Minden művész egyszer kezdte valamivel. Ma ezt a fogási kifejezést alkalmazhatjuk a gépekre. Mit vesz igénybe a kreatív mesterséges intelligencia létrehozása? Néha úgy tűnik, hogy ez a különbség a gépek és az emberek között, a gépek soha nem fognak utolérni. Az AI azonban már egyre inkább vágyakozik a kreativitásra, legyen szó egy heavy metal rock album készítéséről vagy egy eredeti portré létrehozásáról, amely feltűnően emlékezteti a Rembrandt kefét.
Az AI alkalmazása a művészeti világban túlzottnak tűnhet: mindig lesznek olyan emberek, akik nagyszerű munkákat készítenek. Ennek a megközelítésnek a támogatói azonban azt mondják, hogy az AI kreatív készségeinek tanításának valódi szépsége nem a végtermékben rejlik, hanem inkább a technológia azon képességében rejlik, hogy kibővítse saját gépi tanulását, hogy megtanulja a dobozon kívüli problémák megoldását, gyorsabban és jobban, mint az emberek. Például egy kreatív AI egy napon dönthet úgy, hogy megmentheti az önálló vezetésű autó utasai életét, ha érzékelői meghibásodnak, vagy javasolhat egy nem szokásos vegyi összetevők kombinációját, amely olyan gyógyszert eredményezne, amely korábban gyógyíthatatlan betegségeket kezelhetne.
A kreativitás AI elengedhetetlen az erősen automatizált rendszerek kialakításához, amelyek megfelelően reagálhatnak az emberi életre - mondta Mark Ridl, a Georgia Tech Interaktív Számítástechnika Iskolájának professzora. "A helyzet az, hogy minden nap valami kreatív dolgot csinálunk, sok problémát kreatívan oldunk meg" - mondja. "Ha a fiam játékja elakad a szék alá, akkor ki kell vennem a szerszámot a fogasból, és ki kell hozni."
Riedl megjegyzi, hogy az emberi kreativitás a társadalmi interakció szempontjából is fontos, még például annak érdekében, hogy viccet mondjunk, vagy egy büntetést felismerjünk. A számítógépek nem tudják kezelni az ilyen finomságokat. Például az emberek metaforák felépítésének hiányos megértése arra késztette az AI-t, hogy új fejezetet írjon a Harry Potterra-ról, és értelmetlen mondatokkal töltse be, például: "A kastély padlója nagy varázslatos halomnak tűnt".
Mégis, ha a gépek pontosan utánozzák az emberi stílust - Rembrandt vagy Rowling, az nem számít -, jó indul a kreatív AI - mondta Riedl. Végül is az alkotók gyakran a már megalapozott művészek képességeinek és folyamatának utánozásával kezdik. A következő lépés, mind az emberek, mind a gépek számára, az, hogy ezeket a képességeket felhasználjuk egy stratégia részeként valami eredeti létrehozására.
A modern AI programok nem fejlesztettek eleget ahhoz, hogy spontán módon komponálják a slágereket vagy műalkotásokat. Ahhoz, hogy egy AI ezt megtehesse, az embernek hatalmas számú példa segítségével ki kell kalibrálnia a programot. A német Mario Klingemann például egy neurális hálózatot tervezett, amely képes furcsa, ijesztő képeket összeállítani a meglévő fényképekből és más művekből. A neurális hálózat összekapcsolt feldolgozási csomópontok sorozatából áll, amelyek hasonlítanak az agy idegrendszerére. Egy neurális hálózatban minden elektronikus "idegrendszer" egy sor tömböt vesz fel, az adott bemenet alapján egyszerű számításokat végez, majd elküldi az eredményt a neuronok következő rétegére, amely viszont összetettebb számításokat hajt végre.
Klingemann megközelítése magában foglalja a forrásanyagok, rajzok és fényképek táplálkozását olyan generációs párhuzamos hálózatokba (GAN), amelyek két neurális hálózat erejét egyesítik. Egy hálózat képeket generál, amelyeket egy adott téma vagy feltételek halmaza egyesít; a másik a képeket ezen körülmények ismerete alapján értékeli. A második hálózat visszajelzéseinek köszönhetően az első hálózat fokozatosan javul, és a képek egyre relevánsabbak az adott témában. "Ezek a hálózatok manapság csak eszközök a saját kreativitásunk kiegészítéséhez" - mondja Klingemann. "Mi embereknek továbbra is fel kell ismernünk a kreativitást vagy az innovációt." Célja egy művészi neurális hálózat létrehozása, amely önállóan kiválaszthatja és akár közzéteheti a legjobban végzett munkáit egy adott témában.
A GAN-eket szigorúan új tartalom vagy képek létrehozására használják a szélesebb kreatív rendszerben - mondja Alex Champandard, a creative.ai alapítója, egy induló vállalkozás, amely AI eszközöket fejleszt a kreatív emberek számára. A GAN-k sok anyagot tudnak előállítani, de körülményeik meghatározásakor továbbra is az emberekre támaszkodnak.
Promóciós videó:
Ian Goodfellow, a GAN fogalmán dolgozó Google tudós szerint a tartalom generálása jó indul az AI fejlesztéséhez, amely megoldhatja a valós problémákat. A Goodfellow olyan gépi tanulási modelleken dolgozik, amelyek lehetővé teszik a számítógépek számára, hogy dinamikus narratívakat írjanak, amelyek túlmutatnak a korlátozott forgatókönyveken (mint például a sakkmozgások tervezése), amelyeknél a számítógépek régóta kitűntek.
Vegyünk egy klasszikus példát a tervezésre, amelyet az emberek mindig végeznek: amikor a repülőtérre megyünk, gyakran vázolunk egy durva térképet - tisztán a fejünkben - a legfontosabb utazási pontokról, forgalmi dugókról vagy transzferekről. A GAN-ok ilyen utazást tervezhetnek, de nagyon részletesen meg fogják tenni, és sok útvonalat kínálnak. Valójában olyan számítási hálózati rétegre van szükségünk, amely kihagyja ezeket a lehetőségeket, és intuitív módon választja ki a legjobbat.
Az emberi kreatív gondolkodás másik kulcsfontosságú eleme az a képesség, hogy az ismereteket egyik kontextusból felvegye, és egy másikban alkalmazza. George Harrison ül egy szitárral, és gitárként játssza. Shakespeare történeteket vesz át a görög mitológiából, és ezek alapján egy angol színdarabot ír. Az ügyvezető igazgató a katonai stratégia ismereteit, vagy akár a sakkot felhasználja üzleti üzlet megtervezésére.
Ezért kísérleteket végeznek az AI algoritmusok segítésére, amelyek képesek keverni és összehangolni az anyagokat. Például a kaliforniai Berkeley-i Egyetem tudósai a CycleGAN hálózatot használják a lóvideók zebrára konvertálására. Az AI észleli a ló alapformáját az első videóban, és lejátssza a képet a videó fölött, azonnal és diszkréten cserélve a ló barna törzsét csíkos zebrával, amikor mozog. Ez a munka segíti az önálló vezetésű autó AI-jét az ismeretlen körülményekhez való alkalmazkodásban és a balesetek elkerülésében.
A mesterséges intelligencia nemcsak megtanulja a szabályokat, hanem meg is szünteti azokat, mint egy igazi művész.