@titusYeni bir sanat akımı yaratacak sürecin nasıl olması gerektiğine dair üretilen çeşitli hipotezlerden birisi mevcut akımlara kopya denecek kadar benzememesi ve onlardan tamamen de kopuk olmamasıdır. Bu fikirden yola çıkan ve liderliğini Rutgers Üniversitesi’nden ahmet elgammal’ın üstlendiği bir ekip, değiştirilmiş gan’lar kullanarak insan üretimine yakın fakat yeteri kadar da farklı resimler üretmeyi başarmıştır. AICAN isimli bu yapay zeka, resimlerdeki mevcut stilleri ve estetik unsurlarını öğrenerek kendi yenilikçi görsellerini ortaya çıkarabilmektedir.
Rutgers Üniversitesi Sanat ve Yapay Zeka Laboratuvarı’ndaki araştırmacılar, AICAN adında, otonom bir sanatçı olarak adlandırılabilecek bir program tasarladılar. Program, mevcut stilleri ve estetik unsurlarını öğrenerek kendi inovatif görsellerini ortaya çıkarabiliyordu. AICAN’ın ortaya çıkardığı eserler büyük ilgi çekiyor ve insanlar bu programın yarattığı eserleri insanların yarattığı eserlerden ayırmakta zorlanabiliyorlar. AICAN’ın geliştiricileri, algoritmayı tasarlarken psikolog Colin Martindale’un teorisini baz almışlardır. Martindale’ninhipotezine göre birçok sanatçı, ortaya çıkardıkları eserleri insanların alışkın olduğu mevcut formları, konuları ve stilleri reddederek çekici hale getirmektedir.
Sanatçılar, yeni bir şey yaparak insanların ilgisini daha çok çekebileceklerini sezgisel bir şekilde öğrenmektedirler. Buradan yola çıkan mühendisler AICAN’ı tasarlarken, AICAN’ı iki karşıt güç arasında mücadele etmeye iten “yaratıcı çatışma ağı” adlı bir algoritma kullandılar. Algoritma, kendine ait bir sanat eseri ortaya koyarken bir tarafta mevcut sanat eserlerinin estetik unsurlarını öğrenmeye çalışıyor; diğer tarafta ise mevcut eserleri baz alırsa cezalandırmaktaydı. AICAN bunların yanı sıra Martindale’nin eserde çok fazla yenilik bulunmasının görenlerin ilgisini azaltacağı endişesine dayanan “en az çaba” prensibini baz almaktadır. Bu yaklaşım, sanat eserinin yeni bir eser olmasını; ama aynı zamanda kabul edilebilir olarak görülenden çok fazla uzaklaşmamasını sağlamaktadır.
Uygulamanın hayata geçmesi için 15.yüzyılla 20. Yüzyıl arasında çizilmiş 80.000’den fazla resmi kullandılar. Her resmin hangi akıma (empresyonist, kübist vs.) ait olduğunu da işaretleyerek ayırt edici sinir ağını eğittiler. Klasik GAN’lardaki gibi üretici sinir ağı yine kendince çizimler yaparak ayırt edici ağa sundu ve gelen geri bildirimlere göre çizimini değiştirdi. Ama bu sefer hedef farklıydı: Yerleşik stillerden olabildiğince farklılaşmak ama ana sanat akımlarından da kopmamak. Ekip CAN (Creative Adversarial Network) adını verdikleri bu mimari ile ürettikleri resimleri bir teste tabi tuttu. Deneklere göre GAN, CAN gibi yapay zeka algoritmaları tarafından üretilmiş resimler ve insanlar tarafından yapılmış çeşitli stillerde resimler göstererek bazı sorulara cevap vermelerini istediler. Örneğin “bu resim bir insan yapımı mı, yoksa makine mi yapmış”, “resim ne kadar etkileyici” gibi soruları yanıtlayan katılımcılar, insanlar tarafından soyut dışa vurumcu tarzda çizilen resimleri %85 oranında doğru sınıflandırdı. CAN’ların çizdiği resimlerin %53’ü, GAN’ların çizdiği resimlerin ise %35’i insan yapımı olarak sınıflandırıldı. Gerçekten insanlar tarafından çizilip Art Basel’de sergilenen çalışmaların ise %59’u bilgisayar çizimi sanıldı. İşin ilginç yanı ise, katılımcıların CAN’ın çizdiği resimleri daha etkileyici bulmasıydı. Bu alanda yapılan çalışmaların hepsi yeni bir resim üretmeye yönelik değildir, örneğin var olan resimlere artistik bir boyut kazandırmaya çalışan uygulamalar da günümüzde yaygındır.
Rutgers Üniversitesi Sanat ve Yapay Zeka Laboratuvarı’ndaki araştırmacılar, AICAN adında, otonom bir sanatçı olarak adlandırılabilecek bir program tasarladılar. Program, mevcut stilleri ve estetik unsurlarını öğrenerek kendi inovatif görsellerini ortaya çıkarabiliyordu. AICAN’ın ortaya çıkardığı eserler büyük ilgi çekiyor ve insanlar bu programın yarattığı eserleri insanların yarattığı eserlerden ayırmakta zorlanabiliyorlar. AICAN’ın geliştiricileri, algoritmayı tasarlarken psikolog Colin Martindale’un teorisini baz almışlardır. Martindale’ninhipotezine göre birçok sanatçı, ortaya çıkardıkları eserleri insanların alışkın olduğu mevcut formları, konuları ve stilleri reddederek çekici hale getirmektedir.
Sanatçılar, yeni bir şey yaparak insanların ilgisini daha çok çekebileceklerini sezgisel bir şekilde öğrenmektedirler. Buradan yola çıkan mühendisler AICAN’ı tasarlarken, AICAN’ı iki karşıt güç arasında mücadele etmeye iten “yaratıcı çatışma ağı” adlı bir algoritma kullandılar. Algoritma, kendine ait bir sanat eseri ortaya koyarken bir tarafta mevcut sanat eserlerinin estetik unsurlarını öğrenmeye çalışıyor; diğer tarafta ise mevcut eserleri baz alırsa cezalandırmaktaydı. AICAN bunların yanı sıra Martindale’nin eserde çok fazla yenilik bulunmasının görenlerin ilgisini azaltacağı endişesine dayanan “en az çaba” prensibini baz almaktadır. Bu yaklaşım, sanat eserinin yeni bir eser olmasını; ama aynı zamanda kabul edilebilir olarak görülenden çok fazla uzaklaşmamasını sağlamaktadır.
Uygulamanın hayata geçmesi için 15.yüzyılla 20. Yüzyıl arasında çizilmiş 80.000’den fazla resmi kullandılar. Her resmin hangi akıma (empresyonist, kübist vs.) ait olduğunu da işaretleyerek ayırt edici sinir ağını eğittiler. Klasik GAN’lardaki gibi üretici sinir ağı yine kendince çizimler yaparak ayırt edici ağa sundu ve gelen geri bildirimlere göre çizimini değiştirdi. Ama bu sefer hedef farklıydı: Yerleşik stillerden olabildiğince farklılaşmak ama ana sanat akımlarından da kopmamak. Ekip CAN (Creative Adversarial Network) adını verdikleri bu mimari ile ürettikleri resimleri bir teste tabi tuttu. Deneklere göre GAN, CAN gibi yapay zeka algoritmaları tarafından üretilmiş resimler ve insanlar tarafından yapılmış çeşitli stillerde resimler göstererek bazı sorulara cevap vermelerini istediler. Örneğin “bu resim bir insan yapımı mı, yoksa makine mi yapmış”, “resim ne kadar etkileyici” gibi soruları yanıtlayan katılımcılar, insanlar tarafından soyut dışa vurumcu tarzda çizilen resimleri %85 oranında doğru sınıflandırdı. CAN’ların çizdiği resimlerin %53’ü, GAN’ların çizdiği resimlerin ise %35’i insan yapımı olarak sınıflandırıldı. Gerçekten insanlar tarafından çizilip Art Basel’de sergilenen çalışmaların ise %59’u bilgisayar çizimi sanıldı. İşin ilginç yanı ise, katılımcıların CAN’ın çizdiği resimleri daha etkileyici bulmasıydı. Bu alanda yapılan çalışmaların hepsi yeni bir resim üretmeye yönelik değildir, örneğin var olan resimlere artistik bir boyut kazandırmaya çalışan uygulamalar da günümüzde yaygındır.