Цитаты из книг автора «Маркус дю Сотой»

Когда группе любителей искусства показали новые работы, представленные в 2016 году на выставке Арт-Базель, одной из главных ярмарок современного искусства, и предложили сравнить их с произведениями, созданными творческой состязательной сетью Эльгамаля, они нашли компьютерные работы более вдохновляющими и более близкими себе (эти изображения можно увидеть по адресу https://arxiv.org/pdf/1706.07068.pdf).

Эта идея отражена в так называемой кривой Вундта. Если окружающие нас произведения искусства слишком привычны, это вызывает безразличие и скуку. Именно поэтому художники в своей работе никогда по-настоящему не останавливаются на достигнутом: художника (а впоследствии и зрителя) возбуждает нечто отличное от уже знакомого. Но стремление к возбуждению или диссонансу не должно быть слишком сильным, чтобы не попасть на спадающую ветвь кривой Вундта. Художник стремится достичь максимальной гедонистической ценности. Эт

Алгоритм-дискриминатор группы из Ратгерского университета подобен специалисту по истории искусств, который может оценить, относятся ли те или иные картины к общепризнанным, уже существующим стилям, и заметить, когда в них появляется нечто новаторское. Его соперник, алгоритм-генератор, должен создавать новые работы, отличные от существующих, но признаваемые произведениями искусства. Чтобы разобраться в проблеме нахождения нового, но не слишком нового, Эльгамаль углубился в идеи психолога и философа Д.Э. Берлайна, который утверждал, что для изучения эстетических явлений особенно важна психологическая концепция «возбуждения». Берлайн считал, что к наиболее существенным возбуждающим свойствам эстетики относятся новизна, неожиданность, сложность, неоднозначность и способность озадачивать или запутывать. Тонкость заключается в том, что произведение должно быть новым и удивительным, но не отклоняться от ожидаемого настолько, чтобы возбуждение переросло в отторжение из-за чрезмерной необычности результата.

Может быть, алгоритмы вскоре отодвинут на задний план и художественных критиков New York Times.

Группа из Ратгерского университета решила выяснить, сумеет ли ее алгоритм найти в истории искусств моменты резких всплесков творческой энергии, в которые появлялось нечто новое, невиданное до этого. Сможет ли он распознать картины, которые ломали установившиеся стандарты и становились провозвестниками новых стилей живописи? Одни художники постепенно раздвигают пределы существующих традиций, а другие создают радикально новые стили. Способен ли алгоритм определить момент зарождения кубизма или искусства барокко?

Человеку, анализирующему дерево решений, иногда бывает трудно определить, на каких именно характеристиках сосредоточивается алгоритм при классификации картин. Самые современные системы компьютерного зрения оценивают более 2000 разных атрибутов изображений, которые называются теперь классемами. С этих атрибутов полезно начинать анализ картин, отобранных программистом в качестве тренировочного материала для алгоритма.

Чтобы распознать художника математическими методами, нужны некие величины, которые можно измерять. Базовый процесс похож на тот, который используется в алгоритме Spotify или Netflix, но вместо индивидуальных вкусов он должен определять отличительные черты. Если ввести измерение двух разных характеристик картин, включенных в массив данных, то каждую картину можно представить графически, в виде точки на двумерном графике. Что же такое следует измерять, чтобы картины Пикассо вдруг оказались собраны в одном углу графика, а картины Ван Гога – в другом?

Вероятно, крупнейшая база данных оцифрованных изображений содержится на сайте WikiArt: там имеются 81 449 картин 1119 разных художников, созданные на протяжении 1500 лет. Можно ли создать алгоритм, который, натренировавшись на содержимом WikiArt, научится классифицировать стиль или автора случайно выбранной картины? Эльгамаль использовал часть имеющихся данных в качестве тренировочного массива, а остальные данные – для проверки работы алгоритма. Но на поиск чего именно должен быть запрограммирован такой алгоритм? Какие ключевые отличительные черты могут помочь в классификации такой крупной базы данных произведений искусства?

Ахмед Эльгамаль из Ратгерского университета задался вопросом, сможет ли превращение художественного творчества в игровое состязание помочь вывести компьютеры в новые и более интересные творческие области. Его идея состояла в создании одного алгоритма, задачей которого было искажение известных художественных стилей, и второго, который должен был классифицировать работы первого либо как явно не относящиеся к произведениям искусства, либо как недостаточно оригинальные. Это классический пример генеративной состязательной сети, концепцию которой впервые предложил Иэн Гудфеллоу из группы Google Brain. Предполагалось, что каждый из алгоритмов будет учиться и изменяться в зависимости от реакции другого алгоритма. Эльгамаль надеялся, что к концу игры получится алгоритм, творчество которого сможет получить международное признание.

Создание новой картины Рембрандта – дело довольно бессмысленное, если не считать его целью доказательство того, что это вообще можно сделать. Но может ли программный код порождать по-настоящему новые и впечатляющие произведения искусства?