Šie rīki varētu mainīt mākslinieka definīciju
Saruna ar jauno mediju mākslinieku Gustavu Lociku par mākslīgo neironu tīklu izmantošanu mākslas praksē
Gustavs Lociks. Foto: Juris Rozenbergs
Pagājušajā gadā RIXC galerijā bija apskatāma Gustava Locika personālizstāde “Reference Metadata”, kurā varēja redzēt un dzirdēt darbus, kas tapuši ar dažādu mākslīgā intelekta rīku palīdzību. Mākslinieks bija izmantojis mākslīgo neironu tīklu algoritmus, lai radītu lielizmēra digitālās grafikas sēriju “Disociējošās paradigmas I - IV”, kā arī skaņas instalāciju “Starplaiks”. Šogad Lociks bija arī tehniskais asistents Ginta Gabrāna izstādei “Fināla lielā atklāšana”, kurā arī bija apskatāmi neironu tīklu veidoti attēli.
Izstāde “Reference Metadata”. Foto: Juris Rozenbergs
Varbūt vari ļoti īsi pastāstīt – kas īsti ir mākslīgo neironu tīkli?
Tā ir tehnoloģija, kas veidota, iedvesmojoties no bioloģijas – no reālajiem neironiem, kas smadzenēs raida signālus un apstrādā informāciju. Tie ir skaitļošanas modeļi, kas ļauj datoram apjomīgos datos saskatīt dažādas datu saistības (data patterns), kā arī tās attēlot. Šāda pieeja ir ļoti efektīva, piemēram, attēlu un skaņas atpazīšanai, kā arī dažāda digitālā satura ģenerēšanai, taču parasti ir nepieciešams liels datu daudzums, lai “apmācītu” noteikto neironu tīklu.
Šī tehnoloģija nav jauna. Šādi modeļi bija jau piecdesmitajos gados, taču tie ilgu laiku palika tikai specializētu pētnieku rokās un nebija pieejami plašākai publikai, jo pieprasīja lielus datoru resursus. Šobrīd esam sasnieguši tādu tehnoloģiju attīstību, ka šie rīki ir pieejami arī masu patērētājiem.
Izstāde “Reference Metadata”. Foto: Juris Rozenbergs
Kā šie neironu tīkli var noderēt tieši māksliniekiem?
Pašlaik globālajā kontekstā daudzi mākslinieki par šo tehnoloģiju “haipo” un grib būt paši pirmie, kas to izmanto mākslā, taču lielākā daļa dara līdzīgas lietas. Jāuzmanās, lai veidotie darbi nesaplūstu kopā ar mākslīgā intelekta mākslas pašreizējā viļņa radīto fonu, jo lielākā daļa mākslinieku izmanto vienādus rīkus.
Manuprāt, daudzas inovācijas vēl tikai parādīsies, jo mēs redzam tikai mazu daļu no aisberga, kas mums lēnām tuvojas. Šobrīd ir pieejami dažādi rīki satura veidošanai, piemēram, kompānijas “Nvidia” algoritms “GauGAN”, kas mēģina vienkāršu skici pārveidot fotorealistiskā attēlā. Ir arī tiešsaistē pieejami algoritmi, piemēram, “Deep Image” un “Let's Enhance”, kas ļauj efektīvi palielināt attēla izšķirtspēju. Daudzi mākslinieki apmāca neironu tīklus, lai ģenerētu kaut ko ļoti specifisku.
Domāju, ka mākslīgais intelekts drīzumā varēs automatizēt lielu daļu no mediju mākslas tehniskās puses, bet māksliniekiem būs vairāk jādomā par pievienoto vērtību. Apjomīgus projektus varēs īstenot mazākas mākslinieku grupas.
Domāju, ka mākslīgais intelekts drīzumā varēs automatizēt lielu daļu no mediju mākslas tehniskās puses, bet māksliniekiem būs vairāk jādomā par pievienoto vērtību.
Gustavs Lociks. Bez nosaukuma I
Šī tehnoloģija būs plašāk pieejama un atvieglos mākslinieka darba procesu, bet cilvēkiem būs vairāk jāpiedomā pie mākslas darba satura un koncepcijas?
Tam obligāti nav jābūt ļoti lielam konceptam, bet būs līdzīga situācija, kā tas šobrīd ir ar fotogrāfiju. Visiem ir telefoni ar iebūvētām foto kamerām, taču tas nepadara visus par fotogrāfiem. Daudziem šīs foto iespējas ir tikai laika kavēklis vai hobijs. Domāju, ka līdzīgi būs arī ar mākslīgā intelekta rīkiem – tos ļoti plaši izmantos arī vienkārši entuziasti. Māksliniekiem būs vairāk jāeksperimentē un jāmeklē jauni šo rīku pielietošanas veidi.
Nedaudz nesaistīti, bet daudzu jauno viedtālruņu kameru aplikācijās jau ir integrēta attēlu palielināšana, ko realizē mākslīgā intelekta algoritmi.
Daudzu jauno viedtālruņu kameru aplikācijās jau ir integrēta attēlu palielināšana, ko realizē mākslīgā intelekta algoritmi.
Kā tu pats izmanto šos mākslīgo neironu tīklus savā radošajā darbībā?
Mani interesē tehnoloģijas pašas par sevi un pirms pāris gadiem sāku aktīvi sekot līdzi pētnieku rakstiem par šiem skaitļošanas modeļiem. Dažreiz zinātnieki saviem pētījumiem pievieno klāt arī izmantotos rīkus vai algoritma kodu. Sāku ar šiem rīkiem eksperimentēt un meklēt alternatīvu pielietojumu mākslas praksē.
Viens no šādiem piemēriem ir attēlu palielināšanas algoritmi, kurus es izmantoju, lai radītu abstraktus vai sirreālus attēlus. Šādu pieeju izmantoju arī veidojot izstādes “Reference Metadata” darbus. Mēdzu eksperimentēt ar zemas izšķirtspējas attēliem un skatīties, kā šie palielināšanas algoritmi mēģina aizpildīt trūkstošo informāciju. Reizēm no palielinātā attēla es izgriežu mazu fragmentu un atkal “iebaroju” algoritmam. Vairākas reizes atkārtojot šādu procesu var nonākt pie ļoti interesantiem rezultātiem. Šie eksperimenti man atgādina digitālu pastaigu pa sapņu vidi, kurā, mainot dažādus neironu tīkla parametrus, es varu atklāt jaunas lietas. Patīk arī izmantot brīvi pieejamo tīmekļa rīku “Artbreeder”, lai eksperimentētu ar jau uztrenēta neironu tīkla ģenerēšanas parametriem.
Šie eksperimenti man atgādina digitālu pastaigu pa sapņu vidi, kurā, mainot dažādus neironu tīkla parametrus, es varu atklāt jaunas lietas.
Esmu ievērojis arī dažas interesantas īpatnības, piemēram, šie algoritmi ļoti veiksmīgi var palielināt un ģenerēt dažādus dabas objektus, taču tiem ir problēmas ar cilvēku veidotām lietām. Var bezgalīgi palielināt akmeni un tas izskatīsies kā akmens, bet cilvēku radītajos priekšmetos var sākt parādīties dažādas anomālijas.
Izstāde “Reference Metadata”. Gustavs Lociks “Disociējošās paradigmas I – IV”. Foto: Juris Rozenbergs
Varbūt tas ir tāpēc, ka mēs ikdienā ļoti bieži redzam šos cilvēku veidotos objektus un tie mums ir ļoti pazīstami. Ja neironu tīkls izveido dīvainu krēsla attēlu, mēs to uzreiz pamanām, bet dīvains akmens mums joprojām izskatās kā akmens?
Iespējams, bet tas varētu arī būt saistīts ar mūsu dizaina izvēlēm un objektu sarežģītību. Ļoti svarīgi ir arī dati, kas izmantoti trenējot konkrētu neironu tīklu. Var gadīties, ka algoritmam vienkārši nav iedoti pietiekami daudz attēli, kuros būtu redzami konkrētie cilvēku veidotie priekšmeti.
Kāds ir minimālais attēlu skaits, kas jāparāda neironu tīklam, lai tas varētu radīt jēgpilnu attēlu? Cik krēslu attēli tam ir “jāredz”, lai tas varētu sākt ģenerēt krēslu attēlus?
Šeit nav vienas atbildes, jo tas ir atkarīgs no konkrētā objekta sarežģītības. Svarīga arī ir attēlu sagatavošana – cik labi ir neironu tīklam iedotie dati. Lasīju, ka zinātniekiem, kas strādā ar neironu tīkliem, 80% no darba ir tieši datu sagatavošana, jo svarīga nav tikai datu kvantitāte, bet arī kvalitāte. Liela nozīme ir arī konkrētā tīkla arhitektūrai. Ja jāmin kāds piemērs, viena no populārākajām neironu tīklu trenēšanas lietotnēm “Runway” iesaka izmantot 500 – 5000 attēlu, tā kā datu daudzums galīgi nav viennozīmīgs.
Zinātniekiem, kas strādā ar neironu tīkliem, 80% no darba ir tieši datu sagatavošana, jo svarīga nav tikai datu kvantitāte, bet arī kvalitāte.
Tavā izstādē bija dzirdama arī skaņas instalācija “Starplaiks”, kuras skaņu celiņu bija izveidojis mākslīgo neironu tīkls. Vai ir atšķirība šādā veidā strādājot ar skaņu un attēlu?
Patiesībā atšķirība nav tik liela, jo liela daļa skaņai paredzēto algoritmu tiek trenēti pēc skaņas spektrogrammas attēla. Citiem vārdiem sakot, skaņa tiek pārveidota par attēliem, kas kļūst par tīkla datiem. Iegūtais rezultāts arī ir spektrogrammas attēls, kas tiek pārveidots atpakaļ skaņā. Skaņai paredzētie rīki parasti to dara automātiski, bet teorētiski šo procesu var darīt manuāli un skaņas ģenerēšanai izmantot tīklus, kas patiesībā ir paredzēti attēliem.
Vai vari vairāk pastāstīt tieši par šo skaņas instalāciju “Starplaiks”?
Skaņu bija uzģenerējis neironu tīkls, kura trenēšanai izmantoju datus ar dažādu radio reklāmu skaņas celiņiem. Rezultātā ieguvu abstraktu radio reklāmu kanālu (līdzīgi kā televīzijā ir “Top Shop” kanāli) – iegūtā skaņa atgādināja reklāmas, taču nevarēja saprast konkrētus vārdus. Darbā apspēlēju savas sajūtas par reklāmām, kuras, manuprāt, varētu uzskatīt par propagandas mazajiem radiniekiem. Ja agrāk ar propagandu nodarbojās kāds konkrēts cilvēks vai režīms, tad mūsdienās propagandē pilnīgi visu un visapkārt. Reklāmu ir tik daudz, ka mēs tās vairs neuztveram kā parastu informāciju. Tās kļūst par visuresošu fona troksni, kas zemapziņas līmenī mēģina mūs vadīt pa komerckultūras plašajiem ceļiem.
Izstāde “Reference Metadata”. Gustavs Lociks “Disociējošās paradigmas I – IV”. Foto: Juris Rozenbergs
Pirms dažiem gadiem Liepājas koncertzālē “Lielais dzintars” notika beļģu komponista un inženiera Godfrīda Villema Rāsa veidoto robotu orķestra koncerts. Daži no skaņdarbiem bija pilnībā sacerēti ar algoritmu palīdzību. Koncerta beigās komponistam uzdevu nedaudz provokatīvu jautājumu - kas ir šo skaņdarbu autors? Rāss vai algoritms? Rāss atbildēja, ka viņš ir algoritma autors, tātad arī algoritma radītā skaņdarba autors. Kāda ir tava pozīcija šajā jautājumā?
Mākslīgo neironu tīklu gadījumā šo jautājumu var sadalīt divās daļās. Pirmkārt, ir programmētājs, kas veido pašu modeļa arhitektūru. Viņš ir autors šim ietvaram, kas tālāk ļauj trenēt neironu tīklus specifiskām vajadzībām. Otrkārt, ir cilvēks, kas šim ietvaram dod konkrētus datus un spēlējas ar parametriem. Viņu drīzāk var uzskatīt par treneri, nevis autoru. Šajā gadījumā neironu tīkls ir līdzīgs mazam bērnam, ko tu audzini. Nevarētu teikt, ka tava bērna darbi ir tavi darbi, taču tur noteikti ir bijusi tava līdzdalība. Bet šeit arī juridiskā ziņā ir diezgan lieli strīdi, piemēram, tev nepieder autortiesības uz neironu tīklu ģenerētu materiālu, ja esi izmantojis nelicencētus datus, piemēram, sociālajos tīklos zagtus attēlus. Šādai pozīcijai līdz galam nepiekrītu, jo internetā brīvi pieejamo datu un informācijas licencēšana man liekas diezgan strīdīgs koncepts.
Šajā gadījumā neironu tīkls ir līdzīgs mazam bērnam, ko tu audzini. Nevarētu teikt, ka tava bērna darbi ir tavi darbi, taču tur noteikti ir bijusi tava līdzdalība.
Viens no nozīmīgākajiem mākslīgā intelekta kritiķiem filozofs Hjūberts Dreifūss (1929-2017) septiņdesmitajos gados apgalvoja, ka datori nespēj atdarināt noteiktus cilvēka intelekta aspektus, piemēram, intuīciju un radošumu. Vēlāk deviņdesmitajos gados Dreifūss atzina, ka mākslīgo neironu tīklu pieeja ir solis tuvāk cilvēka intelekta atdarināšanai. Šeit nāk prātā piemērs ar 2016. gada vēsturisko galda spēles “Go” turnīru starp “Google” veidoto algoritmu “Alpha Go” un šīs spēles pasaules čempionu Lī Sedolu. Spēle “Go” ir pazīstama ar milzīgu kauliņu izkārtojuma iespējamo kombināciju skaitu, kas neļauj vienkārši izskaitļot labākos gājienus un spēlētāji bieži paļaujas uz intuīciju. “Alpha Go” uzvara šokēja visu pasauli. Kādas ir tavas domas? Vai mākslīgo neironu tīkliem piemīt kaut kas līdzīgs intuīcijai un radošumam?
Manuprāt, mēs zem šiem vārdiem “intuīcija” un “radošums” paliekam kaut kādus smadzeņu procesus, kurus nespējam aprakstīt, bet tie automātiski notiek mūsu zemapziņā. Kad neesam apzināti nonākuši pie secinājuma, bet mūsu neapzinātie neironu procesi saka kaut ko priekšā, jo ir atpazinuši vidē kaut kādas sakarības, mēs to saucam par intuīciju. Šie mākslīgo neironu tīkli veic līdzīgu funkciju.
Es kā filozofs gribētu nedaudz iebilst. Domāju ka, jēdziens “intuīcija” sevī neietver tikai šos neapzinātos procesus, bet arī pirmās personas sajūtu – kā šie neapzinātie procesi parādās mūsu apziņā. Tas ir īpašs brīdis mūsu pieredzē, kad mēs kaut ko zinām, bet nespējam izskaidrot šīs zināšanas.
Piekrītu. Drīzāk varētu teikt, ka neironu tīkls spēj imitēt daļu no intuīcijas, bet iztrūkst šis pieredzes aspekts. Tas spēj simulēt tikai intuīcijas funkciju. Protams mēs nevaram būt pilnīgi droši, ka sarežģītiem mākslīgo neironu tīkliem nevarētu būt kas līdzīgs apziņai. Varbūt tie spēj pieredzēt, bet tas vienkārši notiek savādāk un mēs to neatpazīstam kā pieredzi.
Mēs nevaram būt pilnīgi droši, ka sarežģītiem mākslīgo neironu tīkliem nevarētu būt kas līdzīgs apziņai. Varbūt tie spēj pieredzēt, bet tas vienkārši notiek savādāk un mēs to neatpazīstam kā pieredzi.
Gustavs Lociks. Bez nosaukuma II
Jautājums par mākslīgā intelekta apziņu paliek neatrisināts, bet pagaidām paliekam pie pozīcijas, ka šie mākslīgo neironu tīkli cenšas imitēt intuīciju un radošumu. Ja šī tehnoloģija turpinās doties šajā virzienā, vai mākslinieka statuss nav tuvākajā nākotnē apdraudēts?
Nedomāju. Drīzāk šie rīki varētu mainīt mākslinieka definīciju un kaut kādā ziņa viņu atbrīvot no daudzām tehniskām lietām. Iespējams, nākotnē visu tehnisko pusi īstenos mākslīgais intelekts, bet cilvēks varēs pašizpausties. Varbūt māksla kļūs privātāka un personīgāka – vairāk priekš sevis, nevis citiem. Iespējams, nākotnes mākslinieki drīzāk būs līdzīgi izstādes kuratoriem, kas atlasīs mākslīgā intelekta radīto saturu, lai veidotu jaunas nozīmes un stāstus.
Iespējams, nākotnes mākslinieki drīzāk būs līdzīgi izstādes kuratoriem, kas atlasīs mākslīgā intelekta radīto saturu, lai veidotu jaunas nozīmes un stāstus.
Pie kādiem projektiem tu šobrīd strādā? Vai mums jāsāk gaidīt tava nākamā izstāde?
Vienu konkrētu lietu būs grūti minēt. Pašlaik darbojos vairākos virzienos un visi ir saistīti ar jaunām tehnoloģijām, jo man patīk ar šīm inovācijām eksperimentēt un tās pētīt. Pirms neilga laika sāku arī strādāt “Dirty Deal Audio” jaunizveidotajā telpiskas skaņas studijā. Ja eksperimentiem būs interesanti rezultāti, domāšu par kaut ko konkrētāku, piemēram, izstādi vai performanci.
Šī saruna tapusi projekta "Bezgalība vai bezdibenis: mākslas un tehnoloģiju satikšanās" ietvaros. Atbalsta VKKF
