Naukowcy sądzą, że podstawową cechą odróżniającą człowieka i maszynę jest posiadanie uczuć oraz m.in. wrażliwości artystycznej. Coraz więcej osób wykorzystuje jednak uczenie maszynowe w formie narzędzia artystycznej eksploracji.
Ivona Tautkute-Rustecka porównuje nieprzewidywalność sieci opartych na głębokim uczeniu do malowania akwarelami, w którym spływanie farby oraz jej gradient są stosunkowo losowe. Artystka postanowiła wykorzystać doświadczenie w fotografii oraz związane ze sztuczną inteligencją, tworząc prace wpisujące się w nurt tzw. AI art, czyli sztuki sztucznej inteligencji.
Czytaj też: Wizja 2000 roku według artystów z początków XX wieku
Tautkute-Rustecka wykorzystała tzw. Generative Adversarial Network (skrótowo zwaną GAN), która służy do generowania obrazów poprzez odtwarzanie pierwotnego rozkładu elementów wizualnych. Proces uczenia się nie jest bowiem pozbawiony niedokładności, a potencjalne błędy, które sieć popełnia podczas tego procesu, torują drogę do tworzenia kreatywnych dzieł w zakresie sztuki. W efekcie te błędy prowadzą do czegoś, co ludzkie zmysły mogą uznać za atrakcyjne.
Dzięki rozwojowi GAN możliwe jest już generowanie obrazów w wysokiej rozdzielczości, z wieloma szczegółami, co ma kluczowe znaczenie w przypadku sztuki. O ile w przeszłości uzyskanie odpowiedniej jakości obrazów było możliwe wyłącznie z wykorzystaniem ogromnej ilości danych (np. w postaci 70 000 obrazów, którymi „karmiono” algorytmy) i potężnych zasobów obliczeniowych, tak teraz sytuacja się zmieniła. W efekcie modele komputerowe mogą zostać przećwiczone w oparciu o zaledwie 2000 obrazów.
AI art jest stosunkowo nowym nurtem, opartym na dobrodziejstwach sztucznej inteligencji
Artystka uznaje sieć StyleGAN2 za idealne narzędzie do eksperymentowania z odtwarzaniem i modyfikowaniem analogowych zdjęć w oparciu o sztuczną inteligencję. Aktualizacja z ubiegłego roku okazała się szczególnie przydatna w kontekście generowania wysokiej jakości obrazów z ograniczonego zestawu danych. Wszystko za sprawą technologii zwanej adaptive discriminator augmentation.
Czytaj też: Naukowcy dowiedzieli się, kto stworzył rękopisy z Qumran. Pomogła sztuczna inteligencja
Autorka projektu uczyła swój model za sprawą losowych zbiorów zdjęć, które zawierały niepowiązane ze sobą kształty i kolory. Okazało się, że SI stosunkowo szybko zaczęła tworzyć tekstury przypominające zeskanowany negatyw. Poza tym, jaskrawe kolory pochodzące z oryginalnych zdjęć łączyły się niczym w przypadku obrazów malowanych farbami akwarelowymi, a ich kształty były bardzo nietypowe.
Chcąc wykazać możliwości AI Art, Tautkute-Rustecka skorzystała z fotografii pochodzących ze zbioru The Metropolitan Museum of Art, by sztuczna inteligencja wygenerowała ludzkie twarze prezentujące różnorakie emocje. Na pierwszym etapie wyodrębniła facjaty ze starych fotografii i oczyściła je z niepotrzebnych „informacji. Sieć neuronowa zajęła się następne wybraniem obrazów, na których widocznych było szczególnie dużo emocji, aby wygenerować twarze zadziwiająco podobne do ludzkich.
