Može li AI stvarati umjetnička djela?

Nema sumnje – ovu godinu obilježit će govor i primjena AI-ja na sto načina. Mi te pripremamo…

Eto nas i u posljednjem (za sada 😊) nastavku naše male serije o umjetnoj inteligenciji. Do sad smo se već uvjerili da može raditi mnoge korisne stvari, no pitanje je da li je doista sposobna za korak dalje – biti kreativna i stvarati umjetnička djela.

Već smo bili na klizavom terenu kod stvaranja muzike ili pisanja teksta (neki su komentirali da je to bezveze, jer kao na osnovu naučenog program „samo“ stvara sadržaj koji nema vrijednosti), ali zapravo se moramo upitati što je to umjetnost, koliko je važna kreativnost i inspiracija umjetnika, a koliko „tehnika“ slikanja ili komponiranja.

Pa se onda otvara pitanje što je to (re)interpretacija nečijeg djela, a što plagijat. Idemo najprije razriješiti to pitanje…

Što je uopće kreativnost ?

Definicija (prema Webster’s Dictionary) kaže da je kreativnost umjetnička ili intelektualna inventivnost. Kreativnost uključuje stvaranje novih ideja i uvijek donosi nešto novo ili reinterpretaciju nečeg postojećeg. Evo izvrsnog primjera našeg poznatog Riječanina, Davida Maljkovića:

Kreativnost znači – koristiti / uključiti vlastitu misao ili maštu za stvaranje nečeg novog što je materijalne ili nematerijalne prirode poput umjetničkog djela ali i izuma. Povijest je prepuna kreativaca, od izumitelja kamenog točka pa do današnjih majstora novih disruptivnih tehnologija.

Zanimljivo je da je nekima kreativnost prirođena, no kao i svaka druga vještina – može se i naučiti kako biti kreativan (ili barem kako ideju pretočiti u neki rezultat). Svaki dan svakome od nas na pamet padaju razne dobre ideje, no samo ih rijetki uspiju realizirati. Koje su tajne „zanata“  možete saznati od Tine Seeling profesorice sa Stanforda koja zna sve o tome.

Vrste kreativnosti

Razlikujemo više vrsta kreativnosti, pri čemu su sve jednako vrijedne, iako pojam kreativnosti obično povezujemo sa genijalcima. Tri su osnovne vrste kreativnosti koje su nam zanimljive u kontekstu razvoja umjetne inteligencije:

1. „kombinirana“ kreativnost koja uključuje nove kombinacije poznatih ideja, dakle kreativac prepozna vrijednost pojedinih komponenti koje potom složi u novi inovativni proizvod ili umjetničko djelo. Dobar primjer je Sony Walkman ili pak iPod (pa potom smartphone) koji je u raznim oblicima postojao još devedesetih godina ali je tek Steve Jobs složio pravu kombinaciju hardwarea i softwarea i promijenio tijek povijesti.

2. „istraživačka“ kreativnost koja uključuje stvaranje novih ideja istraživanjem strukturiranih baznih koncepata. Obično su to otkrića poput Du Pontova najlona, teflona ili danas grafena koja su nastala kao rezultat dugotrajnog laboratorijskog rada i brojnih eksperimenata obično u velikim kompanijama, a naći će svoju primjenu u desecima drugih inovacija. No priča može biti i banalnija – poput istraživanja kako napraviti sto vrsta čipsa!

3. „transformacijska“ kreativnost koja uključuje transformaciju neke dimenzije postojeće strukture da bi se mogle stvoriti neke nove strukture. Najpoznatiji primjer je iz umjetnosti sa početka 20. stoljeće gdje je stvarnost sagledavana kroz posve nove „naočale“ (primjer Pablo Picasso – kubizam, Marcel Duchamp – dadaizam ili Andy Warhol kroz pop art). Upravo je transformacijska kreativnost poslužila kao ishodište za brojne radove i razvoj algoritama kojima AI kreira umjetnička djela.

Detaljnije o problematici kreativnosti i njenom utjecaju na razvoj umjetne inteligencije pogledajte u snimljenom razgovoru sa profesoricom Margaret Boden koja je jedna od vodećih svjetskih autoriteta na tom području.

Pet ključnih elemenata (ljudske) kreativnosti

Smatra se da postoji pet glavnih sastojaka koji jamče da će neki kreativni proces biti uspješan:

1. Hrpa ideja – Važna je sposobnost davanja ideja u velikim količinama. To znači imati puno ideja, ali ideje možda nisu nužno neobične ili odmah iskoristive. Tu je važan pojam „groblja ideja“ ili „parking ideja“ gdje možda za neka stvari jednostavno nije sazrjelo vrijeme. Primjer  električni automobil ranih devedesetih.
2. Fleksibilnost – To je sposobnost pretvaranja poznatih koncepata u nove oblike ili preskakanje sa starih na nove. Kako po stoti put napraviti novu pastu za zube ili novu vrstu craft piva od neobičnih sastojaka?
3. Izvornost – To je znači sposobnost stvaranja neobičnih i inovativnih ideja. To mora dovesti do stvaranja nečeg novog ili jedinstvenog. Dobar primjer je hoverboard.
4. Maštanje – Sposobnost promišljanja veza i mogućnosti izvan očitog. Recimo ovo:

5. Motivacija – potreba da ne ležimo u kafiću popunjavajući listiće sa kladare, već da nam se po glavi motaju ideje kako poboljšati svijet ili zaraditi puno love 😉

I onda kako od ideje do cilja – detaljnije objašnjenje kreativnog procesa pogledajte ovdje:

Kod umjetničkog djela kreiranog od strane umjetne inteligencije ove sastojke imamo na dvije razine. Prva je programerska, osobe koja je napravila algoritme, pri čemu danas to najčešće nije samo jedna osoba, nego desetine ljudi koji doprinose otvorenom kodu, često sastavljenom od stotina modula. Današnja primjena GAN je rezultat rada nekoliko tisuća ljudi iako ga je izmislio Ian Godfellow ne tako davne 2014. godine.

Druga razina je samog programskog rješenja koje se većinom sastoji od transformacija, slučajnih procesa, dubokog učenja, autokorekcije, odabira optimalnog rješenja, unošenja namjernih grešaka – dakle funkcionira kao i mi 😊.

Kreativnost je sad jasnija, a što je pak umjetnost?

Umjetnost je izraz ili primjena kreativne vještine i mašte, obično u vizualnom obliku kao što su slike, crteži ili skulpture, kako bi se proizvela djela koja se cijene prije svega zbog njihove ljepote ili emocionalne moći.

Sva se umjetnost sastoji od koncepta ugrađenog u medij (platno, staklo, mramor…). Koncept je ono što umjetnik želi pokazati publici. To može biti emocija, informacija ili (najčešće) neka kombinacija to dvoje.

Za reprezentacijsku umjetnost koja aludira na neki stvarni fenomen – odnosno na nešto što će prepoznati većina ljudi – može se reći da ima temu. Kod reprezentacijske umjetnosti vrlo je važna i tehnika kreiranja umjetničkog djela, konstrukcija djela, odabir boja, medija i tehnologije izrade. Bez izvrsnog poznavanja tehnike rada teško može nastati reprezentativno umjetničko djelo.

Danas pomalo zaboravljena hrvatska naivna umjetnost sjajan je dokaz da umjetničko djelo može nastati i kod autora bez formalnog akademskog obrazovanja ali sa velikim praktičnim iskustvom rada (primjerice na staklu). U njihovim su djelima prisutni pomaci u perspektivi i proporcijama, a očite su i mnogobrojne nelogičnosti oblika i prostora, ali to je posve nadoknađeno originalnošću i emocijama.

Apstraktna umjetnost može imati umjetnički koncept u glavi umjetnika, ali ako taj koncept većina gledatelja ne može lako shvatiti, bilo iz samog umjetničkog djela, bilo iz naslova, svaka interpretacija umjetničkog djela razlikovati će se između pojedinaca. Pogledajte rad Julija Knifera, Meandri.

Zanimljiv je proces stvaranja umjetničkog djela – umjetnici će rado reći da je slika ili kip proizvod inspiracije, trenutka, nekog slučajnog procesa. Da izrada nije linearna, da se ideja često mijenja. Današnje tehnologije ultrazvuka i magnetne rezonance pokazuju te skrivene varijacije. Vjerojatno niste znali da se ispod famozne Leonardove Mona Lise kriju još najmanje dvije djevojke!

Za razliku od prethodnih stoljeća gdje je umjetnost bila ograničena na slike, freske ili kipove, danas je manevarski prostor umjetnika gotovo neograničen – prostorno (rade se umjetnička djela vidljiva iz svemira) ili vremenski (snimaju se filmovi tijekom 20 i više godina). Pročitajte više ovdje.

OK, može li onda AI stvarati umjetnost ?

Pa svakako može, da li možete prepoznati koju je od ove dvije slike nacrtao umjetnik, a koju AI?

To je primjer fraktalne umjetnosti koja je označila početak eksperimentiranja sedamdesetih godina sa kreiranjem slika uz pomoć algoritama korištenjem ponavljajućih struktura koje su zapravo vrlo česte u prirodi.

No prije nego zaronimo u praktične primjere slika generiranih uz pomoć umjetne inteligencije, pogledajmo što o pitanju može li AI stvarati umjetnost kaže Mark Coeckelbergh, filozof i etičar, jedan od vodećih autoriteta u domeni etike umjetne inteligencije u Europi.

„Tehnologija je dio transcendentalnih uvjeta pripisivanja umjetničkog statusa. Naše razmišljanje i jezik o statusu strojeva i njihove umjetnosti ovisi o tehnološko-materijalnom razvoju. Možemo pretpostaviti da ako strojevi postanu bolji u stvaranju umjetnosti, više ljudi će reći da je to umjetnost. Tehnologija će utjecati na naše razmišljanje, kao što to već čini sada.”

„Također bi se moglo razmotriti mišljenje da postoje različiti načini kreativnosti, da stroj ne mora oponašati ljudsku kreativnost, već može imati vlastiti oblik kreativnosti. Možda bi nas strojevi mogli iznenaditi svojom kreativnošću, ako se otvorimo onome što bi se moglo dogoditi u konkretnim susretima sa strojevima. ” 

„Ako čovjeka tumačimo kao stroj, tada je riješeno filozofsko pitanje mogu li strojevi stvoriti umjetnost. Jasno je da su biološki  “ljudski strojevi” umjetnost već stvorili mnogo prije svojih silikonskih pandana. Tada je „jedini“ izazov znanstveni i tehnološki rad koji pokušava objasniti i modelirati ljudski stroj, a zatim stvoriti umjetnu, nebiološku verziju ovog stroja. “

„S druge strane, ako čovjek vidi nepremostivi jaz između ljudi i tehnologije, i ako se umjetnost potpuno stavi na stranu ljudi, onda se također ne može puno reći: tada strojevi nikada ne mogu stvarati umjetnost i to je kraj priče…”

Tu se doista nema što dodati 😊.

Pa kako nam onda slika AI ?

U prethodnim tekstovima upoznali smo više vrsta neuronskih mreža, u biti svaka primjena zahtijeva i svoje specifične implementacije neuronskih mreža. Za kreiranje slika su najzanimljivije već spomenute GAN mreže.  To su u osnovi dvije neuronske mreže koje se međusobno natječu – generator i diskriminator.

Generator pokušava napraviti slike kako bi prevario diskriminatora, a čitav posao diskriminatora je reći razliku između generiranih slika i stvarnih slika. Tako diskriminator uvijek uspoređuje slike koje generator šalje sa slikama u skupu podataka i pokušava vratiti vrijednost “lažne” ili “stvarne”. Generator dobiva povratne informacije od diskriminatora o njegovoj kvaliteti. Koristi tu povratnu informaciju kako bi se prilagodio i pokušao generirati sve realnije slike koje će zavaravati diskriminatora da kaže “pa ovo je stvarno”.

Obično se uzme nekoliko tisuća slika (što više, to bolje), recimo pejsaža ili portreta i igra može početi. Na početku generator kreira besmislice (u stvari šum), no kako vrijeme prolazi postaje sve bolji u oponašanju realnih motiva.

Primjeri

Započnimo s radom Robbia Barrata – AI Art Generated with Generative Adversarial Networks.

Evo par primjera posve autonomno izgeneriranih pejsaža:

Pa prilično je teško procijeniti da ih nije nacrtao čovjek!

Drugi primjer je korištenje takozvanog Style Transfera. Tu je osnovna ideja da iz određenog seta slika izvučemo komponente stila (kompozicija, odabir boja i motiva), koje onda primijenimo na bilo kakav sadržaj (bilo na statičnu fotografiju kao u donjem primjeru) ili na video zapis odnosno „live stream“ sa WEB cama. U tom slučaju možemo dobiti pravi crtani film:

Naravno za ovakve transformacije u realnom vremenu treba vrlo jako računalo sa grafičkom karticom, no začudo i najnoviji smartphoni mogu napraviti dosta toga.

Kako to radi „u živo“ možete probati ovdje – sačekajte tridesetak sekundi da se model učita.

Treći primjer su Creative Adversarial Networks koje rade na sličnim principima kao i GAN no dodano im je malo „kreativnosti“, naime diskriminator još uvijek pokušava naučiti kako svaku sliku klasificirati kao stvarnu ili lažnu, ali također uči kako svrstati slike u jedan od 25 umjetničkih stilova (tj. kubizam, apstraktno slikarstvo, renesansa, realizam itd.). Istovremeno generator pokušava zbuniti diskriminatora da misli da su slike koje generira stvarne, tako da mu otežava klasificiranje u jedan od 25 poznatih umjetničkih stilova, čime slike postaju zanimljivije i „originalnije“.

Trebalo je svega nekoliko godina da se AI kreirana djela pojave na aukcijama u Sotheby’s ili Christie’s i dosegnu milijunske iznose, no ne bez kontroverzi o autorstvu i vrijednosti takvih dijela.

I za kraj upravo svjedočimo početku još jedne revolucije – foto realističnim portretima ljudi ili stvari koje je u cijelosti izgenerirao AI. Tehnologija „iza“ su već spomenuti GAN i CAN, a ideja je bazirana da se iz milijuna fotografija realnih ljudi ili objekata prepoznaju ključni parametri (dob, rasa, geometrije lica itd.)  koji će omogućiti kreiranje portreta koje praktično ne možemo razlikovati od živih ljudi.

Postupak pogledajte na ovom videu, doista su fascinantne transformacije koje sustav omogućava. To sada otvara brojna pitanja da li će posve propasti posao fotografa ili dizajnera koji rade komercijalne fotografije ili materijale za upotrebu u medijima ili kod razvoja igara. Vrlo je vjerojatno da će ova nova disrupcija ozbiljno zatresti poslovne modele u domeni digitalnih medija.

Već su dostupni i komercijalni servisi s generiranim sadržajima, a kako to izgleda možete provjeriti na linku ovdje ili ovdje.

I još malo zabave sa jednostavnijim generatorom lica pa da zaključimo da se radi o velikom iskoraku. Implikacije su ogromne, kako u pogledu autorskih prava  (i honorara) tako i u pogledu mogućnosti stvaranja lažnih vijesti, što nije posve bezazleno.

Zaključujemo ovi kratku seriju natpisa o umjetnoj inteligenciji s nadom da smo probudili barem mali interes za to super važno područje koje se nevjerojatno brzo razvija. Većina algoritama koje smo u ovom nastavku opisali nastala je prije dvije ili tri godine, a komercijalni servisi se upravo pojavljuju.

Gotovo sav kod je otvorenog tipa i lako dostupan, na YouTubeu se nalazi mnoštvo edukacijskog materijala, prema tome nema razloga za čekanje 😊.

Danas se ovom temom već bavi u Rijeci dosta ljudi, a tijekom 2020. godine započeti će nekoliko važnih projekata koji će omogućiti njenu širu primjenu i u našem gradu. Tako da – Stay tuned…

Kutak za štrebere:

Filozofija i umjetna inteligencija. Glavni lik na našem kontinentu za tu problematiku je naš susjed Bečanin Mark Coeckelbergh, kojega smo imali priliku slušati i u Rijeci prošle godine!

A za prave igrače je članak Graema Ritchijea o transformativnoj kreativnosti.