Цитаты из книг автора «Маркус дю Сотой»

Чтобы распознать художника математическими методами, нужны некие величины, которые можно измерять. Базовый процесс похож на тот, который используется в алгоритме Spotify или Netflix, но вместо индивидуальных вкусов он должен определять отличительные черты. Если ввести измерение двух разных характеристик картин, включенных в массив данных, то каждую картину можно представить графически, в виде точки на двумерном графике. Что же такое следует измерять, чтобы картины Пикассо вдруг оказались собраны в одном углу графика, а картины Ван Гога – в другом?

Вероятно, крупнейшая база данных оцифрованных изображений содержится на сайте WikiArt: там имеются 81 449 картин 1119 разных художников, созданные на протяжении 1500 лет. Можно ли создать алгоритм, который, натренировавшись на содержимом WikiArt, научится классифицировать стиль или автора случайно выбранной картины? Эльгамаль использовал часть имеющихся данных в качестве тренировочного массива, а остальные данные – для проверки работы алгоритма. Но на поиск чего именно должен быть запрограммирован такой алгоритм? Какие ключевые отличительные черты могут помочь в классификации такой крупной базы данных произведений искусства?

Ахмед Эльгамаль из Ратгерского университета задался вопросом, сможет ли превращение художественного творчества в игровое состязание помочь вывести компьютеры в новые и более интересные творческие области. Его идея состояла в создании одного алгоритма, задачей которого было искажение известных художественных стилей, и второго, который должен был классифицировать работы первого либо как явно не относящиеся к произведениям искусства, либо как недостаточно оригинальные. Это классический пример генеративной состязательной сети, концепцию которой впервые предложил Иэн Гудфеллоу из группы Google Brain. Предполагалось, что каждый из алгоритмов будет учиться и изменяться в зависимости от реакции другого алгоритма. Эльгамаль надеялся, что к концу игры получится алгоритм, творчество которого сможет получить международное признание.

Создание новой картины Рембрандта – дело довольно бессмысленное, если не считать его целью доказательство того, что это вообще можно сделать. Но может ли программный код порождать по-настоящему новые и впечатляющие произведения искусства?

В течение десятилетий было много споров о том, кто именно написал картину «Товит и Анна», хранящуюся в коллекции Виллема ван дер Ворма в Нидерландах. Многие ее черты, несомненно, характерны для позднего Рембрандта: концентрированный свет, шершавая поверхность картины, чрезвычайно условно написанные участки, соседствующие с другими, четко прорисованными. Внизу картины даже есть подпись Рембрандта, но многие считали ее подделкой, добавленной позже. Десятилетиями эта картина не считалась работой Рембрандта, а приписывалась одному из его учеников. Все изменилось в 2010 году, когда специалист по творчеству Рембрандта Эрнст ван де Ветеринг исследовал полотно современными научными средствами. Благодаря инфракрасному сканированию и рентгеновскому анализу мы теперь можем увидеть то, что скрыто под поверхностью картины, – например, первые наброски, выполненные художником в процессе работы над произведением. На рентгеновских фотографиях стало видно, что сначала на картине было еще одно окно, но впоследствии оно было записано. По словам ван де Ветеринга, Рембрандт постоянно играл таким образом со светом, пробуя разные варианты освещения фигур. Микроскопический химический анализ также может показать, что подпись была нанесена на картину, когда краска еще не высохла. Сочетание многолетнего опыта ван де Ветеринга и его глубокого знания стиля Рембрандта при поддержке этих новых научных методов заставило его изменить мнение об авторстве этой картины. Музей, в котором она выставлена, был рад узнать, что в его коллекции есть еще один Рембрандт, но некоторые критики по-прежнему сомневаются в атрибуции этого полотна, несмотря на все научные доказательства.Каково же было мнение ван де Ветеринга о новом, созданном на компьютере, Рембрандте? Когда идея этого проекта только была предложена, он встретил ее с негодованием. Когда же он наконец оказался лицом к лицу с результатом, он немедленно начал критиковать живописную манеру, выискивая тонкие несоответствия и отмечая, что мазки похожи на те, которые Рембрандт использовал в 1652 году, а в остальном портрет больше соответствует стилю его работ 1632 года. Участники проекта были скорее довольны тем, что недостатки обнаруживаются в нем только на столь детализированном уровне. Для компании Microsoft рембрандтовский проект имел, вероятно, не столько художественное, сколько коммерческое значение. Создание убедительной подделки под Рембрандта демонстрирует качество программного кода.

Если предложить зрителям угадать имя автора, большинство, вероятно, отнесло бы его к школе Рембрандта. Но передает ли картина его магию? Британский художественный критик Джонатан Джонс считает, что нет. «Что за ужасная, безвкусная, бестактная и бездушная пародия на все творческое, что есть в природе человека, – писал он с презрительным отвращением в газете Guardian. – Что за гнусное произведение нашего странного времени, в котором лучшие умы посвящают себя решению глупейших “задач”, в котором технологии используются там, где их ни в коем случае нельзя использовать, и все считают своим долгом восхищаться бессердечными результатами их применения, потому что мы так преклоняемся перед всем цифровым». Джонсу казалось, что в этом проекте упустили из виду самую суть творческого гения Рембрандта. Дело не в стиле и не в поверхностных эффектах, а в том, как Рембрандт умел показать свою внутреннюю жизнь, тем самым снимая завесу с нашего собственного внутреннего мира. Дело во встрече двух душ. Картина, созданная искусственным интеллектом, оказалась совершенно не способна вызвать то, что Джонс называет «трепетом от Рембрандта»

Группа рассматривала возможность создания роботизированного манипулятора, который должен был написать получившуюся картину, но современные манипуляторы имеют всего девять степеней свободы, а рука человека – например, Рембрандта – содержит 27 элементов, способных двигаться независимо друг от друга.

Вспомним, как Ван Гог наносил масляную краску слоями, создавая произведения, относящиеся к скульптуре не в меньшей степени, чем к живописи. Те, кто создает произведения искусства при помощи алгоритмов, часто упускают из виду такую особенность картины, как фактура.

Достаточно ли обширного творческого наследия Рембрандта для того, чтобы алгоритм смог научиться, как создать новый портрет, который будет узнаваемым портретом Рембрандта? В интернете можно найти миллионы изображений кошек, но Шекспир написал всего 37 пьес, а Бетховен – девять симфоний. Может ли творческая гениальность защититься от машинного обучения недостатком данных? Специалисты по анализу данных из компании Microsoft и Делфтского технического университета считали, что имеется достаточно данных, чтобы алгоритм научился писать как Рембрандт. Рон Огастес из Microsoft, работавший над этим проектом, считал, что сам старый мастер одобрил бы эту работу: «Мы используем технологии и данные так же, как Рембрандт использовал краски и кисти, – чтобы создать нечто новое». Группа изучила 346 картин и создала 150 гигабайт оцифрованных изображений для анализа. При сборе данных учитывались пол, возраст и ориентация головы моделей Рембрандта, а также проводился геометрический анализ различных ключевых точек лица. Проведя тщательный анализ портретов Рембрандта, исследователи выбрали модель того типа, который, по их мнению, мог быть изображен на следующем его портрете: белый мужчина в возрасте от 30 до 40 лет, с бородой и усами, в темной одежде с пышным воротником и в шляпе сидит вполоборота, лицом к зрителю. На портрете вполне могла быть и женщина – распределение между двумя полами было почти 50: 50, – но в мужских портретах было больше удобных для анализа элементов. До этого этапа никакого по-настоящему сложного анализа данных не требовалось. Машинное обучение вступило в игру, только когда дело дошло до действительного создания портрета, работы с красками.Группа исследовала при помощи алгоритмов манеру, в которой Рембрандт писал глаза, нос и рот модели. Одной из отличительных особенностей его картин является работа со светом: свет часто сконцентрирован в одной области, как будто освещенной прожектором. От этого одни черты лица оказывались четко видимыми, а другие области – размытыми.Алгоритм не пытался создать черты, усредненные по всем портретам. Как выяснил в 1877 году Фрэнсис Гальтон, пытавшийся создать стереотипный портрет преступника, усредняя фотографии реальных осужденных, результат получается весьма далеким от оригинала. Гальтон накладывал негативы друг на друга и, проявив получившееся изображение, был поражен результатом: набор искаженных и уродливых лиц, которые он использовал, превратился в приятное глазу комбинированное изображение. По-видимому, сглаживая асимметричные черты, можно получить нечто вполне привлекательное. Чтобы создать картину, которую можно было бы принять за работу Рембрандта, специалистам по анализу данных требовалось придумать какой-то более хитроумный способ. Их алгоритм должен был создать новые глаза, новый нос и новый рот, как будто бы программа могла смотреть на мир глазами Рембрандта. Создав эти элементы, они приступили к исследованию пропорций лиц на портретах кисти Рембрандта.

Но не может ли машина обойтись без сознательного описания, выделяя закономерности и правила, которые не можем распознать мы?