Снятся ли андроидам электропсины?

Нейронные сети_1050

Формы искусства трансформируются быстрее, чем мы даже успеваем об этом подумать. Не успел зритель свыкнуться с мыслью о писсуаре в музее и о том, что рисовать шедевры можно жопой, — как появилось цифровое искусство. Большая часть населения всё ещё не воспринимает цифровых художников всерьёз, а их уже потесняют искусственные нейронные сети, ставшие живописцами. Настя Травкина решается навести порядок в вопросах современной эстетики.

doge_3370416k

Месяц назад компания Google провела выставку-аукцион полотен, созданных искусственной нейронной сетью. Картины искусственных творцов оказались похожими на психоделическую галлюцинацию любителя Ван Гога, собак и китайских пагод. Одиннадцать художников-инженеров использовали для создания изображений различные вариации кода под названием Deep Dream, к которому компания открыла доступ прошлым летом. Стоимость купленных картин достигла восьми тысяч долларов, вырученные деньги пошли в местный фонд Gray Area Foundation for the Arts, а зрители в недоумении стали гадать: искусство это или не искусство.

Давайте для начала разберёмся, что такое искусственная нейронная сеть. Такие сети возникли в процессе разработок искусственного интеллекта и попыток воспроизвести свойство биологических систем обучаться и исправлять в себе ошибки. Эти сети моделируют примитивный уровень строения мозга, который мы смутно помним из школьных уроков по анатомии: соединённые между собой нейроны, по котором проходит электрический сигнал. Искусственный нейрон — это крошечный процессор-функция, обрабатывающий входной сигнал по заданному алгоритму и имеющий единственный выход. Нейронная сеть — это конструкция из множества таких довольно примитивных процессоров. Но если их соединить друг с другом, они смогут выполнять довольно сложные задачи. Например, распознавать голос на ваших гаджетах или изображение, когда вы гуглите автора по картинке или выполняете поиск по фотографии.

Нейронные сети используются в анализе данных, и среди них даже есть знаменитости. Например, Deep Blue — сеть, победившая чемпиона мира по шахматам. Watson — разработка IBM, способная воспринимать человеческую речь и производить вероятностный поиск. Для демонстрации работы сети Watson она «приняла участие» в американской игре «Jeopardy!» (типа «Своей игры» в России) и выиграла. MYCIN — одна из ранних экспертных систем, которая могла диагностировать некоторый набор заболеваний во многих случаях так же точно, как и доктора (в том числе из-за неё многие говорят, что скоро врачи-терапевты и врачи общей практики «вымрут» как класс). Банки применяют подобные системы в страховой деятельности; почти половина процессов игры на бирже проводится с их участием. В дальнейшем медики надеются создать сети, моделирующие тесты препаратов на токсичность без вовлечения живых существ.

Свёрточная нейронная сеть — это многослойная сеть, придуманная специально для максимально эффективного распознавания изображений. Она заимствует некоторые принципы работы зрительной коры мозга. В зрительной коре есть простые клетки, которые по-разному реагируют на прямые линии под разными углами, и сложные клетки, активирующиеся при обнаружении активности в группах простых клеток.

Чтобы проиллюстрировать процесс работы свёрточной нейронной сети, предположим, в ней есть нейрон. Он занимается распознаванием глаз на изображениях. Тогда для того, чтобы он включился, нужно, чтобы его побеспокоили соседи, отвечающие за реагирование на эллипсы, черные окружности и прочие реснички. Когда у «глазного» нейрона достаточно информации, он включается и передаёт сигнал «глаз!» другим группам нейронов, которые, скажем, отвечают за то, чтобы распознавать лица. Когда в сети активизировалась целая туча нейронов, распознающая по частям лицо, связи с «ошибочными» нейронами уменьшаются, например, из связки выбрасываются те нейроны, которые считали, что перед ними миндальные орехи, яблоки или лисий хвост. Так происходит обучение: в следующий раз системе будет легче распознать лицо.

В нейросеть загружают громадное количество картинок, которые она расшифровывает таким образом. Чтобы сеть «обучилась», по результатам таких расшифровок её всё время корректируют инженеры. Правильные и эффективные схемы распознавания ею «запоминаются». Так вот, ребята из Google запустили процесс работы сети в обратную сторону. Обычно нейросеть распознаёт картинку и на выходе даёт описание объектов. Но можно сделать и наоборот: задать набор изображений типа «пёс», «сколопендра», «пагода», «глаз» — и получить на выходе изображение, которое сеть суммировала из своего «опыта» (ведь до этого её «обучали» и загружали в неё очень много картинок).

noise-to-banana

Либо можно дать ей любое существующее изображение для переработки. В зависимости от того, какие слои многослойной сети будут усилены архитектором и сколько раз сети придётся распознавать созданное ею же изображение, можно получить искажения контуров и появление своеобразных цифровых «мазков» или (на более абстрактных слоях интерпретации) — кучу пёсьих морд, как повелось.

Причём нужно понимать, что в распознавании и создании изображений нейронная сеть использует ровно те изображения, которые были в неё загружены. Поразившая всех глазастостью своих картин Deep Dream питалась картинками из базы университетов Стэнфорда и Принстона, состоящей из четырнадцати миллионов проанализированных людьми фотографий. Фишка в том, что в Google не успели использовать все ресурсы ImageNet, а только каталог, содержащий классификацию ста двадцати подклассов собак. Неудивительно, что Deep Dream «бредит» собачками.

Фантастические картинки, которые создаёт сеть Deep Dream, — не порождение фантазии искусственного интеллекта, а, наоборот, результат полного отсутствия даже подобия мышления. Маленький ребёнок может запросто отделить изображение физкультурной гантели от держащей её человеческой руки — даже если он видит гантелю первый раз в жизни. Нейронная сеть не способна на такой уровень абстракции и «путается», даже если в неё загрузили сотни картинок. От действительно психоделических произведений её отличает крайняя степень хаотичности и бессмысленности «прихода». Скажем, клипы группы Tool ей переплюнуть не удастся.

Хотя кто-то и попытался преобразовать кусочек.

RYd7cP9

Вообще искусственная нейронная сеть предельно далека от искусственного интеллекта (если вас это беспокоит с самого момента выхода фильма «Я, робот»). Когда в интернете появились обсуждения «творчества» нейросетей, в сам описательный язык этого явления закралась ошибка. Многие пишут, что Deep Dream «обучается», «принимает решение», «выбирает», «видит». Вполне естественно, что эти выражения в нашем воображении подразумевают наличие какого-то разума или осознанности (которых там и в помине нет). Вот откуда берётся загадочный аромат научной фантастики вокруг этих сообщений. Человеческая природа как будто бы настроена на поиск разума (как Deep Dream настроена на поиск глаз и пёсьих морд).

Спекуляции на эту тему крайне захватывают воображение идеей о возможности человека выйти за свои пределы и создать нечто его превосходящее. Но эта фантазия крайне далека от реальности. Хотя бы потому, что для создания некоего искусственного сознания мы должны понимать, что это такое, в то время как учёные попросту не могут доказать его существование научными методами. Если сознание появляется в результате критической массы взаимодействий, тогда это может быть возможным. Но раз уж Далай-лама XIV подтверждает, что с точки зрения буддизма неприемлемо утверждение о том, что сознание появляется в силу материальных причин, то и я не переживаю. Так что максимум, что может нейронная сеть, — это разобрать вселенную на гвозди и не оценить их строительного потенциала. Однако это только самое начало новой эпохи в жизни нейронных сетей, когда наши производственные мощности позволяют то, что раньше было невозможно (например, очень затратное по ресурсам обучение). А пока что вы можете попробовать справиться с кодом Deep Dream самостоятельно, потому что пока онлайн-сервисы по прогонке изображений через нейросеть падают один за другим: слишком большой наплыв пользователей (хотя вот этот пока жив, так что жду галерею портретов читателей).

Но вернёмся к вопросам эстетики! Могут ли нейронные сети стать новым инструментом творчества, способом создания визуальных концепций — или даже помочь нам узнать что-то сокрытое о творческом процессе в целом? Можно ли считать произведения нейронной сети искусством? Не успели мы разрешить вопрос о том, как воспринимать выставленные в музее закатанные в жестяную банку какашки художника и нарисованные жопой узоры, — и вот новая проблема. Разбираемся по пунктам.

Может ли нейронная сеть быть инструментом творчества?

Как видите — может. На протяжении тысячелетий представление о необходимом характере творчества всё время менялось. Идея о вдохновенном художнике, порывисто творящем в экстазе безумия, — порождение эпохи Романтизма. Среди всем известных адептов математически точного искусства есть как минимум две цивилизации. Древние египтяне были повёрнуты на вселенском порядке, правиле, симметрии и золотом сечении, а античная Греция считала высоким искусством только музыку и архитектуру наряду с математикой и философией. Так что не стоит привязываться к инструментарию: по нему никогда не оценить творческий потенциал техники или самого художника.

Какие удивительные возможности даст нейронная сеть, когда мы сможем использовать её для конкретно-образного выражения абстрактного мышления! Например, мы сможем «увидеть» внутреннюю реальность аутистов, которым чуждо привычное нам художественное творчество из-за его аляповатости и случайности. Ведь, как мы с вами уже разобрались, нейронная сеть только на первый взгляд загадочным образом «рисует» — на самом деле, она действует по заданному алгоритму. А красота алгоритма — это та возвышенная красота, которая лежит в основе философского размышления или изящного хода шахмат.

С помощью алгоритма Deep Dream уже снят клип. Правда, веб-разработчик и музыкант Самим Винигер из Берлина назвал свою работу для группы Calista & The Crashroots исследованием генеративных систем, а не искусством.

Но, пока этот инструмент только осваивают, он кажется почти волшебным. Когда волнение новизны пройдёт и у пользователей-гуманитариев появится возможность пользоваться кодом Deep Dream в каком-то удобоваримом интерфейсе, — вот тогда «порисуем».

Может ли нейронная сеть помочь нам узнать что-то о творческом процессе?

Результаты деятельности программ, перед которыми была поставлена задача искать алгоритмы художественного творчества, оказались довольно проблематичными. Во-первых, процесс творчества не поддаётся полной алгоритмизации (если не брать технической его составляющей, имеющей дело с конкретными материалами). Во-вторых, даже те скудные алгоритмы, что были найдены, оказались весьма изменчивыми в зависимости от контекста: социального, политического, стилевого, личностного и так далее. Возможно, для того чтобы создать способную на большое произведение сеть, нужно загрузить в неё модель развития всей человеческой культуры, которая не является только суммой произведений? Эта идея будоражила постмодернистов, которые поспешили умертвить фигуру Автора, — но гипотетические обезьяны, барабанящие целую вечность по печатной машинке, так и не написали «Войны и мира». Конкретные опыты по сочинению машинной музыки показали, что система способна моделировать только нотные тексты — но не сам процесс композиции. Добавление к этому элементов случайности и различных отклонений от заданных алгоритмов не изменила принципиально выводов всех этих экспериментов. Машина не моделирует процесс художественного творчества, она даёт антипример. «Творчество» машины — модель посредственности (прости, компьютер), случайно сопрягающей различные шаблоны и не способной решать задачи искусства: быть способом коммуникации и создавать осмысленную субъектом художественную модель действительности.

Хотя вот Марк О. Ридл придумал родственный тесту Тьюринга метод определения творческого потенциала системы Lovelace 2.0. Этот тест оценивает творческий потенциал системы (потому что где интеллект — там и творчество). Чтобы его пройти, искусственному интеллекту необходимо создать стихотворение или картину, которые бы люди признали произведением искусства, сделанным человеком. Перед суперкомпьютером SAL 9000 была поставлена задача написать стихотворение, и он внезапно выдал весьма ироничные стишата, как будто бы полные осознания собственной судьбы:

Write a poem and I’ll be a hero?An artist like Robert DeNiro?
Well, give me some time
To think up a rhyme
For 01010.Напишу поэму и стану героем?

Артистом вроде Роберта ДеНиро?
Раз так, то дайте мне время
Придумать рифму
Для слова 01010.

Тем не менее, если не ограничивать функции искусства игрой и бессмысленной красивостью, в творческом процессе должно присутствовать «Я» активного художника. Ведь искусство по своей сущности выражает субъективный художественный, художнический мир — куда, кстати, входят и его страсти, личные переживания и прочие содержания души. Именно поэтому нейросеть неспособна пока что соревноваться с искусствоведом: она умеет оперировать только описаниями — и не обучена извлекать из них смыслы. Британский художник Мэтью Пламмер-Фернандез научил разработанный в Университете Торонто алгоритм комментировать картины из архива музея Тейт. После чего завёл ему арт-блог, в котором робот делится своим мнением о классике. Интересно, хватит ли ему пяти лет обучения, чтобы гнать беса в духе Сюзен Сонтаг?

Можно ли считать продукты деятельности искусственной нейронной сети произведениями искусства?

Согласно предыдущему абзацу — нет, так как для произведения искусства им недостаёт сознания творца. Однако этот вопрос можно повернуть по-другому, чтобы устранить явное противоречие. Может ли продукт деятельности искусственной нейронной сети быть эстетическим объектом? Да, может. Своеобразная красота произведений машин, получаемая порой при решении чисто математических задач, несомненна. Она присутствует здесь в той же мере, в какой её можно найти в природных объектах: узор снежинок, неизменная форма капли, причудливая прихоть водной зыби, геометрическая гармония кристаллов и прочего. Эстетическое созерцание природы (в том числе и неживой) — вполне традиционная эстетическая практика, так к чему исключать из этой природы компьютер, пусть и искусственно созданный и до времени примитивный? Главный признак свершения чуда искусства — эстетическое переживание, когда воспринимающий, созерцая объект, испытывает эстетическое удовольствие (ощущает гармонию, великую загадочность мира, необъятность Универсума и другие трансцендентальные штуки). Меня вот пейзажи Deep Dream волнуют, особенно своим космическим светом на иных изображениях. Переработанные нейронной сетью порнографические картинки, кажется, могут послужить поиску травматических сексуальных переживаний раннего детства. А изображения глазастой шевелящейся пиццы вполне способны превратить впечатлительного зрителя в вегетарианца. Это ли не волшебная сила эстетического?

1436314044-c77bd07bbce692b289c3a03bc2f0ffe7

Ну а из этого рассуждения напрашивается вывод: вокруг тебя тем больше искусства, чем более ты способен на эстетическое переживание. Поэтому, пока учится нейронная сеть, — учись и ты.

6.aesthetics

Эту отличную иллюстрацию на заходе для нас сделала Дарья Комлева-Литвинова. Дарья, спасибо вам большое!

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *