Vsak umetnik je nekoč začel z nečim. Danes lahko to frazo ulova uporabimo v zvezi s stroji. Kaj je potrebno za ustvarjanje ustvarjalne umetne inteligence? Včasih se zdi, da te razlike med stroji in ljudmi stroji ne bodo nikoli dohiteli. Vendar AI že kaže naraščajočo nagnjenost k ustvarjalnosti, pa naj gre za sestavljanje heavy metal rock albuma ali ustvarjanje izvirnega portreta, ki presenetljivo spominja na čopič Rembrandta.
Uporaba AI v svetu umetnosti se morda zdi pretirana: vedno bodo ljudje, ki ustvarjajo veliko dela. Zagovorniki tega pristopa pravijo, da resnična lepota poučevanja ustvarjalnih veščin AI ni v končnem izdelku, temveč v potencialu tehnologije, da razširi lastno strojno učenje, da se nauči reševati težave zunaj okvira, hitreje in bolje kot ljudje. Na primer, ustvarjalni AI bi se lahko nekega dne odločil, da bo rešil življenje potnikov osebnega avtomobila, če njegovi senzorji ne bi uspeli, ali pa bi predlagal nekonvencionalno kombinacijo kemičnih sestavin, ki bi vodila k nastanku zdravila, ki bi lahko zdravilo prej neozdravljive bolezni.
AI s kreativnostjo bo bistvenega pomena za oblikovanje zelo avtomatiziranih sistemov, ki se lahko ustrezno odzovejo na človekovo življenje, pravi Mark Ridl, profesor na šoli za interaktivno računalništvo Georgia Tech. "Dejstvo je, da vsak dan naredimo nekaj kreativnega, veliko težav se kreativno reši," pravi. "Če se bo igrača mojega sina zataknila pod stol, bom moral orodje vzeti iz obešalnika in ga spraviti ven."
Riedl ugotavlja, da je človeška ustvarjalnost pomembna tudi za socialne interakcije, celo na primer, da pripovedujejo šalo ali prepoznajo punco. Računalniki ne morejo obvladovati takšnih tankosti. Na primer, nepopolno razumevanje, kako ljudje konstruirajo metafore, je AI pripeljal do tega, da je napisal novo poglavje o Harryju Potterri in ga napolnil z nesmiselnimi stavki, na primer: "Tla gradu so bila videti kot velika kopica čarovnije."
Kljub temu je to, da so stroji, ki natančno posnemajo človeški slog - Rembrandt ali Rowling, vseeno - dober začetek ustvarjalnega AI, je dejal Riedl. Konec koncev ustvarjalci pogosto začnejo s posnemanjem veščin in procesov uveljavljenih umetnikov. Naslednji korak, tako za ljudi kot za stroje, je uporaba teh znanj kot dela strategije za ustvarjanje nečesa izvirnega.
Sodobni programi AI niso dovolj napredni, da bi lahko spontano sestavljali uspešnice ali umetniška dela. Da bi AI to naredil, mora oseba umeriti program tako, da mu naloži ogromno primerov. Nemec Mario Klingemann je na primer oblikoval nevronsko mrežo, ki je sposobna sestaviti čudne, zastrašujoče slike iz obstoječih fotografij in drugih del. Nevronsko mrežo sestavlja niz medsebojno povezanih procesnih vozlišč, ki spominjajo na nevronsko strukturo možganov. V nevronski mreži vsak elektronski "nevron" vzame niz števil, opravi preproste izračune na podlagi tega vhoda in nato rezultat pošlje naslednji plasti nevronov, kar posledično izvede bolj zapletene izračune.
Klingemannov pristop vključuje hranjenje izvornega gradiva, risb in fotografij v generativne nasprotne mreže (GAN), ki združujejo moč dveh nevronskih mrež. Ena mreža ustvari slike, združene z določeno temo ali nizom pogojev; drugi pa slike ovrednoti na podlagi poznavanja teh pogojev. Zahvaljujoč povratnim informacijam iz drugega omrežja se prvo omrežje postopoma izboljšuje in slike postajajo vedno bolj ustrezne tej temi. "Te mreže so zdaj le orodje za dopolnitev naše lastne ustvarjalnosti," pravi Klingemann. "Ljudje moramo še vedno prepoznati ustvarjalnost ali inovativnost." Njegov cilj je ustvariti umetniško nevronsko mrežo, ki lahko samostojno izbere in celo objavi svoje najboljše delo na dano temo.
GAN se zdaj strogo uporabljajo za ustvarjanje novih vsebin ali slik v širšem ustvarjalnem sistemu, pravi Alex Champandard, ustanovitelj Creative.ai, zagona, ki razvija orodja AI za kreativne ljudi. GAN lahko ustvarijo veliko materiala, vendar se pri določanju njihovih pogojev še vedno zanašajo na ljudi.
Promocijski video:
Ian Goodfellow, Googlov znanstvenik, ki razvija koncept GAN, je ustvarjanje vsebin dober začetek za razvoj AI, ki lahko reši težave v resničnem svetu. Goodfellow deluje na modelih strojnega učenja, ki računalnikom omogočajo pisanje dinamičnih pripovedi, ki presegajo omejene scenarije (na primer načrtovanje šahovskih potez), na katerih so računalniki že dolgo izstopali.
Vzemimo klasičen primer načrtovanja, ki ga ljudje počnejo ves čas: ko gremo na letališče, si pogosto skiciramo grobi zemljevid - v glavi - ključne potovalne točke, prometne zastoje ali prevoze. GAN lahko takšno potovanje načrtujejo, vendar bodo to naredili zelo podrobno in ponudili bodo številne poti. Pravzaprav potrebujemo plast računalniškega omrežja, ki bo preskočilo vse te možnosti in intuitivno izbralo najboljšo.
Druga ključna sestavina človekovega ustvarjalnega razmišljanja je sposobnost, da znanje vzamemo iz enega konteksta in ga uporabimo v drugem. George Harrison vzame sitar in ga igra kot kitaro. Shakespeare jemlje zgodbe iz grške mitologije in na podlagi teh zgodb piše angleško igro. Izvršni direktor uporablja znanje vojaške strategije ali celo šaha za načrtovanje poslovnega posla.
Zaradi tega se izvajajo poskusi, ki pomagajo algoritmom AI, ki lahko mešajo materiale in se ujemajo z njimi. Na primer, znanstveniki iz kalifornijske univerze Berkeley uporabljajo mrežo CycleGAN za pretvorbo video posnetkov konj v videoposnetke iz zebre. AI v prvem videoposnetku zazna osnovno obliko konja in se pokaže s sliko prek videoposnetka ter takoj in neopazno nadomesti konjski rjavi trup s črtasto zebro. Takšno delo bo pripomoglo k AI samovozečega avtomobila, da se bo prilagodil neznanim razmeram in se izognil nesrečam.
Umetna inteligenca se ne sme le naučiti pravil, ampak jih tudi prekršiti, kot pravi umetnik.