هنر هوش مصنوعی مرزهای مدیریت را به چالش می کشد

فقط در یک چند سال، تعداد آثار هنری تولید شده توسط هنرمندان هوش مصنوعی که خود را توصیف می‌کنند، به طرز چشمگیری افزایش یافته است. برخی از این آثار توسط خانه های حراج بزرگ با قیمت های سرگیجه آور و راه خود را به مجموعه های معتبر سرپرست. هنر هوش مصنوعی که در ابتدا توسط تعدادی از هنرمندان دانش فنی که برنامه‌نویسی کامپیوتری را به عنوان بخشی از فرآیند خلاقانه خود پذیرفته بودند رهبری می‌شد، اخیراً هنر هوش مصنوعی مورد استقبال توده‌ها قرار گرفته است، زیرا فناوری تولید تصویر بدون داشتن مهارت‌های کدنویسی هم موثرتر و هم استفاده آسان‌تر شده است.

جنبش هنری هوش مصنوعی بر روی پشتوانه‌های پیشرفت فنی در بینایی رایانه سوار می‌شود، حوزه‌ای تحقیقاتی که به طراحی الگوریتم‌هایی اختصاص دارد که می‌توانند اطلاعات بصری معنادار را پردازش کنند. زیرمجموعه ای از الگوریتم های بینایی کامپیوتر، به نام مدل های مولد، در مرکز این داستان قرار دارد. مدل‌های مولد شبکه‌های عصبی مصنوعی هستند که می‌توانند روی مجموعه داده‌های بزرگ حاوی میلیون‌ها تصویر «آموزش» داده و یاد بگیرند که ویژگی‌های آماری برجسته‌شان را رمزگذاری کنند. پس از آموزش، آنها می توانند تصاویر کاملاً جدیدی را تولید کنند که در مجموعه داده اصلی وجود ندارد، اغلب توسط پیام های متنی هدایت می شوند که به صراحت نتایج مورد نظر را توصیف می کنند. تا همین اواخر، تصاویر تولید شده از طریق این رویکرد تا حدودی فاقد انسجام یا جزئیات بودند، اگرچه دارای جذابیت سوررئالیستی غیرقابل انکاری بودند که توجه بسیاری از هنرمندان جدی را به خود جلب کرد. با این حال، اوایل سال جاری، شرکت فناوری Open AI از مدل جدیدی با نام مستعار DALL·E 2—که می تواند تصاویر کاملاً سازگار و مرتبط را تقریباً از هر پیام متنی ایجاد کند. DALL·E 2 حتی می‌تواند تصاویری در سبک‌های خاص تولید کند و هنرمندان مشهور را به‌طور متقاعدکننده‌ای تقلید کند، تا زمانی که جلوه مورد نظر به اندازه کافی در اعلان مشخص شده باشد. ابزار مشابهی با نام Craiyon (که قبلاً «DALL·E mini» نام داشت).

به‌سنت رسیدن هنر هوش مصنوعی، سؤالات جالبی را ایجاد می‌کند، که برخی از آنها – مانند آیا هنر هوش مصنوعی واقعاً هنر، و اگر چنین است، تا چه حد واقعاً ساخته شده توسط هوش مصنوعی—بخصوص اصلی این سوالات بازتاب نگرانی‌های مشابهی است که زمانی با اختراع عکاسی ایجاد شده بود. تنها با فشار دادن یک دکمه روی یک دوربین، فردی بدون مهارت نقاشی می‌تواند ناگهان تصویری واقعی از یک صحنه را به تصویر بکشد. امروزه، یک فرد می تواند یک دکمه مجازی را فشار دهد تا یک مدل مولد را اجرا کند و تقریباً از هر صحنه به هر سبکی تصویر تولید کند. اما دوربین ها و الگوریتم ها هنر نمی کنند. مردم انجام میدهند. هنر هوش مصنوعی هنری است که توسط هنرمندان انسانی ساخته شده است که از الگوریتم ها به عنوان ابزار دیگری در زرادخانه خلاق خود استفاده می کنند. در حالی که هر دو فناوری مانع ورود آفرینش هنری – که به جای نگرانی نیاز به جشن دارد – را کاهش داده اند – نباید میزان مهارت، استعداد و هدفمندی موجود در ساخت آثار هنری جالب را دست کم گرفت.

مانند هر ابزار جدید، مدل های مولد تغییرات قابل توجهی را در روند هنرسازی ایجاد می کنند. به طور خاص، هنر هوش مصنوعی مفهوم چندوجهی کیوریشن را گسترش می‌دهد و همچنان مرز بین سرپرستی و خلقت را محو می‌کند.

حداقل سه روش وجود دارد که از طریق آن هنر با هوش مصنوعی می‌تواند شامل اعمال سرپرستی شود. . اولین و کمترین اصل، مربوط به تنظیم خروجی ها است. هر الگوریتم مولد می تواند تعداد نامحدودی تصویر تولید کند، اما به همه اینها معمولاً وضعیت هنری اعطا نمی شود. فرآیند انتخاب خروجی‌ها برای عکاسان بسیار آشنا است، برخی از آنها به طور معمول صدها یا هزاران عکس می‌گیرند که ممکن است تعدادی از آنها، در صورت وجود، با دقت برای نمایش انتخاب شوند. بر خلاف نقاشان و مجسمه سازان، عکاسان و هنرمندان هوش مصنوعی باید با انبوهی از اشیاء (دیجیتال) سر و کار داشته باشند که سرپرستی آنها بخشی از فرآیند هنری است. در تحقیقات هوش مصنوعی به طور کلی، عمل “انتخاب گیلاس” به ویژه خروجی های خوب به عنوان یک عمل علمی بد در نظر گرفته می شود، راهی برای افزایش گمراه کننده عملکرد درک شده یک مدل. با این حال، وقتی صحبت از هنر هوش مصنوعی به میان می آید، انتخاب گیلاس می تواند نام بازی باشد. مقاصد و حساسیت هنری هنرمند ممکن است در عمل ارتقای خروجی‌های خاص به وضعیت آثار هنری بیان شود.

دوم، مدیریت ممکن است قبل از ایجاد هر تصویری نیز انجام شود. در واقع، در حالی که «کوریشن» به کار رفته در هنر عموماً به فرآیند انتخاب آثار موجود برای نمایش اشاره دارد، کیوریشن در تحقیقات هوش مصنوعی به صورت محاوره‌ای به کاری اشاره دارد که به ایجاد مجموعه داده‌ای برای آموزش شبکه عصبی مصنوعی می‌پردازد. این کار بسیار مهم است، زیرا اگر یک مجموعه داده ضعیف طراحی شود، شبکه اغلب در یادگیری نحوه نمایش ویژگی های مورد نظر و عملکرد مناسب ناکام می ماند. بعلاوه، اگر یک مجموعه داده مغرضانه باشد، شبکه تمایل به بازتولید، یا حتی تقویت چنین سوگیری دارد – از جمله، برای مثال، کلیشه های مضر. همانطور که گفته می شود، “زباله داخل، زباله بیرون”. این ضرب المثل برای هنر هوش مصنوعی نیز صادق است، به جز اینکه «آشغال» بعد زیبایی شناختی (و ذهنی) به خود می گیرد.