Le 25 octobre 2018, le marché de l’art a été bouleversé par la vente par Christie’s d’une œuvre réalisée par une intelligence artificielle pour 432 500$.
La peinture Edmond de Belamy par Obvious a donc changé l’histoire de l’art à jamais. On peut consulter le code art-DCGAN et l’implémentation par Soumith Chintala de DCGAN pour en connaître davantage sur cette création. C’est cette technologie qui a été utilisée pour concevoir l’œuvre d’art vendue par Christie’s.
Réseaux génératifs par antagonisme
Les peintures peuvent être conçues par les réseaux génératifs par antagonisme. Les réseaux génératifs par antagonisme sont constitués de deux réseaux de neurones en compétition. Le premier, appelé générateur, a pour objectif de créer des images crédibles qui ressemblent à celles des données d’entraînement. Le second, le discriminateur, a pour objectif de distinguer les vraies images des fausses sur la base d'exemples connus.
Voyons quelques exemples : CycleGAN peut être employé pour engendrer une peinture selon le style d’un peintre connu. StyleGAN peut créer des visages humains fabriqués complètement. De son côté, MuseGAN peut composer de la musique tout comme MuseNet.
Les auto-encodeurs variationnels
On peut aussi créer avec un auto-encodeur variationnel. Un auto-encodeur est un réseau de neurones entraîné pour reproduire en sortie les données en entrée. Il comprend une couche cachée h qui décrit le code utilisé pour représenter l’entrée. La reconstruction permet un apprentissage non supervisé. Les auto-encodeurs variationnels sont une variante probabiliste des auto-encodeurs. On échantillonne de la moyenne et de l’écart type pour calculer l’échantillon latent.
Pour illustrer la théorie, MusicVAE est un auto-encodeur variationnel pour l’apprentissage d’espaces latents par les partitions. Il pourrait, par exemple, créer de nouvelles œuvres faisant revivre Mozart ou un autre grand musicien.
Les transformeurs
L’intelligence artificielle peut aussi écrire des textes avec les transformeurs (transformers). Les transformeurs sont des architectures d'apprentissage machine génériques conçues pour traiter un ensemble connecté d’unités où la seule interaction entre les unités se fait par auto-attention. La limite des performances des transformeurs semble purement matérielle (la taille du modèle pouvant être installé dans la mémoire du GPU). Pour illustrer cela, BERT et GPT- 3 peuvent être utilisés pour écrire des textes.
L'intelligence artificielle surprend de plus en plus par son aisance à innover. L'évolution de son expression artistique est certainement à surveiller.
Stéphanie Tessier
댓글