Код креативности. Как искусственный интеллект учится писать, рисовать и думать

Интересно отметить, что оба художника посещали Академию Сюиса[56], где и подружились, и эта дружба породила некоторые заметные пересечения в их творчестве.

Группа из Ратгерского университета решила выяснить, сумеет ли ее алгоритм найти в истории искусств моменты резких всплесков творческой энергии, в которые появлялось нечто новое, невиданное до этого. Сможет ли он распознать картины, которые ломали установившиеся стандарты и становились провозвестниками новых стилей живописи? Одни художники постепенно раздвигают пределы существующих традиций, а другие создают радикально новые стили. Способен ли алгоритм определить момент зарождения кубизма или искусства барокко?

Алгоритм уже представил все картины точками, распределенными по многомерному графику. Если добавить к этому графику еще одно измерение – время – и отметить моменты создания этих картин и алгоритм отметит огромное изменение положения картин в многомерном пространстве при продвижении по этой оси времени, будет ли такой скачок соответствовать моменту, который историки искусства назвали бы революцией в творчестве?

Взять, к примеру, «Авиньонских девиц»[57] Пикассо – картину, которая перевернула, по мнению многих, существовавшие до нее стандарты. Когда «Девицы» впервые были выставлены в Париже в 1916 году, реакция на это полотно была чрезвычайно враждебной – как и следует ожидать в случае революционных изменений эстетики. Рецензия, напечатанная в журнале Le Cri de Paris, заявляла: «Кубисты открывают военные действия против здравого смысла, не дожидаясь войны». Но вскоре эта картина уже была признана поворотной точкой в истории искусства. Всего несколько десятилетий спустя художественный критик газеты New York Times писал: «Одним ударом она бросила вызов искусству прошлого и неумолимо изменила искусство будущего». Интересно отметить, что алгоритм тоже сумел заметить радикальное изменение положения этого полотна на многомерном графике по сравнению с современными ему произведениями и определить с высокой вероятностью, что оно резко отличалось от всего, созданного ранее. Может быть, алгоритмы вскоре отодвинут на задний план и художественных критиков New York Times.

Алгоритм-дискриминатор группы из Ратгерского университета подобен специалисту по истории искусств, который может оценить, относятся ли те или иные картины к общепризнанным, уже существующим стилям, и заметить, когда в них появляется нечто новаторское. Его соперник, алгоритм-генератор, должен создавать новые работы, отличные от существующих, но признаваемые произведениями искусства. Чтобы разобраться в проблеме нахождения нового, но не слишком нового, Эльгамаль углубился в идеи психолога и философа Д.Э. Берлайна, который утверждал, что для изучения эстетических явлений особенно важна психологическая концепция «возбуждения». Берлайн считал, что к наиболее существенным возбуждающим свойствам эстетики относятся новизна, неожиданность, сложность, неоднозначность и способность озадачивать или запутывать. Тонкость заключается в том, что произведение должно быть новым и удивительным, но не отклоняться от ожидаемого настолько, чтобы возбуждение переросло в отторжение из-за чрезмерной необычности результата.

Эта идея отражена в так называемой кривой Вундта. Если окружающие нас произведения искусства слишком привычны, это вызывает безразличие и скуку. Именно поэтому художники в своей работе никогда по-настоящему не останавливаются на достигнутом: художника (а впоследствии и зрителя) возбуждает нечто отличное от уже знакомого. Но стремление к возбуждению или диссонансу не должно быть слишком сильным, чтобы не попасть на спадающую ветвь кривой Вундта. Художник стремится достичь максимальной гедонистической ценности.

Эльгамаль и его сотрудники запрограммировали свой алгоритм-генератор так, чтобы у него был стимул создавать произведения, стараясь попасть на этот пик кривой Вундта. Ему нужно было стараться максимизировать отличия, в то же время не отходя слишком далеко от стилей, признанных в мире искусства приемлемыми. А алгоритм-дискриминатор должен был сообщать алгоритму-генератору, находит ли он работу слишком вторичной или, наоборот, экстравагантной настолько, что ее нельзя считать произведением искусства. Каждое такое суждение изменяло параметры алгоритма-генератора. Так и работает машинное обучение: алгоритмы изменяются по мере получения новых данных, обучаясь на реакции на свои действия. Разработчики надеялись, что такой двунаправленный обмен информацией приведет алгоритмы к созданию новых произведений, которые попадут в то самое желанное место на кривой Вундта. Эльгамаль называет такие системы творческими состязательными сетями.