Искусственный интеллект научился подражать известным поэтам

Учёные разработали искусственный интеллект, способный писать музыку с картинки

В Китае учёные разработали искусственный интеллект, способный глядя на картинку писать музыку, причём система не просто создаёт мелодию – она именно передаёт чувства и эмоции, пережитые во время просмотра того или иного рисунка.

Так, учёные показали роботу картинку с бездомным котёнком, свадебным фото, рисунком человека на больничной койке и смеющегося ребёнка.

Все мелодии соответствовали пережитым эмоциям, при этом система постоянно совершенствуется и, опираясь на полученный опыт, улучшает навык в написании музыки.

Обратите внимание

Учёные также планируют научить систему писать музыку под стихи и сочинять строки, глядя на перечень картинок. Таким образом, они планируют сэкономить на оплате услуг композиторов и поэтов.

Может быть, искусственный интеллект не сможет сразу выдавать хиты для звёзд шоу-бизнеса, но его творчество вполне будет подходить для корпоративов, праздников, музыкальных постановок и т. д.

С креативным творчеством робота очень скоро можно будет ознакомиться на сайте компании Baidu.

Кроме того, в Пекине скоро появятся роботы, способные сопереживать людям. Учёные научат их воспринимать боль владельцев как свою собственную. Эта программа предназначена для одиноких людей или для людей, переживших какой-либо стресс.

Система готова выслушать любую проблему, связанную с личной жизнью, работой, общением с людьми и др.

После того как человек выплеснет накопившиеся эмоции, исходя из ситуации, робот сможет подобрать слова утешения и даже оказать знаки внимания и заботы.

Так, для кого-то искусственный интеллект приготовил комплемент или шутку, а для кого-то принесёт тёплый плед или кружку горячего чая.

Учёные признаются: научить своё создание физическим проявлениям сочувствия совсем нетрудно, но наиболее тяжело передать ему необходимые знания о человеческих чувствах, эмоциях и боли.

Важно

Пробная версия робота выпущена относительно недавно, но даже в тестовом режиме учёные отмечают быстрое эволюционирование и приобретение собственного опыта.

Несмотря на то, что в продажу эта программа поступит совсем нескоро, желающих её приобрести уже достаточно много.

Люди разучились общаться и сопереживать окружающим, поэтому друг, который никогда не предаст, не обидит и не заболеет, им импонирует намного больше живого человека. Стоит отметить, что психологи обеспокоены этим фактом.

Но на данный момент жители Пикина в ожидании выхода в свет сопереживающего робота, а учёных этот факт, несомненно, радует.

Источник: https://neuronus.com/news-tech/1123-uchjonye-razrabotali-iskusstvennyj-intellekt-sposobnyj-pisat-muzyku-s-kartinki.html

Робот вместо Кобейна: зачем искусственный интеллект учат писать стихи

Алексей Тихонов и Иван Ямщиков учат нейросеть писать стихи в стиле культовых музыкантов, после чего кладут их на музыку и выпускают альбомы. Таким образом разработчики «Яндекса» пытаются определить возможности и творческий потенциал искусственного интеллекта. Впоследствии эти знания используются в разработке новых сервисов и продуктов. 

Летом 2016 года Тихонов и Ямщиков выпустили альбом «404», созданный на основе написанных искусственным интеллектом песен в стиле Егора Летова.

Следующим этапом стало создание стихов на английском языке. Выбор пал на лидера группы Nirvana Курта Кобейна. Нейросеть сгенерировала стихи в его стиле, Иван Ямщиков написал к ним музыку, а исполнил песни американский вокалист Роб Кэролл.

'Стихи к песне сгенерировала искусственная нейросеть'

Некоторые поклонники Nirvana отметили, что композиции получились очень похожи на оригинал. И в шутку попросили разработчиков научить нейросеть генерировать стихи других музыкантов, например, тех, кто давно не выпускал новый альбом. 

Мы попросили Ивана Ямщикова, постдока Института научной математики Общества Макса Планка в Лейпциге (Германия) и консультанта «Яндекса», простым языком рассказать о том, что такое нейросеть, зачем она нужна и как заставить ее писать стихи. 

Нейросети бывают естественные и искусственные. Естественные — это группы химически и физически связанных между собой нейронов. Мозг человека — это очень мощная и сложная естественная нейронная сеть.

Искусственные же нейронные сети — это тип математических моделей, он был придуман для того, чтобы смоделировать процессы, протекающие в мозге. Это математическая абстракция или, если угодно, алгоритм, который может обучаться на примерах.

Совет

Сначала нейросеть не умеет ничего, но чем больше вы показываете ей примеров, тем лучше она начинается справляться с задачей, которой вы ее обучаете. 

Применений у таких алгоритмов много: в «Яндексе» искусственные нейросети используются для поиска картинок по описанию того, что на них изображено, для синтеза и распознавания речи, например в «Яндекс. Навигаторе», и в целом для лучшего понимания смысла поисковых запросов.

Если коротко, то мы берем много достаточно простых элементов, которые собираем в «слои». Информация поступает на входные элементы (нейроны), а потом идет от слоя к слою. Каждый элемент связан с другими, получает информацию от одних нейронов, как-то ее преобразует и отдает дальше.

Связи между нейронами в процессе обучения могут становиться сильнее или слабее. Мы показываем входным нейронам достаточно много «примеров», а сеть, обучаясь на них, усиливает одни внутренние связи и ослабляет другие. В итоге она начинает достаточно хорошо справляться с поставленной задачей. 

Все задачи такого рода решаются похожим образом. Сначала надо собрать большой набор данных (дата-сет), после чего проверить его качество. Если дата-сет плохой, то ничему хорошему нейросеть не научится.

После подготовки данных надо переходить к обучению. После генерации стихов надо писать музыку, искать вокалиста и сводить все вместе.

Вокалиста нам было найти особенно сложно для последнего проекта. Nirvana — это легенда, и сделать что-то похожее трудно. Мы ориентировались на раннее творчество группы, нам показалось, что тексты к нему больше отсылают.

Источник: https://tass.ru/kultura/4378052

Искусственный Пушкин

Может ли компьютер сочинять настоящие стихи? До недавнего времени считалось, что нет, однако нейросеть, созданная в исследовательском подразделении Facebook (Facebook AI Research), практически научилась это делать. По крайней мере, если речь идет об абсурдистской поэзии. Правда, настоящие, живые поэты считают, что компьютеру пока до них далеко.

Исследователи Facebook AI Research (подразделения Facebook, занимающегося разработкой программного обеспечения для искусственного интеллекта) представили новый подход к автоматическому написанию поэзии.

Созданная система нейросетей умеет писать стихи определенного жанра и на любую тему, практически неотличимые от тех, которые мог бы написать человек.

Обратите внимание

Однако главная цель поэзии — передача мыслей и чувств через образные средства языка — по прежнему остается недоступной для искусственного интеллекта.

У любого поэтического произведения есть два важных компонента: форма и содержание. Форма выражается в метрических характеристиках стиха: ритме и рифме; содержание отвечает за наполненность стихотворения — лексические и образные средства, используемые для того, чтобы передать определенную мысль.

Авторы нового исследования предложили две модели, которые основываются на уже существующих языковых нейросетях.

Первая модель извлекает из обучающей выборки и форму, и содержание стихотворения, и дает на выходе произведение определенного стихотворного жанра.

Такая модель была обучена на небольшой (300 тысяч слов) выборке сонетов и смогла создать произведение, написанное пятистопным ямбом (размером, традиционным для сонета на английском языке).

Однако у такой модели есть одно важное ограничение: она может создавать произведения только той поэтической формы, которая была представлена ей в выборке для обучения. В принципе, ей можно предоставить выборку, куда войдут произведения всех известных ритмических типов.

У такого подхода, однако, есть свои ограничения (например, недостаточный размер той или иной выборки). Принимая это во внимание, исследователи предложили другой подход, который заключается в использовании порождающей состязательной сети, одна часть которой (генератор) отвечает за содержание, а другая (дискриминатор) — за форму.

Недавно мы писали о подобной модели нейросети, которая пробовала себя в живописи.

Модель автоматического стихосложения обучили на большой выборке поэтических произведений (7,56 миллиона слов) самых разных жанров.

Важно

Затем ученые поставили эксперимент: они взяли стихотворения, созданные нейросетью, смешали их с забавно-абсурдными стихами реальных поэтов и предложили семидесяти читателям определить, кто написал то или иное стихотворение — человек или компьютер.

Респонденты правильно установили авторство людей в 51,4 процента случаев; в случае с компьютерной поэзией эта доля составила 53,8 процента. Разница, как видите, невелика.

Респондентам также необходимо было отметить по пятибалльной шкале «читабельность» стихов («Насколько представленный фрагмент легок для прочтения?»), их эмоциональность («Насколько данный фрагмент пробуждает в вас эмоции?») и красоту («Насколько данный фрагмент приятно читать?»). Оказалось, что самыми «человеческими», эмоциональными и красивыми стихотворениями респонденты посчитали именно те, которые были созданы компьютером.

Вот, например, одно из четверостиший, использованных в эксперименте. Как вы думаете, кто его написал?

How dreary to be somebody,

Источник: https://nplus1.ru/blog/2017/07/10/poems-by-ai

Искусственный интеллект — от слова «искусство»

Нейросети стали так часто появляться в новостях, что как будто досрочно претендуют на слово года. Большинству они стали известны по приложению Prisma и последовавшему за ним Vinci.

Но компьютер научился не только помогать пользователям создавать пятиминутные «шедевры» — он и сам теперь может рисовать, сочинять музыку, писать тексты.

И хотя за последние месяцы мы видим взрыв «цифрового креатива», который успел творчески переосмыслить даже Егора Летова, — роботы занимаются искусством уже давно.

Сейчас нейросети пошли в массы и начали развлекать публику: только недавно, например, появился аккаунт, пародирующий стиль твитов Рамзана Кадырова, а чуть раньше — аналогичный «двойник» Дональда Трампа. Но роботы давно претендуют и на высокое искусство.

Музыка: когда робот вглядывается в бездну

Компьютер-композитор Iamus, принадлежащий Малагскому университету Испании, уже в 2012 году поразил любителей современной академической музыки. В честь столетия Алана Тьюринга на публике прозвучали четыре композиции, сочинённые этим искусственным интеллектом и объединённые названием Transits — Into an Abyss («Переходы — В бездну»).

Свое имя Iamus получил в честь древнегреческого бога Иама, сына Аполлона, который умел подражать голосам птиц и предсказывать будущее.

«Способен ли компьютер творить?», небольшой документальный фильм о музыке робота-композитора.

В том же году Лондонский симфонический оркестр записал полноценный альбом малагского гения. Несмотря на изначальный скепсис, музыканты были удивлены уровнем музыки и охотно исполнили её. В 2013 году Малагский филармонический оркестр воспроизвёл новое сочинение компьютера — Adsum.

Совет

Хотя для слуха многих творчество Iamus окажется непривычным, это безусловно модернистская академическая музыка, наследующая, по отзывам критиков, таким композиторам, как Барток, Лигети и Пендерецкий.

Председатель Лондонского симфонического оркестра Леннокс Маккензи назвал его творения «эпическими» — и действительно, в них слышится размах и надрыв искусства ХХ века.

На самом деле, компьютерные алгоритмы для написания композиций разрабатывались ещё в 1960-х годах, а в 1990-х ими прославился Дэвид Коуп.

Он показал, как, вычислив творческую манеру Баха или Бетховена, программа может подражать классикам. Но Iamus другой — он обладает собственным композиторским стилем.

Музыка пишется с нуля, разрастаясь из мелких музыкальных фрагментов в полноценные полотна — и компьютер при этом ориентируется лишь на своё «чувство прекрасного».

Картина Франсиса Пикабиа «Весенние танцы», 1912 год.

Источник: Wikiart

Литература: от «беспонтового пирожка» к «картонному бутерброду»

Снят первый фильм по сценарию, написанному искусственным интеллектом

Может, именно поэтому роботы пока отстают на писательском поприще. Музыка, так или иначе, ближе к математике — её проще алгоритмизировать. Если бы с языком всё было так же, мы бы уже не смеялись над гугл-переводами — увы, не всегда удаётся составить даже связный текст.

Но попытки не прекращаются. В российском интеренете наделал шума альбом «Нейронной обороны» — виртуальной панк-группы со стилем, скопированным с культового советско-российского коллектива Егора Летова «Гражданская оборона», и текстами, написанными с помощью нейросети.

Наученная русскому языку на материале классической прозы, программа изучила песни ГО и воспроизвела их стиль.

Обратите внимание

Перекликаются даже названия «настоящих» и новых несен: например, в «Картонном бутерброде» нейросети слышится отклик «Беспонтового пирожка» из текста оригинальной группы.

В это же время за рубежом боты пробуют себя в менее благородных, чем авангардная лирика, жанрах — например, в эротической прозе.

Сложностей пока слишком много — даже на уровне небольших стихотворных фрагментов, не говоря уже о сюжетных историях.

Например, робот пока ещё не понимает, что такое метафора. Зато вот играть с самой структурой повествования он уже может — и подтверждением тому короткометражка, снятая по сценарию компьютера.

Эксперименты уровня «Нейронной обороны» — это уже шаг вперёд по сравнению с прежними программками, которые могли только тасовать имеющуюся лексику и подставлять под заданные структуры.

Таких было уже немало, и все они служили на потеху любителям абсурдного юмора: это и генератор «рефератов» от Яндекса, и генератор постов ВКонтакте, и различные машинные «поэты».

Особняком стоит разве что программа писателя Леонида Каганова: она не ориентируется на словари, а обучается лексике на примере тех текстов, которые вы ей даёте. Но с ней свои проблемы — хромает синтаксис, да и писалась она под MS-DOS.

Читайте также:  Ситибанк использует глубокое обучение для защиты клиентов

Живопись: «Новый Рембрандт» — это хорошо проанализированный старый

Самый, пожалуй, яркий пример живописи от нейросетей — это «новая картина Рембрандта», напечатанная на 3D-принтере и представленная в апреле этого года. Компьютер проанализировал работы великого художника — 150 Гб данных — и создал по усредненным данным (от персонажа портрета до типичного размера мазка) новую работу.

Авторы проекта рассказывают, как обучали машину «быть Рембрандтом».

Источник: https://newtonew.com/culture/welcome-our-new-robot-overlords

Полли хочет треки: Как нейросеть научилась подражать Кобейну и Скрябину и к чему это приведет

В понедельник в Сети появился первый альбом группы Neurona — EP из четырех треков в жанре, сформулированном на «Яндекс.Музыке» как «альтернатива». За дебютом стоят американский вокалист Роб Кэррол и разработчики Иван Ямщиков и Алексей Тихонов. А предложенная ими альтернатива — почти альтернатива поэту — нейросеть, научившаяся писать стихи в духе лирики Курта Кобейна.

Это уже третий музыкально-алгоритмический эксперимент Ивана и Алексея после «Нейронной обороны» — вариации нейросети на тему творчества Егора Летова — и композиции, написанной алгоритмом в стиле работ Скрябина и исполненной камерным оркестром на Yet another Conference.

Когда оркестр, открывавший конференцию о применении новейших цифровых технологий в различных областях, смолк, на сцене появился Андрей Себрант и с видом очень сосредоточенным заявил: «То, что вы видели, — не просто метафора, а пример того, как изменилась наша жизнь с момента появления машинного интеллекта».

The Village выяснил у специалистов, что все это значит и к чему приведет.

Важно

Нейросети рисуют котов, ищут людей по фотографии, верстают сайты, переводят тексты и наконец читают рэп, пишут песни и музыку. Но прежде чем рассказать, как они это делают и какое будущее ждет музыкальную индустрию и индустрию развлечений с развитием нейросетей, важно прояснить пару базовых деталей.

Нейросеть — это тип алгоритма, вид машинного обучения, не более того. Никакого антропоморфного робота, возникающего в сознании большинства людей, когда они видят очередной броский заголовок, что нейросеть или искусственный интеллект опять что-то сделал, нет.

«Если говорить очень просто, то машинное обучение — это обучение алгоритмов работать на основе данных, которые им показывают, — объясняет Михаил Биленко, руководитель управления машинного интеллекта и исследований „Яндекса“. — Представьте, что вам нужно научить программу отличать кошек от собак на фотографии.

Благодаря машинному обучению сейчас можно просто показать алгоритму набор картинок с кошками и набор картинок с собаками, и на основе этой информации он научится определять кошек и собак и на других картинках, которых не было в этих наборах.

А нейросети — это просто один из видов машинного обучения, который крайне эффективно решает определенные классы задач».

Самое первое предположение о том, что машина может писать музыку, выдвинула автор идеи компьютера, математик Ада Лавлейс в 1843 году, а задачу сделать алгоритм, который бы моделировал собой мозг, ученые поставили перед собой в начале 60-х.

Раз мозг сочиняет музыку, возможно, и алгоритм с такой задачей справится. Если же говорить о качественном прорыве в развитии нейросетей, позволившем научить их генерировать музыку, то он лежал не в плоскости математики, а в вычислительной стороне дела.

И способствовали ему, как ни странно, геймеры 90-х.

«Оказалось, что графические карты, изначально создававшиеся для компьютерных игр, можно использовать для научных вычислений и для обучения нейросетей, поскольку при обучении там происходит параллельно очень много сравнительно простых процессов», — рассказывает Иван Ямщиков, сотрудник Института Макса Планка. Графическая карта в игре разбивает всю поверхность на треугольники, и каждый треугольник обрабатывает отдельно, а потом все склеивает вместе. «В какой-то момент кто-то сказал: „Погодите, а давайте вместо картинок в компьютерных играх другие алгоритмы параллельных вычислений на видеокартах гонять!“ — в итоге сейчас за сравнительно небольшие деньги можно купить устройство, которое лет десять назад считалось бы суперкомпьютером, и на нем сравнительно быстро обучать достаточно глубокие нейросети», — говорит исследователь.

Чтобы научить нейросеть писать музыку, ей нужно дать очень большое количество примеров музыкальных произведений в понятном ей формате — например, партитуры или MIDI-файлы.

Обучая сеть писать стилизации под Скрябина, операторы использовали в качестве примеров 4 гигабайта MIDI-файлов с классическими и современными произведениями. Сбор примеров — первая большая проблема нейросетевого композиторства.

Совет

Заключается она в том, что таких примеров нужно действительно очень много, а для обучения сетки подойдет далеко не каждый файл.

«Например, мы берем простенький хаус-трек с очень скучным монотонным басом, который всю композицию играет одну ноту. Если наша задача сделать музыку как можно более разнообразной, такой трек для обучения использовать не стоит: он сильно испортит качество результата. Все, чему от него научится нейросетка, — повторять одну и ту же ноту», — объясняет Ямщиков.

Поэтому после формирования дата-сета его приходится фильтровать, и определение принципов этой фильтрации — труд на границе между наукой и искусством.

Следующая задача оператора нейросети — определить, какую информацию из выбранного трека нужно передавать и в каком виде. По словам консультанта «Яндекса», есть несколько используемых моделей. Одна из них — автоэнкодер.

Это метод, когда нейросеть слушает какой-то фрагмент музыки целиком, а потом должна целиком его воспроизвести, и чем ближе сетка попадает в оригинал, тем лучше. Есть языковая модель — когда сеть слушает одну ноту и пытается предсказать следующую, слушает реальный ответ и опять пытается предсказать следующую ноту.

В вопросе подходов на данный момент теории меньше, чем практики, поэтому программисты просто перебирают разные варианты и смотрят, где получается интереснее.

В процессе работы над генерацией музыки Алексей Тихонов натренировал три нейросетки: одна пишет мелодию, одна — бас, и еще одна — барабаны. Такая система в целом больше напоминает прототип панк-группы, чем оркестра, поэтому для классического открытия с камерным оркестром ее использовать не стали.

Вместо этого мелодии, написанные нейросетью, отдали Марии Черновой, основателю и креативному директору «Артнови», композитору и эксперту по творчеству Скрябина. Ее задачей было связать написанные нейросетью пьесы в единую композицию и создать аранжировку под утвержденный состав камерного оркестра с сольной партией терменвокса.

Первую, более механистичную часть композиции машина на конференции сыграла сама, вторую — аранжированную Черновой — исполняли живые музыканты. И необходимость использовать живых исполнителей обязала внести в генеративную музыку еще ряд изменений.

«При сохранении музыкального языка нейросети моя задача также состояла в том, чтобы придать пьесе форму, развитие и логику в гармоническом построении», — уточняет композитор.

Обратите внимание

Нейросети не только пишут музыку, но и слова, которые можно на нее наложить. В марте 17-летний школьник Робби Бэррат научил нейросеть сочинять рэп по мотивам текстов Канье Уэста, скормив ей 6 тысяч строк из его песен в качестве примеров.

Изначально алгоритм просто менял их местами, но потом стал писать лирику самостоятельно. Алексей Тихонов и Иван Ямщиков учили нейросеть писать тексты в стиле Летова и Кобейна. Первого выбрали из-за свойственной «Гражданской обороне» и всему русскому року высокому уровню апофении: в большинстве текстов жанра отсутствует авторский нарратив. Его в песни привносит рефлексирующий слушатель.

Дело в том, что в ходе работы обнажился еще один пробел на стыке математики и филологии. У машины проблема с сюжетностью, а объяснить ей, что это, некому. «Можно объяснить ей, что такое слово, но очевидно, что сюжет не сводится к слову и даже к предложению, — поясняет Иван Ямщиков.

— Мы пытаемся разобраться с этой проблемой уже год, и не мы одни. Инструментов, с помощью которых ее пытаются решить, очень много.

Некоторые под это дело поднимают десятки миллионов долларов, но, к сожалению, когда заходишь на их сайты и хочешь что-нибудь „потрогать“, они ничего не показывают».

Жорж Польти еще в конце XIX века вывел теорию о том, что в мире существует всего 36 драматических ситуаций, Борхес и вовсе сократил их число до четырех.

Но оператор нейросети на вопрос, сколько их, конечно ли число сюжетов, и если нет, как научить нейросеть писать новые, ответить не может. В этом отношении следующий большой прорыв должен произойти с помощью людей искусства и гуманитариев.

Чем лучше они научатся гуманитарные науки формализовать, тем больше шансов у разработчиков создать для них более интересные инструменты.

У нейросетей и музыки большое будущее. Во-первых, нейросети уже применяются фактически во всех музыкальных сервисах от Spotify до «Яндекс.Музыки» — там нейросеть советует пользователям новые треки.

Важно

Вообще, всякого рода рекомендательные алгоритмы — это колыбель машинного разума. Множество решений и методов, использующихся в разных приложениях искусственного интеллекта, было изначально придумано именно для алгоритмических рекомендаций.

«Есть такая цепочка базз-бордов: сначала все говорили про big data, потом все стали говорить про машинное обучение, а потом — про машинный интеллект и нейросети, — объясняет Иван Ямщиков. — Эта последовательность связана с производственным циклом разного рода айтишных компаний».

Сначала они поняли: у них много информации о пользователях, которую нужно хранить, чтобы как-то впоследствии научиться на ней зарабатывать. После того как данных стало достаточно много и на них уже можно было натравливать какие-то более продвинутые алгоритмы, все стали говорить про машинное обучение.

А дальше в рамках машинного обучения появились нейросети, как раз обладающие большим преимуществом там, где речь идет о персонализации, вкусах и предпочтениях, и становящиеся все более доступной технологией.

«Сегодня нейросети помогают найти действительно похожие по звучанию треки, благодаря чему наши сервисы уже умеют воспринимать музыку как нечто большее, чем просто комбинацию исполнителя и жанра, — рассказывает Евгений Крофто, руководитель группы анализа музыки в „Яндекс.

Музыке“. — Мы анализируем, какие треки пользователи слушают совместно, и обучаем сеть предсказывать их похожесть на основании одного лишь аудиосигнала». Очевидно, что в ближайшее время количество такого рода услуг будет расти вместе с уровнем персонализации рекомендаций.

Год назад о себе заявил русский стартап Mubert — первый онлайн-композитор электронной музыки. Его продукт — свободный от копирайта поток ликвид-фанка, дип-хауса, эмбиента и чилстепа, генерируемый алгоритмом в режиме реального времени.

В апреле создатели приложения объявили о разработке версии для бегунов Mubert.Run, которая будет генерировать музыку, поддерживающую ритм атлета во время тренировки.

Сейчас они привлекают к работе (на коммерческой основе) продюсеров, создающих музыку в диапазонах 160–180 ударов в минуту, и планируют партнерство с одним из спортивных мейджоров.

Конечно, Mubert своим будущим релизом Америку не откроет, спортивные приложения подготовили обширную почву для интеграции в них генеративной музыки. Например, в 2012 году появилась веселая аудиоигра для спортсменов «Zombies, Run!».

Совет

Приложение с 200 разными миссиями синхронизировалось с картой местности и во время пробежки посылало в наушники игрока звуки преследующих его зомби, заставляя ускоряться. Больше 3 миллионов установок сделало приложение самой большой по числу участников фитнес-игрой на смартфоне.

Также алгоритм мог бы изменять звуковую дорожку в игре, синхронизируясь, например, с пульсом пользователя.

Оксфордский стартап Juckedeck, удостоенный «Каннских львов, генерирует royalty free музыку для рекламы. Здесь за 200 долларов можно купить аудио для коммерческого использования.

Еще одна перспектива буквально двух-трех лет — персонализированная музыка в заведениях. Представьте, что вы чекинетесь на входе в кафе, а как только переступаете его порог, в нем меняется звуковое оформление.

То есть алгоритм анализирует всех посетителей места и начинает подстраивать звучащую в нем музыку так, чтобы она нравилась в среднем им всем.

Если развивать мысль дальше, возможно, на входе в ночной клуб фейсконтрольщик когда-нибудь будет не только мерить гостей испытующим взглядом, но и просить показать плейлист.

Рынок этот пока фактически свободный, и прийти сюда с новым продуктом может кто угодно, главное — придумать для технологии правильное применение.

Если нейросети освоятся в композиторском деле, то, по мнению Марии Черновой, они вполне смогут вытеснить авторов авангардной, интуитивной музыки или нойза. Но вытеснить музыканта-исполнителя ей не под силу.

«Музыкант-исполнитель работает со временем, для человека время — это жизнь, люди его очень тонко ощущают, — размышляет она. — Машина не сможет столь же тонко работать со временем, поскольку интуитивной гибкости ей не достичь.

Обратите внимание

В живом исполнении всегда присутствует доля импровизационности, что и подкупает зрителя, хотя я совсем не исключаю появления робоколлективов».

Читайте также:  Uarm: настольный робот-манипулятор

На самом же деле, перед пишущей музыку нейросетью задачи заменить композитора никто и не ставит. «Обычно мы хотим, чтобы машина делала не то, что мы умеем, а то, чего мы не умеем, — говорит Ямщиков. — Экскаватор не заменяет человека с лопатой, при всей схожести с ним, он может делать принципиально другие вещи.

И мы все равно используем человека с лопатой, когда копаем грядки на даче, но, когда нам нужно сделать фундамент для дома, мы используем экскаватор». По его словам, не так интересно, научится ли машина писать музыку, как человек.

Интересно другое: сможет ли человек с помощью машины сделать нечто принципиально отличающееся от направлений искусства, уже им созданных.

Обложка: Sergey – Stock.adobe.com

Источник: https://www.the-village.ru/village/business/newprof/272330-muzyka-neyrosetey

Искусственное искусство: могут ли роботы творить

Еще недавно способность к творчеству считалась привилегией человека, отличавшей его от искусственного разума.

Слова персонажа Уилла Смитта из фильма «Я, робот» 2004 года о том, что механизм никогда не сможет нарисовать картину или написать симфонию, в одночасье разлетелись по интернету и стали крылатыми.

Но со временем оказалось, что ИИ успешно приобщился к миру искусства и способен на акты творчества в разных областях.

Музыка

Немецкая рок-группа Compressorhead исполняет каверы на хиты Red Hot Chili Peppers, Led Zeppelin, Metallica, а также играет собственную музыку.

Изюминка бойсбенда в том, что он состоит из четырех роботов: гитариста Фингерса с 78 пальцами, бас-гитариста на гусеничной платформе по кличке Боунс, четырехрукого барабанщика Стикбоя и его помощника Стикбоя-младшего.

И хотя музыка пишется не участниками механического квартета, а группой германских инженеров-робототехников, Compressorhead популярны по всему земного шару и много гастролируют.

Робот-композитор Iamus не только исполняет, но и самостоятельно сочиняет музыку. Алгоритм, созданный Франсиско Виго из Университета Малаги, слушает несколько музыкальных композиций и выявляет закономерности в их построении.

Затем он разбивает мелодию на логические отрывки, составляет из них произведение и сверяет результат с критериями красоты и гармоничности звучания, которые самостоятельно определяет для себя.

И даже самый придирчивый меломан не догадается, что получившаяся композиция – результат работы ИИ.

Поэзия

Нейросеть научилась писать стихи, подражая стилю Егора Летова. Сотрудники компании «Яндекс» в 2016 году создали алгоритм, который обработал тексты песен группы «Гражданская оборона» и сгенерировал лирику собственного сочинения. Разработчики положили стихи на музыку и записали целый альбом под названием «Нейронная оборона».

Созданные компьютером тексты очень похожи по стилю на настоящие, но все же имеют еле уловимое отличие – если вслушаться внимательнее, есть шанс заметить искусственность.

Живопись

Благодаря обучению с помощью нейронных сетей роботы научились рисовать картины. В Вашингтоне в 2016 году робот тайваньского производства TAIDA мастерски набросал изображение Альберта Эйнштейна в стиле импрессионизма.

Судьба механизма по имени E-David, сконструированного на факультете информатики Констанцкого университета в Германии, приняла неожиданный оборот: изначально робот создавался для более приземленных целей – сварки деталей автомобилей. Но как это часто случается с одаренными творцами, что-то пошло не так, и теперь искусственный интеллект пишет картины.

Разработчики Томас Линдемайер и Оливер Дойссен снабдили конструкцию сенсорами, камерой и ПО, с помощью которых удается запечатлеть в различных художественных стилях что угодно – от портрета до окружающего пейзажа.

Рисунки ИИ всегда уникальны – даже изображения одного и того же предмета будут отличаться, поскольку машина сама вычисляет и определяет, под каким углом сделать очередной мазок.

Важно

Правда, сложно сказать, можно ли считать этот процесс актом искусства – по сути E-David перерисовывает образ, который фиксируют сенсоры.

Есть и роботы, пишущие абстрактные картины – проект Action Jackson, созданный студентом Университета Вашингтона Тофером Макфэрлендом, наносит на бумагу узоры, напоминающие картины художника Дж. Поллока.

Кинематограф

Робот Geminoid F, собранный профессором Университета Осаки Хироси Исигуро, снялся в драме под названием Sayonara. Несмотря на атропоморфность и удивительную реалистичность механизма, неестественность его движений и мимики, конечно, бросается в глаза, особенно на фоне игры живых актеров. Но все же тандем человека и робота придает кинокартине некий шарм.

А в 2016 году режиссер Оскар Шарп и исследователь ИИ Росс Гудвин сняли экспериментальную научную короткометражку Sunspring по сценарию, написанному нейронной сетью по имени Бенджамин.

Машина сгенерировала подробную историю, в которой прописаны движения и диалоги актеров, обозначены декорации и музыкальное сопровождение.

Сюжет фильма Бенджамина – о будущем, в котором люди, обеспокоенные проблемой массовой безработицы, вынуждены продавать собственную кровь, чтобы выживать.

В ходе работы над проектом ИИ обработал множество сценариев фантастических фильмов, выпущенных в период с восьмидесятых до нулевых годов. Нейросеть быстро усвоила, что в картине должно быть три акта, а с именами персонажей все прошло не так гладко, и в итоге электронный мозг назвал их буквами – H, H2 и C.

Картина Sunspring участвовала в конкурсе фантастических короткометражек в Лондоне, где была оценена выше многих работ, созданных человеком.

Несмотря на то, что фильм имеет структуру и своеобразный сюжет, смысл и логика в нем хромает – в целом проект напоминает дикую фантасмагорию.

Впрочем, многие современные произведения в стиле артхаус порой еще менее понятны зрителям, поэтому строго судить творение Бенджамина не стоит.

Архитектура

Geometric Death Frequency-141 – уникальная скульптура, созданная механическими руками роботов с помощью CAD-программы. Проект размерами 6 м в высоту и 15 м в длину состоит из более 400 000 склеенных друг с другом шариков-пикселей черного цвета. Над скульптурой, представляющей собой морскую волну, разбивающуюся о скалы, несколько дней трудились два робота.

Иногда сложно установить границу между тем, кто является создателем произведения искусства – робот, который его создал, или разработчик, установивший программное обеспечение, благодаря чему механизм выполнил задачу. Как бы то ни было, однозначно выяснилось, что ИИ можно обучить способности к творчеству.

Источник: https://robo-sapiens.ru/stati/iskusstvennoe-iskusstvo-mogut-li-robotyi-tvorit/

Монополия на творчество: может ли робот стать художником

Спикеры:

Петр Левич: Вы знаете, что новости о радикальном успехе нейронных сетей приходят раз в две недели? Ученые на примере картин Ван Гога обучили нейронную сеть определенному алгоритму формирования изображений. Любую фотографию можно прогнать через этот алгоритм и получить такую картину.

Человек, который не знает Ван Гога, но знает его стиль, посмотрит на две картины и, возможно, не сможет отличить одну от другой, потому что цифровая версия выглядит не менее качественно.

Другой пример: два программиста из «Яндекса» обучили нейронную сеть копировать стиль Егора Летова и заставили этот алгоритм написать новую подборку стихов, которую назвали «Нейронная оборона». «Медуза» сделала игру: дано четверостишие, и надо определить, кто его написал: компьютер или Егор Летов.

Совет

 60% людей не смогли отличить. По сути это тест Тьюринга, и нейронная сеть в данном случае прошла его с точностью 60%.

Мы делегировали машинам много прав и возможностей, в том числе хранение информации. Но всегда было ощущение, что за человеком остается какая-то монополия — на творчество, на гений. И казалось, что эта привилегия принадлежит только человеку. Но с развитием технологий ситуация изменилась.

Мне кажется, что новость о нейронных сетях, занимающихся творчеством, заставляет некоторых людей чувствовать себя некомфортно, испытывать future shock.

Насколько эти вопросы актуальны, действительно ли у нас отобрали монополию творца? Если да, то что с этим делать? Если нет, то в чем она осталась?

Алексей Турчин: Думаю, что художник с каждым следующим произведением искусства переосмысляет то, что такое искусство. Искусство — это все, что было, а теперь надо создать что-то новое и таким образом изменить его границы.

Например, в XIX веке появилась фотография, и оказалось, что художник освобожден от необходимости изображать предметы такими, какие они есть.

Могло показаться, что художник больше не нужен и художники вымрут как класс, потому что придут фотографы, которые будут создавать качественные (а потом еще и цветные) изображения и тиражировать их.

Но изобретение фотографии привело к небывалому расцвету искусства: художник освободился от необходимости копировать предметы и обратился к другим аспектам. Скорее всего, изобретение фотографии повлияло на рождение импрессионизма, а потом и абстракционизма. Сейчас нейронная сеть стала хорошо подражать работам Ван Гога и Егора Летова.

Обратите внимание

Дело в том, что подделки были еще в Древнем Китае. Одни художники или подделывают работы других художников, с тем чтобы продавать картины под их именем, или, по крайней мере, учатся на работах других художников.

Человек — это такая ходячая нейронная сеть, которая подражает сама себе, подражает другим художникам, а также другим образцам искусства.

Елизавета Плавинская: Я писала диссертацию о том, как получилось, что при академическом образовании художники стали модернистами.

В процессе исследования выяснилось, что сначала система отказалась обучать, а уже потом люди отказались обучаться.

Современное российское образование находится сейчас в очень похожей ситуации, когда все признают старые, совсем академические вузы невыносимо скучными, чуть ли не опасными для здоровья. С другой стороны, их дипломы все равно котируются.

Я согласна с Ольгой Свибловой — иногда для искусства и инноваций важна какая-то катастрофа, что-то страшное. Вот этот страх будущего, который возникает в связи с быстрым развитием мира цифровых технологий, может и позитивно влиять на искусство. Я сама уже много раз ошибалась и работы прекрасных блондинок из американских университетов принимала за произведения Малевича и Матисса.

Ростан Тавасиев: А захочет ли искусственный интеллект, нейронная сеть заниматься творчеством?

Анна Абалихина: И является ли это действие творчеством? Почему копирование произведений роботом приравнивается к акту творчества?

Важно

Петр Левич: В своем вопросе я подразумевал, что если теперь роботы могут делать то же самое, что и люди, то, может быть, нам надо исправить определение творчества, добавить какую-то оговорку — при условии, что это сделал человек.

Ростан Тавасиев: Разве робот действует по доброй воле? Он же еще сам себя не осознал. Как в случае с песнями Летова, программисты включают робота, и он пишет стихи.

Анна Абалихина: В любом случае получается, что за технологией стоит человек.

Петр Левич: Получается, условие творчества — это осознание себя? Кстати, человек изначально не может предположить, что именно в итоге получится из действий запрограммированного робота, поэтому объекты, созданные искусственным интеллектом, не просто копии.

Ростан Тавасиев: А есть ли какая-то возможность оценить ответную реакцию? Получил ли этот робот удовольствие? Или что он испытывает после акта творчества?

Анна Абалихина: Мне кажется, что технология в каком-то смысле — мост между художниками и зрителями. Сейчас каждый может сочинять музыку, делать фотографии, обрабатывать их онлайн, использовать видеогаджеты, графические платформы. Техника работает на то, чтобы все-таки развивать творческий потенциал.

Алексей Турчин: Проблема не в том, что появляются роботы. У художника проблема в том, что есть очень много других художников и он не может прославиться настолько, насколько хотел бы, из-за конкуренции.

Соответственно, у нас возникает вопрос о зрителе, который мог бы потреблять создаваемые даже живыми художниками произведения.

В этом смысле нейронная сеть будет выполнять функции искусственного зрителя и давать некое моральное удовлетворение от того, что кто-то смотрел на эти произведения.

Совет

Анна Абалихина: Мы, деятели визуального искусства — хореографы, режиссеры, — используем технологии в нашей работе. Вспомним великого американского реформатора, хореографа, гения Мерса Каннингема, который дружил с Джоном Кейджем.

Когда Каннингем был уже стареньким дедушкой и не мог показывать движения своим танцовщикам, для него был разработан специальный софт: он, сидя в инвалидном кресле, складывал ребусы и заставлял танцовщиков повторять движения, которые предлагала эта компьютерная программа.

Обратим внимание на то, что зачастую актом творчества является не результат и не копия, а непосредственно сам процесс создания. И, наверное, нет смысла плодить какие-то копии или формы, если данная работа или данный проект в действительности не развивает тебя.

Алексей Турчин: Произведение искусства — это высказывание, которое сделал художник. Это высказывание существует в ряду других высказываний и в истории искусств. То, что нейронная сеть обработала фильтром одно произведение, не является высказыванием, потому что сеть работала только с одним аспектом картины — это способ наложения красок. Хотя у картины есть название, композиция, сюжет и пр.

Ростан Тавасиев: Если искусственный интеллект в полном смысле этого слова займется самостоятельным творчеством, то, я уверен, визуально он будет сильно отличаться от того, что делаем мы, люди. Вряд ли ему захочется нас удивлять чем-то.

Зачем ему это нужно? Чтобы мы его хвалили? Или денег он захочет? В чем будет его мотивация? Он, может быть, будет что-то создавать в качестве инструмента познания мира, чтобы двигаться дальше. Но мне было бы очень интересно это увидеть.

И я не понимаю, как мы можем с ним конкурировать: наши и его работы будут существовать в совершенно разных измерениях. Думаю, что это будет меня скорее питать и помогать моей работе, чем угрожать.

Валерий Печейкин: Друзья, я хотел задать вопрос и привести в пример машину, которая на моих глазах прошла тест Тьюринга. Журналисты телеканала «Россия» взяли из мосфильмовской картотеки актера, придумали ему псевдоним Борис Сивко. При помощи скрипта программы сайта «Стихи.ру» написали за него сборник стихотворений — конечно, не без человеческого участия.

Обратите внимание

Представили его как успешного бизнесмена, который издал свой сборник стихов и устроил фуршет. На этот фуршет пришли разные люди, поэты, один из них открыл книгу и сказал: «Я прямо по стихотворению чувствую, что эти строки были написаны где-то на берегу Оки». Человека не просто приняли в члены Союза писателей, а наградили «Есенинской медалью».

Читайте также:  Искусственный интеллект привлекут для расследования нераскрытых преступлений

После этого журналисты рассказали про обман.

Чтобы создавать новые произведения искусства, лично мне машина не нужна. Моя проблема — анализ огромного потока текстов, картин.

Когда я работал в редакции с огромными потоками текстов, мне нужны были какие-то хотя бы интуитивные методы, чтобы, держа в руках роман или несколько романов, более или менее быстро понять, насколько он плотно и интересно устроен, насколько он плотно написан.

Может быть, кто-то знает, ведутся ли разработки в этом направлении? Чтобы можно было оценить существующие произведения искусства?

Алексей Турчин: Вернемся к тесту Тьюринга. Он, получается, обоюдоострый. На самом деле это был тест интеллекта Союза писателей, который они провалили.

Татьяна Черниговская: Я думаю, что тест Тьюринга пройдут 10% населения Земли. Я говорила с людьми, которые были в жюри крупных музыкальных конкурсов. Звук, как и штрих или мазок, — это не технологии. Мы ничего не проиграли искусственному интеллекту, потому что мы играем в другую игру.

Анна Абалихина: Я бы не хотела, чтобы мои работы проходили через простой фильтр цифр.

С другой стороны, я наблюдаю, как моя двухлетняя дочь потребляет технологии, как она использует гаджеты, и понимаю, что рядом со мной растет человек, у которого будут совсем другие отношения с техникой и технологиями. А такие связи, как «художник — зритель», «художник — предмет искусства — зритель», неизбежно изменятся в ближайшие годы.

Источник: https://theoryandpractice.ru/posts/15145-monopoliya-na-tvorchestvo-mozhet-li-robot-stat-khudozhnikom

Писателей просят побеспокоиться: искусственный интеллект научился писать рассказы

Искусственный интеллект (ИИ), который получил имя «Шахерезада», способен генерировать рассказы со стройным сюжетом на основе анализа текстов той же тематики, сообщает Vice.com. В качестве эксперимента ученые запрограммировали ИИ проанализировать около двухсот различных рассказов о походах в кино и ограблениях. В итоге они получили тексты такого качества:

«Салли испугалась, когда Джон подошел к ней, поскольку он выглядел подозрительно. Джон достал пистолет, спрятанный в кармане его куртки. Джон направил пистолет на Салли, безжалостно глядя на нее. Салли очень испугалась и закричала. Грубым, хриплым голосом Джон потребовал денег».

«Шахерезада» не понимает конкретный смысл текстов, которые анализирует, зато распознает в них повторяющиеся схемы. Если машина видела сразу у нескольких авторов похожие предложения, относящиеся к одному и тому же событию (покупка попкорна, например), она расценивает это событие как важное и запоминает его. 

Кроме того, «Шахерезада» понимает, что одни события обязательно должны предварять другие и составляет некое подобие плана истории, благодаря чему сюжет получается логичным и связанным. 

Любопытно, что в итоге способности искусственного интеллекта в создании рассказов даже превзошли ожидания ученых.

«Когда мы в первый раз дали ИИ задание создать историю о свидании в кино, мы ожидали увидеть набор стандартных событий вроде покупки билета, поиска мест в зале и тому подобные, — рассказывает один из программистов «Шахерезады» Марк Ридл. — Но система самостоятельно поняла, что герои должны держаться за руки и целоваться».

Рассказы, «написанные» искусственным интеллектом, дали почитать сторонним людям. В  результате 83% историй были признаны удачными.

Важно

Чтобы закрепить успех и ускорить обучение «Шахерезады», исследователи решили покупать у фрилансеров короткие рассказы и вносить их в память ИИ. Все истории должны быть написаны простым языком, без использования сложноподчиненных предложений.

Достижения «Шахерезады» спровоцировали новую волну дискуссии о том, способны ли  роботы уже в ближайшем будущем составить конкуренцию настоящим писателям.Мнения на этот счет разошлись. 

«Они (роботы. — «РБК Стиль») предоставляют рукописи в срок. Они никогда не страдают от творческого кризиса. И они не гуглят часами, как их книги продаются на Amazon. Есть только одна проблема с роботами-писателями — их рассказы отстой», — иронизирует по этому поводу The Guardian.

Ученые признают, что в творческом плане «Шахерезада» пока слабовата. Главная проблема — она не может использовать в тексте метафоры, иронию, сарказм. Но ученые говорят, что это следующий шаг в развитии способностей искусственного интеллекта.

А британский писатель и художник Джеймс Брайдл пишет в той же The Guardian, что рано или поздно художественная литература перестанет быть плодом творчества только людей: «Роботы-писатели смогут стать соавторами в самых сложных областях знаний и помогут людям в изложении таких тем, как изменение климата или политические перевороты».

Что еще выгодно отличает роботов от людей — они необычайно работоспособны. Это позволяет «Шахерезаде» писать не обычные рассказы, а интерактивные. То есть это истории, на сюжет которых непосредственно влияет сам читатель.

Достигая сюжетных развилок, он может самостоятельно выбирать дальнейший сценарий развития действий из нескольких предложенных автором и таким образом полностью менять сюжет.

И все эти разветвления сюжета «Шахерезадой прописаны заранее — прямо скажем, весьма сложный труд для писателя-человека. 

Источник: https://style.rbc.ru/items/5716388c9a79472acdb34b2f

Глупые люди вымрут

александра шеромова

В супермаркетах есть специально обученные люди, мерчендайзеры: расставляют товары по полкам так, чтобы вы купили больше.

На Западе в одной мощной сети магазинов вместо мерчендайзеров работает «умная» система — оказалось, ее вариант расстановки товаров на 80% эффективнее человеческого.

Эти и прочие жизнеутверждающие примеры успехов и неуспехов искусственного интеллекта (ИИ) поведал слушателям пространства «Охта LAB» программист Григорий БАКУНОВ, директор по распространению технологий всем известной поисковой системы.

РИСУНОК Валерия ТАРАСЕНКО

Где положить жвачку?

— Я искренне ненавижу формулировку «искусственный интеллект», — с порога предупреждает Григорий.

Человечество пока не сформулировало четко, что такое вообще интеллект (скажем, обладают ли им муравьи?) — что уж говорить об ИИ.

На самом деле многое из того, что мы гордо причисляем к «искусственному интеллекту», базируется на давних разработках — просто раньше их называли иначе.

Например, технология, которая позволяет компьютеру разобрать каракули вашего врача быстрее, чем это делает фармацевт в аптеке, зародилась почти 30 лет назад.

Совет

Распознавание речи (смартфон понимает команду «на слух») и изображения, интеллектуальные помощники (устройства, которые могут «с голоса» хозяина управлять домашней техникой, искать информацию в Интернете и т. д.) — тоже не так уж «интеллектуальны», всего лишь имитируют общение с хозяином.

Вернемся к тому супермаркету. Живой мерчендайзер рассуждал логично: покупатель ждет на кассе — значит положим жвачку у кассы и ждущий покупатель прихватит эту мелочовку в корзину.

Электронный мерчендайзер указал, что жвачку нужно разместить у фруктового отдела. Логики — никакой. Но покупатель почему-то действительно прихватывал там жвачку гораздо активнее.

И это не «интеллект»: система просто отслеживала передвижения и действия покупателей в процессе шопинга и выстраивала прогнозную модель.

— Но есть области, в которых человечество так хорошо научилось имитировать интеллект, что эта имитация неотличима от интеллекта человеческого и может его заменить, — говорит Бакунов.

Что такое имитация интеллекта, он объясняет на муравьях. Вот муравьи бегут по своей тропке; экспериментатор ловит каждого и маркирует; муравьи, конечно, в смятении. Но проходит некоторое время — и мураши, пробегая по знакомой тропке, уже сами притормаживают в том месте, где стоит экспериментатор, спокойно подвергаются маркированию и топают себе дальше.

— Это выглядит как интеллектуальная деятельность. На самом деле это набор рефлексов. Муравей не понимает, кто там его берет и что делает. Для него всего лишь немного усложнилась дорога.

Как говорит лектор, «человечество научилось обманывать себя, принимая за искусственный интеллект то, что является всего-навсего простейшей системой рефлексов». Но это прежние поколения машинного обучения.

А вот переход к нейронным сетям в компьютерных технологиях — это уже ближе к тому, как принимают решения позвоночные. У нас, позвоночных, двойная система принятия решения: помимо рефлекторной еще и более сложная, «думательная».

В этом система пока тоже лишь имитирует поведение, принятие решений, но лиха беда начало.

Айзек Азимов ошибся

Сейчас навигатор понимает не только адрес «на слух», но и фразы вроде «поехали домой через аптеку».

И важно не то, что навигатор знает, где ваш дом и где по пути аптека (это не фокус), а то, что распознает такие фразы.

Правда, машину ограничили в словарном запасе, но зато она распознает на слух лучше среднего таксиста. Таксист правильно понимает с голоса в 90 — 92% случаев, навигатор — в 94,6%.

Обратите внимание

Машины-беспилотники (самоуправляемые) в среднем пока похуже среднего водителя, они часто водят «по-пенсионерски»: 35 км в час, по крайней правой, тупо по правилам, но в экспериментах эти машины-роботы в целом наездили несколько миллионов километров и угодили всего в несколько аварий.

Кстати, самоуправляемое авто Григорий приводит как пример «ошибки Айзека Азимова». Помните знаменитые «Три закона робототехники»? Они сводятся к тому, что робот ни при каких обстоятельствах не навредит человеку.

Так вот ситуация, предложенная Бакуновым: вы едете по шоссе в беспилотной машине, вдруг ЧП — и либо вы собьете откуда-то взявшегося на дороге старичка, либо въедете в стоящих на остановке школьников, либо — в отбойник, и тогда пешеходы живы, а вам несдобровать.

Компьютер должен быть запрограммирован и на принятие решения в такой безвыходной ситуации, говорит Бакунов. Решения о том, «кого списать». Вероятно, система «спишет» человека в машине: садясь в авто, он как бы принял на себя риски.

К счастью, такие трагические сценарии пока — упражнение для ума.

Сейчас ИИ работает лучше среднего человека в решении простых задач. Бакунов формулирует это как «правило одной секунды»: столько времени (и меньше) специалист тратит на принятие решения в привычных делах. И, значит, такие задачи можно автоматизировать.

— Уже сейчас есть системы ИИ, которые могут программировать на уровне среднего программиста.

В прошлом году произошло эпохальное событие: искусственный интеллект выиграл у чемпиона в игре го, которая намного вариативнее шахмат. Опять же произошло это не потому, что был придуман какой-то супералгоритм. Просто разработчики додумались «натаскивать» искусственный интеллект в играх не с человеком, а с другим ИИ.

Считается, что человек успешнее машины, потому что может принимать и дурацкие решения, но, похоже, поступать по-дурацки — не только человеческое свойство. Два ИИ, играя в го друг против друга, допускали и такие ходы, на которые вменяемый игрок никогда бы не пошел.

Моделировать прошлое и будущее

В каких сферах ждать революций, связанных с ИИ?

Безусловно, в медицине. Знаете, какова вероятность того, что на первичном приеме терапевт вам с первого раза поставит верный диагноз? 24%. «Это стыдно для человечества», — констатирует Бакунов.

В США врач общей практики уже активно применяет специально составленный опросник. Порой не нужно никаких датчиков. «Доктор, у меня вот тут болит!» — «Лягте так-то, поднимите ногу — усиливается ли боль?» Это один из вопросов на определение остеохондроза. «Узких» врачей роботы пока не заменят, но автоматизацию диагностики там и сям уже внедряют.

Еще один пример навскидку — казалось бы, не утилитарный. Реконструкция малоизвестных исторических событий на основе тех данных, которые известны хорошо. К примеру, «просчитывание» Троянской войны.

— А от реконструкции прошлого недалеко до конструирования событий будущего, — полагает лектор.

…Но, уверен Григорий Бакунов, от того чтобы заменить человека «вообще», искусственный интеллект «бесконечно далек».

Важно

Например, электронный дизайнер вряд ли поймет задачу, сформулированную клиентом так: «Сделай, чтоб прям вообще».

Да и если в ресторанах будут официанты-роботы, могущие тут же просветить вас о вине урожая такого-то года, многие посетители предпочтут обслуживание в исполнении официанта-человека, пусть недотепы, но, допустим, обаятельного.

Ну и в стендап-камеди пока уверенно ведут люди.

Тем не менее за следующие 50 лет человечество «должно учиться умнеть быстрее, чем умнеют алгоритмы», предупреждает Григорий. И стращает: «Глупые люди вымрут».

«Умнеть» — это думать не «всегда», а «правильно». Скажем, не пребывать в узких рамках своей специализации, а упорно расширять кругозор и быть в курсе того, что происходит в самых разных сферах. Потому что, как мы уже вызубрили, самое востребованное будет появляться на стыке разных областей.

Тут Григорий ссылается на еще одного фантаста, Роберта Хайнлайна: «Любой человек должен уметь менять пеленки, планировать вторжения, резать свиней, конструировать здания…» (там много чего еще). И в довершение: «Узкая специализация — удел насекомых».

#«искусственный интеллект» #роботы #специализация

Источник: https://spbvedomosti.ru/news/nauka/glupye_lyudi_vymrut_/

Ссылка на основную публикацию