ఆర్ట్ అండ్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్‌పై అమాయక ఇంకా విద్యావంతులైన దృక్పథం

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ఈ రోజు చాలా చర్చలకు కేంద్రంగా ఉందనే పరిశీలనపై మనమందరం అంగీకరించవచ్చు, ఇది చాలా సమయోచిత అంశంగా మారుతుంది. కళ, మరొక వైపు, యుగాలుగా ఉంది, మరియు ఇది తరచుగా చారిత్రక భావనగా పరిగణించబడుతుంది. మీరు AI నిపుణుల సలహా లేదా ఈ విషయంపై ఆర్ట్ హిస్టారియన్ అభిప్రాయాన్ని ఆశించినట్లయితే, దూరంగా చూడండి. మీకు లభించేది ఈ అంశంపై AI ఆర్టిస్ట్ వీక్షణ, ఇది అమాయక వీక్షణ, కానీ సమాచారం.

"ఈ ఆవిష్కరణ కళ యొక్క నాసిరకం పొరలను తొలగిస్తుంది"
"కళాకారుడు మరొక యంత్రానికి తాకిన యంత్రంగా మారే ప్రమాదం ఉంది"
“పెయింటింగ్ చనిపోయింది”

కొన్ని సందర్భాలను స్థాపించడానికి, ఈ పదాలన్నీ 1850 సంవత్సరంలోనే వినబడ్డాయి. మరియు అవన్నీ మనకు బాగా తెలిసిన ఒక సాధనం వద్ద సూచిస్తాయి: కెమెరా.

ఆ రోజుల్లో, ఇది కొంతమందికి అర్థమయ్యే విషయం అయినప్పటికీ, ఇది చాలా ప్రాచుర్యం పొందింది.

ఇది చాలా మందికి కలలు కనే విషయం, కాని మేము ఇంతకు ముందే గమనించినట్లుగా, భయానకంగా ఉండే విషయం కూడా.

నేను ఎక్కడికి వెళ్తున్నానో చూడండి?

కృత్రిమ మేధస్సును నిర్వచించడం

మేము AI గురించి మాట్లాడేటప్పుడు, దశను సరిగ్గా పేర్కొనడం చాలా ముఖ్యం. దీన్ని సరళంగా చేద్దాం. AI అంటే ఇదే: తెలివైన వ్యవస్థల తయారీ.

ఆ సమాధానంతో సంతోషంగా లేరా? బాగా, విషయం ఏమిటంటే, AI అంటే ఏమిటో మనకు చాలా స్పష్టంగా ఉంది, అయితే తెలివితేటలు సరిగ్గా నిర్వచించటానికి గమ్మత్తైనవి. ఉదాహరణకు, కుక్క నుండి పిల్లిని గుర్తించడంలో ఉండే పని. ప్రతి అంశానికి ఏ లక్షణం సాధారణమో గుర్తించడం, ఉదాహరణల నుండి సాధారణ నియమాలను రూపొందించడం మరియు పోల్చడం నిర్వహించడం అవసరం. ఇప్పుడు, దీర్ఘకాలంలో వాస్తవికతను మెరుగుపరచడానికి వర్తించే లోతైన సైద్ధాంతిక గణిత సమస్యను పరిష్కరించడానికి అవసరమైన పనిని తీసుకోండి. మీ రివార్డ్ సర్క్యూట్‌కు ఆహారం ఇవ్వడానికి బదులుగా ఈ సమస్యపై దృష్టి పెట్టడానికి ఎంపిక చేసుకోవటానికి మరొక స్థాయి తెలివితేటలు అవసరం. చివరికి, ఈ సమస్యలన్నింటికీ సమాధానం ఇచ్చే నిర్మాణ వ్యవస్థలను AI లక్ష్యంగా పెట్టుకుంది.

AI ని నిర్వచించడానికి మంచి మార్గం ఏమిటంటే, మనం ప్రస్తుతం ఏమి చేయగలుగుతున్నామో చెప్పడం. ఈ రోజు, యంత్ర అభ్యాసాన్ని ఉపయోగించి, మేము సాధారణ మానవ పనులను అల్గోరిథంలతో (గణాంక పద్ధతులు మరియు డేటా ఆధారంగా సూచనల సమితి) ప్రతిబింబించగలుగుతాము. మేము ఈ అల్గారిథమ్‌లను ఆప్టిమైజ్ చేయడానికి (సంక్లిష్ట గణనలను చేయడం ద్వారా) లేదా స్కేల్ చేయడానికి (ఉదాహరణ కోసం చాట్‌బాట్‌లతో) ఉపయోగిస్తాము, అయినప్పటికీ ఆ రెండు భావనలు ఒకదానితో ఒకటి అనుసంధానించబడి ఉంటాయి. డేటాలోని సాధారణ లక్షణాలను గుర్తించడం ద్వారా అల్గోరిథంలు నేర్చుకోవచ్చు మరియు దానిని విశ్లేషించడంలో మానవులకన్నా వేగంగా ఉంటాయి. మేము దీనిని ఆగ్మెంటెడ్ ఇంటెలిజెన్స్ అని పిలుస్తాము. మేము అద్భుతంగా చెప్పడానికి ఇష్టపడే AI కి చాలా దూరంగా ఉన్నాము మరియు స్టార్టప్‌లు, ప్రభుత్వాలు మరియు కంపెనీలు వారి స్థిరమైన ఆవిష్కరణ ప్రమోషన్‌తో మనలను నింపినప్పుడు ప్రతిధ్వనించే ఆలోచన.

స్పష్టమైన వద్ద పనిచేయడం AI మరియు దాని అవకాశాలతో సన్నిహిత సంబంధాన్ని కలిగి ఉంటుంది.

కళ: ప్రయోగాల పరిపూర్ణ భూమి

ఈ విచారణలను కళ ద్వారా అన్వేషించాలని నిర్ణయించుకున్నాము. ఎందుకు? కళ అనేది ఒక AI యొక్క అవకాశాలతో ప్రయోగాలు చేయడానికి మరియు ఇవన్నీ ఎలా పనిచేస్తాయో బాగా అర్థం చేసుకోవడానికి అనుమతించే పరిపూర్ణ మాధ్యమం. మా పరిశోధనలో సహాయకరంగా ఉన్నట్లు మేము గుర్తించిన నాలుగు కళ లక్షణాలు ఇక్కడ ఉన్నాయి.

కృత్రిమ మేధస్సును ఉపయోగించి సృష్టించబడిన ఒక కళాకృతి “లా కామ్టెస్ డి బెలామి”

కళ స్పష్టంగా ఉంది: ఇది కొన్ని దృ results మైన ఫలితాలను అందిస్తుంది.

ఇది ప్రాప్యత చేయగలదు: చాలా మందికి ఒకరకమైన కళతో అనుబంధం ఉంటుంది.

కళ అర్థమయ్యేది: ఇది ప్రయోగానికి మరో మార్గాన్ని అందిస్తుంది మరియు మీరు పూర్తిగా శాస్త్రీయ క్షేత్రాన్ని పొందగల సమాధానాల వలె కనీసం ఆసక్తికరంగా ఉండే చర్చలకు దారితీస్తుంది.

కళ ఉచితం, దానితో అనుభవించేటప్పుడు అది మన స్వంత సృజనాత్మకతతో నిరోధించబడదు.

అందువల్ల, AI ఒక AI మరియు దాని పరిమితుల ద్వారా వ్యక్తీకరించినట్లుగా సృజనాత్మకతతో ప్రయోగాలు చేయడానికి సరైన మార్గం అనిపించింది.

కళ గురించి మాట్లాడేటప్పుడు, మన చుట్టూ కనిపించడం ప్రారంభించే అన్ని రకాల అనువర్తనాలను మేము పరిశీలిస్తాము. మానవ మరియు యంత్రాలు, కవితలు, స్క్రిప్ట్‌లు, సాహిత్యం, ట్రైలర్‌లు మరియు అల్గోరిథంలు రూపొందించిన చిత్రాల మధ్య సహకారం ద్వారా సంగీతం. ఈ ప్రాజెక్టులన్నీ సృజనాత్మకత ప్రక్రియలో కొంత భాగాన్ని భర్తీ చేస్తాయి. వాటిలో ప్రతి ఒక్కటి మానవ జోక్యం స్థాయిలో భిన్నంగా ఉంటాయి. మొత్తం ప్రక్రియ స్వయంచాలకంగా తయారైన తర్వాత, సృజనాత్మకంగా ఉండగల ఒక యంత్రాన్ని మనం సృష్టించాము, అదే విధంగా మానవుడు కూడా ఉంటాడు.

సృజనాత్మకతను ప్రతిబింబిస్తుంది

ఆ సృజనాత్మకత ప్రక్రియపై దృష్టి పెడదాం. దీన్ని బాగా అర్థం చేసుకోవటానికి, మనల్ని మనం ఒక అల్గోరిథం గా imagine హించుకోవాలి, దీనికి మొదటి నుండి చిత్రాన్ని రూపొందించమని అడుగుతారు. ఈ ఉదాహరణ ఒక పద్యం, సంగీతం లేదా మరేదైనా సృజనాత్మక కళ యొక్క సృష్టికి విస్తరించదగినది.

మీరు చీకటిలో ఉన్నారు. దృష్టి, వినికిడి లేదా స్పర్శ భావన లేదు. ఎక్కువగా అవుట్పుట్ కిందిది.

ఇప్పుడు మీరు దృష్టికి ప్రాప్యత పొందుతారని imagine హించుకోండి. ఇది కంప్యూటర్ దృష్టిని ఉపయోగించి జరుగుతుంది, ఇది పిక్సెల్ ద్వారా పిక్చర్ పిక్సెల్‌ను విశ్లేషించడానికి మరియు కొన్ని రూపాలు మరియు రంగులను బయటకు తీయడానికి ఒక యంత్రాన్ని అనుమతిస్తుంది. ఇది అభ్యాస ప్రక్రియ యొక్క ప్రాతిపదికన ఉంది, ఎందుకంటే ఇది డేటాకు అల్గోరిథం ప్రాప్యతను ఇస్తుంది, ఇది మనం ఆహారంగా సమీకరిస్తాము.

ఇప్పుడు, ఒక చిత్రం మాకు చూపబడింది. ఈ ఇన్పుట్ నుండి, అల్గోరిథం కలిగి ఉన్న ఏకైక సూచనను సూచిస్తున్నందున, అదే చిత్రం అదే అవుట్పుట్.

ఇప్పుడు మీరు ఈ అల్గోరిథంకు ఒకటి కంటే ఎక్కువ చిత్రాలను చూపిస్తే. ఇది సాధారణ లక్షణాలపై నేర్చుకోవడం ప్రారంభించవచ్చు మరియు దిగువ చిత్రీకరించిన చిత్రాన్ని పోలి ఉండే చిత్రాన్ని రెండర్ చేస్తుంది.

అదే పద్ధతిలో, జనరేటివ్ అడ్వర్‌సేరియల్ నెట్‌వర్క్‌లు (GAN లు) పదివేల చిత్రాలను విశ్లేషిస్తాయి, వాటి లక్షణాల నుండి నేర్చుకుంటాయి మరియు అసలు డేటా మూలం నుండి వేరు చేయలేని కొత్త చిత్రాలను సృష్టించే లక్ష్యంతో శిక్షణ పొందుతాయి. ఈ నమూనాలు సంబంధితమైన ఏ చిత్రాన్ని అయినా బహిష్కరించగలవు (అనగా ఇతరులతో సమానంగా తగినంత లక్షణాలు లేవు).

అవి కొత్తదనం అనే భావనను కూడా పునరుత్పత్తి చేస్తాయి. అదే ఇన్‌పుట్‌లతో కూడా, అల్గోరిథం ప్రతిసారీ వేరే ఫలితాన్ని ఇస్తుంది. ఇది మానవ సృజనాత్మకత లక్షణాన్ని ప్రతిబింబిస్తుంది: మనం ఒకేలా రెండుసార్లు ఒకేలా సృష్టించము, ఎందుకంటే ఒకరిని ఏదో ఒకటి, రెండుసార్లు, ఒకే సమయంలో సృష్టించమని అడగడం అసాధ్యం. ప్రతి ప్రభావ కారకం యొక్క ఆలోచన ఆ రెండు క్షణాల మధ్య మారిపోతుంది.

ఇప్పుడు విషయాలు ఆసక్తికరంగా చేద్దాం. అందంగా ఉన్న చిత్రాన్ని రూపొందించమని అడిగినట్లు ఆలోచించండి. అందం ఒక ఆత్మాశ్రయ విలువ, దీనికి సరైన లేదా తప్పు సమాధానం లేదు. కానీ గణాంకపరంగా సరైనది ఒకటి. ఇన్పుట్ (లేదా ఆహారం) గా పనిచేసే చిత్రాలపై లేబుల్స్ (మెటా-డేటా) ఉంచడం ఒక ఎంపిక. ఏ చిత్రాలను ఎక్కువగా ఆస్వాదించారో మీరు నాకు చెప్పగలిగితే, నేను ఈ చిత్రాలపై నా శిక్షణను పెంచుకోగలను మరియు వాటికి దగ్గరగా ఉండే చిత్రాన్ని సృష్టించగలను.

ఇష్టాలు మరియు అయిష్టాలతో ఇన్‌పుట్ చిత్రాలను లేబుల్ చేయడం

మేము ఇప్పుడు అత్యంత సైద్ధాంతిక రంగంలోకి ప్రవేశిస్తున్నాము. ఉపయోగకరమైనదాన్ని సృష్టించమని మీరు నన్ను అడిగితే. ఒక చిత్రం ఉత్పత్తి చేయగల అనేక సూక్ష్మ నైపుణ్యాలను నేను అర్థం చేసుకోవాలి. జ్ఞాపకాలను తిరిగి తీసుకురావడం, సందేశం, తండ్రి నవ్వు లేదా విచారం గుండా వెళుతుంది. లేబుళ్ళతో ఆ కష్టాన్ని ఎదుర్కోవడాన్ని మనం can హించగలము, కాని మనకు చాలా ప్రత్యేకమైనవి మరియు ఆ చిత్రాలపై పెద్ద మొత్తంలో సమాచారం అవసరం.

భావోద్వేగాలతో ఇన్‌పుట్ చిత్రాలను లేబుల్ చేయడం

చివరగా, మీరు నా వ్యక్తిత్వాన్ని ప్రతిబింబించే ఏదో సృష్టించమని అడిగితే. నేను నా నిర్దిష్ట వ్యక్తిత్వ లక్షణాలను అభివృద్ధి చేసి గుర్తించాలి మరియు ఆ లక్షణాలను ప్రతిబింబించడానికి మరియు వీక్షకుడిపై ఆశించిన ప్రభావాన్ని పొందడానికి గ్రాఫిక్ కంటెంట్‌తో పరస్పర సంబంధం కలిగి ఉండాలి. మేము దీన్ని చేయలేకపోయాము.

సృజనాత్మకతతో గందరగోళానికి గురిచేసే నమూనాలు GAN లు మాత్రమే కాదు, అవి అధిక-డైమెన్షనల్ డేటా పంపిణీలను మోడల్ చేయగలవు కాబట్టి అవి శాస్త్రీయ సమాజం నుండి దృష్టిని ఆకర్షిస్తున్నాయి.

మీరు గమనిస్తే, సృజనాత్మకతను దశల్లో విభజించవచ్చు, ఇవి చాలా క్లిష్టంగా ఉంటాయి. ప్రస్తుతానికి, మార్గంలో ఉన్న అన్ని దశల గురించి మాకు తెలియదు మరియు మేము వాటిని అల్గారిథమ్‌లతో ప్రతిబింబించగలము.

ఏదేమైనా, మేము ప్రత్యేకమైన చిత్రాలను సృష్టించగలుగుతున్నాము, అవి క్రొత్తవి మరియు నిజమైన వాటికి సమానంగా ఉంటాయి. ఈ ఆవిష్కరణ విస్తృత శ్రేణి వ్యాపార అవకాశాలను తెరిచే అవకాశం ఉంది.

భవిష్యత్తు ఏమిటి?

ఈ మోడళ్ల యొక్క పరిణామాలను at హించడంలో షాట్ ఇవ్వడానికి, ఫోటోగ్రఫీ యొక్క రూపాన్ని ఆర్ట్ మార్కెట్ మరియు సమాజంపై ఎలా ప్రభావితం చేసిందో మనం తిరిగి చూడవచ్చు.

ఫోటోగ్రఫి పునరుత్పత్తి ప్రక్రియను ఆటోమేట్ చేసింది. ఇది కాపీరైట్ ఆర్టిస్ట్ వంటి వృత్తులపై గొప్ప ప్రభావాన్ని చూపింది, ఇది భూమి యొక్క ఉపరితలం నుండి దాదాపుగా కనుమరుగైంది. మరొక వైపు, ఇది కొత్త తరం సృజనాత్మకతలను చూసింది: ఆర్టిస్ట్ ఫోటోగ్రాఫర్స్. ఈ సాధనం యొక్క ప్రజాస్వామ్యీకరణకు దారితీసిన సృజనాత్మకత పేలడానికి మీరు మీ ఇన్‌స్టాగ్రామ్‌ను మాత్రమే తెరవాలి.

ఇప్పటికీ ఉన్న పురాతన ఛాయాచిత్రం

ఫోటోగ్రఫి శాస్త్రీయ కళ యొక్క నిబంధనలను కూడా అవలంబించింది మరియు అలా చేయడం ద్వారా ఆర్ట్ మార్కెట్లోకి ప్రవేశించింది.

AI అదే పని చేయడంలో విజయవంతమైతే, సమీప భవిష్యత్తులో AI కళాకారులు చాలా సాధారణం అవుతారని మనం can హించవచ్చు. మరియు వారు ఇప్పటికే ప్రపంచవ్యాప్తంగా కనిపిస్తున్నారు. ప్రస్తుతానికి, ఆ సాధనాలను నిర్వహించడానికి అరుదైన మరియు ఖరీదైన నైపుణ్యాలు అవసరమవుతాయి, కాని రేపు ఈ నైపుణ్యాలు జనాభాలో విస్తృతంగా వ్యాప్తి చెందుతాయని మేము can హించగలము మరియు దానికి ప్రాప్యతనిచ్చే విధంగా సాఫ్ట్‌వేర్‌లు అభివృద్ధి చేయబడతాయి.

ఇప్పుడు, మీరు నన్ను అడిగితే:

“AI రేపటి కళాకారుడిగా ఉంటుందా”,

నేను సమాధానం చెప్పడానికి శోదించబడతాను:

“కెమెరా నేటి కళాకారులా?”.

అది కాదు. AI అనేది ఒక కొత్త సాధనం, ఇది మానవుల సృజనాత్మక సామర్థ్యాన్ని పెంచడానికి అనుమతిస్తుంది. ఏదేమైనా, మొదటిసారి, మానవులు తమ సాధనం యొక్క సృజనాత్మక సామర్థ్యాన్ని పెంచే అవకాశం కూడా ఉంది.

ప్రకృతి దృశ్యాలపై GAN లకు శిక్షణ ఇవ్వడం ద్వారా మేము సృష్టించిన కళాకృతి

AI తో, సృజనాత్మక ప్రక్రియ యొక్క భాగాలు ఆటోమేటెడ్ అవుతున్నాయి. మరియు ఆ భాగాలు తక్కువ సంక్లిష్టమైనవి.

క్రొత్త సృజనాత్మక పనులు కనిపిస్తున్నాయి మరియు సృజనాత్మకత త్వరలో కొత్త సాధనం, అల్గోరిథమిక్ పెన్సిల్, బ్రష్, డ్రమ్ ప్యాడ్ కలిగి ఉంటుంది, ఇది వారి చేతుల్లో సృజనాత్మక యంత్రాన్ని కలిగి ఉండటానికి మరియు సామర్థ్యాన్ని పొందటానికి అనుమతిస్తుంది.

సైన్స్ నిజం కోసం శోధిస్తుంది, మనం వినాలనుకునే దాని కోసం కాదు. ఈ సాంకేతిక పరిజ్ఞానాలను మేము తయారుచేసే అనువర్తనాలు భవిష్యత్తును రూపొందిస్తాయి. ఆ దరఖాస్తులను మంచి ఇష్టంతో తయారు చేయాలి. ఇప్పుడు, మేము అమాయక ప్రశ్నకు సమాధానం కోసం చూస్తున్నట్లయితే:

"AI లు మానవులను భర్తీ చేస్తాయా?"

ఒక విద్యావంతులైన సమాధానం ఏమిటంటే, సరైన సంకల్పంతో, AI లు నేటి మానవులను భర్తీ చేస్తాయి, రేపటి మానవులను వారు ఎంచుకునే విధంగా, కళాకారులలాగా కొంచెం ఎక్కువ చేయడం ద్వారా అభివృద్ధి చెందడానికి వీలు కల్పిస్తుంది.

స్పష్టంగా, కాదా?