Sanatta ressamlar yerine yapay zeka algoritmaları yarışıyor
Ekim 2018 tarihinde bir ilk yaşandı. New York’da ünlü Christie’s müzayede evinde, “Portrait of Edmond de Belamy” isminde bir tablo, tahmini fiyatının 45 katına, 432,500 dolara satıldı (http://bit.ly/2uq9HNI). Tablo, bir yapay zeka algoritmasının eseriydi. İlk kez YZ eseri bir tablo müzayede satılıyordu. Kimliği açıklanmayan alıcının telefonla yaptığı bu satın alma, sanat dünyası içinde ve dışında şok yarattı (https://nyti.ms/2HRcWWI). Müzayedelerde manipülasyonlar olabildiği için (örneğin: https://cnn.it/2FssCwI), bu satınalma ile ilgili bazı kuşkular da var ama bunlar konumuzun dışında.
Tabloyu yaratan yapay zeka kodu, bir dizi resimle eğitiliyor. Bu resimlerdeki örüntülerden öğrenerek, yeni imgeler geliştirebiliyor algoritma. Fransız sanatkar grubu, Obvious kendilerinin yazmadıkları, indirdikleri bir öğrenme algoritması ile eğitim resimlerini kullanarak, sonuçlarla biraz oynadıktan sonra, çıkan tabloyu piyasaya göndermişler. Kullandıkları, Generative Adversarial Networks (GAN) (Üretici Hasmane Ağlar diye çevirebiliriz) denen, Cornell Üniversitesi akademisyenlerinin 2014’de geliştirdiği (http://bit.ly/2TSB5TK) bir öğrenme algoritmasıydı.
Geçtiğimiz ay bir ilk daha yaşandı. New York’un çağdaş sanat merkezi Chelsea semtindeki HG Contemporary galerisinde ilk kez solo YZ eserleri sergisi açıldı (http://bit.ly/2USLrzv). Rutgers Üniversitesi bilgisayar profesörü Ahmed Elgammal’ın YZ ile yarattığı sergideki eserlerden birisini, “Faceless Portrait of a Merchant” tablosunu yanda görüyorsunuz.
Fiyatları 6,000 ile 18,000 dolar arasında olan sergideki tabloları yaratmak için, Elgammal’ın ekibiyle beraber geliştirdiği “Creative Adversarial Networks” (CAN) (Yaratıcı Hasmane Ağlar diye çevirebiliriz) algoritması kullanılmış (http://bit.ly/2UTblTR).
GAN ve CAN Algoritmaları
Diğer makine öğrenme algoritmaları gibi, GAN ve CAN da bir eğitici veri seti – bu durumda, belli görsel sanat imgeleri – kullanarak ve bunlardaki örüntülerden çıkarım yaparak öğrendikleri ile yeni imgeler yaratıyor. İkisi de iki sinir ağı içeriyor.
Obvious grubunun kullandığı GAN’daki sinir ağlarından birisi “üretici” (generator), öbürü “ayırt edici” (discerner). Üreticinin çıktısı yeni imgeleri, ayırt edici sinir ağı değerlendiriyor. Yani, bu yeni imgelerin eğitici veri setinden öğrenilen örüntülere uyumlu olup olmadığını belirliyor. Burada, önemli ve zor olan, iyi eğitilmiş bir sistem elde edebilmiş olmak. Gerek GAN algoritmasının ayrıntılarını gerekse GAN’ı iyi eğitmenin zorluklarını anlatan teknik bir yazı için bakınız: http://bit.ly/2UUwEEB.
CAN ise, GAN’daki veri tabanına yerleştirilen imgelerdeki örüntülere benzerliği sağlayan “üretici (generative)” sinir ağı yerine, yeniliğe ve orijinalliğe dayanan “yaratıcı (creative)” sinir ağı içeriyor.
Rutgers Üniversitesi’nde “Arts and Artificial Intelligence Laboratory” (http://bit.ly/2TUEtxG) yöneticisi Elgammal’ın geliştirdiği AICAN, derin öğrenmeye biraz yaklaşıyor. Önce, AICAN’a, çok sayıda başyapıt resim yükleniyor. Algoritma, saygın isim yapmış ressamların bu önemli eserlerindeki fırça darbelerini, görüntüleri, temaları inceleyerek bir veri tabanı oluşturuyor. Burada, adeta sanat stillerinin zaman içerisinde nasıl değiştiğinin teorisi oluşuyor. Var olan bir sanat stilinde belli değişiklikler yaparak yeni bir stilin ortaya çıkmasını tanımlayan bir teori diyebiliriz. Dolayısıyla, AICAN ile, ileriye dönük sanat akımlarını öngörmenin de zamanla mümkün olacağını iddia ediyor Elgammal.
Elgammal, popüler GAN algoritmasının yarattığı resimleri “Bunlar sanat değil, var olanı taklit etmek; ancak kötü sanatçılar bunu yapar” diye eleştiriyor (http://bit.ly/2UTblTR). Öte yandan, YZ’nin yarattığına sanat denebilir mi tartışması da sürüyor (http://bit.ly/2UejiFU).
Konuyu kapatmadan, GAN’ın, dehşet verici yeni gelişme olan “deepfake” yaratılmasında – gerçek kişilerin tamamen aynı imgesinin sahte fotoğraf veya videolarda yer alması – kullanıldığını da belirtelim (http://bit.ly/2WlOTD0).
