AI GÉNÉRÉ : ART OU MATH ?

Une nouvelle tendance technologique est apparue récemment; Art généré par l'IA. Des centaines d'utilisateurs sur diverses plateformes, notamment Reddit, Discord, génèrent des images, du portrait réaliste d'un chien à un astronaute jouant au basket dans la Voie lactée. Cette technologie montante recèle un grand potentiel : de la conception du logo de votre marque au dessin de cette image surréaliste folle qui clignote dans votre esprit. Et quelle est la limite ? Pas même le ciel !

Pourtant, comme toujours, il y a quelques inconvénients. Dernièrement, nous avons appris qu'une image générée par l'IA avait remporté un concours d'art¹. Les artistes craignent que ce type d'art artificiel discrédite leur travail, augmente la copie, nuise à la collaboration et promeuve une nouvelle classe de travail moins créatif…²

Ces opinions, ainsi que de nombreuses autres, soulèvent des points d'interrogation : l'art de l'IA est-il vraiment de l'art ? Peut-il augmenter la fraude dans les concours d'art ? Quel avenir pour l'IA et l'art ?

COMMENT FONCTIONNE CET ALGORITHME ?

Avant de plonger dans les discussions et les arguments, parlons un peu, à un niveau très élevé, du fonctionnement réel de l'algorithme. En résumé, il s'agit d'un algorithme texte-image : l'utilisateur saisit une invite, le modèle "comprend" cette entrée, puis génère l'image. Mais comment un ordinateur pense-t-il et comprend-il ? Pour répondre à cette question, nous devrons étudier certains concepts clés.

Qu'est-ce que la sémantique ?

Selon le dictionnaire Oxford, la sémantique est l'étude du sens des mots et des phrases.³ Mais vous ne pouvez pas réduire la sémantique d'un mot à une définition dans le dictionnaire. Par exemple, le mot « tête » peut faire référence à une partie du corps, à un chef ou à un administrateur, ou au début. La sémantique dépend donc du contexte.

De plus, deux mots différents peuvent également désigner la même chose. Par exemple, Vénus peut être appelée "l'étoile du matin", même si Vénus n'est pas une étoile. Même le mot "Vénus" a une signification sémantique, il fait référence à une planète spécifique du système solaire.

Pour simplifier, vous pouvez considérer la sémantique comme une carte mentale entre un mot et un objet ou un concept. Et ainsi comprendre un concept, c'est simplement construire cette carte mentale. Mais comment les ordinateurs construisent-ils cette carte ? Ou plus précisément, peuvent-ils réellement « comprendre » ?

Texte à image

L'une des tâches les plus courantes en PNL est la « modélisation du langage », où un modèle ML/NN détermine la probabilité d'une séquence de mots dans une phrase, et ces modèles peuvent également produire une séquence de mots (il s'agit d'un texte à -modèle de texte). Ces modèles pourraient également être utilisés dans d'autres tâches telles que l'analyse sémantique, en tant que modèles pré-entraînés. Pour faire simple, nous n'entrerons pas dans les détails dans cet article, mais je fournirai plus de ressources sur ces tâches à la fin de cet article.

Avec la modélisation du langage et l'analyse sémantique, une machine peut réellement construire la cartographie mentale. Il peut « comprendre » la syntaxe de la phrase, puis la mapper sur une image.

Par exemple, dans la phrase « Achille tient une lance », le modèle peut comprendre ce que « Achille » « tient » et à quoi le mot « lance » fait référence, et grâce à des modèles pré-entraînés, il peut également déduire la relation entre ces trois mots.

Pourtant, cela soulève d'autres points d'interrogation dans les esprits ? Ces machines comprennent-elles « réellement » la phrase donnée ? Ou sont-ils tout simplement trop doués pour calculer les occurrences statistiques de ces mots ou phrases, et pour construire ces modèles ? Plus précisément, si vous avez une machine capable de détecter une "tasse" dans une image ou une vidéo, cela signifie-t-il que la machine "sait" ce qu'est une tasse, ou détecte-t-elle simplement des motifs courants dans les images contenant une tasse ? Cela nous amène à notre question principale. L'IA-art est-il vraiment de l'art ?

Tout d'abord, tous les humains vivent la vie différemment à travers des sentiments et des idées distincts. Lorsque vous demandez aux gens de "dessiner une vue de montagne", vous ne pouvez pas vous attendre à ce qu'ils obtiennent le même résultat : certains dessineront des nuages ​​plus bas que le bord de la montagne, d'autres ajouteront peut-être une mer en bas, des arcs-en-ciel au-dessus du bord de la montagne, etc. On peut bien sûr obtenir des résultats similaires en ajoutant quelques contraintes : par exemple, la saison doit être l'hiver, il ne doit pas y avoir de nuages ​​dans votre vue, vous ne pouvez utiliser que certaines couleurs et ainsi de suite. Lorsque vous ajoutez des contraintes, vous limitez également votre imagination, mais même avec des contraintes très strictes, nous observerons toujours d'une manière ou d'une autre la saveur d'un artiste dans ces dessins.
Cependant, l'IA tirera en fonction de ses données d'entraînement et de son algorithme ; il dessine simplement le résultat de ses algorithmes, rien de plus, rien de moins. Il ne sera pas susceptible d'ajouter un arc-en-ciel à votre vue, sauf si vous le spécifiez.
De plus, les algorithmes d'IA actuels ne peuvent pas imiter l'inspiration et ils n'ont pas les soi-disant muses. Elle ne peut décider elle-même de produire de l'art ; il n'a pas de sentiments à exprimer. C'est simplement un serviteur qui dessine ce à quoi vous pensez.

Aujourd'hui, en revanche, nous savons qu'il existe certains concepts mathématiques liés à l'art, tels que le nombre d'or, la géométrie, la perspective linéaire. On s'attend à ce qu'un peintre dessine ce qu'il a en tête en utilisant ces outils. Un autre exemple serait un musicien produisant sa musique en appliquant des schémas vocaux, à l'aide d'outils que nous appelons « instruments de musique ». Même dans l'œuvre d'art la plus surréaliste où vous violez les règles, on s'attend à ce que vous créiez de nouvelles contraintes, et on s'attend à ce que vous créiez votre travail dans ces contraintes. Par conséquent, une machine peut simplement apprendre ces règles et produire son travail en ne violant pas ces limites.
De plus, bien que le manque d'inspiration et de muses dans les machines soit mentionné ci-dessus, nous ne comprenons même pas complètement le concept d'inspiration. Il est possible que l'inspiration soit simplement dérivée de nos expériences passées.
De plus, « l'apprentissage » humain et « l'apprentissage automatique » ne doivent pas nécessairement se dérouler de la même manière. Nous ne pouvons même pas décrire complètement le fonctionnement du cerveau, la cognition ou l'art. D'une certaine manière, nous pouvons considérer les humains comme des machines qui prennent leur environnement et leurs expériences comme entrées, leur génétique et leurs traits caractéristiques comme leurs "hyper-paramètres", et finalement produisent une réaction, une idée ou une œuvre d'art.

Opinion personnelle

De mon point de vue, l'art de l'IA, tel qu'il est, n'est pas de l'art. Comme mentionné précédemment, ces algorithmes n'ont aucun sentiment, et même si nous pouvons penser allégoriquement les données d'entraînement comme ses expériences passées, ces données déterminent uniquement la façon dont ils calculent leur sortie. Une machine ne tombera pas amoureuse d'une autre machine ou d'un humain.

En outre, cela pourrait réduire le besoin d'artistes, de graphistes, etc., car les entreprises pourraient choisir d'utiliser ces modèles à la place, pour éviter des coûts supplémentaires.

Néanmoins, cela ne signifie pas que ces modèles sont simplement des efforts déployés en vain. Les développeurs et les chercheurs essaieront de développer leurs modèles à l'avenir, et pour ce faire, ils devront comprendre ce que signifie ressentir, comment nous pensons et ce qu'est l'art. Par conséquent, ces modèles ouvrent également un potentiel pour de futures recherches sur ces sujets. Nous aurons des modèles d'IA plus efficaces à mesure que nous comprendrons mieux, et nous comprendrons mieux à mesure que nous améliorerons nos modèles. Un jour, lorsque nous atteindrons l'Intelligence Générale Artificielle, nous pourrons également découvrir des "artistes IA" qui pourraient produire leur propre art, et pourraient même collaborer avec des humains pour mieux comprendre la nature de l'art.

De plus, même si la technologie actuelle, comme la plupart des technologies, présente certaines menaces telles que les fraudes dans les concours d'art, cela ne signifie pas qu'elles ne peuvent pas être évitées. Nous pouvons utiliser l'apprentissage automatique pour détecter ces fraudes, un modèle qui classe simplement si une œuvre d'art est réalisée ou non par un humain ou un ordinateur. D'une certaine manière, un moyen sûr d'utiliser l'IA est d'utiliser l'IA.

C'est vrai qu'il y a un risque pour les artistes, mais il y a aussi une opportunité. Par exemple, il sera plus difficile pour un graphiste de trouver un client. Cependant, en tant que développeurs, nous pouvons peut-être implémenter un algorithme de pointe. Mais nous ne pouvons pas comprendre pleinement la nature de l'art autant qu'un artiste peut le faire. Et ce que nous faisons, c'est simplement appliquer les concepts artistiques de nos codes. Par conséquent, ceux qui travaillent dans ce domaine auront toujours besoin de consultation d'artistes.

En conclusion, avec la technologie actuelle, l'IA-art n'est pas de l'art, puisque nous ne sommes même pas pleinement capables de comprendre certains concepts tels que la cognition, la nature de l'art et l'apprentissage. Mais il y a toujours de nouveaux potentiels et concepts à découvrir, et comme je l'ai dit plus tôt, même le ciel n'est pas la limite ! Aux artistes, quelle est votre opinion sur cette manière ? Croyez-vous que les développeurs peuvent créer des artistes artificiels ? Collaboreriez-vous avec l'une de ces AGI ? Aux développeurs et aux chercheurs, pensez-vous que cela débloquera de nouveaux domaines ? Arrivera-t-on un jour à mieux comprendre comment fonctionne le cerveau et comment il produit de l'art ? Faites-moi savoir dans les commentaires.

Texte à image :https://towardsdatascience.com/text-to-image-a3b201b003ae

Modélisation du langage :https://towardsdatascience.com/the-beginners-guide-to-language-models-aa47165b57f9

Analyse sémantique :https://www.tutorialspoint.com/natural_language_processing/natural_language_processing_semantic_analysis.htm

[1] Nouvelles sur le concours gagnant d'IA-art : (https://www.cnn.com/2022/09/03/tech/ai-art-fair-winner-controversy)

[2] Opinions d'artistes sur l'art de l'IA :https://www.rappler.com/life-and-style/arts-culture/asked-artists-how-they-felt-ai-generated-art-lot-of-feelings/

[3]https://www.oxfordlearnersdictionaries.com/us/definition/english/semantics?q=semantics