Czy sztuczna inteligencja może zastąpić artystów?

MARCIN ZWIERZCHOWSKI: Co ma pani na myśli, kiedy mówi o używaniu maszyn czy sztucznej inteligencji w procesie twórczym?
REBECCA FIEBRINKT: Niektórzy badacze wykorzystują sztuczne inteligencje i uczenie maszynowe tak, by same tworzyły dzieła sztuki, nowe utwory muzyczne itp. Ale jest mnóstwo innych sposobów na wykorzystanie AI w procesie twórczym.

Na przykład?
Chodzi o automatyzację tych aspektów pracy twórczej, które nie wymagają dużych pokładów kreatywności i nie dają twórcom wielkiej przyjemności. Sztuczna inteligencja pozwala skupić się na sferach, w których jako ludzie jesteśmy naprawdę dobrzy. Na przykład oprogramowanie muzyczne Neutron firmy iZotope wykorzystuje dane opisujące zjawiska muzyczne, które wcześniej były bardzo trudne do zrozumienia dla komputerów. Z procesami uczenia maszynowego jest to znacznie prostsze. Możesz więc nagrać jakiś kawałek, a Neutron rozpozna – oczywiście do pewnego stopnia – jakie instrumenty w nim wykorzystano. Na tej podstawie dokona rozsądnej korekty piosenki. Ktoś zupełnie zielony w dziedzinie produkcji muzycznej może otrzymać dobrze brzmiące nagranie. A ludzie, którzy już mają doświadczenie, nie muszą marnować czasu.

Poza tym pracuję nad ulepszeniem komunikacji z maszynami, żeby mogły być swego rodzaju współpracownikami w procesie twórczym. Muzycy i twórcy gier, których spotykam, chcą, by komputer reagował na ludzkie emocje i melodie.

Czytaj też: Jak sztuczna inteligencja może współpracować z ludzką?

Związki AI i uczenia maszynowego z muzykami wydają się szczególnie bliskie.
Powstają nowe instrumenty, na których można grać za pomocą czujników czy kamer. Gdy muzyk porusza się w określony sposób, komputer wydaje dźwięk skrzypiec. Albo śledzi ruch tancerza i zapisuje, co robi. Mamy tu do czynienia z dużym wyzwaniem obliczeniowym, polegającym na pobraniu danych z kamery czy czujników i ocenie, co robi dana osoba. To o wiele trudniejsze, gdy próbujesz od podstaw napisać kod i zbudować cały system komputerowy – łatwiej uzyskać ten efekt, podając mu przykłady. Dzięki maszynowemu uczeniu komputer lepiej rozumie ruch, a cały proces jest łatwiejszy, szybszy i dostępny dla osób, które nie są programistami.

Czytaj też: Czas na instrumenty nowej generacji

To brzmi bardziej jak budowanie kreatywnych narzędzi niż sztucznej kreatywności.
Sądzę, że najszybciej ujrzymy zmiany tam, gdzie ludzie i maszyny lub algorytmy razem pracują nad jakimś zadaniem. Ludzie opisują w internecie zwykłym tekstem, czego im potrzeba, jak ich zdaniem powinien wyglądać interfejs czy strona www. Jeśli mamy dobry model tego, jak ludzie mówią po angielsku i co znaczą poszczególne słowa, stworzenie systemu komputerowego, który na podstawie tego opisu stworzy taki interfejs czy stronę, okaże się całkiem łatwe.

I odwrotnie – na podstawie danych z interfejsów użytkowników i stron www możemy uczyć maszyny na przykładach. Jakie strony są teraz popularne? Jak stworzyć coś, co wygląda rozsądnie, przejrzyście itd.? Możliwości jest wiele.

Czytaj też: Sztuczna inteligencja nagrywa płytę

Jakie są cele projektów, nad którymi pani pracuje? Co można na tym polu osiągnąć?
W bliskiej perspektywie – o ile jako społeczeństwo zdecydujemy, że tego właśnie chcemy, a jako badacze będziemy iść dalej w tym kierunku – sądzę, że będzie łatwiej stworzyć nowe nurty w sztuce czy muzyce albo nowe sposoby interakcji z maszynami i danymi. I to wszystko będzie jak najbardziej w zasięgu zwykłych ludzi.

Jak bliska to perspektywa?
Współpracowałam niedawno z nauczycielami muzyki i terapeutami, którzy wykorzystują muzykę. Chcą stworzyć nowe instrumenty dla dzieci z niepełnosprawnościami. Można zatrudnić inżyniera, zapłacić tysiące dolarów, by zbudował system specjalnie dla nas, a efekt wyjdzie świetny. Ale większości ludzi na to nie stać. Zamiast tego da się wykorzystać uczenie maszynowe, użyć kamery, pada, dowolnego czujnika i powiedzieć: chcę się poruszyć w określony sposób, żeby muzyka zaczęła grać. A jeśli wykonam taki ruch, usłyszę konkretny dźwięk. Po kilku minutach dostajemy użyteczny instrument i możemy bawić się melodią. To już jest możliwe, a takie zdolności maszyn można by wykorzystać także w innych sferach. Potencjał jest bardzo szeroki.

Czytaj też: Czy sztuczna inteligencja zastąpi pisarzy?

Uczenie maszynowe nie wymaga od użytkownika nauki kodowania ani nawet wiedzy o AI. Współpracuję teraz z twórcami gier nad opracowaniem takiego narzędzia, które pozwoli ludziom stwarzać nowe gry wideo. Można sobie wyobrazić takie gry wykorzystujące kamerę i ruch – jak Microsoft Kinect – ale na o wiele większą skalę.

Ludzie robiliby to, co robią dziś tylko technologiczni giganci.
Myślę też o wykorzystaniu uczenia maszynowego jako narzędzia do interpretacji danych, żeby zwykli ludzie mogli bardziej z nich korzystać. Co się stanie, jeśli nauczę się wykonywać podstawową analizę mojego stanu zdrowia na podstawie danych z zegarka czy opaski? Albo danych, które ja i moi znajomi zostawiamy w mediach społecznościowych? Albo takich, które moja organizacja non-profit zbiera od ludzi, z którymi współpracuje? Profesjonaliści już to umieją. Ale ludzie nie potrzebują specjalistycznego szkolenia, żeby wyciągnąć z danych coś dla siebie. Wystarczy dać im lepsze narzędzia i nauczyć podstaw.

Czytaj też: Sztuczna inteligencja na ekranie

Czyli nie chodzi o to, że będzie mniej artystów, bo zastąpią ich komputery. Celem jest raczej to, by więcej osób mogło artystami zostać.
Jak najbardziej. Wydaje mi się, że tego chce większość ludzi. Kreatywność daje radość. Inną niż ta, którą daje oglądanie sztuki czy słuchanie muzyki.

Kiedy maszyny staną się kreatywne?
Są teraz prowadzone liczne ciekawe projekty na ten temat. Częścią wyzwania jest zdefiniowanie, co mamy na myśli, gdy mówimy o kreatywności. Większość algorytmów uczenia maszynowego opracowuje się teraz tak, by umiały uogólniać – na podstawie przykładów działać w szerszych ramach. Jeśli pokażemy algorytmowi 10 tys. zdjęć pokoi dziennych, będzie zapewne w stanie pokazać nam coś, co jest nowym pokojem dziennym. Ale nie będzie się on specjalnie odróżniał od reszty, bo nie nad tym pracował algorytm. Odstępstwa mogą wywoływać w ludziach poczucie braku sensu, bo będą efektem przypadku albo nie będą interesujące.

Powtórzę: kiedy rozważamy, jak można wykorzystać maszyny do wymyślania nowych pomysłów, tworzenia nowych treści, to dochodzimy do wniosku, że jeszcze przez długi czas niezbędny będzie czynnik ludzki. A mnie o wiele bardziej interesuje to, jak doprowadzić specjalistów – albo i niespecjalistów – do takiej współpracy z maszynami, która będzie dla ludzi korzystna. Taka współpraca pozwoliłaby tworzyć nowe rozwiązania, ale i wykorzystać rozumienie świata przez człowieka, jego intuicję co do tego, co jest ciekawe czy istotne.

Czytaj też: Sztuka sztucznej inteligencji

***

Rebecca Fiebrink bada, jak sztuczna inteligencja i nauczanie maszynowe (machine learing) mogą być wykorzystane przez ludzi w procesie twórczym. Zrobiła doktorat z informatyki na Uniwersytecie Princeton. Wykładała m.in. na Goldsmiths University of London.

Przeł. Michał Kubalski. Wywiad został przeprowadzony w ramach wydarzenia Masters & Robots.

Zgłoś naruszenie/Błąd