这是一个客人的博客帖子安娜Ridler的工作,秋天的亚瑟,显示在人工智能在220房间。
秋天的引领仍然是一个12分钟的动画,每个生成的氮化镓(AI)的一种训练自己的图纸。一块,可能是手动画,但通过选择机器学习我能够提高和增加这些主题在创造者的角色,艺术与技术之间的互惠,方面的记忆,否则不会提供给我。我感兴趣的过程中如何使用人工智能可以用来推动思想,否则不可能。
在处理人工智能主要有两种材料:使用的数据或训练集的算法运行创建人工智能。我使用的算法,我特别感兴趣的是那些使甘斯,或生成对抗的网络。氮化镓是一种无监督的机器学习在2014年发明的,认为,在机器学习世界,是出了名的不稳定,不清楚——一个复杂的迭代过程和许多相互依赖关系。这是两个智能在跳舞的过程使图像和动态的不可预测和无法量化的结果出现。氮化镓的构造,一个人工智能网络训练系列的图片(称为训练集),它使用试图创建一个现实版的一个图像,可能来自训练集,第二个AI看着这些创建图像,决定他们是否真实或假的,真或假。第二网络擅长判断图像不能通过,第一个人工智能学会模仿图像在某种程度上,“假药无法区分真正的文章”在许多的学习周期,或时代。假冒很有趣,这个词的使用暗示缺乏真理一样。但不仅仅是产生的图像训练集的副本是什么,而是创建了全新的图像从它的知识。
训练集,或图片给他们作为输入,提供知识和最终的图像输出的核心却很少讨论。需要训练集的数据集通常非常大——成千上万,有时甚至成百上千个图像和输入——通常专有。而机器学习算法通常是开源,甚至大型科技公司,适当的数据集来运行它们并不容易。大多数这些开源编制人员的训练集,通常使用机械土耳其人(看不见的劳动力和相关的权力关系很少承认)使用各种方法,但由于人们总是在某种程度上参与源内容或者在这个过程中,他们不可避免地将文化或社会态度,也被称为数据集的偏见。例如,ImageNet(规范化数据库超过1400万图像常用)给一个狭窄的,传统的“美”——白色,西方,年轻——“巨大的”它不仅弗兰肯斯坦的照片还残疾儿童的照片所示。看起来几乎是不可能在每一个图像在一个如此庞大的数据集,所以控制一个艺术家的数量——所包含或排除在外,什么偏见和偏见被复制和重复,很难控制。现在还不能确定一个多样化的和全面的词汇;文化、政治或社会偏见的人定义了训练集将暴露。此外,所需的规模通常意味着它非常耗时和昂贵的创建一个定制的数据集,可以锁定实验或批判。
我知道对我的控制在这个过程真的来自我所做的数据集。人感兴趣的是隐藏的,被遗忘的,它让我不舒服的使用别人的数据集不正确探索它的奥秘。通过创建自己的数据集,它迫使我去检查每个图像和反转通常的过程来创建这种类型的数据集。让我的动画我犯了一个200年的训练集使用1929版本的图纸秋天的招待员甘我的基地,这样基本上可以学习如何吸引我的风格。画画很有趣在机器学习中,绘画是第一语言(你学会画你学会说话之前)这样看来,适当的使用这个新兴技术。这三个重要的事情:记录,手势在图像背后的人性,并包含编辑的过程(不仅仅是一个时间点或一个角,而是一个融合的图像,思想和记忆)。国际象棋被视为本质上是人类使用,但是现在机器可以做到这种观点已经改变了。将同样的事情发生在画什么?图意味着什么已经改变。威廉•Kentridge南非视觉艺术家,写了“你不能立即创造400个图纸”,但这是不正确的了。机器学习现在允许我们做十五,二十年前就在小说领域,我非常有兴趣使用AI将画什么可以进入新的领域。
创建这些图纸需要大量的劳动力。不像按一个按钮,使绘画是一种承诺,花一定的时间与一个特定的图像在一张纸上。我故意选择用墨水——处理工作,在某种程度上,意象产生的氮化镓略绘画,但也因为它是一个材料已经随机性固有的在中。很难控制和同一场景的照片之间的差异被放大。这也是无情的,无处不在,逃跑了。你最终得到人性——指纹的痕迹,似乎在某种程度上的数字工作,但我认为很重要。
决定好哪些是必要的信息在我的训练集,也有机会采取一定的控制。通过限制的训练集前四分钟的影片,我能够在一定程度上控制“正确性”的水平。有时刻是令人难以置信的好——开始时,在我给了它很多的部分参考的时刻——但重复和记忆导致记错了,随着电影的发展,信息开始分解。没有培训计划是要构建每一帧图像从它已经知道什么导致神秘,诡异的时刻。有时工作,有时不。克劳德·香农信息论的发明者,写所需的最小数量的信息了解“熟悉单词、成语陈词滥调和语法使我们能够填充缺少的字母校对和未完成的短语对话”。熟悉电影和好莱坞经典,它有自己的陈词滥调和习惯用法和语法允许观众领会和理解的意义。记忆成为理解工作需要的材料。
但这个想法控制是误导——是不可能预测什么会出来的照片,我可以想但我不知道。和选择的错误,当图纸放大,GAN竖起一面镜子我自己的画,让我意识到我不知道:我觉得最重要的是,我总是编辑。它展示了我画眼睛和眉毛非常类似的,所以就这两件事之间的混淆。有一把椅子出现和消失,因为有时我记得,有时我没有画出来。GAN拷贝我,一旦和错误中学习,作为这个过程的一部分。失败者,怀尔德比我曾经能够让自己。这让我想起了Tlon Uqbar,奥比斯第三的,博尔赫斯的短篇小说,是一个帐户在一个虚构的国家的一部分的Uqbar“丢失对象的重复不是罕见的”但这些重复——hronir——“是分心的偶然的产品和遗忘”(我的思念的椅子上,懒惰的方式画眼)“没有不真实,但接近预期”,但在时间和周期成为是“一个纯洁的没有发现在原始的”。这是我的工作,也不是我的工作——见过我,但我自己能做。看这是一个非常奇怪的感觉像捕捉看到自己在镜子前你意识到是你。
当然导致问题的创造性所在的这一块,是我创建的训练集,氮化镓生产图片吗?什么是“真正的”艺术吗?能够进行艺术家结合现有的东西或人的记忆和想法试图通过新媒体传达给观众?绘画是一个动词和一个名词——这是一个东西,和行动——但尽管GAN可以产生一个图,我不确定它能画——我前面描述的过程和决策。如何构造一个图像是如何构建一个图像完全不同。有意向,我带了——我的选择和决定,图纸,而且,我想,思考,对我来说,训练集是实现这一目标的关键。甘我和之间的关系是很多比如果我刚刚训练模型与数据库我找到了。它知道我的风格。谁有权访问它也有一点自己。我不甘看到作为一种工具就像我想说一个photoshop过滤但我认为这也不会是真正的创造性的合作伙伴。 I’m not really quite sure what is is. There is a long history of artists workshops – from the renaissance to Andy Warhol, so maybe for me, using a GAN falls into this category. It can copy and suggest but ultimately it starts and ends with me. I am not that worried about painting machines or GANs that make what is essentially wallpaper, art without intent. I am not interested in trying to get a machine to draw like a human or produced something that is imperceptible as being machine-made. Digital art can sometimes seem as if it trying to take the raw messy world and convert it into something shiny and robotic. I am interested in the opposite: how to take something cold and sterile and algorithmic and reintroduce the human back into it, and have found by using artificial intelligence in this way – a combination of a material and a process – maybe a way to do it.
