چگونه هنر مبتنی بر هوش مصنوعی تکامل پیدا کرد؟

پیشرفت زمانی 5000 ساله هنرمندانی که از هوش مصنوعی استفاده می‌کنند، از اینکاهای باستان تا شبکه‌های متخاصم مولد!

در مقاله‌ی حاضر، برخی از نخستین پیشرفت‌ها و جنبش‌های کلیدی در این زمینه، شناسایی شده‌اند.

اصطلاح “هوش مصنوعی” با دهه‌ها داستان علمی-تخیلی رویاپردازی شده است. ماشین‌هایی که قادر به تفکر آزادانه، یادگیری مستقل و شاید حتی تجربه احساسات هستند، به اشکال مختلف تصویر شده‌اند، چه به شکل ربات‌های خیرخواه مانند WALL-E و چه در فرم بدخواهانه مانند HAL-9000. پس شاید تقصیر ما نباشد که وقتی در مورد استفاده از هوش مصنوعی در هنر می‌شنویم، ممکن است چیزی را تصور کنیم که در واقع تصوری اشتباه از فناوری باشد.

موجودیت افسانه‌ای که ما به عنوان مغز متفکر پشت چنین آثار هنری تصور می‌کنیم همان چیزی است که امروزه محققان آن را “هوش عمومی مصنوعی” می‌نامند، و در حالی که فناوران، به طور فعال در حال کار کردن در این زمینه هستند، هنوز این موجودیت “واقعا” وجود ندارد. هنرمند و محقق حوزه‌ی هوش مصنوعی، امیلیا وینگر-بیرسکین گفت:

من فکر می‌کنم بسیاری از مردم دوست دارند تا حدودی ویژگی‌های معنوی به هوش مصنوعی نسبت دهند. از آنجایی که چیزی فراتر از توانایی‌های بشری  است، چیزی که از این نظر خالص‌تر به نظر می‌رسد. اما در واقعیت این حوزه بسیار بهم ریخته و آشفته است، به گونه‌ای که فقط گروهی از کدنویسان و هنرمندان مضطرب، چیزهایی را می‌سازند.

در حالی که داستان‌های تخیلی در مورد هنر هوش مصنوعی بسیار شسته و رفته جلوه می‌کنند، اما واقعیت آن آشفته‌تر است و وجود هنرمندانی که با سیستم‌های رایانشی کار می‌کنند، باعث می‌شود نتایج بسیار بیشتری از آن چیزی که این عبارت به تنهایی نشان می‌دهد، بدست آورند: کارشان این است که ورودی ها را ارائه دهند، فرآیند را هدایت کنند و خروجی ها را فیلتر کنند. هنرمندان در کار خود به دلایل مختلف جذب استفاده از هوش مصنوعی شده‌اند. برخی به سمت کار با آینده‌نگرترین فناوری‌ها جذب می‌شوند، برخی از آن به عنوان راهی برای شانس بیشتر در کار خود استفاده می‌کنند، و برخی دیگر پتانسیل آن را برای گسترش عناصر موجود در آثار خود می‌بینند.

در زیر جدول زمانی چند نمونه از تحولات کلیدی در تاریخ طولانی هنر هوش مصنوعی عنوان شده است.

فن‌آوری‌های پیشین

هوش مصنوعی در قرن بیست و یکم از هیچ به وجود نیامده است، در اینجا به اولین بذرهای آن اشاره می‌کنیم.

3000 قبل از میلاد – گره‌های بیانی

اینکاهای باستانی از سیستمی به نام Quipu  یا گره‌های بیانی برای جمع‌آوری داده‌ها و نگهداری سوابق در مورد همه چیز، از اطلاعات سرشماری گرفته تا سازمان‌های نظامی استفاده می‌کردند. این عمل که قرن‌ها قبل از تولد علم جبر مورد استفاده قرار می‌گرفت، هم از نظر زیبایی‌شناسی پیچیده بود و هم از نظر منطق درونی به اندازه‌ای قوی بود که می‌توان آن را سیستمی پیشرو برای زبان‌های برنامه‌نویسی رایانه دانست.

1842 – علم شاعرانه

ایدا لاولیس، که اغلب به عنوان مادر علم کامپیوتر نامیده می‌شود، به چارلز بابیج محقق کمک می‌کرد تا اولین الگوریتم خود را منتشر کند. این الگوریتم با “موتور تحلیلی” او که اولین رایانه مکانیکی عمومی بود، اجرا می‌شد. وقتی او درباره ایده “علم شاعرانه” می‌نوشت، ماشینی را تصور کرد که می‌تواند کاربردهایی فراتر از محاسبه داشته باشد. آیا می‌توان از رایانه برای تولید هنر استفاده کرد؟

عملکرد موتور تحلیلی در واقع از سیستم ماشین بافندگی ژاکارد الهام گرفته شده بود، که صنعت نساجی را در حدود سال‌های 1800 با در نظر گرفتن دستورالعمل‌های کارت پانچ متحول کرد، و اساساً یک سیستم دو-دویی بود. پرتره‌ای از جوزف ژاکارد، مخترع ماشین بافندگی، که در سال 1836 با استفاده از 24000 کارت پانچ به صورت ملیله روی ماشین بافندگی بافته شده است، از این نظر می‌تواند به عنوان اولین تصویر دیجیتالی در نظر گرفته شود.

1929 – ماشینی که می‌توانست ببیند

مهندس اتریشی گوستاو تاوشک اولین دستگاه تشخیص کاراکترهای نوری به نام «ماشین خواندن» را به ثبت رساند که گامی مهم در پیشرفت کامپیوترها بود و سوالات آشنایی را برای کسانی شد که امروزه هوش مصنوعی را هیجان‌انگیز می‌دانند، ایجاد کرد. این که نگاه کردن از چشم ماشین به چه معناست و رایانه چه چیزی را “می‌بیند؟”

1950 – بازی تقلید

آلن تورینگ تست تورینگ را ایجاد کرد که با نام “بازی تقلید” نیز شناخته می‌شود. این تست معیاری برای توانایی ماشین در نشان دادن رفتار هوشمندی است که قابل تمیز دادن از انسان نباشد.

1953 – ماشین های واکنشی

گوردون پاسکس، متخصص سایبرنتیک، دستگاه «MusiColour» خود را در این سال ایجاد کرد. دستگاهی واکنش‌پذیر که به ورودی صدای انسانی پاسخ می‌دهد تا مجموعه‌ای از چراغ‌ها را هدایت کند. تقریباً در همان زمان، افراد دیگری نیز بودند که ربات‌های مستقل پاسخگو به محیط‌شان را تولید می‌کردند، مانند Machina Speculatrix Tortoises Elmer and Elsie از گری والترز و ماشین تطبیقی راس اشبی به نام Homeostat.

1968 – سرندیپیتی سایبرنتیکی

هنرمندان در دهه 1960 تحت تأثیر خلاقیت‌های حوزه‌ی «سایبرنتیک» قرار گرفتند و بسیاری از آنها آثار هنری خود را در حوزه‌ی «حیات مصنوعی» خلق کردند که بر اساس تشابهات زیست‌شناختی رفتار می‌کردند، و یا شروع کردند به این که به خود سیستم‌ها به عنوان آثار هنری نگاه کنند. نمونه‌های زیادی در نمایشگاه سرندیپیتی سایبرنتیکی «Cybernetic Serendipity» در سال 1968 در مؤسسه هنرهای معاصر لندن ارائه شد. بروس لیسی یک جغد حساس به نور را به نمایش گذاشت و نم جون پیک، ربات K-456 خود را نشان داد. ژان تینگلی نیز دو تا از “ماشین های نقاشی” خود را ارائه کرد، تندیس‌های جنبشی که در آن بازدیدکنندگان می‌توانستند رنگ و موقعیت خودکار و مدت زمانی که ماشین روباتیک کار می‌کند را انتخاب کنند. به این ترتیب ربات می‌توانست یک اثر هنری انتزاعی ترسیم کند.

1973 – ماشین تصویر مستقل

در سال 1973، هارولد کوهن هنرمند، الگوریتم‌هایی را تولید کرد که به رایانه اجازه می‌داد با بی نظمی طراحی با دست آزاد، نقاشی کند. این ماشین که آرون نام دارد، یکی از اولین نمونه‌های ماشین خلق تصویر مستقل است. آرون به جای ایجاد انتزاعات تصادفی، برای نقاشی اشیاء خاص برنامه‌ریزی شده بود، و کوهن دریافت که برخی از دستورالعمل‌های او مشکلاتی ایجاد می‌کنند که او قبلا تصورش را هم نمی‌کرد، مشکل این بود که او دستوراتی را تنظیم کرده بود که به ماشین اجازه می‌داد چیزی شبیه به تصمیمات هنری بگیرد.

آرون محدود به خلق سبکی بود که کوهن آن را برایش کدگذاری کرده بود. سبک نقاشی کوهن در زمینه‌ی “انتزاع میدان رنگ” بود و این دستگاه می توانست تصاویر زیادی را در آن سبک تولید کند. آرون را در نمایشگاه Documenta 6 در شهر کاسل در سال 1977 نمایش دادند و سال بعد در موزه Stedelijk در آمستردام به نمایش گذاشته شد.

در اواخر قرن بیستم، در میان رونق کامپیوترهای شخصی، این رشته با سرعت بیشتری شروع به توسعه کرد، و به افرادی که لزوماً در حوزه‌ی فناوری نبودند، اجازه می‌داد با نرم‌افزار و برنامه‌نویسی بازی کنند. با شروع قرن بیست و یکم، به لطف منابعی که به طور خاص برای کمک به هنرمندان در یادگیری نحوه کدنویسی و پروژه های منبع باز ایجاد شدند، این حوزه به طور قابل توجهی برای هنرمندان رشد کرد. در همین حال، محققان در حال ایجاد و ساخت مجموعه‌های گسترده‌ای از داده‌ها، مانند ImageNet بودند که می‌توان از آنها برای آموزش الگوریتم برای فهرست‌نویسی عکس‌ها و شناسایی اشیا استفاده کرد. در نهایت، برنامه‌های بینایی رایانه‌ای مانند رویای ژرف گوگل Google DeepDream به هنرمندان و مردم اجازه می‌داد تا با بازنمایی‌های بصری، نحوه درک رایانه‌ها از تصاویر خاص را درک کنند.

در میان همه این نوآوری‌ها، پیشرفت در زمینه هنر هوش مصنوعی شروع به انشعاب و همپوشانی کرد که به سه دسته اصلی تقسیم می‌شوند.

ربات های چت

در حالی که ربات‌های چت به عنوان برنامه‌های نرم‌افزاری جای نمایندگی‌های خدمات مشتری را گرفتند، هنرمندان جزو اولین کسانی بودند که آنها را به زبان خود ارائه کردند.

1995 – پروژه‌ی A.L.I.C.E

چت بات معروف ریچارد والاس به نام A.L.I.C.E. ، که نحوه صحبت کردن را با جمع‌آوری داده‌های زبان از وب یاد گرفته بود، در سال 1995 منتشر شد.

2001 – ماموری به نام روبی

لین هرشمن لیسون، هنرمند و فیلمساز آمریکایی، تقریباً همزمان با والاس، روی چت بات خود به عنوان بخشی از یک پروژه هنری به سفارش SFMOMA در سال 1998 کار می‌کرد. لیسون فیلمی به نام Teknolust ساخته بود که در آن یک شخصیت سایبورگ، در اینترنت صفحه‌ای به نام “قلب‌های تنها” داشت که در آن با مردم صحبت می‌کرد. لیسون می خواست مامور روبی Agent Ruby را در زندگی واقعی بسازد و با 18 برنامه‌نویس از سراسر جهان برای انجام این پروژه، همکاری کرد. مامور روبی در سال 2001 منتشر شد و لیسون گفت که واقعاً آن را به شکل یک اثر مستقل هوش مصنوعی نمی‌داند بلکه بیشتر به عنوان قطعه‌ای از “سینمای توسعه یافته” می‌بیند.

دهه‌ی2020 – هنر گسترش یافته

پس از مامور روبی، بسیاری از هنرمندان آثاری را با چت بات ها خلق کردند. چت ربات Bina48 اثر مارتین روثبلات از شخصیت همسرش الگوبرداری شده است. مارتین سیمز با استفاده از این شخصیت، رباتی تعاملی ساخته است تا از آن به عنوان آواتار دیجیتالی برنامه به نام Mythiccbeing استفاده کند. این آواتار یک “زن سیاه پوست، پویا، خشن، خودمحور، جامعه گریز و خنثی از نظر جنسیت” است که می‌خواهد در یک کلاس اجتماعی بالاتری قرار گیرد.  

هنر مولد

راه‌های زیادی وجود دارد که هنرمندان با استفاده از هوش مصنوعی برای خلق هنر مولد در آن‌ها پیش می‌روند. این راه‌ها شامل استفاده از انواع مختلف شبکه‌های عصبی مانند لایه‌های به هم پیوسته از گره‌های پردازشی است که از روی مغز انسان مدل‌سازی شده‌اند، و همچنین تکنیک‌های یادگیری ماشینی مانند محاسبات تکاملی. اما امروزه متداول‌ترین شبکه‌هایی که با هنر هوش مصنوعی مرتبط هستند، شبکه‌های متخاصم مولد یا GANها هستند.

2014 – گان ها ایجاد شدند

یان گودفلو، محقق در زمینه‌ی هوش مصنوعی، این اصطلاح را در مقاله‌ای در سال 2014 ابداع کرد و نظریه‌اش این بود که GAN‌ها (Generative adversarial networks) یا شبکه‌های مولد متخاصم، می‌توانند گام بعدی در تکامل شبکه‌های عصبی باشند. زیرا به جای کار بر روی تصاویر موجود مانند “رویای ژرف گوگل”، می‌توان از آن‌ها برای تولید تصاویر کاملاً جدید استفاده کرد.

بدون اینکه خیلی وارد مسائل تکنیکی شویم، دو مسئله در مورد نحوه عملکرد GAN‌ها وجود دارد. اول، بخش “تولید کننده”: برنامه نویس، الگوریتم را با استفاده از مجموعه داده‌های خاص، مثلا مانند تصاویر گل، آموزش می‌دهد تا زمانی که به اندازه کافی تعداد زیادی گل دیده باشد و به طرزی قابل اعتماد بتواند “گل” را تشخیص دهد. سپس، بر اساس آنچه در مورد گل‌ها آموخته است، به آن دستور می‌دهند که یک تصویر کاملاً جدید از یک گل “تولید” کند.

بخش دوم فرآیند، بخش “متخاصم” است: این تصاویر جدید به الگوریتم دیگری ارائه می‌شوند که آموزش دیده است تا بین تصاویر تولید شده توسط انسان و تصاویر تولید شده توسط ماشین تمایز قائل شود (چیزی شبیه به آزمون تورینگ برای آثار هنری) تا زمانی که ماشین متمایز کننده، فریب بخورد.

2017 – تولد گانیسم

پس از انتشار مقاله گودفلو درباره GANها در سال 2014، شرکت‌های فناوری، GANهای خام و آموزش ندیده خود را از جمله گوگل (TensorFlow)، متا (Torch) و پخش کننده رادیویی هلندی NPO (pix2pix) به صورت متن باز منتشر کردند. با این که کاربران اولیه تعدادشان کم بود، تا حدود سال 2017 هنرمندان واقعاً شروع به آزمایش این فناوری نکردند.

برخی از جالب‌ترین آثار زمانی ساخته شده‌اند که هنرمندان به الگوریتم به صورت سیستمی کاملاً مستقل نگاه نمی‌کنند، بلکه از آن برای تعیین برخی از ویژگی‌های اثر خود استفاده می‌کنند. هنرمندان الگوریتم‌های مولد را در سبک‌های بصری خاصی آموزش دادند، و بر اساس سلیقه‌ی خود سیستم توسعه خلاقانه مدل را تنظیم و منطبق کردند. به این معنی که سیستم‌های ارائه شده توسط هنرمندان می‌توانند از نظر زیبایی‌شناختی و عمق مفهومی، بسیار متفاوت باشند.

برخی از هنرمندان الگوریتم‌ها را با استفاده از مجموعه داده‌های آثار خود آموزش می‌دهند، مانند هلنا سارین، که نقاشی‌های خود رابه عنوان منبع، به الگوریتم آموزش می‌دهد. یا آنا ریدلر که از عکس‌های خودش استفاده می‌کند. برخی دیگر از هنرمندان نیز از داده‌های عمومی برای پرسیدن سؤالات مفهومی جالبی بهره می‌گیرند، مانند ممو آکتن، که برای تولید فیلم خود در سال 2018 به نام “مدیتیشن‌های عمیق”، مدلی را با استفاده از تصاویر متنوع بصری گرفته شده از فلیکر آموزش داد، که با مفاهیم انتزاعی مرتبط با معنای زندگی برچسب‌گذاری شده‌اند. به این ترتیب که به ماشین اجازه می‌دهد تفسیر وهم‌آور خود را از اشتراکات آگاهی جمعی ارائه دهد.

2018 – نقطه عطف در حراج‌ها

احتمالاً مشهورترین نمونه از آثار هنری GAN در دنیای هنر معاصر، پرتره‌ای است که توسط گروه فرانسوی Obvious ساخته شده است که در حراج‌خانه کریستیز در سال 2018 به قیمت گزاف 432،000 دلار فروخته شد. این گروه سه نفره هنرمند، الگوریتم را با 15،000 پرتره از قرن چهاردهم تا بیستم آموزش دادند و سپس از آن خواستند پرتره‌ای از خود تولید کند.

اثر هنری حاصل با نام پرتره “ادموند دو بلامی” که ادای دینی به گودفلو محسوب می‌شد، به طرز مبهمی شبیه آثارفرانسیس بیکن بود و توجه بازار را به خود جلب کرد. با این که بحث‌های زیادی در مورد اهمیت زیبایی‌شناختی و مفهومی این اثر خاص وجود داشت، قیمت نجومی فروش، آن را به عنوان نقطه عطف مهمی در تاریخ هنر هوش مصنوعی به حساب می‌آورد.

فراتر از هنر مولد

در سال‌های اخیر، گروه زیادی از هنرمندان وجود دارند که به هوش مصنوعی نه لزوماً برای تولید تصاویر، بلکه به عنوان بخشی از تمرینی می‌نگرند که به نحوه تأثیرگذاری سیستم‌های هوش مصنوعی و سوگیری‌های الگوریتمی ذاتی آن بر مسائل عدالت اجتماعی، برابری و امور همگانی می‌گذارد.

2019 -ایمیج‌نت رولت فراگیر می‌شود

با این که هنرمندان زیادی روی مسائل ذکر شده کار می‌کنند، اما نقطه‌ی عطف زمانی فرا رسید که پروژه ImageNet Roulette اثر ترور پاگلان هنرمند و کیت کرافورد محقق، در فضای مجازی فراگیر شد.

هدف پروژه آنها افشای سوگیری‌های سیستماتیکی بود که انسان‌ها با دیدگاه خاص خود به ماشین‌ها منتقل می‌کنند. برای این کار به سراغ بانک داده‌های ImageNet رفتند که یک مخزن رایگان از حدود 14 میلیون تصویر است.  این تصاویر که به صورت دستی توسط دهها هزار نفر بارگذاری و برچسب‌گذاری شده است، بخشی از پروژه دانشگاه استنفورد برای “نقشه برداری از کل اشیاء جهان” بود. این پایگاه داده به طور گسترده توسط محققان برای آموزش سیستم‌های هوش مصنوعی جهت درک بهتر جهان استفاده می‌شود، اما از آنجایی که تصاویر توسط انسان‌ها برچسب‌گذاری شده‌اند، بسیاری از برچسب‌ها شخصی و منعکس کننده سوگیری‌ها و سیاست‌های افرادی هستند که آنها را ایجاد کرده‌اند.

پروژه پاگلان و کرافورد به مردم این امکان را داد که تصویر خود را در سیستم بارگذاری کنند و آنچه که در تصویر بود را برچسب بزنند. این پایگاه داده‌های جدید، افراد را در طیف وسیعی از دسته‌بندی‌ها از جمله نژاد، ملیت، حرفه، وضعیت اقتصادی، رفتار، شخصیت و حتی اخلاق طبقه بندی می‌کند و بسیاری از توهین‌های نژادپرستانه و اصطلاحات زن‌ستیزانه در این طبقه‌بندی‌ها قرار گرفتند. در آن زمان در توییتر می‌شد افرادی را دید که برچسب‌های خود را به اشتراک می‌گذاشتند: یک مرد سیاه‌پوست به عنوان «خطاکار، متخلف» برچسب زده می‌شد، و یا زن آسیایی به عنوان یک “جهادگر”.

تصویری که از این بُعدِ مشکل ساز سیستم‌ها ارائه شد، بسیار تکان دهنده بود. همانطور که پاگلان و کرافورد توضیح دادند:

اکنون درک سیاست در سیستم‌های هوش مصنوعی بیش از هر زمان دیگری اهمیت دارد، زیرا این سیستم‌ها به سرعت در حال حرکت به سوی ساختن نهادهای اجتماعی هستند: این‌که تصمیم‌گیری شود برای شغلی مشخص، با چه کسی مصاحبه شود، دانش آموزان در کلاس به چه کسانی توجه می‌کنند، چه کسانی مشکوک به دستگیری هستند و خیلی موضوعات دیگر.

دهه 2020 – نسلی از هنرهای هوش مصنوعی به عنوان کنشگر اجتماعی

از دیگر هنرمندانی که در زمینه هوش مصنوعی کار می‌کنند، می توان به برخی از پیشگامان اولیه هنر هوش مصنوعی مانند لین هرشمن لیسون اشاره کرد که چیدمان تعاملی او به نام Shadow Stalker (2018-21) از الگوریتم‌ها، عملکرد و پیش بینی‌هایی استفاده می‌کند تا توجه‌ها نسبت به سوگیری‌های ذاتی در سیستم‌های خصوصی مانند مراقبت‌های کنترلی که به طور فزاینده‌ای توسط مجریان قانون استفاده می شود، جلب شود.

در همین حال، هنرمندانی مانند کارولین سیندرز، پروژه‌های کنشگرانه‌ای دارند، که مانند پروژه‌ی در حال اجرای مجموعه داده‌های فمینیستی، فرآیندهایی را که منجر به یادگیری ماشینی می‌شوند مورد تحقیق قرار می‌دهد. این برنامه از جمع‌آوری داده‌ها تا برچسب‌گذاری و آموزش این سوالات را می‌پرسد که آیا این داده‌ها فمینیستی هستند؟ آیا سوگیرانه‌اند؟ و چگونه می توان این سوگیری را حذف کرد؟ همچنین جوی بولاموینی، یکی دیگر از هنرمندانی است که نقص‌هایی را در فناوری تشخیص چهره در ارتباط با شناسایی چهره‌هایی با رنگ پوست تیره‌تر کشف کرد. او همینطور در مورد محدودیت‌های هوش مصنوعی از طریق بیان هنری که توسط مطالعه بر روی خطاهای الگوریتمی بدست آمده بود، تحقیق کرد.

بررسی، تحقیق و برنامه‎های هنری با بکار گیری هوش مصنوعی همچنان هیجان‌انگیز و نو محسوب می‌شود. هنرمندان در دست‌یابی به حوزه‌های جدید بسیار کوشا هستند و باید منتظر آخرین آثار آنها باشیم.

برگردان از آرت‌نت