Jika Anda bertemu dengan karya seni yang dihasilkan oleh Terence Broad (a) keseimbangan stabil Di youtubeSaya dapat berasumsi bahwa dia telah melatih model dalam karya -karya pelukis Mark Rothko, The lebih awal, Potongan yang lebih ringanSebelum visinya berubah Lebih gelap Dan Fatalitas Tarry. Seperti Rothko dari periode awal, gambar yang dihasilkan oleh Broad terdiri dari bidang warna murni sederhana, tetapi berubah, terus mengubah bentuk dan nada.
Tapi Broad tidak melatih AI -nya di Rothko; Dia sama sekali tidak melatihnya dalam data apa pun. Ketika pembajakan jaringan neuron dan memblokir elemennya dalam loop rekursif, itu dapat menginduksi ini untuk menghasilkan gambar tanpa data pelatihan, tanpa input, tanpa pengaruh. Bergantung pada perspektifnya, seni luas adalah pameran perintis kreativitas buatan murni, melihat jiwa AI atau elektronik yang cerdas dengan produk -produk tetapi tidak berarti, lebih dekat dengan umpan balik gitar daripada musik. Bagaimanapun, karyanya menunjuk ke jalan menuju penggunaan AI generatif yang lebih kreatif dan etis di luar pembuatan skala besar derivasi turunan yang sekarang mengalir melalui budaya visual kita.
Broad memiliki cadangan mendalam tentang etika pelatihan generatif dalam pekerjaan orang lain, tetapi inspirasi utamanya (a) keseimbangan stabil Dia tidak filosofis; Itu adalah pekerjaan omong kosong. Pada tahun 2016, setelah mencari pekerjaan dalam pembelajaran otomatis yang tidak menyiratkan pengawasan, Broad menemukan pekerjaan di perusahaan yang mengarahkan jaringan kamera lalu lintas di kota Milton Keynes, dengan penekanan pada privasi data. “Pekerjaan saya adalah melatih model -model ini dan mengelola set data besar ini, seperti 150.000 gambar di seluruh kota paling membosankan di Inggris,” kata Broad. “Dan saya bosan mengelola set data. Ketika saya memulai latihan artistik saya, pikir saya, pikir Saya tidak melakukannya, saya tidak melakukannya [datasets]. “
Ancaman hukum perusahaan multinasional dihapus lebih dari kontribusi. Salah satu keberhasilan artistik pertama yang melibatkan pelatihan jenis jaringan neuron buatan yang disebut self -effounder di setiap kotak film Corredor Blade (1982), dan kemudian memintanya untuk menghasilkan salinan film. Hasilnya, Yang masih tersedia onlineMereka secara bersamaan merupakan demonstrasi keterbatasan, sekitar 2016, generatif, dan komentar ironis tentang bahaya kecerdasan yang diciptakan oleh manusia. Broad menerbitkan video online, di mana ia segera mendapat perhatian besar, dan peringatan pembongkaran Warner Bros DMCA. “Setiap kali Anda mendapatkan pembongkaran DMCA, Anda bisa membantahnya,” kata Broad. “Tapi kemudian kamu dituntut di pengadilan AS, yang, seperti lulusan baru dengan banyak hutang, bukanlah sesuatu yang bersedia mengambil risiko.”
Saat seorang jurnalis dari Suara Menghubungi Warner Bros. untuk berkomentarDia dengan cepat mengakhiri pemberitahuan itu, hanya untuk menerbitkannya kembali tidak lama setelah itu. (Broad mengatakan bahwa video tersebut telah diganti beberapa kali dan selalu menerima peringatan pembongkaran, sebuah proses yang, ironisnya, sebagian besar adalah Dibuat melalui ai.) Para kurator mulai menghubungi luas, dan segera menerima pameran di Whitney, Barbican, Electronica AR dan tempat -tempat lain. Tetapi kecemasan untuk status hukum pekerjaan yang keruh sangat luar biasa. “Saya ingat ketika saya pergi ke pemandangan pribadi di Whitney, dan saya ingat duduk di pesawat dan saya buang air besar karena saya seperti, ohH, Warner Bros akan tutup“Kenang yang luas.” Itu sangat paranoid tentang hal itu. Untungnya, Warner Bros tidak pernah menuntut saya, tetapi itu adalah sesuatu yang benar -benar dimiliki. Setelah itu, saya pikir, Saya ingin berlatih, tetapi saya tidak ingin melakukan pekerjaan yang berasal dari pekerjaan orang lain tanpa persetujuan mereka, tanpa membayar mereka. Sejak 2016, saya belum melatih semacam model generatif dalam data orang lain untuk membuat karya seni saya. “
Pada tahun 2018, Broad memulai gelar doktor di bidang Ilmu Komputer di Goldsmiths, University of London. Di sanalah, katanya, bahwa ia mulai berurusan dengan implikasi lengkap dari suara penarikan datanya. “Bagaimana saya bisa melatih model generatif tanpa meniru data? Butuh waktu untuk menyadari bahwa itu adalah oxymoron. Model generatif hanyalah model data statistik yang hanya meniru data yang telah dilatih. Oleh karena itu, saya harus menemukan cara lain untuk membingkai pertanyaan.” Broad segera mengarahkan perhatiannya pada jaringan musuh generatif, atau Gan, model AI yang sangat modis. Dalam GAN konvensional, dua jaringan neuron, diskriminator dan generator, bergabung untuk berlatih satu sama lain. Kedua jaringan menganalisis set data, dan kemudian generator mencoba menipu diskriminator menghasilkan data palsu; Ketika dia gagal, dia menyesuaikan parameternya dan ketika dia berhasil, diskriminator menyesuaikan. Pada akhir proses pelatihan ini, strip perang antara diskriminator dan generator, secara teori, akan menghasilkan keseimbangan ideal yang memungkinkan GAN ini untuk menghasilkan data bersama dengan set pelatihan asli.
Momen Eureka yang luas adalah intuisi bahwa ia dapat mengganti data pelatihan di GAN dengan jaringan generator lain, bepergian ke jaringan pembangkit pertama dan mengarahkan mereka untuk meniru kami. Upaya pertamanya menyebabkan runtuhnya mode dan menghasilkan “tetes abu -abu; tidak ada yang menarik,” kata Broad. Tetapi ketika ia memasukkan istilah hilangnya varians warna dalam sistem, gambar menjadi lebih kompleks, lebih bersemangat. Eksperimen selanjutnya dengan elemen internal GAN lebih lanjut mendorong pekerjaan. “Pintu masuk ke [a GAN] Ini disebut vektor laten. Ini pada dasarnya adalah matriks besar angka, “kata Broad.” Dan Anda dapat melakukan transisi tanpa masalah antara titik yang berbeda di ruang untuk menghasilkan kemungkinan, yang bergerak di sekitar ruang kemungkinan dua jaringan. Dan saya pikir salah satu hal menarik adalah bagaimana hal -hal baru dapat menghasilkan tanpa batas. ”
Melihat hasil awalnya, perbandingan Rothko segera terbukti; Broad mengatakan dia menyimpan gambar-gambar pertama itu di folder berjudul “Rothko-esque”. (Broad juga mengatakan bahwa ketika dia mempresentasikan karya -karya yang mereka pahami (a) keseimbangan stabil Pada konferensi teknologi, seseorang di antara hadirin memanggilnya marah ketika dia mengatakan dia belum memasukkan data apa pun di GAN, dan bersikeras bahwa dia seharusnya melatihnya dalam lukisan lapangan warna). Tetapi perbandingan kehilangan intinya; Kecemerlangan luas terletak pada prosesnya, bukan di pintu keluar. Itu tidak diusulkan untuk membuat gambar Rothko-esque; Diusulkan untuk menemukan kreativitas laten dari jaringan yang dengannya saya bekerja.
Apakah dia berhasil? Bahkan luas tidak sepenuhnya aman. Saat ditanya apakah gambar di dalam (a) keseimbangan stabil Mereka adalah produk asli dari kreativitas “murni” buatan, katanya, “tidak ada representasi eksternal atau karakteristik yang dikenakan pada output jaringan semata, tetapi saya berspekulasi bahwa preferensi estetika pribadi saya memiliki pengaruh dalam proses ini sebagai bentuk” tujuan -pendukung “. Saya juga berpikir mengapa itu menghasilkan apa yang dilakukannya adalah sebuah misteri.
Berbicara dengannya tentang prosesnya dan ketika membaca tesis doktoralnya, salah satu kesimpulannya adalah bahwa, bahkan pada tingkat akademik tertinggi, orang benar -benar tidak mengerti persis bagaimana AI generatif bekerja. Bandingkan alat AI generatif seperti midjourney, dengan penekanan eksklusif Anda pada “rekayasa cepat”, dengan sesuatu seperti Photoshop, yang memungkinkan pengguna untuk menyesuaikan jumlah konfigurasi dan elemen yang hampir tak ada habisnya. Kita tahu bahwa jika kita memberi makan data generatif AI, senyawa dari input ini akan berada di sisi lain, tetapi tidak ada yang benar -benar tahu, pada tingkat granular, yang terjadi di dalam kotak hitam. (Beberapa di antaranya disengaja; catatan luas ironi bahwa perusahaan yang disebut openai sangat rahasia tentang model dan persediaannya).
Eksplorasi luas dari output tanpa masuk menjelaskan proses internal AI, bahkan jika upaya mereka terkadang terdengar lebih seperti lobotomis awal di otak dengan pilihan es daripada eksplorasi yang paling halus dari, misalnya, psikoanalisis. Mengungkap bagaimana model-model ini juga bekerja, menghilangkan mitos, kritikus pada saat techno-optimos dan doomer bekerja di bawah apa yang disebut luas “sial”, “fatamorgana” dari mana yang maha kuasa dan semu. “Kami percaya mereka melakukan lebih dari itu,” kata Broad. “Tapi itu hanya banyak multiplikasi matriks. Sangat mudah untuk masuk dan mulai mengubah banyak hal.”
