Чтобы ИИ стал творческим, он должен научиться нарушать правила

Применение ИИ в мире искусства может показаться излишним: всегда найдутся люди, которые создают прекрасные работы. Сторонники этого подхода, впрочем, говорят, что настоящая прелесть обучения ИИ творческим навыкам заключается не в конечном продукте, а скорее в потенциале технологии расширить собственное машинное обучение, научиться решать проблемы нестандартно, быстрее и лучше людей. К примеру, творческий ИИ мог бы однажды принять решение спасти жизнь пассажиров самоуправляемого автомобиля в случае отказа его датчиков или предложить нетрадиционное сочетание химических компонентов, которое приведет к созданию препарата, способного лечить ранее неизлечимые заболевания.

ИИ с творческой жилкой будет иметь важное значение для разработки высокоавтоматизированных систем, которые могут адекватно реагировать на человеческую жизнь, говорит Марк Ридль, профессор Школы интерактивных вычислений Технологического института Джорджии. «Факт в том, что мы ежедневно делаем что-то творческое, многие проблемы решаются креативно», говорит он. «Если у моего сына игрушка застрянет под стулом, мне придется взять инструмент из вешалки и достать ее».

Ридль отмечает, что человеческое творчество также важно для социальных взаимодействий, даже, например, чтобы рассказать шутку или распознать каламбур. Компьютеры не справляются с такими тонкостями. Например, неполное понимание того, как люди строят метафоры, привело к тому, что ИИ написал новую главу «Гарри Поттерра», наполнив ее бессмысленными предложениями, например: «Пол замка был похож на большую кучу магии».

И все же заставить машины точно имитировать человеческий стиль — Рембрандта или Роулинг, неважно — хорошее начало создания креативного ИИ, считает Ридль. В конце концов, творцы часто начинают с имитации навыков и процессов признанных художников. Следующим шагом, как для людей, так и для машин, будет использование этих навыков в рамках стратегии по созданию чего-то оригинального.

Современные программы ИИ недостаточно развиты, чтобы спонтанно сочинять хитовые песни или произведения изобразительного искусства. Чтобы ИИ сделал подобное, человеку нужно откалибровать программу, скормив ей огромное число примеров. Немец Марио Клингеманн, например, спроектировал нейросеть, способную составлять странные пугающие изображения на основе существующих фотографий и других работ. Нейросеть состоит из серии взаимосвязанных обрабатывающих узлов, напоминающих нейронную структуру мозга. В нейросети каждый электронный «нейрон» принимает массив чисел, производит простые расчеты на основании этого ввода и затем отправляет результат в следующий слой нейронов, который, в свою очередь, производит более сложные вычисления.

Подход Клингеманна включает скармливание исходного материала, рисунков и фотографий, генеративным состязательным сетям (GAN), которые сочетают в себе силу двух нейронных сетей. Одна сеть генерирует изображения, объединенные определенной темой или набором условий; другая оценивает изображения, основываясь на своем знании этих условий. Благодаря обратной связи второй сети, первая сеть постепенно становится лучше и делает изображения все более соответствующими заданной теме. «Сейчас эти сети — просто инструменты, дополняющие нашу собственную креативность», говорит Клингеманн. «Нам, людям, все еще нужно признавать креативность или новшество». Его цель — создать художественную нейросеть, которая может независимо выбирать и даже публиковать свои лучшие работы на заданную тему.

Сейчас GAN используются строго для создания нового контента или изображений в более широкой творческой системе, говорит Алекс Шампандард, основатель creative.ai, стартапа по разработке инструментов ИИ для творческих людей. GAN могут производить много материала, но все еще полагаются на людей для определения своих условий.

По словам Яна Гудфеллоу, научного сотрудника Google, который занимается разработкой концепции GAN, генерация контента — хорошее начало для разработки ИИ, способного решать проблемы реального мира. Гудфеллоу работает над моделями машинного обучения, позволяющими компьютерам писать динамичные нарративы, выходящие за рамки ограниченных сценариев (вроде планирования шахматных ходов), в которых компьютеры уже давно преуспели.

Возьмем классический пример планирования, которое люди делают постоянно: когда мы едем в аэропорт, мы часто набрасываем примерную карту — чисто в голове — ключевые пункты путешествия, пробки на дорогах или пересадки. GAN могут планировать такую поездку, но будут делать это со всеми подробностями и предложит много маршрутов. Нам, по сути, нужен слой вычислительной сети, которая будет пропускать все эти варианты и интуитивно выбирать лучший.

Еще одним ключевым компонентом человеческого творческого мышления является способность брать знания из одного контекста и применять в другом. Джорждж Харрисон берет ситар и играет на нем как на гитаре. Шекспир берет истории из греческой мифологии и пишет английскую пьесу, вдохновляясь этими историями. Исполнительный директор использует знания военной стратегии или даже шахмат для планирования деловой сделки.

По этой причине проводятся эксперименты, которые помогут алгоритмам ИИ, которые могут смешивать и сопоставлять материал. Например, ученые Калифорнийского университета в Беркли используют сеть CycleGAN для превращения видео с лошадьми в видео с зебрами. ИИ определяет основную форму лошади на первом видео и играет с изображением поверх видео, мгновенно и незаметно подменяя коричневое туловище лошади полосатой зеброй на ходу. Такая работа поможет ИИ самоуправляемого автомобиля адаптироваться в незнакомых условиях и избежать аварий.

Искусственный интеллект должен не только учить правила, но и нарушать их, как настоящий художник.