DOI: https://doi.org/10.1007/s13347-024-00746-8
تاريخ النشر: 2024-05-01
المؤلف: Jim Berryman
الموضوع الرئيسي: الفن والتكنولوجيا والثقافة
نظرة عامة
تبحث هذه الورقة في تقارب تاريخ الفن والذكاء الاصطناعي (AI)، مع التركيز بشكل خاص على الشبكات التنافسية التوليدية (GANs)، وهي تقنية بارزة في التعلم الآلي في الفن الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي. تسلط الدراسة الضوء على الآثار الفلسفية لـ GANs، خاصة فيما يتعلق بطبيعة الإبداع والأصالة في الفن. تحدد المخاوف الرئيسية بشأن إمكانية هذه التقنيات في تعزيز التحيزات الموجودة في تاريخ الفن، مما يبرز الحاجة إلى نهج حذر في تطبيقها.
ينتقد المؤلف حالة محددة من تكنولوجيا GAN التي تدعي أنها تولد أنماطًا فنية أصلية، arguing that such endeavors may inadvertently uphold a formalist perspective on art history and perpetuate a limited, style-centric interpretation of modernism. Despite these critiques, the paper acknowledges the capacity of GANs to contribute meaningfully to discussions within art history and philosophy, suggesting that they can serve as tools for exploring significant themes in the field.
مقدمة
تستكشف مقدمة هذه الورقة البحثية تقاطع الذكاء الاصطناعي (AI) والفن، خاصة من خلال عدسة الشبكات التنافسية التوليدية (GANs). يشير المؤلف إلى أنه بينما قد يبدو تطبيق الذكاء الاصطناعي في الفن غير تقليدي، إلا أنه يمثل معيارًا لتقييم التقدم في الإبداع الاصطناعي. لا تهدف الورقة إلى الدفاع عن أو تحدي الاستثنائية البشرية في الفن، بل تركز بدلاً من ذلك على كيفية طرح GANs، التي تتكون من مولد وشبكة مميزة، أسئلة حاسمة حول الأصالة وطبيعة صنع الفن. يُشبه عملية GAN بمنافسة بين مزور فني ومتعهد، حيث يحسن المولد مخرجاته بناءً على ملاحظات المميز.
يحدد المؤلف ثلاثة مجالات رئيسية يتقاطع فيها الذكاء الاصطناعي مع تاريخ الفن: الإمكانية المتاحة للذكاء الاصطناعي في نسب الفن، واستخدام الذكاء الاصطناعي لتحليل البيانات في الدراسات الفنية، والفحص النقدي للتحيزات الخوارزمية في تاريخ الفن. تنتقد الورقة الاعتماد على السرديات الشكلية والحديثة التاريخية في فن الذكاء الاصطناعي، arguing that such frameworks may perpetuate outdated views of artistic development. يؤكد المؤلف أن الفن تاريخي وعلاقي بطبيعته، حيث تبني الأعمال الجديدة على الفن السابق أو تستجيب له. يتحدى هذا المنظور التركيز الحديث على الأصالة والابتكار، مقترحًا أن مفاهيم مثل النسخ والتقليد لعبت دورًا حيويًا في صنع الفن تاريخيًا. تدعو الورقة في النهاية إلى فهم دقيق للإبداع في سياق الفن الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي، معترفًا بالتعقيدات المتعلقة بالأصالة والتأثيرات التاريخية التي تشكل الممارسات الفنية.
نقاش
يتناول قسم النقاش في الورقة الآثار المترتبة على الشبكات التنافسية التوليدية (GANs) والشبكة التنافسية الإبداعية (CAN) في مجال إنشاء الفن. كانت بيع العمل الفني الذي تم إنشاؤه بواسطة GAN “بورتريه إدموند بيلامي” بمبلغ مذهل قدره 432,500 دولار في عام 2018 لحظة مهمة في تقاطع الذكاء الاصطناعي والفن، ومع ذلك، سلطت الضوء أيضًا على قيود GANs، التي تحاكي في المقام الأول بدلاً من الابتكار. تسعى الشبكة التنافسية الإبداعية، التي طورها أحمد الجمل، إلى معالجة هذه القيود من خلال دمج آلية تغذية راجعة مزدوجة تشجع على كل من محاكاة أنماط الفن الموجودة وتوليد صور جديدة من الناحية الأسلوبية. تهدف هذه الطريقة إلى تحقيق التوازن بين التماثل والأصالة، مما يسمح للذكاء الاصطناعي باستكشاف المساحات الإبداعية مع البقاء ضمن حدود التقاليد الفنية المعترف بها.
يعتمد نظام CAN على مجموعة بيانات ضخمة من الأعمال الفنية التاريخية من قاعدة بيانات WikiArt، مما يبرز نهجه الشكلي في إنشاء الفن، حيث توجه التصنيفات الأسلوبية عملية التوليد. تتردد هذه الطريقة صدى التطور التاريخي لنقد الفن، وخاصة النظريات الشكلية للنقاد مثل كلايف بيل وهاينريش وولفلين، الذين أكدوا على أهمية الشكل على المحتوى. تجادل الورقة أنه بينما تميل الأعمال الفنية التي تم إنشاؤها بواسطة CAN غالبًا نحو التجريد، فإن هذه النزعة تعكس مسارات تاريخية أوسع في الفن بدلاً من تحيز في بيانات التدريب. في النهاية، لا يتحدى تجربة CAN المفاهيم التقليدية للإبداع فحسب، بل يعيد أيضًا زيارة وإعادة تعريف السرد الخاص بتاريخ الفن الحديث، مقترحًا أن الفنانين البشريين والآليين قد يميلون بطبيعتهم نحو التجريد كوسيلة للتعبير الفني.
DOI: https://doi.org/10.1007/s13347-024-00746-8
Publication Date: 2024-05-01
Author(s): Jim Berryman
Primary Topic: Art, Technology, and Culture
Overview
This paper investigates the convergence of art history and artificial intelligence (AI), with a particular focus on Generative Adversarial Networks (GANs), a prominent machine learning technology in AI-generated art. The study highlights the philosophical implications of GANs, especially regarding the nature of creativity and originality in art. It identifies critical concerns about the potential for these technologies to reinforce existing biases within art history, emphasizing the need for a cautious approach to their application.
The author critiques a specific instance of GAN technology that purports to generate original artistic styles, arguing that such endeavors may inadvertently uphold a formalist perspective on art history and perpetuate a limited, style-centric interpretation of modernism. Despite these critiques, the paper acknowledges the capacity of GANs to contribute meaningfully to discussions within art history and philosophy, suggesting that they can serve as tools for exploring significant themes in the field.
Introduction
The introduction of this research paper explores the intersection of artificial intelligence (AI) and art, particularly through the lens of Generative Adversarial Networks (GANs). The author notes that while the application of AI in art may seem unconventional, it serves as a benchmark for evaluating advancements in artificial creativity. The paper does not aim to defend or challenge human exceptionalism in art but instead focuses on how GANs, which consist of a generator and a discriminator network, raise critical questions about originality and the nature of artmaking. The GAN process is likened to a competition between an art forger and a connoisseur, where the generator improves its outputs based on the discriminator’s feedback.
The author identifies three primary areas where AI intersects with art history: the potential for AI in art attribution, the use of AI for data analysis in art scholarship, and the critical examination of algorithmic biases in art history. The paper critiques the reliance on formalist and historical modernist narratives in AI art, arguing that such frameworks may perpetuate outdated views of artistic development. The author emphasizes that art is inherently historical and relational, with new works building upon or responding to previous art. This perspective challenges the modernist emphasis on originality and innovation, suggesting that concepts like copying and imitation have historically played a vital role in artmaking. The paper ultimately calls for a nuanced understanding of creativity in the context of AI-generated art, recognizing the complexities of originality and the historical influences that shape artistic practices.
Discussion
The discussion section of the paper delves into the implications of Generative Adversarial Networks (GANs) and the Creative Adversarial Network (CAN) in the realm of art creation. The sale of the GAN-generated artwork “Portrait of Edmond Belamy” for a staggering $432,500 in 2018 marked a significant moment in the intersection of AI and art, yet it also highlighted the limitations of GANs, which primarily imitate rather than innovate. The CAN, developed by Ahmed Elgammal, seeks to address these limitations by incorporating a dual feedback mechanism that encourages both the simulation of existing art styles and the generation of stylistically novel images. This approach aims to balance the tension between mimicry and originality, allowing the AI to explore creative spaces while remaining within the bounds of recognized artistic conventions.
The CAN system’s reliance on a vast dataset of historical artworks from the WikiArt database underscores its formalist approach to art creation, where stylistic classifications guide the generation process. This method echoes the historical evolution of art criticism, particularly the formalist theories of critics like Clive Bell and Heinrich Wölfflin, who emphasized the significance of form over content. The paper argues that while CAN-generated artworks often gravitate towards abstraction, this tendency reflects broader historical trajectories in art rather than a bias in the training data. Ultimately, the CAN experiment not only challenges traditional notions of creativity but also revisits and potentially redefines the narrative of modern art history, suggesting that both human and machine artists may inherently gravitate towards abstraction as a means of artistic expression.