Durch maschinelles Lernen generierte Kunstauktionen für 432.500 USD

Das Porträt von „Edmond de Belamy“ war keineswegs die einzige Schöpfung der KI, sondern das Ergebnis monatelanger Arbeit mit maschinellem Lernen

25. Oktober 2018 von Roberto Iriondo

Bild | Mit freundlicher Genehmigung der Künstlergruppe [3]

Ein durch maschinelles Lernen erzeugter Druck wurde am Donnerstag, dem 25. Oktober 2018, im Auktionshaus von Christie in New York für 432.500 USD verkauft - mehr als 40-mal höher als erwartet.

Der Druck heißt „Edmond de Belamy“ und seine verschwommenen Merkmale sind die Artefakte der generativen gegnerischen Netzwerke [1] (GANs) - des Algorithmus zur maschinellen Lernmethode, mit dem er generiert wurde. Der Druck gehört zu einer Serie von 11, alle ML-generierten und zeigt die Mitglieder der fiktiven „Belamy-Familie“. Belamys Porträt ist mit der mathematischen Formel signiert, die den Algorithmus beschreibt, mit dem es generiert wurde.

Generative gegnerische Netzwerke Der Algorithmus zum maschinellen Lernen, mit dem das Belamy-Porträt erstellt wurde [1]Pseudocode des GAN-Trainings Arxiv | [1]

Generative Adversarial Networks (GANs) sind generative Modelle, die 2014 von Ian J. Goodfellow, einem Forscher für maschinelles Lernen von Google Brain, erstellt wurden, der im Grunde genommen zwei Algorithmen in einen Wettbewerbsmodus versetzt hat, um Schulungen durchzuführen.

Wie trainiere ich ein GAN? Eine kurze Einführung in generative kontradiktorische Netzwerke Thalles Santos Silva [5]

Weit davon entfernt, die einzige Schöpfung künstlicher Intelligenz zu sein, ist das Stück das Ergebnis monatelanger iterativer Arbeit des maschinellen Lernens von drei Personen, die zusammen in einer Pariser Wohnung leben - einer von ihnen ist ein Doktorand des maschinellen Lernens -, die sich gemeinsam als offensichtlich bezeichnen [3].

Interaktive Bilderzeugung mit GANs | Zeichnen Sie grundlegende Striche und lassen Sie das Modell beeindruckende Teile für Sie zeichnen Jun-Yan Zhu | [10]

Die Aufnahme des Stücks in die Christie's-Auktion neben Drucken von Chuck Close und Jeff Koons hat in der Kunstwelt, aber auch bei KI-Experten, die sich mit der Implikation (aufgrund der Unterschrift auf dem Stück) abfinden, einige Bestürzung ausgelöst ) dass ein Algorithmus ein Künstler für sich sein kann - insbesondere die relativ bescheidene Vielfalt, mit der das Stück erstellt wurde.

Der Algorithmus ist nicht das einzige Element, das zur Erstellung dieser Teile beigetragen hat - GANs haben keinen freien Willen. Sie geben komplizierte Pinsel basierend auf komplizierten mathematischen Eingabeparametern aus, und Sie können diese Pinsel verwenden, um einen Effekt zu erzielen, der sonst möglicherweise schwer zu erzielen ist.

Der cajoled GAN-Algorithmus wurde von einem Doktoranden des maschinellen Lernens bei Obvious angepasst [3]

Diese Nuance ging in einigen Berichten rund um das Stück, das zur Auktion führte, deutlich verloren. In zahlreichen Schlagzeilen wurde das Stück als von der KI „erschaffen“ beschrieben, anstatt maschinelles Lernen zu verwenden oder mit maschinellem Lernen erzeugt zu werden, was es offensichtlich macht Wie schlecht die Öffentlichkeit über die Unterschiede zwischen KI und maschinellem Lernen informiert ist.

GANs erhielten aufgrund des Potenzials, faszinierende Kunstwerke zu generieren, Aufmerksamkeit von der Künstlergemeinschaft. Unten finden Sie eine von GAN erzeugte Kunst von Mario Klingemann [6], einem Künstler, der GANs mehrfach verwendet hat, um interessante Stücke zu schaffen.

Hugo Caselles-Dupré, ein Doktorand des maschinellen Lernens und ein Drittel von Obvious, erklärte [7], dass er diese Charakterisierung in den Medien als „Sensationslust“ und „Clickbait“ bezeichnete. Die Absicht des Stücks sei es, die Öffentlichkeit über die Grenzen der künstlichen Intelligenz aufzuklären. Algorithmen sind, wie Caselles-Dupré erwähnte, ein Werkzeug, keine kreativen Wesen.

"Heute geht es nicht mehr um Algorithmen, die Menschen ersetzen", sagte Caselles-Dupré [7]. „In Zukunft müssen wir vielleicht vorsichtig sein, aber heute sind sie eher ein Werkzeug. Wir wollten wirklich ein konkretes Beispiel dafür zeigen, was diese KI-Tools leisten können. “ Das Stück mit der mathematischen Formel des Algorithmus zu signieren, sei ein „lustiger Weg“, um diese Ideen einem allgemeinen Publikum zu vermitteln.

Es ist vage, wie gut eine solche Messaging-Strategie funktioniert hat. In einer Erklärung gegenüber Artnet [8] sagte Richard Lloyd, Christies internationaler Leiter für Drucke und Multiples, dass das Stück genau deshalb für die Auktion ausgewählt wurde, weil angeblich nur wenig menschliches Eingreifen in seine Entstehung investiert wurde.

Damit diese Modelle funktionieren, müssen GANs eine große Datenmenge erhalten und solche Bilddatensätze verwenden, um nach einer anstrengenden Trainingsphase neue Ergebnisse zu erzielen. Nur weil sie in der Lage sind, Originalausgaben zu erzeugen, sind GANs nicht autonom. Solche Endprodukte sind das Ergebnis eines langen Prozesses, bei dem Eingabedaten sorgfältig ausgewählt, mathematische Parameter angepasst und anschließend die Ergebnisse gesichtet wurden, um die besten Ergebnisse für das zu finden, wonach Sie suchen.

Die letzte Iteration des Algorithmus - die beste, die es jemals für die Zwecke von Obvious geben würde - spuckte Hunderte von Bildern aus, sagte Caselles-Dupré, die auf nur 11 reduziert werden mussten. „Wir haben die gefundenen Bilder sorgfältig ausgewählt das interessanteste in dieser Charge “, sagte er.

Nach mehreren Iterationen der Verwendung von GANs wählte Obvious [3] 11 Kunstwerke aus, die sie sorgfältig auswählten, um neue Ergebnisse zu erzielen [7]. Doch wer ist die kreative Partei in diesem Prozess: Der Algorithmus, der monatelang iteriert und überredet werden muss, um etwas halbinteressantes zu werden, oder die Künstler, die nach einem ästhetischen Ergebnis suchen und alle Entscheidungen treffen, um dorthin zu gelangen? Während die Ausgabe eine Zusammenarbeit zwischen Computeralgorithmen und den beteiligten Künstlern war, liegt das Gleichgewicht der Kreativität auf der Seite des Menschen.

Eine solche Verwendung von GANs wird Künstler definitiv nicht ersetzen, bietet jedoch der Öffentlichkeit und der Kunstgemeinschaft eine neue Perspektive für die Verwendung von Algorithmen für maschinelles Lernen zur Erzeugung neuartiger Stücke [11].

Dichteschätzung mit Real NVP | Laurent Dinh, Jascha Sohl-Dickstein, Samy Bengio | [12]

Schließlich erwähnt Obvious [3] in ihrem Blog [9]:

"Wird künstliche Intelligenz der Künstler von morgen sein?"
Ich wäre versucht zu antworten:
"Ist die Kamera der Künstler von heute?"

HAFTUNGSAUSSCHLUSS: Die in diesem Artikel geäußerten Ansichten sind die der Autoren und geben weder die Ansichten der Carnegie Mellon University noch anderer mit dem Autor verbundener Unternehmen (direkt oder indirekt) wieder. Diese Schriften sind nicht als Endprodukte gedacht, sondern spiegeln das aktuelle Denken wider und sind gleichzeitig ein Katalysator für Diskussionen und Verbesserungen.

Sie finden mich auf: meiner persönlichen Website, Medium, Instagram, Twitter, Facebook, LinkedIn oder über meine Webdesign-Firma.

Verweise:

[1] Generative kontradiktorische Netzwerke Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville und Yoshua Bengio Arxiv | https: //arxiv.org/pdf/1406.2661.pdf

[2] Quasimondo | Mario Klingemann, Arist | http://quasimondo.com/

[3] Offensichtlich | In Paris ansässiges Kollektiv von Künstlern und Forschern des maschinellen Lernens http://obvious-art.com/

[4] Christies Auktion Edmond de Belamy aus La Famille de Belamy | Offensichtliche Gruppe | https://www.christies.com/Lotfinder/lot_details.aspx?sid=&intObjectID=6166184

[5] Eine kurze Einführung in generative kontradiktorische Netzwerke Thalles Santos Silva | https://sthalles.github.io/intro-to-gans/

[6] Mario Klingemann | https://twitter.com/quasimondo

[7] Ein von KI erzeugtes Kunstwerk, das gerade für 432.500 USD bei Christie's | verkauft wurde Hauptplatine | https://motherboard.vice.com/en_us/article/43ez3b/ai-generated-artwork-just-sold-at-christies

[8] Hat uns künstliche Intelligenz die nächste große Kunstbewegung gegeben? Experten sagen, verlangsamen Sie, das "Feld steckt in den Kinderschuhen" | Artnet News | https://news.artnet.com/art-world/ai-art-comes-to-market-is-it-worth-the-hype-1352011

[9] Eine naive und dennoch gebildete Perspektive auf Kunst und künstliche Intelligenz Offensichtlich | https://medium.com/@hello.obvious/a-naive-yet-educated-perspective-on-art-and-artificial-intelligence-9e16783e73da

[10] Interaktive Bilderzeugung über generative kontradiktorische Netzwerke Jun-Yan Zhu | https://github.com/junyanz/iGAN

[11] Maschinelles Lernen für Kreativität und Design NIPS 2017 Workshop | https://nips2017creativity.github.io/

[12] Dichteschätzung mit realem NVP | Laurent Dinh, Jascha Sohl-Dickstein, Samy Bengio | https://arxiv.org/pdf/1605.08803.pdf

[13] Strukturierte generative kontradiktorische Netzwerke Zhijie Deng, Hao Zhang, Xiaodan Liang, Luona Yang, Shizhen Xu, Jun Zhu, Eric P. Xing | Tsinghua Universität, Carnegie Mellon Universität, Petuum Inc. | Nvidia Research Pioneer Gewinner | https://arxiv.org/pdf/1711.00889.pdf