مدل‌های هوش مصنوعی مانند DALL-E 2 به ساخت آثار هنری بسیار اروپایی ادامه می‌دهند


در اواخر سپتامبر، OpenAI مولد هنر هوش مصنوعی DALL-E 2 خود را به طور گسترده در دسترس عموم قرار داد و به هر کسی که رایانه دارد اجازه می‌دهد یکی از آن تصاویر شگفت‌انگیز و کمی عجیب و غریب را که به نظر می‌رسد این روزها بیشتر و بیشتر در اینترنت شناور است، بسازد. DALL-E 2 به هیچ وجه اولین تولیدکننده هنر هوش مصنوعی نیست که در معرض دید عموم قرار گرفته است (مدل های هنری AI رقیب Stable Diffusion و Midjourney نیز امسال راه اندازی شدند)، اما دارای یک شجره نامه قوی است: پسرعموی آن، مدل تولید متن. که به عنوان GPT-3 شناخته می‌شود – که خود موضوع فتنه‌ها و داستان‌های حیله‌ای متعدد است – نیز توسط OpenAI توسعه داده شد.

هفته گذشته، مایکروسافت اعلام کرد که ابزارهای هنری تولید شده توسط هوش مصنوعی – با پشتیبانی از DALL-E 2 – را به مجموعه نرم افزاری آفیس خود اضافه خواهد کرد و در ژوئن از DALL-E 2 برای طراحی جلد مجله Cosmopolitan استفاده شد. فناورانه ترین طرفداران هنر تولید شده توسط هوش مصنوعی می گویند که این هنر دموکراتیزه کردن هنر را برای توده ها فراهم می کند. بدبین ها در میان ما استدلال می کنند که این کار کپی برداری از هنرمندان انسانی و تهدید به پایان دادن به حرفه آنها است. در هر صورت، به نظر واضح است که هنر هوش مصنوعی اینجاست و پتانسیل آن به تازگی کشف شده است.

طبیعی است که تصمیم گرفتم آن را امتحان کنم.

همانطور که برای الهام گرفتن نمونه هایی از کارهای DALL-E را مرور می کردم (به این نتیجه رسیده بودم که اولین تلاش من باید یک شاهکار باشد)، به نظرم رسید که هنر تولید شده توسط هوش مصنوعی هیچ زیبایی شناسی خاصی به جز، شاید، ندارد. کمی عجیب. خوک هایی با عینک آفتابی و پیراهن های گلدار هنگام سوار شدن به موتور سیکلت، راکون هایی که تنیس بازی می کردند و یوهانس ورمیر بودند. دختری با گوشواره مروارید، تا به حال آنقدر بهینه شده است که به جای دختر عنوان با سمور دریایی. اما همانطور که به پیمایش ادامه می دادم، متوجه شدم که یک موضوع متحد کننده در زیربنای هر قطعه وجود دارد: هنر هوش مصنوعی، اغلب شبیه هنر غربی است.

آملیا وینگر-بیرسکین، استاد هوش مصنوعی و هنر در مؤسسه دنیای دیجیتال دانشگاه فلوریدا، می‌گوید: «تمام هوش مصنوعی فقط به عقب نگاه می‌کند. آنها فقط می توانند به گذشته نگاه کنند و سپس می توانند آینده را پیش بینی کنند.

برای یک مدل هوش مصنوعی (که به عنوان الگوریتم نیز شناخته می شود)، گذشته مجموعه داده ای است که روی آن آموزش دیده است. برای یک مدل هنری هوش مصنوعی، این مجموعه داده هنر است. و بسیاری از دنیای هنرهای زیبا تحت سلطه هنرمندان سفیدپوست غربی است. این منجر به تصاویر تولید شده توسط هوش مصنوعی می شود که بسیار غربی به نظر می رسند. صراحتاً، این کمی ناامیدکننده است: هنر تولید شده توسط هوش مصنوعی، در تئوری، می‌تواند ابزار فوق‌العاده مفیدی برای تصور دیدگاهی عادلانه‌تر از هنر باشد که به نظر می‌رسد بسیار متفاوت از چیزی باشد که ما آن را بدیهی می‌دانیم. در عوض، به سادگی ایده های استعماری را که درک ما از هنر امروز را هدایت می کنند، تداوم می بخشد.

برای روشن بودن، می توان از مدل هایی مانند DALL-E 2 درخواست کرد که به سبک هر هنرمندی هنری تولید کنند. برای مثال درخواست تصویری با اصلاح‌کننده «Ukiyo-e»، آثاری را خلق می‌کند که از چاپ‌ها و نقاشی‌های چوبی ژاپنی تقلید می‌کنند. اما کاربران باید آن اصلاح‌کننده‌ها را شامل شوند. آنها به ندرت پیش فرض هستند.

تفسیر DALL-E 2 از دستور “نقاشی هوکوسای هوش مصنوعی”
نیل دانشا/وکس; با حسن نیت از OpenAI

Winger-Bearskin محدودیت های هنر هوش مصنوعی را از نزدیک دیده است. هنگامی که یکی از شاگردانش از تصاویر تولید شده توسط Stable Diffusion برای ساختن ویدیویی از یک صحنه طبیعت استفاده کرد، متوجه شد که پس‌زمینه‌های گرگ و میش که توسط مدل هوش مصنوعی ارائه می‌شود، به طرز عجیبی شبیه به صحنه‌هایی است که انیمیشن‌سازان دیزنی در دهه‌های ۱۹۵۰ و ۱۹۶۰ ترسیم کرده‌اند. از جنبش روکوکو فرانسه الهام گرفته شده بود. وینگر-بیرسکین به Recode گفت: «فیلم‌های دیزنی زیادی وجود دارد، و چیزی که او به دست آورد چیزی بود که ما زیاد می‌بینیم. «خیلی چیزها در این مجموعه داده ها گم شده است. میلیون ها صحنه شبانه از سرتاسر جهان وجود دارد که هرگز نخواهیم دید.”

تعصب هوش مصنوعی یک مشکل بسیار دشوار است. الگوریتم‌ها بدون کنترل، می‌توانند تعصبات نژادپرستانه و جنسیتی را تداوم بخشند، و این تعصب به هنر هوش مصنوعی نیز گسترش می‌یابد: همانطور که سیگال ساموئل برای Future Perfect در آوریل نوشت، نسخه‌های قبلی DALL-E هنگامی که از آنها خواسته می‌شد وکلا را به تصویر بکشند، تصاویری از مردان سفیدپوست بیرون می‌آوردند. به عنوان مثال، و تمام مهمانداران هواپیما را به عنوان زن به تصویر بکشید. OpenAI برای کاهش این تأثیرات کار کرده است و مدل خود را برای از بین بردن کلیشه ها تنظیم کرده است، اگرچه محققان هنوز در مورد اینکه آیا این اقدامات مؤثر بوده اند یا خیر اختلاف نظر دارند.

اما حتی اگر آنها کار کنند، مشکل سبک هنری پابرجا خواهد بود: اگر DALL-E بتواند جهانی عاری از کلیشه های نژادپرستانه و جنسیتی را به تصویر بکشد، باز هم این کار را در تصویر غرب انجام می دهد.

Yilun Du، دانشجوی دکترا و محقق هوش مصنوعی در MIT، به Recode گفت: «نمی‌توانید مدلی را طوری تنظیم کنید که کمتر غربی باشد، اگر مجموعه داده‌های شما بیشتر غربی باشد. مدل‌های هوش مصنوعی با خراش دادن تصاویر در اینترنت آموزش داده می‌شوند و دو فکر می‌کند مدل‌های ساخته‌شده توسط گروه‌های مستقر در ایالات متحده یا اروپا احتمالاً مستعد رسانه‌های غربی هستند. برخی از مدل‌های ساخته‌شده در خارج از ایالات متحده، مانند ERNIE-ViLG، که توسط شرکت فناوری چینی بایدو ساخته شده است، کار بهتری را برای تولید تصاویری انجام می‌دهند که از نظر فرهنگی بیشتر به محل مبداشان مرتبط است، اما با مشکلات خاص خود همراه هستند. همانطور که MIT Technology Review در ماه سپتامبر گزارش داد، ERNIE-ViLG در تولید انیمه هنری بهتر از DALL-E 2 است، اما از ساختن تصاویر از میدان تیان آن من خودداری می کند.

از آنجایی که هوش مصنوعی به عقب نگاه می کند، تنها می تواند تصاویری را که قبلا دیده است، تغییر دهد. به گفته دو، به همین دلیل است که یک مدل هوش مصنوعی قادر به ایجاد تصویری از یک صفحه نشسته در بالای یک چنگال نیست، حتی اگر به طور قابل تصوری باید هر جنبه از درخواست را درک کند. این مدل به سادگی هرگز تصویری از یک بشقاب در بالای یک چنگال ندیده است، بنابراین به جای آن تصاویر چنگال ها را روی بشقاب ها می ریزد.

تزریق بیشتر هنرهای غیر غربی به مجموعه داده های موجود نیز راه حل چندان مفیدی نخواهد بود، زیرا هنر غربی در اینترنت رواج زیادی دارد. وینگر-بیرسکین گفت: «این مانند دادن آب تمیز به درختی است که در ۲۵ سال گذشته با آب آلوده تغذیه شده است. حتی اگر اکنون آب بهتر شود، میوه آن درخت همچنان آلوده است. اجرای همان مدل با داده های آموزشی جدید به طور قابل توجهی آن را تغییر نمی دهد.

در عوض، ایجاد یک مدل هوش مصنوعی بهتر و نماینده‌تر مستلزم ایجاد آن از ابتدا است – این همان کاری است که Winger-Bearskin، که یکی از اعضای ملت Seneca-Cayuga در اوکلاهاما است و خود هنرمند است، وقتی از هوش مصنوعی برای خلق آثار هنری استفاده می‌کند، انجام می‌دهد. بحران آب و هوا

این یک فرآیند زمان بر است. دو گفت: «سخت‌ترین کار ساخت مجموعه داده‌ها است. آموزش یک تولیدکننده هنر هوش مصنوعی به میلیون ها تصویر نیاز دارد و دو گفت که ماه ها طول می کشد تا مجموعه داده ای ایجاد شود که به همان اندازه نماینده همه سبک های هنری در سراسر جهان باشد.

اگر سوگیری هنری ذاتی در اکثر مدل‌های هنری هوش مصنوعی وجود داشته باشد، شاید این باشد: مانند همه هنرهای خوب، چیزی را در مورد جامعه ما آشکار می‌کند. به گفته وینگر-بیرسکین، بسیاری از موزه‌های هنر مدرن، فضای بیشتری را نسبت به گذشته به آثار هنری ساخته‌شده توسط افراد جوامع کم‌نمایش می‌دهند. اما این هنر هنوز تنها بخش کوچکی از آنچه در آرشیو موزه وجود دارد را تشکیل می دهد.

ژان اوه، دانشیار پژوهشی در مؤسسه رباتیک دانشگاه کارنگی ملون، می‌گوید: «وظیفه یک هنرمند این است که درباره آنچه در جهان می‌گذرد صحبت کند، مسائل را تقویت کند تا ما متوجه آنها شویم. مدل‌های هنری هوش مصنوعی قادر به ارائه تفسیری از خود نیستند – هر چیزی که تولید می‌کنند به دستور یک انسان است – اما هنری که تولید می‌کنند نوعی فرا تفسیر تصادفی ایجاد می‌کند که او فکر می‌کند ارزش توجه دارد. این به ما راهی می‌دهد تا جهان را آن‌گونه که ساختار آن است، مشاهده کنیم، نه دنیای کاملی که می‌خواهیم باشد.»

او به Recode گفت، این بدان معنا نیست که او معتقد است مدل‌های عادلانه‌تر نباید ایجاد شوند – آنها برای شرایطی که به تصویر کشیدن یک دنیای ایده‌آل مفید است، مانند کتاب‌های کودکان یا برنامه‌های تجاری، مهم هستند – بلکه وجود مدل‌های ناقص است. باید ما را به تفکر عمیق تر در مورد نحوه استفاده از آنها وادار کنند. او گفت، به جای اینکه صرفاً سعی کنیم سوگیری ها را از بین ببریم که انگار وجود ندارند، باید برای شناسایی و تعیین کمیت آنها وقت بگذاریم تا در مورد تأثیرات آنها و چگونگی به حداقل رساندن آنها بحث های سازنده داشته باشیم.

او که در حال تحقیق در مورد راه هایی برای ایجاد تعاملات شهودی تر انسان و هوش مصنوعی است، گفت: «هدف اصلی کمک به خلاقیت انسان است. «مردم می خواهند هوش مصنوعی را مقصر بدانند. اما محصول نهایی مسئولیت ماست.»

این داستان اولین بار در خبرنامه Recode منتشر شد. اینجا ثبت نام کنید تا بعدی را از دست ندهید!

دیدگاهتان را بنویسید