Hvad algoritmisk art kan lære os om kunstig intelligens

Vi lever i en verden, der i stigende grad styres af, hvad der kan kaldes “den algoritmiske blik.” Som vi afstå mere beslutningskompetence til de maskiner, i områder som sundhed, transport og sikkerhed, er den verden, som det ses af computere, der bliver den dominerende virkelighed. Hvis en facial recognition system ikke kan genkende farven på din hud, for eksempel, at det ikke vil anerkende din eksistens. Hvis en selvkørende bil, kan ikke se dig gå på tværs af vejen, det vil køre lige igennem dig. Det er den algoritmiske blik i aktion.

Denne form for slow-burning strukturelle ændringer kan være vanskelige at forstå. Men som det så ofte er tilfældet med de samfundsmæssige forskydninger, kunstnere er springe hovedkulds ud i den epistemologiske kampen. En af de bedste af disse er Tom Hvid, lektor i computational design på University of Wellington i New Zealand, hvis kunst skildrer den verden, ikke som mennesker ser det, men som algoritmer gøre.

Hvid udskrifter udsætte verden, som den ses af algoritmer

Hvid begyndte at lave denne form for kunst i slutningen af 2017 med en serie af billeder, der kaldes “Forræderi ImageNet.” Det navn, der kombinerer den titel, af René Magritte ‘ s berømte maleri af en pibe, som ikke er en pibe, og ImageNet, en database af billeder, der bruges i hele branchen til at træne og teste maskinen vision algoritmer. “Det virkede som en naturlig parallel til mig,” White fortæller The Verge. “Plus, jeg kan ikke modstå et ordspil.”

Til mennesker, de billeder, der ligner tilfældige arrangementer af linjer og klatter, som ikke har nogen umiddelbar indlysende struktur. Men til algoritmer uddannet til at se verden på vores vegne, de springer fra den side, som bestemte objekter: el-fans, symaskiner, og plæneklippere. Udskrifterne er optiske illusioner, men det er kun computere, kan se det skjulte billede. (I videoen ovenfor kan du se, hvordan Hvid udvikler disse billeder, plus hvordan Randen medarbejdere gjorde i gætte, hvad de viser.)

Gittervisning

• 

  En elektrisk ventilator

• 

  En kikkert

• 

  En cello

• 

  Sæt kryds

• 

  Et billede, der er mærket som “upassende indhold”, som online-filtre

• 

  Og en anden

White ‘s arbejde har tiltrukket en masse opmærksomhed i machine learning fællesskab, og det er at få sin første store galleri vis denne måned som en del af en udstilling af AI kunst i Indien i Delhi’ s Nature Morte galleri. White siger, at han designer sine udskrifter til at “se verden gennem øjnene på en maskine” og gøre “en stemme for den maskine at tale på.”

At “stemme” er faktisk en række af algoritmer, at Hvid har kaldt hans “Opfattelse af Motorer.” De tager de data, der machine vision algoritmer er uddannet på — databaser med tusindvis af billeder af genstande og destillere det til abstrakte former. Disse figurer er så ført tilbage til den samme algoritmer til at se, om de er anerkendt. Hvis ikke, billedet er sammenknebne og sendes tilbage, igen og igen, indtil det er. Det er en trial and error proces, der i det væsentlige ender reverse-engineering algoritme forståelse af verden.

Hvid sammenligner processen for at en “computational ouija bord”, hvor neurale netværk “samtidigt puf og skub en tegning mod målet.” Han fortæller The Verge, at denne metode giver ham den kontrol han ønsker at få ud af produktionen, selvom det kan tage dage at oprette et enkelt billede på denne måde, og han erkender, at processen er “lidt kedelig.”

I modsætning til nogle kunstnere, der arbejder med machine learning, Hvid ikke foregive, at han udskriver, er produktet af en nogle autonome AI (en tilsnigelse fortælling, nogle gange skubbet af kunstnere og projektledere med henblik på at skabe en følelse af teknologisk mystik). I stedet, han er op foran om sin rolle: han sætter en række starter parametre for hans opfattelse af motorer, ligesom farver og tykkelse af linjer, og winnows output, afviser udskriver, at han ikke finder æstetisk tiltalende. Selv om han giver sin algoritmer en stemme til at tale i, han er også at sikre de resultater, der er behageligt at høre. “Jeg tror, jeg prøver at frigøre den algoritme, så det kan udtrykke sig selv, så folk kan forholde sig til, hvad det er at sige,” siger han.

Og hvad er det i siger? Tja, som med enhver anden kunst, forskellige mennesker kan høre forskellige ting.

“Når så meget af vores arbejde er erstattet af maskiner, hvad der er tilbage for os at gøre?”

Se nogle af de billeder lavet af Hvide og hans kammerater som et dårligt varsel, et andet tegn på, at kunstig intelligens er ikke kun blevet klogere, men begynder at tænke kreativt og tage på roller, der er forbeholdt mennesker. Karthik Kalyanaraman, den ene halvdel af datasikring team er ansvarlig for Nature Morte udstilling, fortæller Randen af e-mail, som han arrangerede, at de viser, at henlede opmærksomheden på, at den “uundgåelige” spørgsmål, vi står over for, om fremtiden for menneskeheden. “Når så meget af vores arbejdskraft (manuel, mentale, følelsesmæssige, kunstnerisk) er erstattet af maskiner, hvad der er tilbage for os at gøre?” spørger han. “Hvordan skal vi definere os selv?”

Kalyanaraman tyder på, at kunst lavet med AI viser, at computere kan fortjener kredit som kreative aktører. Den type af machine learning, der anvendes ved White og hans kolleger arbejder ved sigtning gennem store mængder af data og derefter gentage de mønstre, som det finder. Kalyanaraman tyder på, at dette svarer til den proces, hvor mennesker lærer kunst, men at vores “mystik” omkring begrebet kreativitet stopper os fra at se parallellerne. “Hvis en maskine, der kan gøre menneskeligt overraskende, stilistisk nye former for kunst, jeg synes, det er dumt at sige, jamen det er ikke rigtig kreativ, fordi det ikke har bevidsthed,” siger han.

Andre frame spørgsmålet i mere hensynsløse økonomiske vilkår. At skrive for moderne kunst magasin frise, Mike Pepi foreslår fremme af AI kreativitet er væsentlige propaganda for virksomhedens interesser. Pepi siger, at til trods for “utopisk prognosticering,” udviklingen af kunstig intelligens i sidste ende om at erstatte menneskelig arbejdskraft, herunder white-collar jobs, der har brug for kreative evner. Siger Pepi: “Hvis maskinen intelligens kan erobre dette unikt menneskelige rige, marts til kunstig generel intelligens skal være nærværende, og overskuddet utænkelig.”

White siger, at hans motivation er først og fremmest at dekonstruere hvad vi tænker på som maskine opfattelse. Med andre ord: at forklare den algoritmiske blik. Tag eksemplet med cello print i Hvid ‘ s serie “Forræderi ImageNet.” Hvis du ved, hvad du leder efter, kan du se figurer, der repræsenterer instrument (en klynge af lige, parallelle linjer slået i hartkorn med kurver). Men der er også en forvirrende form, der lurer bag det. White siger, at disse figurer er der, fordi de algoritmer, der var uddannet ved hjælp af billeder af celloer med cellister, der holder dem. Fordi den algoritme, der ikke har nogen forudgående viden om verden — ingen forståelse for, hvad et instrument, der er eller ethvert begreb af musik eller præstationer — det naturligt grupperede de to sammen. Efter alle, det er hvad det er blevet bedt om at gøre: at lære, hvad der er på billedet.

Denne slags fejl er almindelig i machine learning, og det viser, at en række vigtige erfaringer. Det viser, hvor vigtig træning data er: at give et AI-system til den forkerte data, at lære af, og det vil lære de forkerte ting. Det viser også, at uanset hvor “begavet” af disse systemer synes, de har en skør intelligens, der kun forstår et udsnit af verden — og endda, at ufuldkomment. Hvid ‘ s nyeste prints for Nature Morte galleri, for eksempel, er abstrakte pletter af farve, der er designet til at blive markeret som “upassende indhold” af Googles algoritmer. De samme algoritmer, der anvendes til at filtrere, hvad mennesker at se rundt omkring i verden.

Stadig, White siger, at han ikke kan se hans kunst som en advarsel. “Jeg prøver bare at fremlægge de algoritmer, som de er,” siger han. “Men jeg skal indrømme, at det nogle gange er alarmerende, at disse maskiner, vi er afhængig af at have en så forskellige bud på, hvordan objekter i verden, er jordet.”

Og på trods af den fejlbehæftede karakter af algoritmisk blik, det kan også gøre meget gavnlig ting. Machine vision kunne gøre verden til et mere sikkert sted ved at styre biler sikkert på veje eller til at redde liv ved at fremskynde medicinske diagnoser. Men hvis vi virkelig ønsker at bruge denne teknologi til gode, er vi nødt til at forstå det bedre. At se på verden gennem en algoritme øjne kan være det første skridt.

Randen Videnskab på YouTube

Base for vores udforskning i fremtiden for videnskab.

Abonnement!

Update November 6, 2018 10:00AM til ET: Denne artikel blev oprindeligt udgivet på August 21, 2018 og er blevet opdateret til at omfatte video.