For At En AI Skal Blive Kreativ, Skal Den Lære At Bryde Reglerne - Alternativ Visning

For At En AI Skal Blive Kreativ, Skal Den Lære At Bryde Reglerne - Alternativ Visning
For At En AI Skal Blive Kreativ, Skal Den Lære At Bryde Reglerne - Alternativ Visning

Video: For At En AI Skal Blive Kreativ, Skal Den Lære At Bryde Reglerne - Alternativ Visning

Video: For At En AI Skal Blive Kreativ, Skal Den Lære At Bryde Reglerne - Alternativ Visning
Video: ТУНИКА крючком, ПЛАТЬЕ. ПРОЙМА. Реглан сверху. ПОДРОБНЫЙ МАСТЕР - КЛАСС для начинающих. МК ЧАСТЬ 6 2024, Kan
Anonim

Hver kunstner startede engang med noget. I dag kan vi anvende denne fangstfrase i forhold til maskiner. Hvad skal der til for at skabe kreativ kunstig intelligens? Nogle gange ser det ud til, at denne forskel mellem maskiner og mennesker, maskiner aldrig vil indhente. Imidlertid viser AI allerede en voksende forkærlighed for kreativitet, hvad enten det er at komponere et heavy metal rockalbum eller skabe et originalt portræt, der slående minder om Rembrandt-børsten.

At anvende AI til kunstverdenen kan virke som overdreven: der vil altid være mennesker, der skaber stort arbejde. Tilhængere af denne tilgang siger imidlertid, at den virkelige skønhed ved at undervise i kreative evner ikke ligger i det endelige produkt, men snarere i potentialet i teknologi til at udvide sin egen maskinlæring, lære at løse problemer uden for kassen, hurtigere og bedre end mennesker. For eksempel kunne en kreativ AI en dag beslutte at redde livet for passagererne i en selvkørende bil, hvis dens sensorer mislykkes, eller foreslå en ukonventionel kombination af kemiske komponenter, der ville føre til et lægemiddel, der kunne behandle tidligere uhelbredelige sygdomme.

AI med kreativitet vil være afgørende for design af stærkt automatiserede systemer, der kan reagere passende på menneskeliv, siger Mark Riedl, professor ved Georgia Tech's School of Interactive Computing.”Faktum er, at vi gør noget kreativt hver dag, mange problemer løses kreativt,” siger han. "Hvis min søn legetøj sidder fast under stolen, bliver jeg nødt til at tage værktøjet ud af bøjlen og få det ud."

Riedl bemærker, at menneskelig kreativitet også er vigtig for sociale interaktioner, selv for eksempel at fortælle en vittighed eller genkende en ordspill. Computere kan ikke håndtere sådanne subtiliteter. For eksempel førte en ufuldstændig forståelse af, hvordan mennesker konstruerer metaforer, AI til at skrive et nyt kapitel af Harry Potterra og fylde det med meningsløse sætninger, såsom "Slottets gulv lignede en stor magi."

At få maskinerne til nøjagtigt at efterligne den menneskelige stil - Rembrandt eller Rowling, det betyder ikke noget - er en god start på kreativ AI, sagde Riedl. Når alt kommer til alt starter skabere ofte med at efterligne færdigheder og processer hos etablerede kunstnere. Det næste trin, både for mennesker og maskiner, er at bruge disse færdigheder som en del af en strategi for at skabe noget originalt.

Moderne AI-programmer er ikke avancerede nok til spontant at komponere hit-sange eller kunstværker. For at en AI skal kunne gøre dette, skal en person kalibrere programmet ved at fodre det med et stort antal eksempler. Den tyske Mario Klingemann designede for eksempel et neuralt netværk, der var i stand til at komponere mærkelige, skræmmende billeder fra eksisterende fotografier og andre værker. Et neuralt netværk består af en række indbyrdes forbundne behandlingsnoder, der ligner hjernens neurale struktur. I et neuralt netværk tager hver elektronisk "neuron" en række numre, udfører enkle beregninger baseret på dette input og sender derefter resultatet til det næste lag af neuroner, som igen udfører mere komplekse beregninger.

Klingemanns tilgang involverer fodring af kildemateriale, tegninger og fotografier til generative adversarial netværk (GAN), der kombinerer kraften i to neurale netværk. Et netværk genererer billeder, der er samlet efter et specifikt tema eller et sæt betingelser; den anden evaluerer billederne baseret på dens viden om disse forhold. Takket være feedback fra det andet netværk bliver det første netværk gradvist bedre og gør billederne mere og mere relevante for det givne emne.”Disse netværk er nu bare værktøjer, der supplerer vores egen kreativitet,” siger Klingemann. "Vi mennesker har stadig brug for at genkende kreativitet eller innovation." Dets mål er at skabe et kunstnerisk neuralt netværk, der uafhængigt kan vælge og endda offentliggøre sit bedste arbejde om et givet emne.

GAN'er bruges nu strengt til at skabe nyt indhold eller billeder i det bredere kreative system, siger Alex Champandard, grundlægger af creative.ai, en startup, der udvikler AI-værktøjer til kreative mennesker. GAN'er kan producere meget materiale, men stole stadig på mennesker til at bestemme deres forhold.

Salgsfremmende video:

Indholdsgenerering er en god start på at udvikle AI, der kan løse problemer i den virkelige verden, ifølge Ian Goodfellow, en Google-videnskabsmand, der arbejder med konceptet GAN. Goodfellow arbejder på maskinlæringsmodeller, der giver computere mulighed for at skrive dynamiske fortællinger, der går ud over de begrænsede scenarier (som planlægning af skakbevægelser), som computere længe har udmærket sig ved.

Lad os tage et klassisk eksempel på planlægning, som folk gør hele tiden: når vi rejser til lufthavnen, tegner vi ofte et groft kort - rent i hovedet - af vigtige rejsepunkter, trafikpropper eller overførsler. GAN'er planlægger muligvis en sådan tur, men de vil gøre det i detaljer og vil tilbyde mange ruter. Vi har faktisk brug for et lag computernetværk, der springer over alle disse muligheder og intuitivt vælger det bedste.

En anden vigtig komponent i menneskelig kreativ tænkning er evnen til at tage viden fra en kontekst og anvende den i en anden. George Harrison tager en sitar og spiller det som en guitar. Shakespeare tager historier fra græsk mytologi og skriver et engelsk teaterstykke baseret på disse historier. En udøvende direktør bruger viden om militær strategi eller endda skak til at planlægge en forretningsaftale.

Af denne grund gennemføres der eksperimenter for at hjælpe AI-algoritmer, der kan blande og matche materiale. For eksempel bruger forskere ved University of California, Berkeley CycleGAN-netværket til at omdanne hestevideoer til zebervideoer. AI registrerer hestens grundlæggende form i den første video og spiller med billedet over videoen og erstatter øjeblikkeligt og umærkeligt hestens brune torso med en stribet zebra, når den bevæger sig. Sådant arbejde vil hjælpe AI'en i en selvkørende bil med at tilpasse sig ukendte forhold og undgå ulykker.

Kunstig intelligens skal ikke kun lære reglerne, men også bryde dem, som en rigtig kunstner.

Anbefalet: