人工智能藝術的未來 8 10

該圖片由作者使用 dreamtudio.ai 創建,提示為:“宇航員在向日葵幻想藝術領域騎著一匹藍色的馬拉小提琴。” 注意浮動的小提琴弓和不正確的右手位置。

生成式人工智能 (AI) 已成為新聞焦點,最近的一次是好萊塢演員罷工,討論生成式人工智能 (AI) 的潛在影響 電影製作中的人工智能。 另一個故事涉及人工智能被用來 複製加拿大說唱歌手 Drake 的聲音病毒式傳播的曲目.

這些故事引發了對錶演者權利的質疑,也引發人們思考:人工智能會取代藝術家嗎?

這些問題也是密切相關的 近期進展 in 生成人工智能 熟練 在大量現有圖像上 已用於僅根據用戶提供的提示創建新圖像。

我是一位作曲家 在我的音樂和聲音練習中使用創意人工智能 將近二十年了。 我的創作實踐和研究集中在 協作關係 藝術家和人工智能之間。 在我看來,雖然我們正處於一個混亂的時代,許多藝術家需要在新技術背景下重新談判他們的勞動條款,但也存在不同形式合作的機會。


內在自我訂閱圖形


AI生成的圖像

AI生成 高品質的圖像 範圍 視頻遊戲的概念藝術 到照片級寫實作品。

生成式人工智能視覺藝術的例子包括奇幻圖像:

作品也可以模仿現有藝術家的風格。

人工智能藝術的未來2 8 10

 作者在 dreamtudio.ai 中使用提示創建的圖像:“年輕人拿著擴音器和一朵班克斯風格的紅花。”

用於創建上述圖像的免費在線系統是人工智能用於生成新穎材料所取得進展的例子。 也許最大的進步是這些系統的易用性:它們易於為公眾使用和訪問。

AI會取代藝術家嗎?

一方面,人工智能是否會取代藝術家的答案是否定的。

生成式人工智能是一種強大的工具,可以擴展藝術創作的可能性,但仍然需要人類藝術家的指導。 與任何新技術一樣,人工智能的一些創意過程將變得更容易、更省時。

例如,對生成視覺圖像感興趣的藝術家可以提出提示,人工智能會立即生成提示。 實驗一個想法可能需要幾分鐘甚至幾秒鐘,而不是花費數小時或數天的時間。

當前的圖像生成系統仍然需要通過文本提示及其輸出的管理進行人機交互, 本身就是一種藝術行為.

另一方面,這些限制很快就會被克服:人類提供的提示可以很容易地被生成的提示所取代( 一些系統 已經允許)。

對創意人工智能的研究已經產生了可以 評估自己的產出 通過審美判斷(而不僅僅是 模仿其數據集).

因此,無限供應的完全由人工智能製作的藝術品將構成我們在網上看到的大部分圖像並充斥市場,這是非常現實的潛力。

希望的理由

對於許多實踐藝術家來說,有理由抱有希望。

創意人工智能可以讓一些藝術家有更多的時間和精力來探索藝術途徑,從而不僅創造出更多的藝術,而且可能創造更多範式轉變的藝術。

藝術家和學者 菲利普·加蘭特,誰 探索彌合科學文化與人文文化之間差距的藝術理論, 將“生成藝術”定義為 “藝術家使用系統的任何藝術實踐,例如一組自然語言規則、計算機程序、機器或其他程序發明,該系統以某種程度的自主性啟動,從而促成或導致完成的作品藝術的。”

生成藝術創作實踐 幾十年來 (可以說更長)。 人類與這些系統的交互 可以創作出真正令人驚嘆的作品.

當前的系統只能生成現有數據的混搭。 儘管 輸出可能是新穎的 因為給定的輸出可能以前從未存在過,所以它的 審美價值可能有限.

人工智能、勞動和創造力

幾十年來,音樂產業一直受到風格複製過程的推動,其中藝術家可能創作出真正新穎的作品,然後其他人用該作品風格的變體填充其周圍的可用空間。 它需要 真正的創造力 創造出現有範式之外的東西,而人工智能還遠未達到這個階段。

然而,用不了多久,那些僅僅創作相同公式化歌曲的製作人將與能夠做到這一點的人工智能直接競爭 更有效率.

用於重建德雷克聲音的生成人工智能接受了許多以他的聲音為特色的受版權保護的歌曲的訓練。 在這種情況下,音樂行業人士認為 這違反了版權法。 在這種情況下,一位藝術家使用人工智能作為工具來創造新的東西; 值得懷疑的是,有人會認為是人工智能本身俱有創造力。 公寓 從法律和道德問題 使用他的聲音,德雷克可以被認為是被替代的勞動力。

對於好萊塢演員來說,他們面臨著被剝奪的危險。 人工智能以類似的方式再現相似之處,導演和製片人就是創意藝術家,演員就是創意藝術家。 流離失所的勞動力.

在我自己的工作中,我從未認為人工智能會取代任何人。 相反,我認為這是一種根據我自己的美學訓練的另一種創造性聲音。 我竭盡全力繼續與人類藝術家合作,他們 與我的系統交互. 作者涉及生成式人工智能的最新作品《步行到梅里頓》中的一個動作。

我的最新專輯 放置 musebots,我的創意人工智能, 在我自己的名字之前,但仍然清楚地歸功於與我和我的人工智能係統合作的個別音樂家。

在這項工作中,人工智能生成了整個作品,包括選擇所有單獨的聲音。 我的角色(在繆斯機器人編碼之後)是聆聽最終的作品,並決定是否應該邀請我的人類音樂合作者來演奏它。

沒有人類,人工智能就什麼都不是

我們正處於系統能夠生成完整歌曲的邊緣。 這一代人面臨的許多障礙已經或接近解決。

這個 包括成功分離歌曲的不同元素 - 旋律、低音、節拍 - 以便對它們進行單獨分析。 有了這些信息,人工智能就可以開始理解音樂是如何在結構上組合在一起的,這是超越當前使用的生成模型的重要一步 簡單的構建塊方法 用於創建數據。

但就像圖像生成系統一樣,人工智能音樂將是現有內容的混搭。 這需要人類藝術家的合作來指明新的方向,並確定輸出是否值得。

未來人工智能不會取代藝術家; 相反,他們將比以往任何時候都更需要。談話

關於作者

阿恩·艾根費爾特,當代藝術學院教授, 西蒙弗雷澤大學

本文重新發表 談話 根據知識共享許可。 閱讀 原創文章.