CC BY
39ТЕХНИЧЕСКИЕ НАУКИ (TECHNICAL SCIENCE)
УДК 004
Ковалев В.В.
студент кафедры информационных управляющих систем Санкт-Петербургский государственный университет телекоммуникаций им.
проф. М.А. Бонч-Бруевича (г. Санкт-Петербург, Россия)
КРЕАТИВ В НЕЙРОННЫХ СЕТЯХ
Аннотация: очень много людей во все времена и до сих пор считают, что роботы и искусственный интеллект не сравнятся с людьми в творческих способностях. Вправду ли ИИ лишен «творческой жилки»? Или этот поступал не обладает значительными доводами в свою пользу? Что же людям необходимо от искусственного интеллекта, дабы заявить - он креативен?
Ключевые слова: искусственный интеллект, креатив, нейронные сети, LSTM, CNN, GAN, RNN, SPN.
Издавна считалось, что креативность не имело одного четкого определения, значение слово всегда варьировалось в зависимости от контекста.
Так одним из основоположников значения слова «креатив» являлся английский педагог, политолог и психолог Грэхем Уоллес (Graham Wallas). Он разделял креатив на несколько стадий, которые в совокупности имели одно большое значение (вынашивание идеи, получения вдохновения и т.д.). Джеймс Кауфман (James Kaufman), тоже психолог, предложил другое определение. Оно включает «трансформативное обучение», лично осмысленную интерпретацию опыта и действий, проявление творческого подхода в профессии.
«Творческие способности» — способности человека принимать творческие решения, понимать, принимать и создавать принципиально новые идеи. В повседневной жизни творческие способности проявляются как смекалка — способность достигать цели, находить выход из кажущейся безвыходной ситуации, используя обстановку, предметы и обстоятельства необычным образом. В широком смысле — нетривиальное и остроумное решение проблемы, причём, как правило, неспециализированными инструментами или ресурсами. Имеется также в виду способность к смелым, нестандартным решениям проблем. [Wikipedia].
Исходя из вышесказанной информации, люди, которые придумывали и обозначали слово «креатив», считали, что творчество и её подобие присуще только человеку, поэтому включали в формулировку мотивацию, психологию и действия, которые, в свою очередь, присуще исключительно людям. Если избавиться от человеческих чужд и некой предвзятости, понимать креатив просто как возможность что-либо спроектировать, то нейронная сеть, в таком случае, безусловно может обладать творческими способностями.
Творчество креативных нейронных сетей
В Калифорнийском университете в Беркли (The university of California, Berkeley) разработали приложение 'IGAN', которая поймет ваш набросок на лист и сам дорисует его до красивой картинки. Здесь используется сеть GAN.
Также, сеть GAN умеет увеличивать разрешение картинки без потери качества. Нейронные сети справляются с задачей повышения качества изображения гораздо лучше прочих алгоритмов. Подобная нейронная сеть сможет пригодиться, например, криминалистам или сотрудникам уголовного розыска. Когда преступника еле видно на камере, НС повышает разрешение до такого качества, что можно рассмотреть лицо.
Сеть CNN умеет раскрашивать черно-белые фотографии и простые рисунки. Скажем, создали вы нейронную сеть, обучали ее несколько дней на
различных портретах и рисунках. Сеть научилась различать цвета и видеть, где нужен тот или иной цвет.
Сеть RNN умеет удалять шум с картинки, диктофонной записи и из других сред. На самом деле, удалять шум с картинки научились еще давно: (https://ieeexplore.ieee.org/abstract/document/7839189) - статья от 2017 года. Останавливаться на этом не будем.
Также, сеть RNN умеет дорисовывать за людьми наброски. (https://quickdraw.withgoogle.com/). Сайт-игра от Google.com, в которой человек пытается нарисовать за 30 секунд то, что предлагает сайт. В свою очередь, нейронная сеть должна понять, что это такое и дорисовать рисунок.
Сеть LSTM и GAN научили разговаривать, писать шутки и издавать звуки. Программа «Сири» - голосовой помощник для айфона, программа «Алекса» - голосовой помощник Amazon, используемых в различных девайсах. Если внедрить данные сети в персональных ассистентов -нейронные сети только выиграют от этого. Можно будет создавать различные шаблоны и модели диалога, которые будут отражать то, что люди действительно говорят.
Нейронные сети, вдобавок, хороши, дабы посодействовать роботам лучше ориентироваться в пространстве. Для эффективного перемещения, роботам необходимо представлять себе пространство - они хранят у себя в памяти модель, созданную, например, нейронной сетью на основе LSTM.
Итак, после изучения всех сетей, которые так или иначе задействованы в креативе и творчестве - смело можно сказать, что на сегодняшний день нейронные сети имеют креативную жилку. Искусственный интеллект может выступать как творец, наряду с человеком.
* Расшифровка аббревиатур:
LSTM - long short term memory network (сети с долгой краткосрочной памятью);
CNN - convolutional neural network (свёрточная нейронная сеть);
GAN - generative adversarial network (генеративные состязательные сети);
RNN - recurrent neural network (рекуррентные нейронные сети).
СПИСОК ЛИТЕРАТУРЫ:
Галушкин, А.И. Нейронные сети: история развития теории: Учебное пособие для вузов. / А.И. Галушкин, Я.З. Цыпкин. - М.: Альянс, 2015. - 840 c. Галушкин, А.И. Нейронные сети: основы теории. / А.И. Галушкин. - М.: РиС, 2015. - 496 c.
Каллан, Р. Нейронные сети: Краткий справочник / Р. Каллан. - М.: Вильямс И.Д., 2017. - 288 c.
Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько. - М.: Ленанд, 2019. - 224 c.
Kovalev V.V.
student of the Department of Information Control Systems St. Petersburg State University of Telecommunications prof. M.A. Bonch-Bruevich (Saint Petersburg, Russia)
CREATIVE IN NEURAL NETWORKS
Abstract: many people at all times and still believe that robots and artificial intelligence cannot be compared with humans in their creative abilities. Is AI really devoid of a creative streak? Or does this one does not have significant arguments in its favor? What do people needfrom artificial intelligence in order to declare - it is creative?
Keywords: artificial intelligence, creative, neural networks, LSTM, CNN, GAN, RNN, SPN.
