Муза и алгоритм. Создают ли нейросети настоящее искусство?

Оглавление

Лев Наумов. Муза и алгоритм. Создают ли нейросети настоящее искусство?

Часть I. Утро нового дня

Какая разница – создают или нет?

Сумма технологии: нейронные сети, ложь и живопись

Искусство – имя существительное…

Основной инстинкт восприятия искусства

Часть II. Нейросети рисуют

Первые опыты, первые результаты

Визуальная поэзия. Мысли о смысле, замысле и бессмысленности

Нейросети и красота. Искусственный интеллект – ретроград и консерватор? Возможно ли нейробарокко?

Магнетизм прекрасного и нейрофизиология красоты

Наука красоты

Красота – неотъемлемый признак искусства?

Существуют ли нейродуша, нейроличность, нейрочувства, и так ли это важно?

Могут ли нейросети создавать “новое”?

Нейросети и “авторский стиль”. Проблема “автора”

Часть III. Нейросети не только рисуют

Взыскательный нейрокритик или сбывшаяся мечта искусствоведа

Логотектон. Целеполагание в искусстве. Нейросеть как модель души

Можно ли назвать работу с нейросетями творчеством?

Несколько преждевременных выводов о нейромодернизме и не только

Так радоваться или грустить?

Благодарности

Иллюстрации

Отрывок из книги

Я очень хорошо помню то утро: моя подруга… Мы почему-то всё время называли друг друга лучшими друзьями, хотя это было довольно смешно. В общем, я помню, как она стояла у окна на цыпочках, опираясь о подоконник, и тянулась вверх, словно весенний цветок навстречу яркому, почти уже белому солнцу. Такая тонкая… Должен признаться, что, когда она стояла вот так, я её практически не слушал, но на этот раз произнесённые слова всё-таки достигли моего сознания:

– Знаешь, я подумала, что искусственный интеллект, этот твой ChatGPT, о котором ты всё время говоришь, – это же моя сбывшаяся детская мечта.

.....

На первых порах он оценивает каждый прецедент функционирования “своих подопечных”, и если результат соответствует входным данным и поставленной задаче, то веса всех задействованных для его получения синапсов увеличиваются, а если нет – уменьшаются. Таким образом, модель “изучает” ту предметную область, в которой ей предстоит работать, – получает “профессиональное образование”. В результате она обобщает поступающие данные, находит закономерности, что впоследствии позволит ей делать прогнозы и принимать решения. Аналогичным образом закономерности запечатлеваются и в нашем мышлении, хоть порой мы и не отдаём себе отчёта, когда руководствуемся ими.

Такова отличительная черта систем так называемого “глубокого обучения”: подобные нейронные сети можно именно “натренировать”, “привить” им определённые представления о мире, которые лягут в основу их последующей работы. При этом в них нет фиксированного алгоритма решения задач конкретного типа – они тренируются под задачи.

.....