Jokainen taiteilija aloitti kerran jostakin. Tänään voimme soveltaa tätä saalistuslausetta koneisiin. Mitä luovan tekoälyn luominen vie? Joskus näyttää siltä, että tämä ero koneiden ja ihmisten välillä, koneet eivät koskaan saa kiinni. AI on kuitenkin jo osoittanut kasvavaa luovuushaluaan, olipa kyse sitten heavy metal rock -albumin säveltämisestä tai alkuperäisen muotokuvan luomisesta, joka muistuttaa silmiinpistävästi Rembrandtin harjaa.
AI: n soveltaminen taidemaailmaan voi tuntua ylenmääräiseltä: aina löytyy ihmisiä, jotka luovat hienoa työtä. Tämän lähestymistavan kannattajat kuitenkin sanovat, että AI: n luovien taitojen opettamisen todellinen kauneus ei ole lopputuote, vaan tekniikan potentiaali laajentaa omaa koneoppimistaan, oppia ratkaisemaan ongelmia laatikon ulkopuolella, nopeammin ja paremmin kuin ihmiset. Esimerkiksi luova AI voisi jonain päivänä päättää pelastaa itse ajavan auton matkustajien hengen, jos sen anturit epäonnistuvat, tai ehdottaa epätavanomaista kemiallisten komponenttien yhdistelmää, joka johtaisi lääkkeeseen, joka voisi hoitaa aiemmin parantumattomia sairauksia.
Luovuus AI on välttämätöntä erittäin automatisoitujen järjestelmien suunnittelussa, jotka voivat reagoida asianmukaisesti ihmisen elämään, sanoo Georgia Techin interaktiivisen tietotekniikan koulun professori Mark Riedl. "Tosiasia, että teemme jotain luovaa joka päivä, monet ongelmat ratkaistaan luovasti", hän sanoo. "Jos poikani lelu jumittuu tuolin alle, minun täytyy viedä työkalu ripustimesta ja saada se ulos."
Riedl toteaa, että ihmisen luovuus on tärkeä myös sosiaalisessa vuorovaikutuksessa, jopa esimerkiksi vitsin kertomiseksi tai kynän tunnistamiseksi. Tietokoneet eivät voi käsitellä tällaisia yksityiskohtia. Esimerkiksi epätäydellinen ymmärrys siitä, kuinka ihmiset rakentavat metafooria, sai AI: n kirjoittamaan uuden luvun Harry Potterrasta täyttämällä sen merkityksettömillä lauseilla, kuten "Linnan lattia näytti suurelta taikuuden kasolta".
Riedl sanoi kuitenkin, että koneiden saaminen jäljittelemään tarkasti ihmisen tyyliä - Rembrandt tai Rowling, ei ole väliä - on hyvä alku luovalle AI: lle. Loppujen lopuksi luojat aloittavat usein jäljittelemällä vakiintuneiden taiteilijoiden taitoja ja prosesseja. Seuraava askel sekä ihmisille että koneille on käyttää näitä taitoja osana strategiaa luoda jotain omaperäistä.
Nykyaikaiset AI-ohjelmat eivät ole riittävän edenneet säveltämään spontaanisti hittikappaleita tai taideteoksia. Jotta AI voi tehdä tämän, henkilön on kalibroitava ohjelma syöttämällä sille valtava määrä esimerkkejä. Esimerkiksi saksalainen Mario Klingemann on suunnitellut hermoverkon, joka pystyy muodostamaan omituisia, pelottavia kuvia olemassa olevista valokuvista ja muista teoksista. Neuraaliverkko koostuu sarjasta kytkettyjä prosessointisolmuja, jotka muistuttavat aivojen hermorakennetta. Neuraaliverkossa jokainen elektroninen "neuroni" ottaa joukon numeroita, suorittaa yksinkertaiset laskelmat kyseisen syötteen perusteella ja lähettää sitten tuloksen seuraavaan hermosolukerrokseen, joka puolestaan suorittaa monimutkaisempia laskelmia.
Klingemannin lähestymistapaan sisältyy lähdemateriaalin, piirustusten ja valokuvien syöttäminen generatiivisiin kilpaileviin verkkoihin (GAN), jotka yhdistävät kahden hermoverkon voiman. Yksi verkko tuottaa kuvia, joita yhdistää tietty teema tai ehdot; toinen arvioi kuvat perustuen tietoisuuteensa näistä olosuhteista. Toisen verkon palautteen ansiosta ensimmäinen verkko asteittain paranee ja tekee kuvista entistä osuvampia annettuun aiheeseen. "Nämä verkostot ovat nyt vain työkaluja täydentämään omaa luovuuttamme", Klingemann sanoo. "Meidän ihmisten on silti tunnustettava luovuus tai innovaatio." Sen tavoitteena on luoda taiteellinen hermoverkko, joka voi itsenäisesti valita ja jopa julkaista parhaimman teoksensa tietystä aiheesta.
GAN-verkkoja käytetään nyt tiukasti uuden sisällön tai kuvien luomiseen laajemmassa luovassa järjestelmässä, kertoo perustajapohjan creative.ai perustaja Alex Champandard, joka kehittää AI-työkaluja luoville ihmisille. GAN-yhdisteet voivat tuottaa paljon materiaalia, mutta luottavat silti ihmisiin heidän olosuhteidensa määrittämiseen.
Mainosvideo:
GAN-konseptin parissa työskentelevän Google-tutkijan Ian Goodfellowin mukaan sisällöntuotanto on hyvä alku sellaisen AI: n kehittämiselle, joka voi ratkaista reaalimaailman ongelmat. Goodfellow työskentelee koneoppimismallien avulla, joiden avulla tietokoneet voivat kirjoittaa dynaamisia kertomuksia, jotka ylittävät rajoitetut skenaariot (kuten shakkiliikkeiden suunnittelu), joissa tietokoneet ovat jo kauan kokeneet.
Otetaanpa klassinen esimerkki suunnittelusta, jota ihmiset tekevät koko ajan: Kun menemme lentokentälle, luonnostelemme usein karkean kartan - puhtaasti päässämme - tärkeimmistä matkakohdista, liikenneruuhista tai siirroista. GAN: t voivat suunnitella tällaisen matkan, mutta tekevät sen yksityiskohtaisesti ja tarjoavat monia reittejä. Me itse asiassa tarvitsemme tietotekniikkakerroksen, joka ohittaa kaikki nämä vaihtoehdot ja valitsee intuitiivisesti parhaan.
Toinen keskeinen osa ihmisen luovaa ajattelua on kyky ottaa tietoa yhdestä tilanteesta ja soveltaa sitä toisessa. George Harrison ottaa istuimen ja soittaa sitä kuin kitaraa. Shakespeare ottaa tarinoita kreikkalaisesta mytologiasta ja kirjoittaa näiden tarinoiden perusteella englanninkielisen näytelmän. Toimitusjohtaja käyttää tietoa sotilastrategiasta tai jopa shakista liiketoimintasuunnitelman suunnittelussa.
Tästä syystä kokeita tehdään auttamaan AI-algoritmeja, jotka voivat sekoittaa ja sovittaa materiaalia. Esimerkiksi Kalifornian Berkeleyn yliopiston tutkijat käyttävät CycleGAN-verkkoa muuttaakseen hevosvideot seepravideoiksi. AI havaitsee hevosen perusmuodon ensimmäisessä videossa ja pelaa kuvan kanssa videossa, korvaa heti ja huomaamattomasti hevosen ruskean vartalon raidallisella seeralla sen liikkuessa. Tällainen työ auttaa itse ajavan auton AI: ta sopeutumaan tuntemattomiin olosuhteisiin ja välttämään onnettomuuksia.
Keinotekoisen älykkyyden ei tulisi vain oppia sääntöjä, vaan myös rikkoa niitä, kuten todellinen taiteilija.