La creatividad de las máquinas supera al arte moderno

La creatividad es uno de los grandes retos de la inteligencia artificial. No hay escasez de evidencia que muestre cómo las máquinas pueden igualar e incluso superar a los humanos en vastas áreas de esfuerzo, como el reconocimiento de rostros y objetos, garabatos, síntesis de imágenes, traducción de idiomas, una gran variedad de juegos como el ajedrez y el Go, etc. . Pero cuando se trata de creatividad, las máquinas se quedan atrás.

No por falta de esfuerzo. Por ejemplo, las máquinas han aprendido a reconocer el estilo artístico, separarlo del contenido de una imagen y luego aplicarlo a otras imágenes. Eso hace posible convertir cualquier fotografía al estilo de Van Gogh. Noche estrellada , por ejemplo. Pero si bien este y otros trabajos brindan información importante sobre la naturaleza del estilo artístico, no cuentan como creatividad. Entonces, el desafío sigue siendo encontrar formas de explotar la inteligencia artificial con fines creativos.

Hoy, tenemos una idea del progreso en esta área gracias al trabajo de Ahmed Elgammal en el Laboratorio de Arte e IA de la Universidad de Rutgers en Nueva Jersey, junto con colegas en los laboratorios de IA de Facebook y otros lugares.

¿Cuáles de estas imágenes fueron generadas por una máquina? *Responda abajo

Estos muchachos han entrenado una máquina para generar imágenes que son reconociblemente similares al arte humano y, sin embargo, diferentes en formas medibles. Es más, han llevado a cabo una especie de prueba de creatividad de Turing preguntando a los humanos si pueden distinguir la diferencia entre el arte humano y este arte generado por máquinas. También preguntaron a los humanos qué tipo de arte prefieren, con resultados algo inesperados.

El enfoque es relativamente sencillo. Se basa en una máquina llamada red adversarial generativa. Este consta de dos redes neuronales que juntas inician el proceso de aprendizaje.

Una de estas redes es un algoritmo tradicional de visión artificial que aprende a reconocer imágenes de un tipo específico. Elgammal y sus colegas lo entrenaron utilizando la base de datos WikiArt, que consta de más de 80 000 pinturas de más de 1000 artistas que datan del siglo XV al siglo XX.

Cada imagen está etiquetada con su estilo artístico. Por lo tanto, la base de datos contiene más de 13 000 pinturas impresionistas, 2000 pinturas cubistas, más de 1000 pinturas del Renacimiento temprano, etc. La máquina aprende a reconocer cada uno de estos estilos.

La siguiente etapa es que otra red genere imágenes aleatorias y se las muestre a la red capacitada, que las reconoce como representantes de un estilo artístico particular o las rechaza. Al producir muchas imágenes, esta segunda red aprende lo que la primera red reconoce como arte mediante un proceso de prueba y error. Y después de muchas iteraciones, aprende a producir imágenes que coinciden con estilos específicos.

Sin embargo, el equipo no considera que estas imágenes sean creativas porque simplemente copian estilos artísticos conocidos. Por el contrario, un artista humano empujaría los límites al producir algo nuevo.

Hay muchas hipótesis de historiadores del arte y psicólogos sobre el proceso creativo que conduce al nuevo arte. Por ejemplo, una idea bien conocida es que el nuevo trabajo artístico tiene que estar firmemente enraizado en una tradición artística. En otras palabras, tiene que ser diferente, pero no demasiado diferente.

En particular, los teóricos dicen que el arte debe estimular al espectador de formas específicas. Las propiedades de aumento de la excitación más significativas para la estética son la novedad, la sorpresa, la complejidad, la ambigüedad y el desconcierto, dicen Elgammal y compañía.

La novedad se refiere al grado en que un estímulo difiere de lo que un observador ha visto/experimentado antes. La sorpresa se refiere al grado en que un estímulo no está de acuerdo con la expectativa. La sorpresa no está necesariamente correlacionada con la novedad, por ejemplo, puede deberse a la falta de novedad. A diferencia de la novedad y la sorpresa, que se basan en comparaciones entre estímulos de similitud y diferencias, la complejidad es una propiedad intraestímulo que aumenta a medida que crece el número de elementos independientes en un estímulo. La ambigüedad se refiere al conflicto entre la información semántica y sintáctica en un estímulo. La perplejidad se refiere a la ambigüedad debida a significados múltiples, potencialmente inconsistentes.

Pero sea cual sea el efecto, el nivel de excitación que genera debe ser moderado en lugar de extremo. Muy poco potencial de excitación se considera aburrido, y demasiado activa el sistema de aversión, lo que resulta en una respuesta negativa, dicen Elgammal y compañía.

Eso tiene implicaciones importantes para la forma en que se establece su red adversaria generativa, o agente. El objetivo del agente es generar arte con mayores niveles de potencial de excitación de manera restringida sin activar el sistema de aversión, dicen. En otras palabras, el agente trata de generar arte que sea novedoso, pero no demasiado novedoso.

Los investigadores dicen que han encontrado una manera de hacer que su red antagónica generativa haga esto. Habiendo aprendido a reproducir ciertos estilos artísticos, la máquina está configurada para producir imágenes que caen dentro de los límites aceptados del arte como un todo, pero maximizan la diferencia con los estilos conocidos. El agente trata de explorar el espacio creativo desviándose de las normas de estilo establecidas y, por lo tanto, genera nuevo arte, dicen Elgammal y compañía. Llaman a esta máquina una red adversaria creativa.

La prueba de fuego, por supuesto, es cómo reaccionan los humanos a este arte generado por máquinas. Para averiguarlo, Elgammal y compañía mostraron una variedad de imágenes, tanto generadas por humanos como por máquinas, a trabajadores humanos en Mechanical Turk, un servicio de crowdsourcing en línea.

Las imágenes generadas por humanos incluyeron las de la base de datos WikiArt de expresionismo abstracto, así como una selección de imágenes de una feria de arte contemporáneo emblemática celebrada en Basilea, Suiza, en 2016. Estas imágenes representan el pináculo del arte moderno. La razón para elegir el expresionismo abstracto fue eliminar en gran medida las imágenes de personas y objetos que claramente ayudan a distinguir el arte de las máquinas del arte humano.

Algunas de las imágenes generadas por máquinas fueron producidas por la red contradictoria creativa, pero otras fueron producidas por la red contradictoria generativa que simplemente reproduce los estilos artísticos que ha aprendido.

Los investigadores pidieron a cada persona que calificara las imágenes de varias maneras, como cuánto les gustaba cada una, qué tan novedosas parecían y si fueron creadas por un humano o una máquina. También preguntaron si los participantes podían sentir la intención del artista, si podían ver una estructura emergiendo en la imagen y si la imagen los inspiró.

Los resultados hacen una lectura interesante. Los humanos eran bastante buenos para detectar imágenes del expresionismo abstracto creadas por un humano y aquellas creadas por una máquina. Pero en el caso del arte de Basilea, los espectadores humanos tuvieron dificultades para notar la diferencia.

Los humanos también calificaron las imágenes creadas por la red adversaria creativa más alto que el arte generado por humanos que se mostró en Basilea. Se identificaron con él más de cerca y lo encontraron más inspirador.

Es tentador interpretar esto como una acusación condenatoria del estado del arte moderno y el nivel de creatividad que engendra. Pero Elgammal y compañía evitan una reacción instintiva. Dejamos abierto cómo interpretar las respuestas de los sujetos humanos que calificaron el arte CAN mejor que las muestras de Art Basel en diferentes aspectos, dicen diplomáticamente.

La pregunta más importante es si el proceso que Elgammal y compañía han usado para hacer sus imágenes realmente puede considerarse creativo. Otra interpretación es que se trata de un proceso puramente algorítmico que ha aprendido a explotar las vulnerabilidades emocionales de la humanidad. Si es así, quizás una futura definición de arte deba incluir la estipulación de que debe ser creado por un ser humano.

De cualquier manera, este tipo de trabajo está diseñado para ampliar un poco más los límites del arte y la creatividad.

Ref: arxiv.org/abs/1706.07068 : CAN: Redes adversarias creativas que generan arte aprendiendo sobre estilos y desviándose de las normas de estilo

*Respuesta: todos

esconder