As máquinas são capazes de criar arte?

A primeira tentativa amplamente conhecida de usar Inteligência Artificial para fazer arte foi o projeto DeepDream da gigante de tecnologia Google. É um software originalmente concebido como um detector e classificador de rostos em imagens.

Aí onde entra a inventividade humana. Um participante do projeto (meio cientista e meio artista) percebeu que esses algoritmos podem ser executados ao contrário, aplicando recursos semelhantes a rostos na entrada. Essa experiência acabou criando representações abstratas de imagens de rostos distorcidos e com a aparência psicodélica. Seria a máquina fazendo arte?

Hoje em dia, quando as pessoas falam sobre arte gerada por IA, elas querem dizer uma de duas coisas distintas: transferência de estilo neural ou redes adversárias generativas.

Transferência de estilo neural é um nome para uma família de algoritmos que são usados ​​para aplicar o estilo de uma ou mais imagens existentes a uma imagem de entrada. O operador do algoritmo deve escolher uma imagem de entrada (pode ser um desenho de criança, por exemplo) e uma imagem de estilo (ou seja, The Starry Night de Vincent van Gogh) e a saída é a primeira imagem no “estilo” da segunda .

Imagem: Exemplo de transferência de estilo neural, entre um desenho de criança e uma tela do brilhante pintor Van Gogh. (Fonte: https://matheusfacure.github.io/img/portfolio/style-transfer/desenho.jpg)

Tanto o DeepDream quanto os métodos de transferência de estilo neural foram desenvolvimentos surpreendentes com inteligência artificial. No entanto, sua saída não representa verdadeiramente arte gerada por IA, pois um ser humano é obrigado a escolher imagens que já existem (criadas por humanos). É por isso que esses algoritmos foram criticados por funcionarem essencialmente como um filtro sofisticado do Instagram ou Snapchat.

O último tipo de arte de IA é baseado em Generative Adversarial Networks (GANs), e é a coisa mais semelhante que temos a um artista humano no mundo da inteligência artificial.

Essa técnica computacional aprende separadamente sobre estilo e conteúdo, o que permite interpolar entre estilos e misturar estilo e conteúdo de maneiras inovadoras (de maneira semelhante às diversas influências de um artista humano). Este é um algoritmo que pode gerar novas imagens originais do zero. O treinamento desse tipo de IA requer o treinamento de duas redes neurais separadas – o “Crítico” e o “Artista”.

O crítico recebe um vasto banco de dados de arte humana em diferentes estilos ao longo da história como entrada para análise. O Artista, que nunca “viu” arte antes, recebe uma semente aleatória como entrada e começa a gerar uma imagem do zero. A saída passa então pelo Crítico, que com base em seu conhecimento, dita se a imagem gerada se parece ou não com arte feita por humanos.

As duas redes são então treinadas juntas, com o Crítico tentando melhorar a detecção de imagens “pouco artísticas”, enquanto o Artista segue vendendo sua arte ao Crítico. O Artista então se aprimora nesse processo e acaba aprendendo a criar imagens que passam como arte “humana” aos olhos do Crítico.

Rafael Toscano é gestor financeiro, Engenheiro da Computação e Especialista em Direito Tributário, Gestão de Negócios. Gestor de Projetos Certificado, é Mestre em Engenharia da Computação e Doutorando em Engenharia com foco em Inteligência Artificial aplicada.

Deixe seu comentário
anúncio 5 passos para im ... ltura Data Driven na sua empresa

+ Recentes

Assine nossa Newsletter

No ononno ono ononononono ononono onononononononononnon