Yapay Zeka Düş Kurabilir Mi ?

Yakın zamanlara kadar, sanat alanlarında çalışanların çoğu, otomasyonun başka birçok işi yapabilmesine rağmen, sanatın tanımlanma biçimlerine bağlı olarak, sanat yapamayacağına, düş kuramayacağına inanıyordu Ancak, insan zekasına özgü olan, anlama, mantık, diyalog, uyarlama, öğrenme vb gibi akıl yürütme ve bilgiyi kullanma özelliklerini bir makineye kazandırmayı amaçlayan bilimsel bir disiplin olarak tanımlanan yapay zeka, artık yaratıcı düşünceyi de kapsıyor
Google Brain ekibinin, “Makine öğrenmesini hayran olunacak sanat eserleri ve müzik besteleri yaratmak amacıyla kullanabilir miyiz? sorusuna yanıt aramaları “Magenta projesinin temelini oluşturdu Makine Sanatı’nın insanlar ve makineler arasında kurduğu yeni ilişkiler nereye varacak? İnsan yaşamında ne gibi değişiklikler yapacak? Sanat her zaman, bir kültürün teknolojik yetenekleri ile karmaşık, sembiyotik ve sürekli gelişen bir ilişki içinde var olmuştur Bu teknolojik yetenekler, üretilen sanatı sınırlar ve sanatın izleyicileri tarafından algılanış ve anlaşılma biçimi ile ilgili bilgi verir
Pigmentlerin, baskı makinelerinin, fotoğrafçılığın ve bilgisayarların keşfi gibi, yapay zeka da sanatın derinden etkileneceği bir inovasyon Önceki keşiflerde olduğu gibi, toplumları günümüzün bakış açısıyla hayal edilmesi güç yapılanmalara dönüştürecek, hem dış gerçeklik hem de algılama ve bilişsel süreçler konularındaki anlayışımızı genişletecektir
Magenta Projesi’nin Amaçları:
Magenta’nın iki amacı var Öncelikle, yapay zekayı müzik ve sanat eseri yaratmak için geliştirmek Makine öğrenmesi, konuşmayı tanıma veya tercüme etme gibi, içeriği kavrama konusunda zaten yoğun olarak kullanılmaktaydı Magenta projesi ise, sanat ve müzik üretmeyi öğrenebilen, kendine özgü sanatsal içerik oluşturabilen algoritmalar geliştirmeyi hedefliyor
İkinci amacı ise, geniş bir sanatçılar, kodlayıcılar ve makine öğrenmesi araştırmacıları topluluğu ağını kurmak Magenta’nın çekirdek ekibi, Tensor Flow açık kaynak kitaplığını kullanarak, sanat ve müzik üretmek için gerekli altyapıyı inşa ediyor Bu altyapı, ses ve video desteği, MIDI gibi formatlarla çalışmak için araçlar ve sanatçıların makine öğrenmesi modellerine ulaşmasına yardımcı olan platformlar içeriyor
Derin Öğrenme’nin Müzik, Resim ve Edebiyatta Kullanılması:
Yapay zekanın en hızlı büyüyen alanı olan derin öğrenme, bilgisayarların görüntü, ses ve metin biçimindeki sonsuz miktarda veriyi anlamlandırmasını sağlıyor Ve bilgisayarlar, çok katmanlı ağları kullanarak karmaşık durumları insanlardan daha iyi görme, öğrenme ve doğru tepki verme kapasitesine sahipler Aslında, bu tamamen yeni bir çaba değil Araştırmacılar ve besteci Nick Collins gibi sanatçılar uzun yıllardır teknolojiyi kullanarak müzik ve resim ürettiler
Sürecin en önemli kısmı yapay zekanın belli bir medya türünden öğreneceği ve özümseyeceği öğrenme olmakta Bir kez eğitildikten sonra, notalarla “tohumlanmış ağ bu notaları anlamlı bir müzik parçası haline getirebilmekte Bu işlemin çıktısı, hesaplamaların ne ölçüde karmaşık olması gerektiğini ve sonuçtaki müziğin ne derecede “yaratıcı olacağını tanımlayan değişkenlerle ayarlanabiliyor
Google’ın, “Inceptionism akımı olarak adlandırdığı, fotoğrafları gerçeküstü psikodelik sanat haline dönüştüren görsel yapay zekası Deep Dream, yazı botu geliştirmek için, tarihsel analiz, doğal dil işleme, konuşma tanıma gibi farklı biçimlerde kullanılan Stanford Üniversitesi’nden Andrej Karpathy’nin tasarladığı CharRNN gibi ağlar benzer ilkelerle çalışıyor Araştırmacı Douglas Eck, şimdilik amacın, bilgisayarların yarı bağımsız olarak yeni sanat eseri yaratma yeteneğini geliştirmek olduğunu söylüyor
Yapay sinir ağı, milyonlarca örnek gösterilerek ve ağ parametrelerini aşamalı olarak yeniden ayarlayarak, istenilen nitelikleri kazanana kadar eğitilmekte Ağ genellikle yapay nöronların 10 ila 30 adet katmanından oluşuyor Her resim giriş katmanına ekleniyor ve her katman, “çıktı katmanına ulaşana kadar, bir sonraki katmanla iletişime geçiyor Ağın “cevabı bu son çıktı katmanından geliyor Her tabaka görselin bir üst düzey özelliklerini kademeli olarak çıkarıyor ve son tabaka resmin nasıl görüneceği hakkında bir karar veriyor
Örneğin, ilk katman görseldeki kenarları veya köşeleri dikkate alıyor Ara katmanlar, bir düğme veya ağaç gibi şekilleri veya bileşenleri temel olarak değerlendiriyor Sondaki birkaç katmanı oluşturan nöronlar, binaların bütünü veya orman gibi çok karmaşık şeylere yanıt olarak harekete geçerek, bu görüntülerin temel özelliklerini tamamlanmış yorumlara dönüştürüyor
Resim stillerinin çeşitliliği, imaj oluşturmak için zengin bir görsel hazine sağlamakta Bu dağarcığın öğrenilme ve izlenilme derecesi de resimlerin özelliklerini kavrayışımızı ölçmekte Çeşitli resimlerin sanatsal üslubunu abartarak yakalayabilen, ölçeklendirilebilir bir derin ağ, bir tabloyu bir noktaya indirgeyerek çeşitlilik gösteren sanatsal stilleri genelleştirmekte Bu model, kullanıcının, farklı tablolardan öğrendiği stilleri dilediği biçimde birleştirerek yeni bir resim tarzı keşfetmesine izin vermekte
Kısacası, Magenta’nın odak noktası müzik olmakla birlikte, görsel sanatları ve edebiyatı da kapsıyor Örneğin, Botnik stüdyolarından Jamie Brew ve ekibinin hazırladığı yazı algoritmasını kullanan bilgisayar da JKRowling’in yedi ciltlik Harry Potter serisine yeni bir bölüm yazdı Gene, Massachusetts Teknoloji Enstitüsü’nün adını ünlü korku karakteri Frankenstein’ın yaratıcısı İngiliz yazar Mary Wollstonecraft Godwin Shelley’den alan yapay zekası Shelley de çarpıcı korku öyküleri üretmeyi sürdürüyor
Magenta ile ilgili diğer bir çalışma olan Sanatçılar ve Makine Zekası (AMI) projesi sanatçılarla bağlantı kurarak, sanatın ve teknolojinin birbirleriyle ilişkisiyle ilgili soru ve sorunlar hakkındaki görüşlerini paylaşma olanağı yaratıyorGoogle Kültür Enstitüsü dünyadaki tüm müzelerin, arşivlerin, koleksiyon ve sergilerin incelenmesini teşvik etmekte Enstitüdeki laboratuvarlarda, sanatçıların da katkılarıyla, sanat ve müzik üretimi için dünyadaki en iyi yapay zeka platformunu geliştirme çalışmaları devam ediyor
Kaynakça:
Alexander Mordvintsev, Christopher Olah, Mike Tyka, “Inceptionism: Going Deeper into Neural Networks, :researchgoogleblogcom, 2019
Stuart JRussell, Peter Norvig, “Artificial Intelligence:A Modern Approach, Pearson, 2019
Tom MMitchell, “Machine Learning, Mc Graw Hill Education, 2019
Leon A Gatys, Alexander S Ecker, Matthias Bethge, “A Neural Algorithm of Artistic Style, Computer Vision & Pattern Recognition arXiv:150806576v2, Cornell University Library, 2019
Douglas Eck, “Welcome to Magenta, :magentatensorfloworg, 2019