La créativité de la machine bat l'art moderne

La créativité est l'un des grands défis de l'intelligence artificielle. Les preuves ne manquent pas montrant comment les machines peuvent égaler et même surpasser les humains dans de vastes domaines d'activité, tels que la reconnaissance faciale et d'objets, le griffonnage, la synthèse d'images, la traduction linguistique, une grande variété de jeux tels que les échecs et Go, etc. . Mais en matière de créativité, les machines sont loin derrière.

Pas par manque d'effort. Par exemple, les machines ont appris à reconnaître le style artistique, à le séparer du contenu d'une image, puis à l'appliquer à d'autres images. Cela permet de convertir n'importe quelle photographie dans le style de Van Gogh Nuit étoilée , par exemple. Mais bien que ce travail et d'autres fournissent un aperçu important de la nature du style artistique, cela ne compte pas comme de la créativité. Le défi reste donc de trouver des moyens d'exploiter l'intelligence artificielle à des fins créatives.

Aujourd'hui, nous avons un aperçu des progrès dans ce domaine grâce au travail d'Ahmed Elgammal du laboratoire Art & AI de l'Université Rutgers dans le New Jersey, ainsi que de collègues des laboratoires d'IA de Facebook et d'ailleurs.

Laquelle de ces images a été générée par une machine ? *Réponse ci-dessous

Ces gars-là ont formé une machine pour générer des images qui sont reconnaissables à l'art humain et pourtant différentes de manière mesurable. De plus, ils ont effectué une sorte de test de Turing pour la créativité en demandant aux humains s'ils peuvent faire la différence entre l'art humain et cet art généré par la machine. Ils ont également demandé aux humains quel type d'art ils préféraient, avec des résultats quelque peu inattendus.

L'approche est relativement simple. Il s'appuie sur une machine appelée réseau antagoniste génératif. Il s'agit de deux réseaux de neurones qui, ensemble, amorcent le processus d'apprentissage.

L'un de ces réseaux est un algorithme traditionnel de vision artificielle qui apprend à reconnaître des images d'un type spécifique. Elgammal et co l'ont formé à l'aide de la base de données WikiArt, qui se compose de plus de 80 000 peintures de plus de 1 000 artistes datant du XVe au XXe siècle.

Chaque image est étiquetée avec son style artistique. Ainsi, la base de données contient plus de 13 000 peintures impressionnistes, 2 000 peintures cubistes, plus de 1 000 peintures du début de la Renaissance, etc. La machine apprend à reconnaître chacun de ces styles.

L'étape suivante consiste pour un autre réseau à générer des images aléatoires et à les montrer au réseau formé, qui les reconnaît comme représentant un style artistique particulier ou les rejette. En produisant beaucoup d'images, ce deuxième réseau apprend ce que le premier réseau reconnaît comme de l'art par un processus d'essais et d'erreurs. Et après de nombreuses itérations, il apprend à produire des images qui correspondent à des styles spécifiques.

Cependant, l'équipe ne considère pas ces images comme créatives car elles ne font que copier des styles connus dans l'art. En revanche, un artiste humain repousserait les limites en produisant quelque chose de nouveau.

Il existe de nombreuses hypothèses d'historiens de l'art et de psychologues sur le processus de création qui conduit à l'art nouveau. Par exemple, une idée bien connue est que le nouveau travail artistique doit être solidement enraciné dans une tradition artistique. En d'autres termes, il doit être différent, mais pas trop différent.

En particulier, les théoriciens disent que l'art doit stimuler le spectateur de manière spécifique. Les propriétés d'éveil les plus importantes pour l'esthétique sont la nouveauté, la surprise, la complexité, l'ambiguïté et la déroutante, disent Elgammal et co.

La nouveauté fait référence à la mesure dans laquelle un stimulus diffère de ce qu'un observateur a vu/expérimenté auparavant. La surprise fait référence au degré d'inadéquation d'un stimulus avec l'attente. L'étonnement n'est pas nécessairement corrélé à la nouveauté, par exemple, il peut provenir d'un manque de nouveauté. Contrairement à la nouveauté et à la surprise, qui reposent sur des comparaisons inter-stimulus de similitudes et de différences, la complexité est une propriété intra-stimulus qui augmente à mesure que le nombre d'éléments indépendants dans un stimulus augmente. L'ambiguïté fait référence au conflit entre les informations sémantiques et syntaxiques dans un stimulus. La perplexité fait référence à l'ambiguïté due à des significations multiples, potentiellement incohérentes.

Mais quel que soit l'effet, le niveau d'excitation qu'il génère doit être modéré plutôt qu'extrême. Trop peu de potentiel d'excitation est considéré comme ennuyeux, et trop active le système d'aversion, ce qui entraîne une réponse négative, disent Elgammal et co.

Cela a des implications importantes sur la manière dont leur réseau antagoniste génératif, ou agent, est mis en place. L'objectif de l'agent est de générer de l'art avec des niveaux accrus de potentiel d'excitation de manière contrainte sans activer le système d'aversion, disent-ils. En d'autres termes, l'agent essaie de générer de l'art qui est nouveau, mais pas trop nouveau.

Les chercheurs disent avoir trouvé un moyen de faire en sorte que leur réseau contradictoire génératif le fasse. Ayant appris à reproduire certains styles artistiques, la machine est configurée pour produire des images qui entrent dans les limites acceptées de l'art dans son ensemble mais maximisent la différence par rapport aux styles connus. L'agent essaie d'explorer l'espace créatif en s'écartant des normes de style établies et génère ainsi un nouvel art, disent Elgammal et co. Ils appellent cette machine un réseau contradictoire créatif.

Le test décisif, bien sûr, est la façon dont les humains réagissent à cet art généré par la machine. Pour le savoir, Elgammal et co ont montré une gamme d'images, à la fois générées par des humains et des machines, à des travailleurs humains sur Mechanical Turk, un service de crowdsourcing en ligne.

Les images générées par l'homme comprenaient celles de la base de données WikiArt sur l'expressionnisme abstrait ainsi qu'une sélection d'images d'une foire phare d'art contemporain qui s'est tenue à Bâle, en Suisse, en 2016. Ces images représentent le summum de l'art moderne. La raison du choix de l'expressionnisme abstrait était de supprimer en grande partie les images de personnes et d'objets qui aident clairement à distinguer l'art mécanique de l'art humain.

Certaines des images générées par la machine ont été produites par le réseau contradictoire créatif, mais d'autres ont été produites par le réseau contradictoire génératif qui reproduit simplement les styles artistiques qu'il a appris.

Les chercheurs ont demandé à chaque personne d'évaluer les images de différentes manières, par exemple à quel point elles aimaient chacune d'elles, à quel point elles semblaient nouvelles et si elles avaient été créées par un humain ou une machine. Ils ont également demandé si les participants pouvaient sentir l'intention de l'artiste, s'ils pouvaient voir une structure émerger dans l'image et si l'image les avait inspirés.

Les résultats rendent la lecture intéressante. Les humains étaient assez doués pour repérer les images expressionnistes abstraites créées par un humain et celles créées par une machine. Mais dans le cas de l'art de Bâle, les spectateurs humains ont eu du mal à faire la différence.

Les humains ont également évalué les images créées par le réseau contradictoire créatif plus haut que l'art généré par l'homme présenté à Bâle. Ils s'y sont davantage identifiés et l'ont trouvé plus inspirant.

Il est tentant d'interpréter cela comme une mise en accusation accablante de l'état de l'art moderne et du niveau de créativité qu'il engendre. Mais Elgammal et co évitent une réaction instinctive. Nous laissons ouverte la manière d'interpréter les réponses des sujets humains qui ont mieux classé l'art CAN que les échantillons d'Art Basel sous différents aspects, disent-ils diplomatiquement.

La grande question est de savoir si le processus qu'Elgammal et co ont utilisé pour créer leurs images peut vraiment être considéré comme créatif. Une autre interprétation est qu'il s'agit d'un processus purement algorithmique qui a appris à exploiter les vulnérabilités émotionnelles de l'humanité. Si tel est le cas, peut-être qu'une future définition de l'art devra inclure la stipulation qu'il doit être créé par un humain.

Quoi qu'il en soit, ce type de travail est destiné à repousser un peu plus loin les limites de l'art et de la créativité.

Réf : arxiv.org/abs/1706.07068 : CAN : Réseaux antagonistes créatifs générant de l'art en apprenant les styles et en s'écartant des normes de style

*Réponse : tous

cacher