वीडियो दिखाता है कि कैसे ए.आई. जेनरेट की गई कला, दोनों को आपके सपनों का संदेश दे सकती है

इस महीने की शुरुआत में, नीलामी घर क्रिस्टी ने जो बेचा है, वह कहता है कि एक प्रमुख नीलामी घर द्वारा बेचा गया एल्गोरिथम जनित कला का पहला टुकड़ा है। मूल्य-टैग - लगभग आधा मिलियन अमेरिकी डॉलर - ने लेखकों की उत्पत्ति, नवीनता-युक्त कला बाजार और शायद सबसे महत्वपूर्ण: के बारे में कई सवाल उठाए हैं: क्यों?

और फिर भी कला के बारे में मशीनों को सिखाने के प्रयास चल रहे हैं, या छवियों के बारे में अधिक सटीक रूप से, शायद ही कोई पब्लिसिटी स्टंट है। धोखेबाज़ वीडियो का बेहतर पता लगाने में सक्षम होने से लेकर मूवी के कलाकारों को बदलने तक, कंप्यूटर वैज्ञानिकों के पास शिक्षण मशीनों के कई व्यावहारिक कारण हैं कि दृश्य दुनिया के साथ बेहतर तरीके से कैसे जुड़ना है।

डैनियल हिस एक ऐसी प्रौद्योगिकी उत्साही है। ZKM सेंटर फॉर आर्ट एंड मीडिया के लिए रचनात्मक डेवलपर अप्रैल में NVIDIA के शोधकर्ताओं द्वारा प्रकाशित एक तंत्रिका नेटवर्क का शुरुआती अपनाने वाला था। इसे मौजूदा सेलेब्स की हजारों तस्वीरों के साथ प्रशिक्षण के बाद काल्पनिक हस्तियों के चित्र बनाने के लिए बनाया गया था। इसने हिस को ZKM के एक इंटरेक्टिव आर्ट इंस्टॉलेशन द्वारा एकत्र की गई 50,000 फोटोबूथ छवियों को प्लग करने के लिए प्रेरित किया, यह देखने के लिए कि किस तरह की कला ए.ए. उत्पादन होगा। एक ऑनलाइन साक्षात्कार में, वह बताता है श्लोक में परिणाम वह कभी कल्पना से बेहतर थे।

“मैंने तीन चेहरे की छवियों में दो चेहरे की छवियों और इतने पर एक चेहरे की छवियों का ताना-बाना देखा। मैंने जितना सोचा था, उससे कहीं ज्यादा बेहतर था। "मैंने छवियों को फ़िल्टर करने की भी कोशिश की ताकि केवल एक चेहरे के साथ छवियों का उपयोग किया जाए, लेकिन जब मैं काम कर रहा था कि अनफ़िल्टर्ड डेटासेट से उत्पन्न नमूने इतने अच्छे निकले कि मैं इसे रोक देता हूं।"

उत्तरोत्तर विकसित GAN (कर्र्स एट अल) ~ 80,000 चित्रों पर प्रशिक्षित pic.twitter.com/fkNjw8V2CC

- जीन कोगन (@genekogan) 3 नवंबर, 2018

तब से हिस का वीडियो रेडिट पर 23,000 से अधिक अपवॉट हो चुका है। उन्होंने मूल रूप से प्रोग्रामर जीन कोगन द्वारा NVIDIA के एल्गोरिथ्म के एक और दुखद उपयोग के जवाब में 4 नवंबर को देखे गए फुटेज को ट्वीट किया। न्यूरल नेटवर्क सेल्फी खिलाने के बजाय, कोगन ने लगभग 80,000 चित्रों का उपयोग किया।

कोगन को भी अलग-अलग शैलियों से बने फ्रेम बनाने की ए.आई.

वे कहते हैं, '' मैं बहुत अलग-अलग सौंदर्यशास्त्र याद करने की क्षमता से आश्चर्यचकित था, बिना किसी जुमले के श्लोक में । "मुझे लगता है कि खिलौना के साथ कई सौ मिलियन पैरामीटर होने का प्रभाव है।"

हाउ वी टीच ए.आई. अपनी खुद की तस्वीरें बनाने के लिए

Tero Karras की अगुवाई वाली NVIDIA अनुसंधान टीम ने 2014 में एक सम्मानित कंप्यूटर वैज्ञानिक, इयान गुडफेलो द्वारा मूल रूप से सिद्ध किए गए एक जनरलीय प्रतिकूल नेटवर्क, या GAN का उपयोग किया। यह Google के डीपडायर टूल के पीछे अंतर्निहित तकनीक थी जिसने इस क्षेत्र में और ऑनलाइन तरंगें पैदा कीं।

GAN में दो नेटवर्क होते हैं: जनरेटर और डिस्क्रिमिनेटर। ये कंप्यूटर प्रोग्राम अपनी छवि बनाने के कौशल को निखारने के लिए लाखों बार एक-दूसरे के खिलाफ प्रतिस्पर्धा करते हैं, जब तक कि वे पर्याप्त रूप से यह बनाने के लिए पर्याप्त नहीं हैं कि आखिरकार डीपफेक के रूप में जाना जाता है।

जनरेटर को फ़ोटोज़ खिलाया जाता है और यथासंभव सर्वोत्तम तरीके से उन्हें आज़माना और उनका अनुकरण करना शुरू होता है। यह तब भेदभाव करने वाले को मूल और उत्पन्न चित्र दिखाता है, जिसका काम उन्हें अलग बताना है। अधिक परीक्षणों ने जनरेटर को छवियों को संश्लेषित करने में बेहतर हो जाता है और बेहतर विभेदक उन्हें अलग बताने में सक्षम हो जाता है। यह कुछ बहुत समझाने में परिणाम देता है - लेकिन पूरी तरह से नकली - चेहरे और पेंटिंग।

कैसे यह टेक कलाकारों की मदद कर सकता है

A.I. पहले ही कला की दुनिया में अपना नाम बना चुका है। क्रिस्टीज में बिक्री पर गए कंप्यूटर-जनरेटेड पोर्ट्रेट के अलावा, डीपड्राइक पहले से ही दुखी परिदृश्य बना रहा है क्योंकि डीपफेक एक चीज थी।

हिस का मानना ​​है कि आज जो मशीन लर्निंग टूल बनाए जा रहे हैं, वे कलाकारों द्वारा उपयोग किए जाने के लिए परिपक्व हैं, लेकिन उनका उपयोग करने के लिए तकनीकी कौशल की आवश्यकता होती है। यही कारण है कि ZKM अपने ओपन कोड्स को तकनीक और रचनात्मक क्षेत्र के बीच अधिक सहयोग के लिए प्रेरित करता है।

"उपकरण जो अब उभर रहे हैं वे कलाकारों के लिए बहुत उपयोगी उपकरण हो सकते हैं, लेकिन किसी कलाकार के लिए प्रोग्रामिंग और सिस्टम प्रशासन कौशल के ज्ञान के बिना उनका उपयोग करना कठिन है," उन्होंने कहा। "विज्ञान और कला के बीच इस संबंध से महान चीजें हो सकती हैं, लेकिन इसके लिए दोनों दिशाओं में सहयोग की जरूरत है।"

ए.आई. के शुरुआती पुनरावृत्तियों, जैसे कि जीएएनएस, पैटर्न को देखने के लिए लाखों डेटा बिंदुओं पर लाखों लोगों को भिगोने में सक्षम हैं और यहां तक ​​कि मानव भी कभी भी अपने साथ नहीं आ सकते हैं। हालांकि, उनकी रचनात्मक दृष्टि अभी भी सीमित है कि मनुष्य उन एल्गोरिदम को कच्चे डेटा के रूप में देने के लिए क्या चुनते हैं।

सौंदर्यशास्त्र और कोडिंग कौशल के लिए एक तेज नजर के साथ, भविष्य के एआई का उपयोग करने वाले कलाकार रचनात्मकता की एक पूरी नई उम्र कूदने या कला की पुरानी शैलियों में जीवन सांस लेने के लिए मशीन सीखने का उपयोग कर सकते हैं। लेकिन मशीनों को यह सिखाने के लिए बहुत सारे डेटा लेने होंगे कि कैसे मानव सरलता की नकल करें और कंप्यूटर एक कदम आगे निकल जाए।