Творчество по большей части проистекает из идеи возмущения настоящего ради создания будущего, которое сохраняет некоторые связи с настоящим, но тем не менее порывает с ним. Это эволюционная модель, и, что особенно интересно, именно ее и переняли алгоритмы. Такой подход может показаться отвратительно манипулятивным. Идея превращения искусства в цифровой ландшафт с единственной целью – определить точки, которые будут представлять максимальную гедонистическую ценность, выглядит ужасно.
Разумеется, именно к идее обучения на произведениях, созданных художниками в прошлом, и применения полученных знаний для достижения чего-то нового и сводится творческий процесс большинства художников-людей. Современное искусство можно понять только в свете нашего общего прошлого. В конце концов, именно с этим знанием или этой системой отсчета зрители по большей части приходят на встречу с новым искусством.
Возможно, самый весомый признак того, что художественные работы искусственного интеллекта начинают воспринимать всерьез, появился в октябре 2018 года, когда аукционный дом Christie’s первым продал произведение искусства, созданное алгоритмом. Эта картина была результатом работы парижской группы, которая использовала не творческую сеть, разработанную Эльгамалем, а исходную идею генеративной состязательной сети Гудфеллоу. Эта группа обучала свой алгоритм на 15 000 портретов, написанных начиная с XIV века и до наших дней.
Когда группе любителей искусства показали новые работы, представленные в 2016 году на выставке Арт-Базель, одной из главных ярмарок современного искусства, и предложили сравнить их с произведениями, созданными творческой состязательной сетью Эльгамаля, они нашли компьютерные работы более вдохновляющими и более близкими себе (эти изображения можно увидеть по адресу https://arxiv.org/pdf/1706.07068.pdf).
Эта идея отражена в так называемой кривой Вундта. Если окружающие нас произведения искусства слишком привычны, это вызывает безразличие и скуку. Именно поэтому художники в своей работе никогда по-настоящему не останавливаются на достигнутом: художника (а впоследствии и зрителя) возбуждает нечто отличное от уже знакомого. Но стремление к возбуждению или диссонансу не должно быть слишком сильным, чтобы не попасть на спадающую ветвь кривой Вундта. Художник стремится достичь максимальной гедонистической ценности. Эт
Алгоритм-дискриминатор группы из Ратгерского университета подобен специалисту по истории искусств, который может оценить, относятся ли те или иные картины к общепризнанным, уже существующим стилям, и заметить, когда в них появляется нечто новаторское. Его соперник, алгоритм-генератор, должен создавать новые работы, отличные от существующих, но признаваемые произведениями искусства. Чтобы разобраться в проблеме нахождения нового, но не слишком нового, Эльгамаль углубился в идеи психолога и философа Д.Э. Берлайна, который утверждал, что для изучения эстетических явлений особенно важна психологическая концепция «возбуждения». Берлайн считал, что к наиболее существенным возбуждающим свойствам эстетики относятся новизна, неожиданность, сложность, неоднозначность и способность озадачивать или запутывать. Тонкость заключается в том, что произведение должно быть новым и удивительным, но не отклоняться от ожидаемого настолько, чтобы возбуждение переросло в отторжение из-за чрезмерной необычности результата.
Может быть, алгоритмы вскоре отодвинут на задний план и художественных критиков New York Times.
Группа из Ратгерского университета решила выяснить, сумеет ли ее алгоритм найти в истории искусств моменты резких всплесков творческой энергии, в которые появлялось нечто новое, невиданное до этого. Сможет ли он распознать картины, которые ломали установившиеся стандарты и становились провозвестниками новых стилей живописи? Одни художники постепенно раздвигают пределы существующих традиций, а другие создают радикально новые стили. Способен ли алгоритм определить момент зарождения кубизма или искусства барокко?
Человеку, анализирующему дерево решений, иногда бывает трудно определить, на каких именно характеристиках сосредоточивается алгоритм при классификации картин. Самые современные системы компьютерного зрения оценивают более 2000 разных атрибутов изображений, которые называются теперь классемами. С этих атрибутов полезно начинать анализ картин, отобранных программистом в качестве тренировочного материала для алгоритма.
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?
О проекте
О подписке