Denne Ai Hjælper Dig Med At Male Som Van Gogh

{h1}

Et nyt kunstigt intelligenssystem kan gøre simple skitser i malerier, der minder om værker af fantastiske kunstnere fra det 19. Og 20. Århundrede, siger forskere.

LONDON - Et nyt kunstig intelligenssystem kan gøre simple skitser i malerier, der minder om værker af fantastiske kunstnere fra det 19. og 20. århundrede, siger forskere.

Det kunstige intelligenssystem (AI), der hedder Vincent, lærte at male ved at "studere" 8.000 kunstværker fra renæssancen frem til det 20. århundrede. Ifølge systemets skabere - ingeniører fra Det Forenede Kongeriges forsknings- og innovationsfirma Cambridge Consultants - Vincent er unikt ikke kun i sin evne til at lave kunst, der faktisk er sjovt, men også i sin evne til at reagere hurtigt på menneskelig input.

"Vincent giver dig mulighed for at tegne kanter med en pen, kanter af et billede, du kan forestille dig i dit sind, og fra disse billeder producerer det et muligt maleri baseret på dets træning", siger Monty Barlow, direktør for maskinindlæring hos Cambridge Consultants, der førte projektet. "Der er denne bekymring for, at kunstig intelligens vil begynde at erstatte folk, der laver ting for dem, men Vincent tillader mennesker at tage del i beslutningerne om kunstig intelligenss kreativitet." [Super-Intelligent Machines: 7 Robotic Futures]

Nogle tidligere forsøg på at producere AI-genereret kunst leverede ret skræmmende resultater, såsom de menneskelige portrætter tegnet af Pix2Pix-værktøjet, der blev introduceret tidligere i år af den nederlandske public broadcaster NPO. Pix2Pix brugte skitser tegnet af mennesker som udgangspunkt og forsøgte at henvende dem til, hvad der var meningen at ligne et oliemaleri af et kvindelig ansigt. Skabelserne så imidlertid mere ud som om de blev trukket fra en horror film.

Mens Vincents kunst ikke ser helt realistisk ud, kunne det passere nogle af de mere abstrakte kreationer af mestere i den impressionistiske eller ekspressionistiske æra, som Vincent van Gogh eller Edvard Munch.

"Det har lært kontrast og farve og penselstrøg", sagde Barlow til WordsSideKick.com her på Re.Work Deep Learning Summit den 22. september, hvor Vincent først blev præsenteret. "Det kan bringe alt det til at spille, når du tegner et billede, der giver dig adgang til alt det kunstneriske indhold."

Undervisning Vincent

Barlow sagde at ved hjælp af kun 8000 kunstværker til at uddanne Vincent er i sig selv en stor præstation. Tidligere ville et lignende system have haft brug for millioner eller endog milliarder af prøver til at lære at male.

"De fleste maskine læring implementeret i dag har været om at klassificere og fodre masser og masser af eksempler i et system," Barlow sagde. "Det hedder overvåget læring. Du viser f.eks. En million billeder af et ansigt og en million billeder af ikke et ansigt, og det lærer at opdage ansigter."

Vincent bruger en mere sofistikeret teknik, der gør det muligt for maskinen at undervise sig automatisk uden konstant menneskelig input. Systemet bag Vincents evner er baseret på det såkaldte generative adversarielle netværk, som først blev beskrevet i 2014. Teknikken bruger to neurale netværk, der konkurrerer med hinanden. I starten er begge netværk uddannet, for eksempel på billeder af fugle. Derefter har ét netværk til opgave at producere flere billeder af fugle, der ville overtale det andet netværk, at de er ægte. Efterhånden bliver det første netværk bedre til at producere realistiske billeder, mens den anden bliver bedre til at spotte fakes, ifølge forskerne.

"For Vincent måtte vi kombinere flere af disse netværk til et ret kompliceret kredsløb," sagde Barlow. "Hvis du spurgte os for fem år siden, hvor meget kunst vi skulle bruge til at træne dette system, ville vi have gættet det måske en million gange mere."

Læringsteknikker

For at fremskynde læring fortsatte forskerne lejlighedsvis med at give maskinen en tilbagemelding om kvaliteten af ​​sine kreationer. [Galleri: Skjulte Gems i Renaissance Art]

Behovet for ekstremt store datasæt til at producere pålidelige resultater er en stor hindring for brugen af ​​AI-systemer i praktiske anvendelser. Derfor forsøger forskere at designe nye teknikker, der gør det muligt for maskiner at lære hurtigere på forskellige måder.

Barlow sagde, at et system som den bag Vincent kunne hjælpe med at lære selvkørende biler at gøre et bedre arbejde med at spotte fodgængere.

"Hvis du vil have en autonom bil til pålidelig opdagelse af fodgængere, kan du ikke bare have en ansigtsdetektor, fordi du kan have ansigter på billboards, på siden af ​​busserne, og lige så kan nogle fodgængere have påklædning eller gå i en skygge, du ville ikke engang se deres ansigt, "sagde barlow. "For selv at træne et system, der pålideligt beslutter at noget farligt sker på vejen - at nogen har gået ud - har du brug for et latterligt antal eksempler i forskellige vejr og belysning med forskellige mennesker og højder."

At indsamle en så stor mængde data er ifølge Barlow næsten umulig. Systemer som dem, der står bag Vincent, kunne bruge deres kreative evner til at generere flere billeder fra et begrænset datasæt. Systemet vil med lidt menneskelig hjælp lære at syntetisere realistiske billeder og derefter lære sig selv at pålideligt evaluere alle mulige scenarier i virkeligheden.

"Det er en virtuel cirkel, hvor det ikke kun kan maskine læring gøre nogle fantastiske ting, men det er i sig selv med til at drive fremskridt i maskinindlæringen," sagde Barlow.

Originalartikel om WordsSideKick.com.


Video Supplement: ZEITGEIST: MOVING FORWARD | OFFICIAL RELEASE | 2011.




DA.WordsSideKick.com
All Rights Reserved!
Reproduktion Af Materialer Tilladt Kun Prostanovkoy Aktivt Link Til Webstedet DA.WordsSideKick.com

© 2005–2019 DA.WordsSideKick.com