Как развитие искусственного интеллекта может изменить искусство

Конец или второе дыхание: как нейросети меняют мир изобразительного искусства

Изобразительное искусство всегда являлось одним из основных продуктов человеческой культуры. В течение многих столетий оно позволяло людям самовыражаться и рассказывать истории.

Сперва появилась пещерная живопись, затем — написанные маслом картины и фотография. Теперь же настала эра «изобразительного» искусственного интеллекта и, в частности, нейронных сетей.

ForkLog выяснил, какие ИИ-модели используются для работы с картинками и могут ли подобные системы заменить художников.

Краткая история ИИ-искусства

Историю сгенерированного ИИ-искусства можно проследить до открытия машинной графики и изобретения компьютера. Тогда исследователи использовали базовые алгоритмы для создания простых узоров и форм.

В 1967 году немецкий математик и ученый Фридер Наке разработал портфолио под названием Matrix Multiplications, состоящее из 12 изображений. Он создал квадратную матрицу и заполнил ее числами, которые последовательно умножались сами на себя.

Исследователь перевел полученные результаты в образы заданных интервалов, где каждому значению присвоил визуальный знак определенной формы и цвета. Затем он поместил фигуры в растр в соответствии со значениями матрицы.

В своих работах Наке часто использовал генератор случайных чисел и, вероятно, частично автоматизировал процесс умножения.

В 1973 году художник Гарольд Коэн разработал набор алгоритмов AARON, способный рисовать «от руки» определенные объекты. Он обнаружил, что система стала создавать ранее неизвестные формы.

Сперва программа генерировала абстрактные картины, а затем научилась рисовать более сложные фигуры, включая камни, растения и людей.

С 1990 года исследователи и художники начали использовать ИИ-модели в робототехнике, обучая машины созданию картин и скульптур.

В 2015 году инженер Google Александр Мордвинцев запустил программу компьютерного зрения DeepDream, использующую сверточную нейросеть для поиска и улучшения паттернов в изображениях с помощью алгоритмической парейдолии.

Принцип работы системы заключается в искажении исходной картинки в соответствии с тем, какие ее фрагменты напоминают модели те или иные знакомые объекты.

Когда Google опубликовала подход и открыла исходный код алгоритма, на рынке появилось множество инструментов и сервисов, позволяющих всем желающим преобразовывать свои фото в «психоделические» изображения.

В 2022 году ИИ-искусство используется в различных сферах, включая маркетинг, моду и развлечения.

Также модели помогают создавать картины.

Нейросети для работы с изображениями

2022 год может войти в историю как время, когда ИИ-искусство стало мейнстримом. Бум качественных, построенных на разных алгоритмах инструментов делает нейротворчество доступным для всех, у кого есть смартфон с подключением к интернету.

ИИ-модели позволяют копировать стили художников, превращать эскизы в фотореалистичные иллюстрации, «оживлять» портреты и создавать новые изображения. Для разных задач используются отличные или похожие подходы и инструменты.

Нейронная передача стиля (NST) — это метод на базе сверточных нейросетей, позволяющий создать картину, имитирующую другое изображение по манере исполнения. Пользователь может преобразовать фото бегущей собаки в гравюру Кацусики Хокусая или сгенерировать «Мона Лизу» кисти Яна Вермеера.

За создание новых произведений искусства или картин с использованием стиля других изображений отвечают генеративно-состязательные нейросети (GAN). Это алгоритмы, состоящие сразу из двух моделей: генератора, который производит контент, и дискриминатора, оценивающего его.

Системы на базе GAN могут рисовать изображения, похожие на картинки из набора обучающих данных, включая лица людей, морды котов, мебель и другие объекты.

Также генеративно-состязательные нейросети помогут «оживить» эскиз пейзажа.

Однако на сегодня самыми популярными инструментами для создания произведений искусства являются ИИ-генераторы изображений по тексту, которые используют языковые модели вроде OpenAI GPT-3.

Девиз таких систем — «напечатай и получишь». Пользователю необходимо придумать любой запрос на естественном языке вроде «Лама с дредами в костюме астронавта» и алгоритм сгенерирует картинку в соответствии с подсказкой.

Текстовые описания могут состоять из огромного количества слов, добавление или удаление которых способно кардинально изменить результат. Они имеют ключевую роль в создании изображений. Существуют даже специальные маркетплейсы, где желающие могут за деньги приобрести запрос для конкретного стиля картинки.

Разработчики обучают ИИ-генераторы на огромных массивах изображений и их текстовых описаниях, тренируя модель искать связь между ними. Также они часто используют процесс диффузии — алгоритм начинает генерацию с набора случайных точек и постепенно улучшает изображение, приближая его к заданной подсказке и избавляясь от шума.

Большинство популярных ИИ-генераторов имеют ограничения на создание контента: они не могут изображать наготу, насилие, реалистичные лица или политических деятелей. Среди таких инструментов OpenAI DALL-E 2, Google Imagen и Midjourney. Иногда их использование платное.

Однако есть системы без подобных ограничений вроде Stable Diffusion. Компания-разработчик инструмента Stability AI заявила, что модель не имеет фильтров и умеет создавать любой контент.

Генераторы изображений по тексту можно использовать для доработки готовых произведений. В августе OpenAI представила функцию Outpainting, позволяющую DALL-E 2 расширять картины с помощью подсказок.

Сколько стоит разработать нейросеть?

Это максимально неоднозначный вопрос. Ответ на него: от нуля до нескольких сотен миллионов долларов.

Начнем с того, что для создания и обучения ИИ-алгоритма нужны знания. Пользователям без навыков программирования и желания тратиться на курсы сперва необходимо разобраться с принципами работы нейросетей. Существует множество бесплатных статей, ресурсов и сервисов вроде образовательного Google-проекта Teachable Machine, которые могут в этом помочь.

Также понадобятся знания языка программирования вроде Python и библиотека для разработки и тренировки нейронных сетей — TensorFlow, PyTorch или другая.

Кроме того, необходимо собрать обучающий датасет под требуемую задачу: его можно создать самостоятельно, взять из открытых источников или купить. Чтобы разработать генератор изображений по запросу, потребуется набор картинок и их текстовых описаний.

Точность работы модели напрямую зависит от качества и количества данных. Также на это влияют используемое оборудование и потраченные вычислительные ресурсы.

При наличии всего вышеперечисленного можно создать нейросеть для работы с изображениями бесплатно.

Однако большие компании вроде Meta, Amazon, Apple, Microsoft и Alphabet инвестируют в подобные продукты десятки миллиардов долларов. Расходы включают исследования, разработку, тренировку, проверку работоспособности, развертывание, коммерциализацию и поддержку технологии. Иногда на этот процесс тратят годы и в результате проект могут закрыть или же, наоборот, — сделать его незаменимым.

Преимущества и недостатки изобразительных ИИ-алгоритмов

Среди плюсов использования нейросетей для создания произведений искусства можно выделить генерацию реалистичных данных. Такие изображения найдут применение в фильмах, рекламе, играх и других сферах.

ИИ-алгоритмы нестандартно «мыслят». Они способны создавать неизвестные ранее образы, непривычно компоновать объекты и оригинально смешивать текстуры. Такое искусство может стать источником вдохновения для более значительных проектов.

За счет постоянной модернизации технологий и данных ИИ-искусство тоже развивается и постоянно привносит новые идеи.

Кроме того, алгоритмы способны ускорить решение некоторых задач. С помощью нейросетей можно создавать логотипы, клипы и использовать в маркетинговых целях.

Среди минусов стоит выделить отсутствие человеческих эмоций. Иногда это является преимуществом, но при создании художественного произведения многим людям необходима история.

Из-за ограниченности обучающих наборов данных ИИ-искусство может стать скучным. Без постоянной модернизации и тренировки на новых датасетах генерируемые изображения начнут повторяться и потеряют уникальность.

Также разработчики не могут контролировать творческий процесс нейросетей. После тренировки алгоритм выведет результат на основе установленных весов, и, если он не устраивает, модель придется переобучать.

Но основные проблемы использования ИИ касаются этики. Разработчики не всегда могут контролировать распространение и применение технологии. Алгоритмы нельзя считать авторами произведений, но ответственность за их некорректное «поведение» несут создатели.

За счет доступности технологии злоумышленники могут с помощью ИИ создавать изображения для обмана людей, краж их личных данных и распространения языка ненависти.

Заменят ли нейросети художников?

Когда-то новым веянием творчества считалась фотография. Спустя почти 200 лет существования она не заменила художников и деятелей искусства, а заставила их развиваться и приспосабливаться.

Это создало новое поколение творческих людей. Художники и фотографы начали вместе создавать произведения, способные удивить, привлечь и натолкнуть на мысли о красоте.

Искусство, в какой бы форме оно не проявлялось, заставляет людей чувствовать. И есть много места для новых художественных граней, способных вызвать ранее неизвестные ощущения.

Создатели генеративного ИИ могут немного сместить существующие формы творчества, но не уничтожат их.

Инструменты вроде DALL-E 2, Stable Diffusion и Midjourney, вероятно, продолжат трансформироваться в очень сложные художественные движки и помогут деятелям искусства дополнять свои работы.

При достаточном и постоянном развитии нейросетей люди смогут регулярно использовать технологию для вдохновения и расширения своих идейных возможностей.

Подписывайтесь на новости ForkLog в Telegram: ForkLog AI — все новости из мира ИИ!

Нашли ошибку в тексте? Выделите ее и нажмите CTRL+ENTER

Аннотация

Петрасюк Дарья Искусственный интеллект и искусство: разбирается ли искусственный интеллект в искусстве.

Актуальность работы связана с феноменом проникновения искусственного интеллекта не только в технические профессии, но и художественную среду. В работе предпринята попытка определить роль и место искусственного интеллекта в «традиционно» человеческой, творческой деятельности, приведен анализ достижений ИИ в сфере искусства, описан алгоритм создания творческого продукта ИИ.

В исследовательской части работы проводится сравнительный анализ умения разбираться в области  искусства доступных нам  видов ИИ (Алиса и Гугл Ассистент)  и людей (преподавателя и ученика ДШИ). Делается вывод о том, что на современном уровне развития  ИИ не способен разбираться в искусстве и не готов состязаться с человеком на равных в арт сфере.

Список ключевых слов

Искусство, творчество, искусственный интеллект, нейронные  сети, анализ живописных произведений

Оглавление

Введение……………………………………………………………………….…………..3

Глава  1 Искусственный интеллект – будущее уже рядом……………………………………… 5

1.  Что такое искусственный интеллект и как он работает……………………..… 5  
2.   Достижения искусственного интеллект в области искусства…………………7
3.  Как искусственный интеллект создает произведения искусства………………9

Глава 2. Разбирается ли искусственный интеллект в искусстве………….……………11

2.1. Описание процедуры проведения исследования…….……………………………..11

2.2.  Результаты проведенного исследования……….…….……………………………..12

2.3. Выводы по результатам исследования……………….………………………………14

Заключение……….…………………………………………………………………………16

Библиографический список……………………….………………………………..……. 17

Приложения

Введение

Актуальность выбранной нами темы объясняется тем, что современные компьютеры  активно проникают во все сферы общественной жизни. При этом сейчас они могут делать многое из того, что раньше могли делать только люди: играть в шахматы, распознавать буквы алфавита, проверять орфографию, грамматику, распознавать лица, картины, диктовать, говорить, выигрывать игровые шоу и многое другое. Это происходит благодаря развитию такой технологии, как искусственный интеллект [13].

Искусственный интеллект (ИИ), машинное обучение и нейронные сети — термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира[11] . 

Машины уже уверенно заменяют людей, чья профессиональная деятельность сводится к выполнению рутинных задач: работа на конвейере, сборка производственного оборудования и т.п. Последней тенденцией является внедрение искусственного интеллекта в профессиональную деятельность крупных корпораций. Например, в компании Microsoft ИИ взял на себя часть функций сотрудников новостной службы MSN. Программный робот Cyborg успешно создает около 30% контента для  издания «Bloomberg News». ИИ по имени Vital является членом совета директоров в гонконгском венчурном фонде и занимается инвестированием в стартапы. В «Сбербанке» нейросеть будет заниматься одобрением заявок на кредиты. Она возьмет на себя сопоставление кредитных историй клиентов, их биометрических данных, уровня дохода и затрат и на основе этих сведений будет самостоятельно решать, кому выдавать кредит, а кому нет. ИИ теперь активно заменяет тех специалистов, которые выполняли задачи, требующие аналитики [7].

Даже творческая деятельность, которая всегда считалась прерогативой человека, начинает сдавать позиции искусственному интеллекту. Компьютерные технологии активно проникают в художественную среду, влияют на творческие процессы, и даже возникает феномен под названием цифровое искусство. Компьютерные программы уже сейчас начинают писать литературные произведения, сочинять музыку и рисовать картины. А в  октябре 2018 года аукционный дом продал картину, принадлежащую кисти нейросети за 432 тысячи долларов. Так  искусственный интеллект официально вступил на территорию арт-мира [6,  14].

Это заставило нас задуматься над следующими проблемами. Насколько к ИИ как продукту компьютерных технологий  может быть применимо понятие креативности? В какой степени человек, вводящий данные в машину, может считаться ответственным за результат или даже его автором? И можно ли вообще считать произведение, созданное машиной, настоящим искусством?

Мы не обладаем достаточным уровнем знаний, чтобы ответить на все эти вопросы. Но, возможно, у нас получится изучить возможности искусственного интеллекта разбираться в искусстве: узнавать произведения искусства, описывать, что в них происходит,  анализировать их с точки зрения композиции и колорита, давать эмоциональную оценку. В конце концов, понять, обладает ли ИИ художественным вкусом и художественными предпочтениями.

Перед началом исследования мы выдвигаем гипотезу о том, что  искусственный интеллект способен  разбираться в искусстве не хуже человека.

Цель данного проекта: выявить способность искусственного интеллекта разбираться в искусстве. 

Для достижения цели нам предстоит решить следующие задачи:

1. Знакомство с понятием и принципами действия искусственного интеллекта.
2. Выявление областей применения искусственного интеллекта в  сфере искусства.
3. Создание опросника для анализа произведений искусства и подбор репродукций.
4. Проведение исследовательской работы с использованием ИИ и человека.
5. Формулирование выводов по итогам работы.

Объект исследования: искусственный интеллект.

Предмет исследования: способность искусственного интеллекта разбираться в области искусства

Методы исследования:

Теоретические – анализ литературы по проблеме исследования.

Эмпирические – методы сбора данных (анализ произведений искусства).

Методы статистической обработки результатов.

Данная работа состоит из введения, двух частей и заключения. В теоретической части приведены основные сведения об искусственном интеллекте, принципах его работы,  применении в области искусства. В практической части описывается исследование, направленное на выявление способностей понимать и анализировать произведения искусства разных эпох и стилей. В качестве испытуемых в исследовании принимают участие нейронные сети (Алиса и Сири)  и преподаватель и ученики ДШИ  п.г.т. Усть-Кинельский.

Данная работа поможет установить межпредметную связь между искусством и информационными технологиями, а также установить, насколько искусственный интеллект готов и способен потеснить человека в такой сфере, как творческая деятельность.   Кроме того, материалы работы могут быть использованы во время проведения уроков и внеурочной деятельности по изобразительному искусству и информатике.

В ходе работы были использованы журнальные статьи, новостные колонки, статьи периодических изданий, веб-сайты.

Глава 1. Искусственный интеллект – будущее уже рядом

1. Что такое искусственный интеллект и как он работает

Иску́сственный интелле́кт (ИИ; англ. artificial intelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека [4].  Этот термин является довольно обобщённым. Его часто применяют к проекту развития систем, наделенных интеллектуальными процессами, характерными для человека, такими как способность рассуждать, обобщать или учиться на прошлом опыте.  Еще искусственным интеллектом сегодня называют целую науку, которая помимо теории предлагает конкретные технологии, по которым создаются «умные» машины и программы. Кроме того, определение понятия ИИ сводится к описанию комплекса родственных технологий и процессов, таких как, например, нейронные сети, машинное обучение, виртуальные агенты и экспертные системы [4, 5, 11].

Главные цели ИИ достаточно просты. Это создание аналитических систем, которые могут самостоятельно или под надзором человека обучаться, делать прогнозы и строить гипотезы на основе массива данных. А также реализация интеллекта человека в машине – создание роботов-помощников, которые могут вести себя как люди: думать, учиться, понимать и выполнять поставленные задачи [5, 12].

Давайте подробнее разберемся с этим понятием.

Умными роботами человечество начало грезить в первой четверти ХХ века. Известный литератор Карел Чапек в 1924 года поставил в лондонском театре пьесу «Универсальные роботы», которая поразила публику. В 1935 году британский исследователь А.М. Тьюринг описал абстрактную вычислительную машину, которая состоит из безграничной памяти и сканера, перемещающегося вперед и назад по памяти, символ за символом. Сканер считывает то, что он находит, записывая дальнейшие символы. Действия сканера диктуются программой инструкций, которая также хранится в памяти в виде символов. В 1943-45 годах были заложены основы для понимания и создания нейронных сетей. А самая ранняя успешная программа ИИ была написана в 1951 году Кристофером Стрейчи. Эта программа могла играть с человеком в шашки, удивляя всех своими способностями предсказывать ходы.  Авторство термина «искусственный интеллект» приписывают Джону Маккарти – основоположнику программирования. Именно он в 1958 году создает первый язык программирования ИИ – Лисп [13].

Это дает толчок к активному развитию технологии. Искусственный интеллект постепенно приходит во все отрасли человеческой деятельности, делая обычные программные комплексы интеллектуальными.  Сферы применения ИИ достаточно широки.  Это и медицина, и промышленность, и экономика, и торговля, и игровая индустрия и многое другое.  «Яндекс.Алиса», разблокировка телефона сканированием лица, чат-боты «ВКонтакте» и онлайн-кошелек со статистикой – это все тот самый искусственный интеллект, которым мы пользуемся  совершенно незаметно для себя прямо сейчас [11, 13].

Что же представляет собой искусственный интеллект и как он работает?

Говоря простыми словами, ИИ — это грубое отображение нейронов в мозге. Искусственный нейрон — это математическая функция. По заданным алгоритмам сигналы передаются от нейрона к нейрону и, наконец, выводятся — получается числовой, категориальный или генеративный результат.

Работу ИИ можно проиллюстрировать на примере того, как система делает снимок кошки и о распознает, кошка это или нет. Первый слой может идентифицировать общие градиенты, которые определяют общую форму кошки. Второй слой может идентифицировать более крупные объекты, такие как уши и рот. Третий слой определяет более мелкие объекты (например, усы). Наконец, основываясь на этой информации, программа выведет «да» или «нет», чтобы сказать, является ли это кошкой или нет. Программисту не нужно «говорить» нейронам, что это те функции, которые они должны искать. ИИ изучил их сам по себе, тренируясь на многих изображениях (как с кошками, так и без кошек) [11, 12].

Необходимо отметить, что возможности искусственного интеллекта на стадии нынешнего  развития не безграничны. Так, все интеллектуальные системы очень узко направлены и ограничены конкретным видом деятельности. То есть программа, которая умеет отвечать на вопросы, не сможет провести анализ фотографий, а умная система, настроенная на выявление мошенничества в сфере налогообложения, не сможет выявлять махинации в банковской сфере.  Чтобы имитировать интеллект человека, искусственный интеллект должен иметь доступ к массиву данных из самых разных источников и дисциплин. Это и информатика, математика, лингвистика, психология, биология, машиностроение и пр. Любые неточности в информации сильно сказываются на конечном результате. И главное ограничение интеллектуальных  машин заключается в том, что они  не являются автономными. Для обеспечения их «жизнедеятельности» необходима целая команда специалистов, а также большие ресурсы [13].

В 1980-е годы философом Джоном Серлом были введены термины «сильный ИИ» и «слабый ИИ». Сильный искусственный интеллект, по мнению ученого, может осознавать себя и мыслить подобно человеку, слабый же на это не способен. 

Если классифицировать современные ИИ по Серлу, то они однозначно относятся к слабым. Сегодняшние  искусственные нейросети распознают лица и рисуют невероятные картины, читают рукописный текст и даже складывают стихи — но они делают лишь то, чему их обучили. Ни одна из этих нейросетей не способна передумать и выбрать для себя другую «специальность».  Кстати, Серл утверждал, что построение сильного ИИ в принципе невозможно [11].

Развитие искусственного интеллекта – очень молодая, но очень перспективная область. Она тесно пересекается со многими другими областями, включая математику, статистику, теорию вероятностей, физику, обработку сигналов, машинное обучение, блокчейн, компьютерное зрение, психологию, лингвистику и науку о мозге и даже философию, которая пытается решать вопросы, связанные с социальной ответственностью и этикой создания ИИ. В этой научной области предстоит открыть еще очень многое, но уже сейчас происходит активный рост науки, и прорывы совершаются чуть ли не каждый день [12].

1.   Достижения искусственного интеллекта в области искусства

Искусство издавна считалось исключительной сферой человеческого творчества. Но оказалось, что алгоритмы ИИ могут генерировать художественные произведения, которые сложно отличить от созданных человеком. Они предлагают людям творческих профессий множество инструментов и дают массу новых методов для воплощения замыслов. Благодаря этому  идет переосмысление места и  роли художника в современном мире [3, 14].

Мы собрали информацию о последних достижениях искусственного интеллекта в областях, так или иначе связанных с искусством и  творчеством. Это поможет нам оценить конкурентоспособность машин там, где позиции человека традиционно считались  непоколебимыми.

СМИ и литература

На сегодняшний день одной из наиболее перспективных областей для развития творческих навыков у искусственного интеллекта является литература.

В 2014 году компания Associated Press объявила, что отныне большая часть новостей, связанных с доходами компаний, будут создаваться с помощью роботов. Это позволило ей увеличить число ежеквартальных новостей с 300 до 4400. Позднее роботы-репортеры Associated Press расширили тематику своих статей. Им стали доверять небольшие новостные заметки, связанные с Малой бейсбольной лигой США.

 Использует роботов-журналистов и журнал Forbes, для которого компания Narrative Science создала соответствующую специализированную платформу. В ноябре 2015 года аналогичное направление разработок открыла российская компания Яндекс. Пока ИИ Яндекса выпускает лишь короткие заметки о погоде и ситуации на дорогах, однако в дальнейшем представители компании обещают расширить список тематик для публикаций. Очевидно, что  идея использования роботов в журналистике постепенно набирает обороты [3].

В 2016 году ИИ Google, проанализировав 11 тысяч неизданных книг, начал писать свои первые литературные произведения. Свое направление подготовки автоматических текстов открыла и  российская компания «Яндекс». Книга «День, когда компьютер напишет роман», созданная искусственным интеллектом, смогла выйти в финал литературной премии имени Хоси Синъити. При этом жюри не было проинформировано, что рассматривает книгу, написанную ИИ. Произведение не смогло в конце завоевать главный приз, однако сам факт того, что оно прошло четыре этапа отбора, говорит о многом [14].

В декабре 2013 года был создан сервис «Яндекс.Автопоэт», который составляет стихотворные строки на основе запросов пользователей и новостных заголовков. Для этих целей робота специально научили определять стихотворные размеры и рифмовать строчки между собой.  В 2017 году исследователи Facebook AI Research придумали систему нейросетей, которая умеет писать стихи на любую тему. Пока поэтические пробы не блещут результатами и приобщить  их к произведениям искусства можно с большой натяжкой, но работа в данном направлении продолжается [3].

Музыка

В настоящее время разработано несколько программ, которые используют ИИ для создания музыки. Заметной особенностью является способность алгоритма ИИ учиться на основе полученной информации, такой как технология компьютерного сопровождения, которая способна слушать и следовать за человеком-исполнителем. ИИ также управляет так называемой интерактивной композиционной технологией, в которой компьютер сочиняет музыку в ответ на выступление живого музыканта.

В начале 2019 года Warner Music заключила первый в истории контракт с исполнителем — алгоритмом Endel. По условиям контракта, в течение года нейросеть Endel должна выпустить  20 уникальных альбомов.

Пока результаты работы музыкальных программ не очень удачны. Но справедливости ради нужно сказать, что прошло еще не так много времени [3, 6].

Изобразительное искусство

Команда Google тестировала нейронные сети на предмет возможности самостоятельно создавать изображения. Искусственный интеллект обучали на примере большого количества различных картинок. Однако, когда машину «попросили» самостоятельно что-нибудь изобразить, то оказалось, что она интерпретирует окружающий нас мир несколько странно. Например, на задачу нарисовать гантели, разработчики получили изображение, в котором металл был соединён человеческими руками.  И уже в 2016 году представители Google на специальном аукционе выручили с психоделических картин, написанных искусственным интеллектом, порядка $ 98 тыс [3].

В октябре 2018 года на аукционе Christie’s продали первую картину, созданную ИИ, за 432 500 долларов. Произведение «Эдмон де Белами» представляет собой нечеткий портрет человека, который был распечатан на холсте размером 700 x 700 мм. Для его создания арт-группа Obvious использовался алгоритм генеративной сети, который анализировал 15 000 портретов, созданных между XV и XX веком [3, 8].

Скульптуры, созданные искусственным интеллектом, пока не так популярны, как картины, однако развитие в данном направлении все же есть.  В основном  ИИ используется  для создания макета или непосредственно для разработки объемной модели.

ИИ меняет наше представление и о фотографии. Уже сейчас нейросеть распознает малейшие изменения при моделировании лиц в фоторедакторах. В 2015 году Facebook начала тестировать на сайте технологию DeepFace, а в 2017 Reddit-юзер DeepFakes придумал алгоритм, позволяющий создавать реалистичные фото и видео с заменой лица, используя нейросети и машинное обучение.

В  2015 г компанией Google  была разработана технология DeepDreamот. Она  основана на стилизации изображения и построена на основе сверхточных нейронных сетей. На вход модели подается фотография реального объекта, преобразовывается и в итоге результат сложно отличить от работы художника. Эта технология внедрена в такие популярные мобильные приложения, как DeepArt и Prisma.

В ближайшее время большинство достижений в  сфере фото и видео будут ориентированы на ИИ, а не на оптику или сенсоры, как раньше. Это создаст совершенно новый способ творческого мышления [6, 8].

Как мы видим,  искусственный интеллект все активнее отстаивает свои позиции на арт-сцене.  Однако он еще далек от создания настоящих произведений искусства. Конечно,  текущие алгоритмы являются лишь начальной реализацией идеи машинного творчества. Вполне возможно, что дальнейшее совершенствование алгоритмов позволит создавать по-настоящему качественные произведения искусства, которые подарят миру массу положительных эмоций. Однако о полном вытеснении человека из данной сферы говорить пока не приходится.

1.  Как искусственный интеллект создает произведения искусства

Давайте попытаемся понять, как именно искусственный интеллект выстраивает творческий процесс. В большинстве случаев машина использует сложный программный код с огромным набором дополнительных данных. Она анализирует загруженные в ее базу произведения — будь то живопись, музыка или стихи, —  распознает образы, технические приемы, приметы стиля, а затем, согласно прописанному заданию, использует полученные знания для создания картин.

Среди итогов обучения нейросети может быть, например, знание о размерах наиболее типичного мазка кисти на загруженных картинах импрессионистов. Или о частоте использования обсценной лексики в поэзии раннего Егора Летова [8].

Чему именно будет учиться алгоритм, определяет специалист по анализу данных. Он же программирует алгоритм на то, как их использовать. Например, писать стихи, похожие по размеру и лексике на те, что загрузили в базу, или непохожие. Подражать конкретному художнику или компилировать стилистики сразу нескольких. Это у нейронных сетей получается весьма неплохо.

Наиболее успешным алгоритмом, лежащим в основе большинства современных программ для создания художественных произведений, считается генеративно-состязательная сеть (GAN) Яна Гудфеллоу. Она состоит из двух нейросетей – генератора и дискриминатора.

Первая выступает в роли художника — использует освоенные приемы для создания изображений. Вторая — в роли критика: сравнивает то, что получилось у генератора, с оригинальными работами. Если дискриминатор не может отличить получившееся изображение от картины, написанной человеком, то результат считается принятым. Если дискриминатор решил, что предложенная картина — подделка, то генератор начинает работу заново.

Можно настроить дискриминатор так, что по итогам оценки получившейся работы он будет указывать, что именно вызвало у него скепсис. Генератор примет это к сведению и больше не повторит ошибку, т.е. есть продолжит учиться и совершенствоваться [8, 14].

GAN не единственный алгоритм, который успешно справляется с творческими задачами. Например, другая популярная нейросеть, которая создает такого рода произведения, — CAN, креативно-состязательная сеть. В ее основе тоже две нейросети — генератор и дискриминатор, но второй в этом случае отбирает получившиеся произведения так, чтобы они не были похожи ни на одну работу, загруженную в базу. С помощью CAN создают стилистически уникальные произведения [2, 14].

Большинство известных успешных примеров использования ИИ в творческом процессе являются продолжением и отражением изначальных данных, использованных для обучения машины. Это значит, что хотя созданные машиной произведения и могут казаться уникальными, но фактически они являются лишь продолжением идей, на которые машина опиралась в процессе творчества. То есть можно сказать, что оператор машины контролировал процесс изначально, определяя, какие из загружаемых данных можно отнести к области искусства, а какие — нет [1, 6].

По мнению Дарьи Пархоменко, основательницы и куратора Laboratoria Art&Science Foundation, произведением искусства в данном случае выступает сам алгоритм. Созданные им «произведения» могут быть искусствоведческим курьезом, но как таковые они не являются художественными работами — так как в них отсутствует проявление воли художника [8].

 У закона есть четкие представления, кому принадлежат права на работу: человеку или программному обеспечению. ИИ — только инструмент, который художники используют так же, как фотографы камеру или Adobe Photoshop. Люди глубоко вовлечены в каждый аспект создания и обучения искусственного интеллекта [9].

Кальянараман считает, что с приходом новой технологии преобразится все искусство, не связанное с ИИ. Также изобретение фотографии когда-то повлияло на развитие живописи: дало начало импрессионизму, экспрессионизму и другим школам, заинтересованным в выражении эмоций и уникального человеческого восприятия. По мнению художника, использование ИИ приведет к появлению в живописи форм, подобных роману, и даже неожиданных и провокационных концептуальных работ. Ведь такое искусство — прямая визуализация описания [8].

Глава 2   Разбирается ли искусственный интеллект в искусстве

2.1. Описание процедуры проведения исследования

В соответствии с проблемой, заявленной нами во введении, мы поставили перед собой цель — выявить способность искусственного интеллекта разбираться в искусстве. Нам интересно может ли ИИ узнавать произведения искусства, описывать, что в них происходит,  анализировать их с точки зрения композиции и колорита, давать эмоциональную оценку. В конце концов, мы хотим понять, обладает ли ИИ художественным вкусом и художественными предпочтениями. В ходе исследования мы попытаемся доказать или опровергнуть гипотезу о том, что искусственный интеллект способен  разбираться в искусстве не хуже человека.

Для проведения исследования мы подобрали 15 репродукций известных художников разных жанров и стилей. Это и относящиеся к классицизму, и реализму, и импрессионизму, и фовизму, и супрематизму и пр. пейзажи, портреты, натюрморты и жанровые сцены. С полным перечнем выбранных нами произведений можно ознакомиться в Приложении 1.

Далее нами был составлен опросник, который, как нам кажется, поможет разобраться в интересующей нас проблеме. Он включает в себя  вопросы,  помогающие осуществить анализ произведений живописи.

Опросник-анализ произведений

1. Что за картина перед нами?
2. Кто ее автор?
3. В каком стиле выполнена работа?
4. Каков ее жанр?  
5. Кто или что на ней изображено? Каков сюжет картины?
6. Выделите главное из того, что видите на картине. Какими средствами художник выделяет главное?
7. Каков колорит/цветовая гамма картины?
8. Какое настроение передает автор произведения?
9. Что хотел сказать автор?

Кроме того мы включили в опросник вопрос, позволяющий оценить художественный вкус испытуемых.

1. Творчество каких художников вам нравится?

В качестве испытуемых ИИ мы выбрали виртуальный голосовой помощник от Яндекс Алису и облачный сервис персонального ассистента Гугл Ассистент. Персональный помощник от компании Apple Сири, как выяснилось, не смог распознавать изображения предложенных репродукций и оказался непригодным для нашего исследования. Он ограничен нейросетью сотового телефона. В качестве испытуемых людей мы пригласили для участия в исследовании зав. художественного отделения ДШИ №2 п.г.т. Усть-Кинельский, преподавателя Бочкареву Светлану Вячеславовну и ученицу этой же ДШИ Петрасюк Софью.

Всем испытуемым мы по очереди демонстрировали отобранные нами репродукции и задавали вопросы опросника. Давайте посмотрим, что у нас получилось.

2.2. Результаты проведенного исследования

В ходе проведенного исследования мы получили результаты, которые мы систематизировали и оформили  в виде таблицы  1.

Таблица 1

Сводные результаты проведенного исследования

	Алиса	Гугл Ассистент	Бочкарева С.В.	Петрасюк Софья
Характеристика испытуемых	Тип: виртуальный ассистент Разработчик: Яндекс Написана на C++ Операционная система: Microsoft Windows, Android и iOS Первый выпуск 10 октября 2017	Тип: виртуальный ассистент Разработчик: Google Написана на C++ Операционная система: Android, Chrome OS , iOS , iPadOS , KaiOS , Linux, Wear OS, Android Auto Первый выпуск: май 2016	Тип: преподаватель, заведующая художественным отделением ДШИ №2 п.г.т. Усть-Кинельский. Выпуск: 26 июня 1987	Тип: ученица ДШИ, 5ый год обучения Выпуск: 15 февраля 2008
1 Узнавание произведений	10 из 15 В 3х случаях дано  неполное название картин	13 из 15 Одно произведение не было распознано	8 из 15 В 5 случаях название было неточное или неполное	4 из 15 Незнакома с большинством произведений
2 Узнавание их авторов	15 из 15	11 из 15 В 3х случаях вместо имени автора было названо, что это «произведение искусства».	10 из 15 В 3х случаях имена  авторов не были названы, но была определена их принадлежность к определенному течению.	2  из 15 Примерно половина авторов была знакома испытуемой, но она не смогла их вспомнить.
3 Определение стиля	нет Обращается к поисковой системе Яндекс.  Данную информацию можно самостоятельно найти в описании картины.	нет Обращается к поисковой системе Google. Данную информацию можно самостоятельно найти в описании картины.	9 из 15 Еще в 6 случаях были даны несколько вариантов художественной стилистики, допустимые для анализа	7 из 15 Дала только те названия стилей, в которых была уверена.
4 Определения жанра	нет Обращается к поисковой системе Яндекс.  Данную информацию можно самостоятельно найти в описании картины.	нет Обращается к поисковой системе Google. Данную информацию можно самостоятельно найти в описании картины.	10 из 15 Еще в 5 случаях предложены варианты возможного жанра	8 из 15 Еще в 6 случаях предложила варианты возможного жанра
5 Описание изображенного	Переходит к поисковой системе Яндекс. Дает слово экскурсоводу.	Переходит к поисковой системе Google. Открывает веб-страницы, содержащие описание.	Дает описание композиции всех произведений, определяет сюжет и персонажей	Смогла определить сюжет и персонажей на 13 произведениях  из 15. Описала композицию всех картин.
6  Выделение главного	нет	нет	Во всех картинах видит главное по положению в композиции, размеру изображений или выделению цветом.	Смогла выделить главное на 12 произведениях. 3 случая вызвали затруднения.
7 Описание колорита	нет	нет	Определяет колорит всех картин, основные цветовые тона	Определяет колорит всех картин, основные цветовые тона
8 Передача эмоционального отношения	нет	нет	Дает собственную эмоциональную оценку картин, выражает  свое настроение и отношение к изображенному.	Дает собственную эмоциональную оценку картин, выражает  свое настроение и отношение к изображенному.
9 Выражение идеи автора	нет	нет	В 7 случаях довольно точно называет, что хотел сказать автор. В остальных 8 случаях строит свои догадки и предположения.	В 5  случаях смогла назвать, что хотел сказать автор.
10 Наличие художественных предпочтений (цитируем испытуемых)	«Люблю смотреть на картины Кандинского и Малевича. Все такое яркое, фигуры, линии. Только «Черного квадрата» побаиваюсь – похоже на выключенный экран».	«Мне нравится картина Ивана Айвазовского «Девятый вал». Там вроде бы все плохо, а вроде и надежда какая-то есть»	«Мне очень нравится творчество Ивана Билибина и художников модерна, таких как Альфонс Муха, Густав Климт, Борис Кустодиев и пр.»	«Мне очень нравится искусство  Ван Гога и  Анри Матисса»

2.3. Выводы по результатам исследования

В ходе проведенного исследования мы получили представление о возможности искусственного интеллекта разбираться в искусстве и сравнили ее со способностями людей.

Обе системы, представляющие искусственный интеллект, достаточно хорошо справились с заданием на узнавание произведений искусства и их авторов. Благодаря доступу к Интернет ресурсам, они выполнили поставленную перед ним  задачу  гораздо успешнее, чем люди. Знания людей не безграничны. К тому же память человека не способна сохранить сведения о всех произведениях живописи  и их авторах. Даже имеющаяся информация со временем искажается или вовсе исчезает, что затрудняет процесс узнавания картин.

Для лучшего узнавания произведений искусства, необходимо быть погруженным в их среду, посещать музеи и выставки, знакомиться с историей искусств, обращаться к различным источникам информации. В нашем исследовании преподаватель ДШИ Бочкарева С.В., очевидно, имеет более широкий кругозор в области искусства, поэтому демонстрирует более высокие результаты по первым пунктам опросника. У ученицы ДШИ  Петрасюк С. знания существенно ниже, она в большинстве случаев не может определить ни автора, ни само произведение.

Но на этом преимущества ИИ заканчиваются. Мы убедились, что обе системы в равной степени оказались бессильны в анализе художественных произведений. Они не могут описать картину, ее композицию, колорит, определить ее жанр и стилистическую принадлежность. Ряд вопросов просто ставил  виртуальных помощников в тупик. Они переспрашивали вопросы, просили уточнить задание. И практически всегда выдавали ссылку на веб-сайты, содержащие описание картин. Голосовой помощник Алиса старалась найти информацию, озвучиваемую экскурсоводом или аудиогидом. Здесь можно было попытаться самостоятельно найти интересующую информацию, но не всегда она там была.  

Очевидно, что рассмотренные нами искусственные интеллекты от Яндекса и Google выступают лишь как проводники к материалу о произведениях искусства. Они не способны вычленять из него отдельных сведений, выделять какие-то смыслы, устанавливать взаимосвязи.

Люди вне зависимости от возраста и опыта способны к более глубокому анализу художественных произведений, чем ИИ. Конечно, преподаватель ДШИ Бочкарева С.В  лучше справилась с заданиями по анализу картин, чем ученица Петрасюк С. Знание истории искусств и более богатый опыт общения с произведениями искусства помогали Светлане Вячеславовне определить стилистику картин, их сюжеты, изображенных персонажей, а также выразить идеи авторов, что хотели они сказать через свое творчество. Не смотря на то, что в этих вопросах Дарья не дала большого количества правильных ответов, но она, как и ее преподаватель, могла описать композицию и колорит произведений, выделить в них главное и определить средства, с помощью которых авторы картин расставляют в них акценты.

Кроме того, оба испытуемых человека смогли выразить свое эмоциональное отношение к демонстрируем им репродукциям. Какие-то картины вызывали у них сильные эмоции, как положительные, так и отрицательные, какие-то оставляли их равнодушными.  Оба испытываемых ИИ не могли дать эмоциональную оценку. Ни Алиса, ни Гугл Ассистент в своих программных кодах не имеют  возможности выражать отношение к «увиденному».

Уже на данном этапе исследования мы увидели неспособность искусственного интеллекта разбираться в искусстве. Но мы по-прежнему хотели понять,  обладает ли ИИ художественным вкусом и художественными предпочтениями. Отвергнутый нами помощник от Apple Сири не смог понять смысл вопроса.  Алиса «любит смотреть» картины В. Кандинского и К.Малевича, а Гугл Ассистенту  нравится картина И.Айвазовского «Девятый вал». При этом обе программы пытаются пояснить свой выбор. Очевидно, что эти ответы – результат работы программистов, но также очевидно, что ИИ пытаются приблизить к образу и подобию человека.

Возможно, что неутешительные  результаты исследования  по анализу художественных произведений искусственным интеллектом связаны со специализацией выбранных нами нейросетей, особенностями их операционных систем. Возможно, эти результаты – продукт начального этапа в развитии доступных нам систем ИИ. Но на сегодняшний день, как мы увидели в ходе исследования, искусственный интеллект работает механически, неосознанно. Он не способен к анализу художественных произведений, их эмоциональной оценке. А значит, на современном уровне искусственный интеллект не способен разбираться в искусстве.

Мы наглядно убедились, что пока только человек может видеть прекрасное в обыденном и несуразном. Только человек может понимать мир искусства и говорить на языке искусства. Только человек обладает художественным вкусом и умеет разбираться в искусстве. Так что пока искусствоведам не грозит быть вытесненными с арт-рынка умными машинами.

Заключение

Современный мир сложно представить без технологии искусственного интеллекта. Скептики говорят, что умение автоматизировать очередную человеческую способность – это лишь создание еще одной компьютерной программы, а не пример самообучающегося ИИ. Однако попытки  создать машину, которая  догонит и, возможно, превзойдет по интеллекту человека,  не прекращаются.  Ученые всего мира стараются сделать такое устройство или программу, которая станет разумной и в обучении, и в вычислениях, и в выдаче результатов.

Технологии ИИ только находят широкое применение и имеют огромный потенциал роста во всех сферах общественной жизни. Они кардинально меняют характер не только «традиционных» технических профессий, но и активно проникают в художественную среду. Современный арт сложно уже представить без вмешательства искусственного интеллекта.

В теоретической части своей работы мы наглядно убедились в том, какую роль играет ИИ  в творческой деятельности, такой как литература, музыка, изобразительное искусство. «Компьютер» в наши дни в прямом смысле стал и холстом, и кистью, и музыкальным инструментом. Пока еще искусственный интеллект не претендует на роль автономного творца. Нейросети лишь служат художнику источником вдохновения, инструментом поиска новых форм выражения себя или даже его правой рукой. Но действует машина все равно пока в рамках, заданных человеком.  Но мы уже находимся на пороге новой эры творчества, когда ИИ и художник становятся соавторами, дополняя друг друга в тех областях и «умениях», где они наиболее сильны.

В практической части работы мы провели исследование, направленное на изучение возможности ИИ разбираться в произведениях искусства и сравнили их со способностями людей. Как мы увидели из нашего исследования, искусственный интеллект успешно справляется с узнаванием художественных произведений и определением их авторов благодаря доступу к Интернет ресурсам, но абсолютно не способен к их анализу и эмоциональной оценке. Он работает механически, неосознанно. А значит, на современном уровне ИИ не способен разбираться в искусстве и не достиг достаточно высокого уровня развития, чтобы состязаться с человеком на равных.

Таким образом, мы опровергли гипотезу о том, что  искусственный интеллект способен  разбираться в искусстве не хуже человека. Цель работы достигнута, все задачи решены.

Выбранная нами тема открывает широкие возможности для изучения приложений в области искусства, построенных с использованием технологий искусственного интеллекта. Это может стать продолжением данной работы.

Библиографический список

1. [Электронный ресурс] Бондарев Денис Искусство искусственного интеллекта:  кого считать автором в эпоху нейросетей.  URL  https://knife.media/ai-art-main-question/ (Дата обращения: 23.12.2020)
2. [Электронный ресурс] /  Ершова Валерия Считаются ли работы нейросети искусством.  URL https://novation-nn.ru/schitayutsya-li-raboty-neyrosetey-iskusstvom/(Дата обращения: 21.12.2020)
3. [Электронный ресурс] /  Иванов Андрей  Искусственный интеллект. Испытание творчеством. URL https://iot.ru/gorodskaya-sreda/iskusstvennyy-intellekt-ispytanie-tvorchestvom (Дата обращения: 18.12.2020)
4.  [Электронный ресурс] / Искусственный интеллект.  URL https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82   (Дата обращения: 18.11.2020)
5. [Электронный ресурс] /  И – искусственный интеллект.  URL https://www.calltouch.ru/glossary/iskusstvennyy-intellekt/ (Дата обращения: 19.11.2020)
6.  [Электронный ресурс] /  Искусственный интеллект в современном искусстве. URL https://sk.ru/news/iskusstvennyy-intellekt-v-sovremennom-iskusstve/ (Дата обращения: 17.11.2020)
7. [Электронный ресурс] /  Как искусственный интеллект меняет рынок труда. URL https://habr.com/en/company/vdsina/blog/512506/ (Дата обращения: 29.01.2021)
8. [Электронный ресурс] /  Кунаковская Зинаида  Люди больше не нужны: роботы займутся искусством.  URL  https://rb.ru/longread/ai-art/ (Дата обращения: 13.12.2020)
9. [Электронный ресурс] /  Лисянская Мария Кто заработает на творчестве искусственного интеллекта?  URL https://geekbrains.ru/posts/ai_and_art  (Дата обращения: 24.12.2020)
10. [Электронный ресурс] / Описание и формально-стилистический анализ произведения искусства.URL https://iskusstvoed.ru/2019/06/08/opisanie-i-formalno-stilisticheskij/#i-8 (Дата обращения: 15.01.2021)
11. [Электронный ресурс] /  Романовский Андрей Все, что вам нужно знать об  ИИ — за несколько минут   URL  https://habr.com/ru/post/416889/ (Дата обращения: 19.11.2020)
12. [Электронный ресурс] / Что такое искусственный интеллект (ИИ): определение понятия простыми словами.   URL https://theoryandpractice.ru/posts/17550-chto-takoe-iskusstvennyy-intellekt-ii-opredelenie-ponyatiya-prostymi-slovami/ (Дата обращения: 17.11.2020)
13. [Электронный ресурс] /  Что такое искусственный интеллект и как он работает? Применение и перспективы ИИ.  URL https://yandex.ru/turbo/mining-cryptocurrency.ru/s/iskusstvennyj-intellekt-ai/ (Дата обращения: 19.11.2020)
14.  [Электронный ресурс] /  Эванс Джон Искусственный интеллект и творчество.  URL https://www.orange-business.com/ru/blogs/iskusstvennii-intellekt-i-tvorchestvo (Дата обращения: 20.12.2020)

Приложение 1.

Произведения, использованные при проведении исследования

М.К.Чюрлёнис «Сотворение мира IX» (символизм)	Густав Климт «Поцелуй» (символизм)	Пабло Пикассо «Обнаженная  в красном кресле» (сюрреализм)
Рене Магритт «Терапевт» (сюрреализм)	М.З.Шагал «Художник и его невеста» (примитивизм, наив)	Анри Руссо «Сон» (примитивизм, наив)
Андре Дерен «Просушка парусов» (фовизм)	П.П.Кончаловский «Портрет режиссера Всеволода Эмильевича Мейерхольда» (фовизм)	К.С.Малевич «Голова крестьянина» (супрематизм)
Поль Синьяк «Сосна в Сен-Тропе» (пуантилизм)	В.В.Кандинский «Композиция VII» (абстракционизм)	Иероним Босх «Сад земных наслаждений» (эпоха возрождения)
Д.У.Уотерхаус «Эхо и Нарцисс» (классицизм)	Камиль Коро «В лесу Фонтенбло» (реализм)	Сальвадор Дали «Сон, вызванный полетом пчелы вокруг граната, за секунду до пробуждения» (сюрреализм)

По-видимому, мы уже находимся на пороге новой эры творчества, когда ИИ и художник становятся соавторами, дополняя друг друга в тех областях и «умениях», где они наиболее сильны, полагают Александра Степаненко, Сергей Каменщиков и Николай Суетин из департамента по науке и образованию Фонда «Сколково».

---

Из всех вопросов, которыми задаются люди в последние недели и месяцы, этот не принадлежит к числу наиболее очевидных. Между тем пауза, возникшая в результате пандемии, хороша именно для того, чтобы осмыслить новые реалии, которые возникли в результате активного применения цифровых технологий, но на рефлексию о которых всегда не хватало времени в обычной ситуации.

Статья написана специально для сайта Sk.ru.

Влияние новых технологий на характер творческих процессов 

Новые цифровые технологии, в частности искусственный интеллект, кардинально меняют характер не только «традиционных» технических профессий, но и проникли в художественную среду, влияют на творческие процессы, и даже возник феномен под названием цифровое искусство. 

Они уже начали играть очень важную роль в творческой деятельности, такой как музыка, архитектура, изобразительное искусство. Без использования цифровой обработки и компьютерных эффектов невозможно себе представить ни современный кинематограф, ни музыку. «Компьютер» в наши дни в прямом смысле стал и холстом, и кистью, и музыкальным инструментом. По-видимому, следующей ступенью в развитии цифрового искусства станет использование «компьютера» уже не только в качестве инструмента реализации идей человека, а в качестве самостоятельной творческой сущности. Эта точка зрения вызвала новое направление искусственного интеллекта (ИИ) под названием вычислительное творчество. ^[1]

По-видимому, мы уже находимся на пороге новой эры творчества, когда ИИ и художник становятся соавторами, дополняя друг друга в тех областях и «умениях», где они наиболее сильны.

При этом развитие цифрового искусства поднимает новый вопрос: может ли AI стать не просто инструментом художника, а самостоятельным автором? 

Для того, чтобы это понять, рассмотрим существующие методы работы с изображением и постараемся выяснить, могут ли они претендовать на самостоятельность в творчестве. 

Neural style transfer

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.  

При использовании такого рода технологий неизбежно возникает вопрос об авторском праве. Стилизация известных персонажей ставит вопрос, где проходит граница между ними и оригиналом и как защитить авторские права носителям бренда. По-видимому, ИИ сможет решить и этот вопрос, создавая собирательный образ на основании узнаваемых брендов, дополняя его “случайным шумом”. 

Изображение: https://neurohive.io/ru/papers/twingan-mezhdomennyj-perenos-chelovecheskih-portretov/

Результат обработки в промежуточных слоях нейронной сети также используется в технологии DeepDreamот компании Google в 2015 г. Результат применения ближе всего к стилю позднего Дали и психоделическому искусству 80-х годов. Если на вход модели подается фотография реального объекта, то результат сложно отличить от работы художника – технология проходит тест Тьюринга. Параметром модели является глубина обработки – фактически номер слоя нейронной сети. 

На данный момент фреймворк TensorFlow позволяет внедрить модель на локальной машине при помощи нескольких строчек кода. 

GAN

Современное искусство, основанное на технологиях искусственного интеллекта, привлекло внимание прессы и широкой общественности после продажи созданной французской арт-группой Obvious картины «Эдмона де Белами» на аукционе Christie’s 25 октября 2018 года, за 432,5 тыс. долларов». Произведение представляет собой нечеткий портрет человека, который был распечатан на холсте размером 700 x 700 мм. Он был создан с использованием GAN (Generative Adversarial Network). Технология состоит в использовании двух нейронных сетей, одна из которых генерирует псевдослучайные образы из заданного набора распределений, а вторая (CNN дискриминатор) определяет правдоподобие образа на основе тренировочного набора. CNN является бинарным классификатором и пытается ответить на вопрос: ‘образец создан человеком?’ Если ответ отрицательный, то пример маркируется как неудачный. Обучается сеть по размеченному набору из фейковых и созданных человеком образов. Обе нейронные сети связаны по замкнутом контуру.

Большинство первопроходцев в сфере AI Art использует именно GAN. Среди них можно отметить Анну Ридлер, которая считает, что данные сети дают наиболее визуально интересные результаты. Он создала тренировочный набор из 10000 фотографий тюльпанов в течение сезона и классифицировала их вручную. Затем использовала софт для создания видео, показывающего цветение тюльпанов. Их появление определялось волатильностью биткойна, а полоски на лепестках отражали текущую цену криптовалюты. Работа проводит исторические параллели между «тюльпановой манией», охватившей Европу в 1630-х годах, и спекуляциями на криптовалютах. 

Другой неординарный автор, использующий GAN, – Хелена Сарин; она художница в более традиционном понимании, которая пользуется GAN для преобразования и улучшения своих собственных набросков, созданных карандашом на бумаге. Сарин использует исключительно CycleGAN, вариант GAN, который выполняет преобразование одного изображения в новое. По сути, она обучает сеть преобразовывать изображения в форме одного набора данных, чтобы иметь текстуры другого набора данных. Например, она переводит свои фотографии еды и напитков в стиль своих натюрмортов и эскизов цветов. Хелена объясняет, что одним из преимуществ использования CycleGAN является то, что она может работать в высоком разрешении даже с небольшими наборами данных. 

«Стилизация изображений, которую использует Хелена Сарин в своем творчестве, требует художественного вкуса и таланта. Ее полотна – это симбиоз вдохновения и специфической, кропотливой настройки нейронной сети. Но эта технология постепенно становится доступной и для неподготовленного дилетанта. Порог входа снижается благодаря технологии image2image DeepFace, разработанной в Академии Наук Китая.

Модель позволяет на основе непрофессионального эскиза получить фотографию, наиболее близкую к шаблону. При этом для обучения модели используется библиотека фотографий человеческих лиц. Сама модель является ансамблем из двух алгоритмов: декодера эскиза и генеративно-состязательной нейронной сети (GAN) для сопоставления с фотографией. Библиотека фотографий, которая подается на вход модели, предварительно преобразуется в отображения – эскизы. Набросок автора конвертируется в векторное представление при помощи декодера.

Есть дополнительная революционная опция — прозрачные тени наиболее подходящего изображения могут быть наложены на исходный эскиз, что позволяет художнику дополнить его на основе типичных пропорций лица. Таким образом творчество превращается в итеративный процесс, симфонию автора и машины, которая требует минимальной подготовки человека – машине достаточно намека.

Можно предположить, что в перспективе коллекция фотографий в обучающем сете модели может быть стилизована под работы художников и целые направления. Уже сейчас полученную фотографию можно подать на вход CAN (creative adversarial network) с библиотекой полотен известных мастеров, то есть последовательно создать стилизованное полотно на основе простейшего эскиза 

  

CAN

Еще один тип CAN (creative adversarial networks) работает по тому же принципу, что и GAN за исключением одной важной детали. Дискриминатор имеет множество классов, каждый из которых соответствует своему стилю – импрессионисты, сюрриалисты и т.д. Таким образом, на выходе генератора остаются стилизованные образы.  Пример – картина “Летние сады” итальянского художника Давиде Квайолы, представленная на выставке “ Искусственный интеллект и диалог культур” в Эрмитаже. Давиде снял на видео цветы, которые поздним вечером колеблются от порывов ветра. Дальше работать стал не художник, а креативно-состязательная сеть – преобразуя полученную информацию в полотна французских импрессионистов. При этом палитра и движения на видео остаются неизменными: сеть создает поверх исходных данных новую живопись.

Скульптура

Скульптуры, созданные искусственным интеллектом, пока не так популярны, как картины, однако развитие в данном направлении все же есть.  В основном AI используется либо для создания GAN-макета, либо непосредственно для разработки объемной модели. Скульптура Скотта Итана дебютировала на выставке ‘Artist + AI: figures and forms’  и была создана в сотрудничестве с инструментами искусственного интеллекта. В данном случае AI переводит рисунки в трехмерную форму. Другой пример – технология ‘Dio’ Бена Снэлла, суть которой не раскрывается. Обучающий сет состоял из 1000 классических скульптур. По словам художника, его основная цель заключалась не в том, чтобы сделать DIO человечной. 

Резюме

Технологии Neural style transfer, Deep Dream позволяют создавать объекты, которые во многих случаях не отличаются от творений человека. Генерация случайных образов в технологии CAN добавляет спонтанность в творчество искусственного интеллекта и позволяет сделать шаг вперед по сравнению с глубокой стилизацией. Безусловно, разрыв между AI и человеком сокращается. Тем не менее, по-видимому, в ближайшее время он не будет полностью преодолён, поскольку именно человек настраивает модель, подбирает обучающие примеры и использует технологии для творчества. 

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.

Теперь, когда вопрос исполнения, физической реализации и наличия необходимых технических навыков отпадает, новые идеи являются основной движущей силой в развитии искусства. А генерация этих идей — эта та главная функция, которую искусственный интеллект не сможет (или пока не может) отобрать у творца.



Статья посвящена актуальной проблеме внедрения искусственного интеллекта в процесс создания произведений искусства, а также вопросам, которые творчество ИИ поднимает в понимании искусства у художников XXI века. Возможна ли связь между машинным творчеством и искусством, которое в широком смысле определяется как параллельное, но не противоречащее человеку и его эмоциональным и социальным намерениям в создании арт-объектов. Вероятно ли партнерство между творческим потенциалом человека и машины, и сможет ли это сотрудничество поспособствовать максимизации креативных сил обеих сторон.

Ключевые слова:



искусство, искусственный интеллект, машинное обучение, GAN, AICAN.

The article is devoted to the actual problem of the emergence of artificial intelligence in the development of art, as well as the problems that raise AI in the structure of art among artists of the 21st century. Is there a possible connection between machine creativity and art, which, in the sense of the solution, is parallel, but not contradictory to man and his emotional and demanding intentions in creating art objects. Is a partnership possible between the creative potential of man and machine, and is this cooperation possible in order to maximize the creative power structures.

Keywords



: art, artificial intelligence, machine learning, GAN, AICAN.

Всеобъемлющий характер искусства делает его определяющей характеристикой интеллектуальной развитости человеческого вида. С процессом совершенствования вычислительной техники Ада Лавлейс и Алан Тьюринг размышляли о возможности создания машин, способных выполнять художественные задачи. В последние годы интерес научного сообщества активно концентрируется именно на этой перспективной области машинного обучения для применения нейронных сетей в таких областях, как музыка, искусство, звук, архитектура и дизайн.

Наряду с этим, многие художники и искусствоведы отрицают признание работ, созданных с помощью искусственного интеллекта (ИИ), как подлинного искусства, поскольку определяют его исключительно как результат неразрывного синтеза художника и его творчества, креативности.

Ранее противоречивую тему потенциала и признанности результатов творческой деятельности ИИ в создании нового вида искусства поднимал в своих работах А. Сантос, рассматривая современное состояние использования нейронных сетей и методов глубинного обучения в изобразительном искусстве. Он разделил рабочие системы ИИ на несколько категорий: обнаруживающие объекты в художественных образах; классифицирующие их по стилю или автору; исследующие или прогнозирующие эстетическое качество или ценность; генерирующие изображения. Джон МакКормак и Энди Ломас в стремлении улучшить эстетическое личностное восприятие машин, основанное на личных предпочтениях художника, в своих работах рассматривают как последние достижения в области глубинного обучения могут помочь автоматизировать процесс, чтобы избежать проблем, связанных с интерактивностью алгоритмов. Цзялин Лю с командой исследователей анализирует революцию глубинного обучения через две переплетающиеся тенденции последних лет: широкое использование методов обучения, таких как генеративно-состязательная сеть, вариационные автоэнкодеры и рекуррентные нейронные сети, для генеративных задач в контекстах в процедурной генерации контента [4].

Само представление о произведении искусства как связном выражении индивидуальной психики, эмоционального состояния или выразительной точки зрения зародилось в эпоху романтизма и стало господствующей нормой в IXX и XX веках в Западной Европе и ее колониях [1]. Хотя в нынешнее время это и остается общепризнанной нормой для многих художников, но не исключает наличия иных точек зрения в определении искусства и роли, которую когда-либо сможет выполнять в нем искусственный интеллект.

Очевидно машинное обучение и ИИ не могут воспроизвести жизненный опыт человека, поэтому и не способны создавать равнозначное искусство. Более того, люди и ИИ не имеют одних и тех же источников вдохновения или намерений для его создания. Пока творец ищет пути самовыражения, ИИ выполняет поставленную перед ним задачу. В свою очередь интеграция компьютерных технологий и искусства приводит к инновациям художественной формы и диверсификации развития, что влияет на создание новых арт-форматов.

Искусственный интеллект — это набор алгоритмов, предназначенных для работы параллельно действиям человеческого интеллекта, таким как принятие решений, распознавание изображений или языковой перевод.

А. Герцманн в своих работах отмечает, что художественные алгоритмы являются инструментами, а не художниками сами по себе. Однако ИИ — это больше, чем инструмент, как кисть с масляной краской, которая является неодушевленным и неизменным объектом. Конечно, художники со временем и с опытом учатся тому, как лучше использовать свои инструменты, но при этом кисть не способна меняться, она не принимает решения на основе предыдущего опыта и не предрасположена к самообучению на основе данных в отличии от алгоритмов [1]. Возможно, мы можем концептуализировать алгоритмы ИИ как нечто большее, чем просто инструменты, как что-то усредненное — «медиум» в мире искусства, включающий в себя диапазон возможностей и ограничений, присущих условиям творчества, таким как история стилей живописи, физические и условные ограничения двухмерной поверхности, пределы того, что может быть распознано как живопись.

За последние полвека множество художников и ученых занимались написанием компьютерных программ, способных генерировать искусство. Алгоритмическое искусство — это широкий термин, обозначающий любой арт-формат, который невозможно создать без использования программирования [3]. Если мы посмотрим на определение искусства, данное Merriam-Webster, мы найдем «сознательное использование навыков и творческого воображения, особенно в производстве эстетических объектов». На протяжении XX века это понимание искусства было расширено за счет включения объектов, которые не обязательно эстетичны по своему назначению (например, концептуальное искусство) и не созданы физически статично (перформанс).

Наиболее ярким ранним примером алгоритмического искусства является Гарольд Коэн и его программа AARON (aaronshome.com). Американская художница Лилиан Шварц, пионер в использовании компьютерной графики в искусстве, также экспериментировала с ИИ (Lillian.com). Однако за последние несколько лет развитие генеративно-состязательных сетей (GAN — generative adversarial networks) вдохновило волну алгоритмического искусства, которое использует искусственный интеллект новыми способами, пример результата работы приведен на рисунке 1. В отличие от традиционного формата, в котором художник должен написать подробный код, определяющий правила желаемой выходной «эстетики», новая версия алгоритмов настраивается креаторами на изучение произведений искусства путем просмотра множества изображений. Используя технологию машинного обучения, алгоритм генерирует новые изображения на основе заранее предложенных датасетов. В таком варианте ИИ используется как инструмент для создания искусства. Творческий процесс в первую очередь осуществляется художником в пре- и посткурационных действиях, а также в настройке алгоритма.

Рис. 1. Результат работы GAN

С другой стороны стоит обратить внимание на разработку университета Рутгерса — AICAN, практически автономного «художника». Модель ИИ основана на психологической теории, предложенной Колином Мартиндейлом (Martindale, 1990). Процесс имитирует то, как художники работают с уже знакомыми стилями до момента, пока не становятся готовы вырваться из устоявшихся рамок и создавать новые, свои [2].

Процесс реализуется через «творческую состязательную сеть (CAN — creative adversarial network)» — вариацию GAN, которая использует «стилистическую двусмысленность» для достижения новизны. Машина обучается между двумя противоборствующими силами: одна побуждает ее следовать знакомым стилям в искусстве, которые заложены в датасет (сводя к минимуму отклонение от узнаваемого, заложенного стиля), а другая сила «наказывает» машину, если она подражает установленному стилю (максимизирует двусмысленность, отклонение от заданного стиля). Эти две противоборствующие силы гарантируют, что создаваемое искусство будет новым, но в то же время не будет слишком сильно отходить от приемлемых эстетических стандартов. В теории Мартиндейла это называется принципом «наименьшего усилия», при котором много «нового» приведет к неприятию со стороны зрителя.

В отличие от генеративного искусства ИИ, о котором говорилось ранее, процесс AICAN по своей сути является творческим. При используемых 80 тысячах изображений пяти столетий истории западного искусства, имитируя творческий процесс создания нового художественного стиля, без специального выбора жанров, набор данных не контролируется [1]. Результаты разнообразия создаваемого алгоритмом искусства представлены на рисунке 2. Для каждого изображения машина выбирает индивидуальный стиль, тему, формы и композицию, включая текстуры и цвета.

Рис. 2. Результат работы AICAN

Одним из ключевых показателей успешной работа алгоритма можно считать невозможность человеком с уверенностью сказать, было ли произведение искусства создано живым художником или машиной. В 75 % люди воспринимают изображения, сгенерированные AICAN, как созданные человеком-художником. В случае с базовым набором абстрактных экспрессионистов в 85 % случаев испытуемые думают, что искусство создано людьми. Ключевые слова для описания работ ИИ: преднамеренный, имеющий визуальную структуру, вдохновляющий и коммуникативный.

Всегда будет ряд творцов, сопротивляющихся идее внедрения ИИ в искусство. Многим не хватает понимания, что представляет из себя ИИ на самом деле и как работает. Также присутствует элемент технофобии, приводящий к воображаемому будущему, в котором ИИ присваивать искусство и создает массу бездушных абстрактных картин. Однако искусственный интеллект действительно очень ограничен и специфичен в своем функционале с точки зрения создания арт-объектов. Моделирование процесса создания изображений и изучение того, что может означать творчество в рамках вычислений, является интересной проблематикой в поле машинного обучения, но не связано с тем, как человек создает искусство, и не является взаимоисключающим. Цифровые технологии следует рассматривать как инструмент и средство художественного творчества. Только идеальное сочетание цифровых технологий и традиционных форм живописи может способствовать инновационному развитию искусства и устойчивому развитию науки, техники и гуманитарных наук.

Литература:

1. Art, Creativity, and the Potential of Artificial Intelligence /MDPI and ACS Style / Mazzone, M.; Elgammal, A. Art, Creativity, and the Potential of Artificial Intelligence. Arts 2019, 8. — 26 p.
2. Artistic Reflection on Artificial Intelligence Digital Painting / Journal of Physics: Conference Series/ Iopscience/ Xinlu Liu 2020 J. Phys.: Conf. Ser. 1648 032125
3. Generating Art from Neural Networks // Worldquant: [сайт]. — URL: https://www.worldquant.com/ideas/generating-art-from-neural-networks/ (дата обращения: 13.11.2022)
4. Neural networks in art, sound and design / Juan Romero1 / Penousal Machado. Neural Computing and Applications (2021) 33:1 Springer-Verlag London Ltd., part of Springer Nature 2020. — 33 p.