Hver kunstner startet en gang med noe. I dag kan vi bruke denne fangstfrasen i forhold til maskiner. Hva må til for å skape kreativ kunstig intelligens? Noen ganger ser det ut til at denne forskjellen mellom maskiner og mennesker, maskiner aldri vil ta igjen. Imidlertid viser AI allerede en voksende forkjærlighet for kreativitet, enten det er å komponere et tungmetallrockalbum eller skape et originalt portrett som påminner om Rembrandt-penselen.
Å bruke AI på kunstverdenen kan virke som overdreven: det vil alltid være mennesker som skaper stort arbeid. Talsmenn for denne tilnærmingen sier imidlertid at den virkelige skjønnheten ved å undervise i kreative ferdigheter ikke ligger i sluttproduktet, men snarere i potensialet til teknologi for å utvide sin egen maskinlæring, for å lære å løse problemer utenfor boksen, raskere og bedre enn mennesker. For eksempel kan en kreativ AI en dag bestemme seg for å redde livene til passasjerene i en selvkjørende bil hvis sensorene svikter, eller foreslå en ukonvensjonell kombinasjon av kjemiske komponenter som vil føre til et medikament som kan behandle tidligere uhelbredelige sykdommer.
AI med kreativitet vil være avgjørende for utforming av høyt automatiserte systemer som kan svare riktig på menneskers liv, sier Mark Ridl, professor ved Georgia Techs School of Interactive Computing. "Faktum er at vi gjør noe kreativt hver dag, mange problemer løses kreativt," sier han. "Hvis sønnens leketøy setter seg fast under stolen, må jeg ta verktøyet ut av hengeren og få det ut."
Riedl bemerker at menneskelig kreativitet også er viktig for sosiale interaksjoner, til og med for å fortelle en vits eller gjenkjenne en ordspill. Datamaskiner kan ikke håndtere slike finesser. For eksempel førte en ufullstendig forståelse av hvordan mennesker konstruerer metaforer til at AI skrev et nytt kapittel av Harry Potterra, og fylte det med meningsløse setninger, som "Slottets gulv så ut som en stor magi."
Fortsatt å få maskinene til å etterligne den menneskelige stilen - Rembrandt eller Rowling, det spiller ingen rolle - er en god start på kreativ AI, sa Riedl. Tross alt starter skaperne ofte med å etterligne ferdighetene og prosessene til etablerte artister. Det neste trinnet, både for mennesker og maskiner, er å bruke disse ferdighetene som en del av en strategi for å lage noe originalt.
Moderne AI-programmer er ikke avanserte nok til spontant å komponere hitlåter eller kunstverk. For at en AI skal gjøre dette, må en person kalibrere programmet ved å mate det et stort antall eksempler. Tyske Mario Klingemann, for eksempel, designet et nevralt nettverk som er i stand til å komponere rare, skremmende bilder fra eksisterende fotografier og andre arbeider. Et nevralt nettverk består av en serie sammenkoblede prosesseringsnoder som ligner hjernens nevrale struktur. I et nevralt nettverk tar hver elektronisk "nevron" en rekke tall, utfører enkle beregninger basert på den inngangen, og sender deretter resultatet til det neste laget av nevroner, som igjen utfører mer komplekse beregninger.
Klingemanns tilnærming innebærer å mate kildemateriell, tegninger og fotografier til generative adversarial nettverk (GAN), som kombinerer kraften i to nevrale nettverk. Ett nettverk genererer bilder forenet etter et bestemt tema eller betingelsessett; den andre evaluerer bildene basert på kunnskapen om disse forholdene. Takket være tilbakemeldingene fra det andre nettverket, blir det første nettverket gradvis bedre og gjør bildene mer og mer relevante for det gitte emnet. "Disse nettverkene er nå bare verktøy for å utfylle vår egen kreativitet," sier Klingemann. "Vi mennesker trenger fremdeles å anerkjenne kreativitet eller innovasjon." Målet er å lage et kunstnerisk nevralt nettverk som uavhengig kan velge og til og med publisere sitt beste arbeid om et gitt emne.
GAN-er brukes nå strengt for å lage nytt innhold eller bilder i det bredere kreative systemet, sier Alex Champandard, grunnlegger av creative.ai, en oppstart som utvikler AI-verktøy for kreative mennesker. GAN-er kan produsere mye materiale, men stoler fortsatt på mennesker for å bestemme forholdene.
Salgsfremmende video:
Innholdsgenerering er en god start for å utvikle AI som kan løse problemer i den virkelige verden, ifølge Ian Goodfellow, en forsker ved Google som utvikler konseptet GAN. Goodfellow jobber med maskinlæringsmodeller som gjør det mulig for datamaskiner å skrive dynamiske fortellinger som går utover de begrensede scenariene (som å planlegge sjakktrekk) som datamaskiner lenge har utmerket seg til.
La oss ta et klassisk eksempel på planlegging som folk gjør hele tiden: når vi drar til flyplassen, tegner vi ofte et grovt kart - i hodet på oss - viktige reisepunkter, trafikkork eller transport. GAN-er kan planlegge en slik tur, men de vil gjøre det i detalj og vil tilby mange ruter. Vi trenger faktisk et lag datanettverk som vil hoppe over alle disse alternativene og intuitivt velge det beste.
En annen nøkkelkomponent i menneskelig kreativ tenking er evnen til å ta kunnskap fra en kontekst og anvende den i en annen. George Harrison tar en sitar og spiller den som en gitar. Shakespeare tar historier fra gresk mytologi og skriver et engelsk skuespill basert på disse historiene. En utøvende direktør bruker kunnskap om militær strategi eller til og med sjakk for å planlegge en forretningsavtale.
Av denne grunn blir det utført eksperimenter for å hjelpe AI-algoritmer som kan blande og matche materiale. For eksempel bruker forskere ved University of California, Berkeley CycleGAN-nettverket for å gjøre hestevideoer til sebravideoer. AI oppdager den grunnleggende formen til hesten i den første videoen og leker med bildet over videoen, og erstatter umiddelbart hestens brune overkropp med en stripet sebra når den beveger seg. Slikt arbeid vil hjelpe AI-en til en selvkjørende bil til å tilpasse seg ukjente forhold og unngå ulykker.
Kunstig intelligens skal ikke bare lære reglene, men også bryte dem, som en ekte kunstner.
