¿Puede AI explicar lo que hace buen arte?

El futuro está bien, no ahora. Creo que la capacidad de creación artística no es el lugar más allá del modelado de la incertidumbre y la capacidad de generar la única creación artística humana con mucho proceso mental que hace las cosas, necesita calcular la fuerza de gran tamaño.

Después de que la máquina se ve reforzada por varios órdenes de magnitud, puede mejorar la incertidumbre escalable existente y la generación de modelos para completar con la creatividad artística de la máquina, pero crea la belleza del arte que la aceptación humana depende de las ideas públicas y el modo social de operación. . Por supuesto, esta mejora debería ser un proceso paso a paso.

Hay dos tendencias interesantes en el campo de la inteligencia artificial. Uno es básicamente “lo que no se puede hacer”, y el último está mal. Dos, también es un error decir “qué, después de unos años”. Este es un buen punto en el primer capítulo del libro “SuperIntelligence” de Nick Bostrom. Creo que lo mismo es cierto de la creación artística. No puedo decir que no puedo hacerlo, pero no puedo decir cuándo puedo hacerlo.

Pinturas de AI cuyo nombre es “pintura tonta”

Te puede interesar la teoría formal de la diversión y la creatividad de Jurgen Schmidhuber. Así es como su teoría explica el arte (extracto del enlace anterior):

Los artistas (y observadores de arte) son recompensados ​​por hacer (y observar) patrones novedosos : datos que no son arbitrarios (como el ruido blanco aleatorio incompresible) ni regulares de una manera ya conocida , sino regulares de una manera nueva con respecto al observador conocimiento actual, pero aprendible (es decir, después de aprender se necesitan menos recursos computacionales para codificar los datos).

El artículo de Schmidhuber sobre arte de baja complejidad muestra maravillosamente cómo funciona su teoría en la práctica. Un documento suyo en particular que ilustra su idea de arte de baja complejidad, belleza facial y geometría fractal, que trata de responder formalmente a la pregunta ‘ ¿qué es lo que hace que una cara sea hermosa? ‘, experimentó una demanda tan fuerte que algunos intentos de descarga condujeron a’ resultados incompletos ‘(esto fue en 1998); Personalmente sospecho que tuvo algo que ver con esta imagen generada artificialmente:

Esta imagen podría darle una idea de cómo se generó la ‘cara de baja complejidad’ anterior, basada en cuadrículas superpuestas y el esquema que se adhiere a su teoría:

Un poco más de detalle podría ayudar. Este artículo resume la idea detrás de su teoría formal de la creatividad:

Sostengo que los datos se vuelven temporalmente interesantes por sí mismos para algún observador subjetivo que se mejora a sí mismo, pero que es computacionalmente limitado, una vez que aprende a predecir o comprimir los datos de una mejor manera, haciéndolo subjetivamente más simple y más hermoso .

La curiosidad es el deseo de crear o descubrir más datos regulares no aleatorios, no arbitrarios, que sean novedosos y sorprendentes, no en el sentido tradicional de Boltzmann y Shannon, sino en el sentido de que permite el progreso de la compresión porque aún no se conocía su regularidad.

Este impulso maximiza el interés , la primera derivada de la belleza subjetiva o la compresibilidad, es decir, la inclinación de la curva de aprendizaje.

Esto se desarrolla naturalmente en el siguiente documento, cuyo resumen se lee (énfasis debajo del mío):

Sostengo que la ciencia, el arte, la música, la comedia son solo subproductos de nuestro deseo intrínseco de crear / descubrir patrones más novedosos , es decir, datos comprimibles de formas hasta ahora desconocidas .

Es posible formalizar rigurosamente este concepto e implementarlo en máquinas de aprendizaje, creando así científicos y artistas robóticos artificiales equipados con curiosidad y creatividad intrínsecamente motivadas.

Más sobre cómo el arte (y la música) es un subproducto de la ‘unidad de progreso de compresión’ (énfasis debajo del mío):

Los observadores artificiales o humanos deben percibir el arte secuencialmente y, por lo general, también activamente, por ejemplo, a través de una secuencia de movimientos sacádicos o movimientos de cámara que escanean la atención al escanear una escultura, o cambios internos de atención que filtran y enfatizan los sonidos hechos por un pianista, al tiempo que suprimen el fondo. ruido. Indudablemente, muchos obtienen placer y recompensas al percibir obras de arte, como ciertas pinturas o canciones.

Pero diferentes observadores subjetivos con diferentes aparatos sensoriales y algoritmos de mejora del compresor preferirán diferentes secuencias de entrada. Por lo tanto, cualquier teoría objetiva de lo que es buen arte debe tomar al observador subjetivo como parámetro, para responder preguntas como: ¿Qué secuencias de acciones y los cambios de atención resultantes debería ejecutar para maximizar su placer?

De acuerdo con nuestro principio, debe seleccionar uno que maximice la compresibilidad rápidamente aprendible que sea nueva, en relación con su conocimiento actual y su forma (generalmente limitada) de incorporar / aprender / comprimir nuevos datos.

Schmidhuber ha publicado muchas cosas sobre curiosidad artificial y creatividad, implementando su teoría en (para citarlo) ‘simples científicos y artistas artificiales con un deseo intrínseco de explorar el mundo inventando continuamente nuevos experimentos, [que] nunca dejan de generar novelas y cosas sorprendentes ‘. Puede leer los documentos relevantes aquí (los documentos sobre cómo su teoría explica formalmente el arte se encuentran en las referencias 14–21).

La IA podría ser entrenada para identificar un buen arte, pero la explicación podría ser difícil a menos que las personas puedan dar explicaciones en cada caso de capacitación. Tal vez algún día la IA podría explicar y enseñar arte, pero esto todavía está a una o dos décadas de distancia.