

اگر ما به ماشین در مورد هنر و سبک‌های هنری آموزش دهیم و آنها را مجبور به تولید تصاویر بدیع کنیم که از سبک‌های ثابت پیروی نمی‌کنند، چه چیزی ایجاد خواهند کرد؟ آیا چیزی را تولید می‌کنند که از نظر زیبایی شناختی برای انسان جذاب باشد؟ آیا می‌توان آن را «هنر» نامید؟

ما از سوژه‌های انسانی خود خواستیم تا آثار هنری خلق شده توسط هوش مصنوعی ما که به لحاظ ساختاری، بصری، ارتباطی، الهام بخش می‌دانند ارزیابی کنند. هدف ما داوری در این رابطه بود که آیا تصاویر تولید شده توسط هوش مصنوعی می‌توانند هنر تلقی شوند یا خیر. ما فرض کردیم که سوژ‌ه های انسانی به هنر خلق شده توسط هنرمندان انسانی در مقیاس‌های بالاتری امتیاز دهند. در کمال تعجب نتایج نشان داد که سوژه‌های انسانی به تصاویر تولید شده توسط هوش مصنوعی امتیازی بالاتر از تصاویر ایجاد شده توسط هنرمندان واقعی داده‌اند!

پس می‌توان گفت هوش مصنوعی قادر به خلق آثار هنری است؟ بله، اما نتایج کاملاً بستگی به آن دارد که ما به عنوان انسان، چه چیزی را هنر می‌دانیم.

آینده‌ی هنر+ هوش مصنوعی

کارهای اولیه انجام شده توسط هوش مصنوعی در حوزه‌ی هنر به احتمال زیاد قابل توجه خواهد بود با آزمایشاتی که سیستم‌های شبه عصبی می‌توانند تولید کنند-ابزاری برای بررسی طبیعت، فرهنگ، ایده‎ها، ادراک و حتی نحوه ی کار ذهن خود ما. Blaise Aguera دانشمند برجسته Google AI