Generativní umění je umění, které nejlépe odráží naši dobu, tvrdí profesorka nových médií Joanna Zylinska z londýnské univerzity Goldsmith. Jak jej ale vnímat v kontextu současné umělecké praxe?
Joanna Zylinska ve své knize AI Art: Machine Visions and Warped Dreams taktéž popisuje, že největší pozornost mediálního prostředí si získávají projekty, které umělou inteligenci pojímají spíše instrumentálně, přičemž estetika vyobrazených děl se omezuje na to, aby věci vypadaly „krásně“, symetricky, a především podobně něčemu, co již známe. Namísto neotřelého experimentování s novým, dosud neprozkoumaných médiem, tak umělci, média i kritici často rezignují na konflikt výpočetních modelů s vizí umělecké praxe, přičemž nasazení nové technologie se postupně proměňuje v pouhou soutěž ve vyzobávání rozinek.
Hluboké neuronové sítě nejenže dokáží automatizovat rutinní úkoly, jejich schopnost generovat unikátní obrazy či komponovat hudební skladby rovněž podnítila obnovení debaty o kreativitě strojů. Na rozdíl od „tradičních“ umělců, kteří tráví dny či dokonce měsíce zdokonalováním jednoho díla, kreativci aplikující modely na bázi umělé inteligence užívají počítače ke generování tisíců nápadů během vteřiny. To vyvolává otázku, co mohou umělečtí kritici říct o dílech, za nimiž stojí generativní modely. Je nutné mít na paměti, že kritici nejenže spojují kulturní produkci s jejím historickým a socioekonomickým kontextem, ale taktéž hrají klíčovou funkci prostředníka mezi institucemi a veřejností.
Od náhody k intenci: cesta ke kombinatorické kreativitě
V roce 1962 se v Bellových laboratořích stalo něco neobvyklého. Inženýr A. Michael Noll, jenž se staral o počítač IBM 7090 o velikosti místnosti, spěchal po chodbě s výtiskem v ruce. Abstraktní návrh na archu bychom dnes mohli považovat za dílo v muzeu moderního umění. Noll se rozhodl prozkoumat tvůrčí potenciál stroje tím, že ho nechá vytvářet náhodné vzory. Průlomový objev nakonec kolegové programátoři a kulturní historici nazvali počítačovým uměním. Jeho zpráva zaměstnancům Bellových laboratoří oznamující tento výtvor byla však mnohem odměřenější: „Než abychom v této chvíli riskovali nechtěnou debatu o tom, zda jsou počítačem vytvořené abstrakce skutečně uměním, či nikoliv,“ napsal, „výsledky snažení stroje se budou jednoduše nazývat Vzory.“
Myšlenka, že stroje mohou napodobovat určité aspekty lidského uvažování a stát se tak „inteligentními“, sahá až ke zrodu teorie informace ve 40. letech 20. století. Po celá desetiletí od prvních experimentů s digitálním myšlením se však nedosáhlo téměř žádného pokroku. Prognózy o utopické budoucnosti vyprchaly a stejně tak financování obdobných výzkumů; toto období dnes označujeme jako tzv. AI winter neboli zimu umělé inteligence. V posledních několika letech se však algoritmy strojového učení, poháněné záplavou veřejně i neveřejně dostupných dat, vyvinuly natolik, že umělé neuronové sítě dokáží generovat díla, jež dle veřejnosti i některých kritiků vykazují vlastní formu kreativity.
Papouškující simulakrum
Zajímavou sondu do subjektivní povahy evaluace generativních děl představuje monografie Understanding Creativity Margaret Boden, profesorky kognitivních věd, která se věnuje komparativní analýze lidské a strojové tvořivosti. Ve svém díle popisuje, že zatímco průzkumná kreativita zahrnuje daný koncepční prostor, ve kterém dochází ke kreativní činnosti, přičemž vzniklé dílo je výsledkem vytrvalého pátrání v prostoru (např. psaní poezie, malířství, hudební kompozice), transformační a kombinatorická kreativita vychází ze záměrné transformace koncepčního prostoru, a to odmítáním, nahrazováním, či v případě kombinatorické kreativity spojováním některých jeho součástí do nových vztahů.
Ačkoliv byl Nollův experiment triumfálním pokusem, pro konkrétní příklady nemusíme zacházet tak hluboko do historie. Z mediálně nejatraktivnějších exemplářů je vhodné zmínit The Next Rembrandt, webem Medium nekriticky popisovaný jako „oživení starého mistra“ či „projekt, jenž stírá hranice mezi uměním a technologií.“ Pro lepší porozumění kontextu je vhodné uvést, že Rembrandt van Rijn je považován za jednoho z největších světových malířů a klíčovou postavu nizozemských dějin, přičemž jeho obrazy, jejichž aukční ceny dosahují až 33 milionů dolarů, jsou do dnešních dnů vystavovány v nejprestižnějších světových muzeích. V roce 2016 došla ING Group, nizozemská nadnárodní bankovní a finanční korporace se sídlem v Amsterdamu, k závěru, že financování projektu, jenž využívá nejmodernější technologie umělé inteligence a spojuje je s lokálním kulturním dědictvím, se zdá být vhodným způsobem, jak „vyjádřit inovativního ducha a firemní kulturu.“
Tvůrci algoritmu využívají tzv. metodu učení bez učitele, v jejímž rámci je generativní adverzní síť (GAN) rozdělena mezi diskriminátor, který je vycvičen na reálných datech, a generátor, jež skládá jednotlivé pixely do komplexní mozaiky, čímž vytváří nové malby. Diskriminátor se následně snaží posoudit, zda bylo dílo vytvořeno generátorem či se jedná o kresbu, která pochází od skutečného autora. Abychom citovali Rona Augusta, marketingového zástupce holandské pobočky Microsoftu: „Výsledné dílo není kopií Rembrandtova díla, ani tím, co by nutně namaloval, kdyby žil déle, než žil – je to vizualizace dat v krásné kreativní podobě. Je to působivá ukázka toho, jak lze data využít ke zkrášlení samotného života.“
Díla, jež GAN vytváří, mohou – dle populárního dělení kreativity Margaret Boden – disponovat pouze kombinatorickou kreativitou. To znamená, že síť syntetizuje nový vzor z existujících obrazových dat ve snaze vytvořit něco trochu odlišného na základě své omezené schopnosti korelovat dílo s extrahovanými rysy. Někteří umělečtí kritici se naopak přímo postavili proti originalitě uměleckých děl generovaných umělou inteligencí s odůvodněním, že počítačové kódy napsané k vytváření obrazů jsou vypůjčené. Tvůrci portrétu přiznali, že užitý algoritmus je upravenou verzí kódu, který poprvé vyvinul Robbie Barrat, jenž svůj algoritmus DCGAN otevřeně sdílel na uložišti github. Tyto obavy byly vyvolány především otázkami, jak by se v kontextu umění generovaného umělou inteligencí uplatňovala ochrana autorských práv. To ovšem není problém, kterým bychom se zde chtěli zabývat.
Jiní kritici se nejspíše trefně domnívali, že umění generované umělou inteligencí postrádá kreativitu, protože vytvořená díla jsou pouhým simulakrem napodobujícím tvůrčí projevy epoch minulých, namísto toho, aby vznikala nová díla v současném kulturním rámci. I když samozřejmě technologický pokrok může, a nejspíše v budoucnu dosáhne bodu, kdy budou generována díla překonávající veškerá očekávání kreativity, současné ukázky umění vytvářeného umělou inteligencí se, včetně projektu The Next Rembrandt, setkávají s nedostatečným ohlasem odborné veřejnosti a umělecké komunity. Fakt, že GAN používají metodu učení bez učitele totiž nutně neznamená, že ji můžeme považovat za kreativce.
Může to projít? Problém vyzobávání (uměleckých) rozinek
Stejně jako v případě A. Michaela Nolla, kdy dnes až komicky neohrabaný algoritmus dokázal vytvářet mnoho unikátních vzorů, je nezbytné zmínit, že generování jediné veřejně dostupné malby pomocí GAN neproběhlo na první dobrou, ba právě naopak. Kolektiv, jež za projektem stojí, popisuje svou nelehkou cestu od shromáždění kompletní sbírky obrazů všech 346 Rembrandtových obrazů, přes využití skenů s vysokým rozlišením, až po komplexní analýzu, která předcházela praktickému nasazení neuronové sítě. Po klasifikaci více než čtyř stovek obličejů dospěli k závěru, že vyobrazený subjekt by měl být ve věku kolem třiceti až čtyřiceti let, mužského pohlaví, měl by mít na sobě černý oděv, klobouk a měl by se dívat doprava. Dalším úkolem pak, dle slov týmu, byl vývoj softwaru, který by dokázal porozumět Rembrandtovi na základě jeho užívání geometrie, kompozice a malířských materiálů. Společně se společností Microsoft začali analyzovat specifické rysy, jako jsou oči, nos, ústa a uši, a to zmapováním sedmašedesáti orientačních obličejových bodů.
Větší prostor než samotný proces rozhodnutí, která podoba finálního díla bude využita, tak získala analýza mediálního ohlasu v tisku a seznam ocenění, jež projekt získal. Většina toho, co se dnes vydává za generativní umění, je však ve skutečnosti výsledkem spojení velkého objemu dat se statistickou analýzou. Nesmíme zapomínat, že nová vývojová větev umělé inteligence je především sofistikovaným prostředkem rozpoznávání vzorů; postkyberpunkovou inkarnací postavy románu Williama Gibsona Rozpoznání vzorů z roku 2003, v němž měla reklamní konzultantka Cayce Pollard takřka nadlidskou schopnost vyhledávat souvislosti a nacházet vzory v toku marketingových informací. Jakkoli působivě nebo dokonce záhadně mohou vzniklá díla vypadat, jsou výsledkem pokročilých výpočtů prováděných na velkém množství dat – a pečlivou selekcí autora (a pouze autora), jenž vybírá, které dílo chce světu ukázat.
I některé promyšlenější projekty využívající paradigmata umělé inteligence, ať již jde o hudební kompozici, malbu nebo psaní poezie, čerpají především z analýzy struktur a vzorců, přičemž následné odchylky od zavedeného kánonu jsou považovány za často neopodstatněné tvůrčí zásahy. Kritičtější chápání umění ve smyslu vytváření nových forem vyjádření s cílem říci něco jiného o světě nebo do něj skutečně zasáhnout, je ignorováno ve prospěch toho, co Joanna Zylinska nazývá „krásou získanou z davu“, upravenou formou rčení „vím, co se mi líbí.“ Komputační kreativita, termín, který se pravidelně používá k označení takových děl a deklarování jejich úspěchu, je zde, abychom parafrázovali stránku Medium, redukován na papouškování odkazu starých mistrů. Proč nás má ale fascinovat svět mimezí, ve kterém jsme nahrazeni?
Stvoření algoritmu, který by automaticky generoval díla – ať již ve stylu konkrétního umělce, žánru nebo časového období, či originálním výstupem, který neodkazuje na existující dílo – je trvalou snahou novomediální praxe a generativních forem umění. Obdobnou paralelu můžeme sledovat i v rámci strojového generování přirozeného jazyka, hudební kompozice a nespočtu dalších aktivit. Stejně jako v případě The Next Rembrandt můžeme i u těchto experimentů v prohlášeních často narážet na marketingovým poučky spíše než na metodologické popisky užitých metod. Komerční intence obdobných aplikací a redukce estetických počinů na naprosté minimum tak spouští nechtěný jev fetišizace umělé inteligence a navazující antropomorfizace, což laickému přijetí fenoménu spíše jen ubližuje.
