Αυτό το άρθρο προέρχεται από το τεύχος Νοεμβρίου 2021 του Sciences et Avenir – La Recherche n ° 897.
Στις 9 Οκτωβρίου, μια συναυλία στο Telecom Forum στο Panel (Γερμανία) γιόρτασε την 250η επέτειο από τη γέννηση του Ludwig von Beethoven (1770-1827). Για την εκδήλωση αυτή και με ένα χρόνο καθυστέρηση λόγω της επιδημίας, ο μαέστρος Dirk Kaftan έκανε την πολυαναμενόμενη παρουσίαση της 10ης συμφωνίας του Γερμανού συνθέτη. Μόνο που αυτή η δουλειά δεν ήταν ποτέ. Στην πραγματικότητα, ο Μπετόβεν πέθανε, με μόνο σκόρπια κομμάτια, έτοιμες ιδέες. Το 1988, ο Βρετανός μουσικός Μπάρι Κούπερ είχε ήδη καταφέρει να «ξαναχτίσει» την πρώτη κίνηση 14 λεπτών που παίχτηκε στο Royal Albert Hall του Λονδίνου. Αυτή τη φορά η παρτιτούρα γράφτηκε από μια τεχνητή νοημοσύνη (AI), τον Beethoven AI.
Το AI πρέπει να είναι επεκτάσιμο
Το έργο είναι δύο ετών. Με πρωτοβουλία του Matthias Rhoder, διευθυντή του Ινστιτούτου Karajan στο Σάλτσμπουργκ (Αυστρία), συγκεντρώνει μουσικούς, συνθέτες, ειδικούς του Μπετόβεν και επιστήμονες υπολογιστών. Μια πραγματική πρόκληση. Η τεχνητή νοημοσύνη πρέπει να κατανοήσει το στυλ του Μπετόβεν, να επεκταθεί από κομμάτια και να μάθει πώς να συνδυάζει διαφορετικά μέρη, αλλά και να κυριαρχήσει στις διαφορετικές μουσικές φόρμες που εμφανίζονται σε μια συμφωνία (σκέρτσο, μενουέτο), να ολοκληρώσει μια κίνηση και να οργανώσει το σύνολο. «Κάθε μία από αυτές τις εργασίες απαιτεί διαφορετικά μοντέλα. Οι περισσότερες είναι μέθοδοι μάθησης σε βάθος. (Εκμάθηση σε βάθος, NDLR) Τροποποιημένη επεξεργασία φυσικής γλώσσας για τη δημιουργία μουσικών νότων», εξηγεί ο Ahmed Elkammal, ερευνητής στην επιστήμη των υπολογιστών στο Πανεπιστήμιο Rutgers (ΗΠΑ) και ειδικεύεται στην τεχνητή νοημοσύνη για καλλιτεχνικούς σκοπούς.
Η ομάδα ξεκίνησε δημιουργώντας ένα χώρο εκπαίδευσης για τα έργα του Μπετόβεν, αλλά πολλών συγχρόνων ή προκατόχων τους. Το AI τα προσάρμοσε για να καταλάβουν πώς συνέθεσε μουσική. Ο Algorithms άρχισε τότε να συνθέτει μουσική από κομμάτια της 10ης Συμφωνίας. Παρτιτούρα πρώτα με τη μορφή απλής μελωδικής γραμμής και μετά με τη μορφή ορχήστρας. «Αυτό είναι κάτι που το λέμε. Ο Ahmed Elkammal επιμένει. Δεν έχουμε μια μηχανή ικανή να δημιουργήσει αμέσως μια συμφωνία. Το AI εκπαιδεύονταν συνεχώς. «Το συγκρότημα επέλεξε, ξαναδούλεψε, δοκίμασε και αναδιάταξη των ηχητικών αποσπασμάτων από τους αλγόριθμους. Μερικά έγιναν πιο σύγχρονα, άπαιχτα ή μη αναπαραγωγή.
Παρεμπιπτόντως, στις αρχές Σεπτεμβρίου, στη Λωζάνη και τη Γενεύη, γράφτηκε μια άλλη εκδοχή της 10ης Συμφωνικής της Ελβετικής Ορχήστρας Nexus από την AI. Αλλά με μια ελαφρώς διαφορετική προσέγγιση. Η τεχνολογία, που αναπτύχθηκε από τον Florian Colombo, ερευνητή στο Ομοσπονδιακό Πολυτεχνείο της Λωζάνης (EPFL), έχει εκπαιδευτεί σε κουαρτέτα Μπετόβεν για να δημιουργεί παρτιτούρες για όλα τα όργανα της συμφωνίας χωρίς παρεμβολές. Μετά από αυτό . «Αυτό που προτάθηκε για τη συναυλία ήταν μόνο το αποτέλεσμα των υπολογισμών της μεθόδου μου », σημειώνει ο ερευνητής.
Χρησιμοποιούνται οι προγνωστικές δυνάμεις της τεχνητής νοημοσύνης
Μεταξύ δημιουργίας και ψυχαγωγίας, αυτά τα έργα υπογραμμίζουν την πιο συγκεκριμένη χρήση της τεχνητής νοημοσύνης: τη βοήθεια στην αναδημιουργία στοιχείων που λείπουν ή έχουν καταστραφεί. Κατ’ αρχήν, οι προγνωστικές δυνάμεις αυτών των τεχνολογιών αξιοποιούνται. Δηλαδή, με βάση το υπάρχον περιεχόμενο, είναι δυνατός ο υπολογισμός της πιθανότητας να προστεθεί ένα στοιχείο σε έναν αλγόριθμο όταν αυτό είναι συμβατό με άλλο. Αλλά δεν υπάρχει τυπική λύση, όλα διαμορφώνονται από κάποια αρχική επιλογή: «Μπορώ να αναγκάσω ένα όργανο να παίξει κομμάτια όπως αυτό και αυτό (Από τη 10η Συμφωνία του Μπετόβεν, σημείωμα του συντάκτη) Άλλα θα χτιστούν γύρω. εξηγεί ο Florian Colombo. Το τελικό αποτέλεσμα εξαρτάται από το εργαλείο με το οποίο ξεκινάτε.“Η μουσική απέχει πολύ από το μόνο πεδίο που εμπλέκεται. Αυτό το καλοκαίρι, η τεχνητή νοημοσύνη επέτρεψε στο Rijksmuseum στο Άμστερνταμ (Ολλανδία) να προσφέρει. Η Νυχτερινή Φρουρά, Ο περίφημος πίνακας του Ρέμπραντ (1606-1669), συμπληρωμένος με θραύσματα που λείπουν εδώ και 300 χρόνια. Με ημερομηνία 1642, ο καμβάς μεταφέρθηκε στο τότε δημαρχείο (τώρα το βασιλικό παλάτι) το 1715. Για να χωρέσει ανάμεσα στις δύο πόρτες, κόπηκε και στις τέσσερις πλευρές, λιγότερο από 60 cm αριστερά και 22 cm πάνω. Ως μέρος ενός μεγάλου έργου αποκατάστασης, το Rijksmuseum χρησιμοποίησε ένα αντίγραφο Η Νυχτερινή Φρουρά Εκτελέστηκε πριν αποκοπεί το έργο από τον ζωγράφο Gerrit Lundens (1622-1686). Πρόβλημα: Έχει μέγεθος μόνο μισό τετραγωνικό μέτρο έναντι 16 μέτρων2 Για το αριστούργημα του Ρέμπραντ.
Ένας αλγόριθμος “εστάλη στη σχολή καλών τεχνών”
Ο Ολλανδός ερευνητής Robert Erdmann δημιούργησε ψηφιακά αντίγραφα δύο πινάκων για τουλάχιστον τρεις αλγόριθμους. Πρώτα καθιέρωσε τη «σημασιολογική αντιστοιχία» μεταξύ των δύο πινάκων: εντόπισε όλα τα κοινά στοιχεία (χαρακτήρες, πρόσωπα κ.λπ.). Δεύτερον, κατέστησε δυνατή την τοποθέτηση της ζωγραφικής του Lundens στις ίδιες διαστάσεις με τον Ρέμπραντ, τεντώνοντας τα μπλοκ, τις προοπτικές και τα σχήματα, έτσι ώστε και οι δύο εικόνες να μπορούν να είναι τέλεια υπερβολικές. Από εκεί, υπήρχε ένας τρίτος αλγόριθμος «Εστάλη στη Σχολή Καλών Τεχνών «Για να χρησιμοποιήσω μια φράση του Ρόμπερτ Έρτμαν, χρησιμοποίησε δεδομένα από διάφορες αναλύσεις. Η Νυχτερινή Φρουρά Έκδοση Rembrandt (φωτογραφίες, ακτίνες Χ, σαρώσεις 3D, UV) για να μάθετε να ζωγραφίζετε σαν καλλιτέχνης.
Έτσι, παίρνοντας το αντίγραφο του Lundens ως μοντέλο, ο αλγόριθμος μπόρεσε να δημιουργήσει το σύστημα σε ένα στυλ που θα ακολουθούσε τα ελλείποντα μέρη του καμβά του Ρέμπραντ. Αυτά τα κομμάτια τυπώνονται και προσαρμόζονται προσεκτικά στο σκίτσο. Προσοχή όμως: τίποτα δεν λέει ότι είναι εντελώς πανομοιότυπα με το 1642. Στην ιδανική περίπτωση, η τεχνητή νοημοσύνη παρείχε την πιο βιώσιμη έκδοση.
Ομοίως, το 2020, μια ισραηλινή ομάδα δοκίμασε ένα νευρωνικό δίκτυο σε βαβυλωνιακά κείμενα, χαραγμένα σε διαβρωμένες ή σπασμένες πήλινες πλάκες. Αφού εκπαίδευσαν τον αλγόριθμο σε ένα σύνολο πλήρων προτάσεων, οι ερευνητές τον πήγαν σε ένα κουίζ με 52 προτάσεις με λέξεις που λείπουν. Από τις τέσσερις πιθανές απαντήσεις, ο αλγόριθμος πρότεινε τη σωστή στο 88,5% των περιπτώσεων. Εξαιρετική απόδοση αρκετά για να εκπλήξει τους ερευνητές! Η απόφαση αυτή, σε κάθε περίπτωση, επιβεβαιώνει την προσέγγιση, η οποία θα οδηγήσει σε νέα εκπαίδευση για τη βελτίωση των αλγορίθμων. Η συνεπής χρήση τους θα εξοικονομήσει χρόνο και θα βοηθήσει στην παροχή τρόπων, αλλά οι ειδικοί πρέπει να χρησιμοποιήσουν τα αποτελέσματα προς όφελός τους.
Εντοπισμός διφορούμενων λέξεων Οι βαβυλωνιακές πήλινες πλάκες γίνονται δυνατές με τη «βαθιά μάθηση». Συντελεστές: Ε. ΦΕΤΑΓΙΑ ΚΑΙ ΑΛ.
Αυτό είναι το νόημα του έργου επισκευής που ξεκίνησε στη Βομβάη (Ιταλία) στις αρχές Σεπτεμβρίου. Ένας ρομποτικός βραχίονας εξοπλισμένος με σύστημα όρασης υπολογιστή λειτουργεί για την ανοικοδόμηση πινάκων στην Πινακοθήκη, η οποία υπέστη ζημιά από την έκρηξη του Βεζούβιου το 79 μ.Χ. και τους βομβαρδισμούς των Συμμάχων το 1943. Σχεδόν 15.000 κομμάτια περιμένουν. Το μοντέλο πρέπει να έχει συσσωρευτεί με τα χρόνια σαν ένα παζλ που δεν παρουσιάζεται. «Αυτό το έργο είναι απλώς αδύνατο για τους ανθρώπους. Marcello Pelillo, ερευνητής πληροφορικής και συντονιστής έργου στο Πανεπιστήμιο Ca’Foscari στη Βενετία. Προσπαθούμε για δεκαετίες και σχεδόν τα παράτησα. “
Το μηχάνημα παρέχει συστάσεις στους ερευνητές
Κάθε τμήμα σαρώνεται σε 3D και αποθηκεύεται στη βάση δεδομένων με σχετικές τεχνικές πληροφορίες (διαστάσεις, δομή, χρώματα, σχήματα …). Ο βραχίονας ρομπότ συνδέεται με αυτόν τον ιστότοπο. Με την κάμερά του «παρατηρεί» μια ενότητα, περιηγείται στη βάση δεδομένων των σαρώσεων υπολογιστών και προσπαθεί να καταλάβει ποια στοιχεία μπορούν να συνδυαστούν σε συνεννόηση με τα χαρακτηριστικά τους. Το χέρι που φοράει βραχίονα με αισθητήρες πίεσης φτάνει στο βαθμό που χειρίζεται κομμάτια ζωγραφικής. “Δεν περιμένουμε ότι το ρομπότ θα πετύχει για πρώτη φορά, αλλά οι ειδικοί θα πρέπει να παρέχουν αρχικές πληροφορίες που έχουν επαληθευτεί ή όχι“Ο Marcello Bello προειδοποιεί ότι το έργο του μηχανήματος είναι θρεπτικό καθώς πηγαίνει μπρος-πίσω και σύμφωνα με τους υπολογισμούς πιθανοτήτων, το σύστημα θα συλλέξει αμέσως εξαρτήματα ή θα περιμένει την απάντηση των ερευνητών ή θα τους δώσει μια συμβουλή. Χωρίς γνωρίζοντας πόσα και πού, ένα AI μπορεί να δημιουργήσει αντίγραφα για να καλύψει τα κενά.
Ένα ρομποτικό χέρι Εκπαίδευση για τη συναρμολόγηση εικόνων σε ένα παζλ. Τεχνολογία που χρησιμοποιείται για την ανακατασκευή πινάκων που ανασκάφηκαν στην Πομπηία. Πίστωση: Αρχαιολογικό Πάρκο Πομπηίας
Ψηφιακό +
Αποσπάσματα από τη 10η Συμφωνία του Beethoven AI: sciav.fr/897beethoven
10η Συμφωνία που ολοκληρώθηκε από τον ερευνητή του EPFL: sciav.fr/897symphonie
Rijksmuseum Operation Nightwatch στο Άμστερνταμ: sciav.fr/897rondedenuit
Τεχνητή Νοημοσύνη ενόψει των ημιτελών βαβυλωνιακών διοικητικών κειμένων: sciav.fr/897babylone
Ο Brent Seals, καθηγητής επιστήμης υπολογιστών στο Πανεπιστήμιο του Κεντάκι (ΗΠΑ), είπε: «Μην συγχέετε το πραγματικό με το κερδοσκοπικό».
“Η τεχνητή νοημοσύνη και οι προσεγγίσεις μηχανικής μάθησης είναι χρήσιμες για την εικασία των κομματιών που λείπουν. Αλλά δεν είναι δραστικές ανακατασκευές. Αυτές οι μέθοδοι έχουν πάρει μόνο τη θέση τους, αλλά μπορούμε μόνο να παρέχουμε τις καλύτερες προσεγγίσεις του τι έχει χαθεί. Όταν πρόκειται για κείμενα, Η απελευθέρωση των λέξεων μπορεί να οδηγήσει σε διφορούμενες ερμηνείες.Ωστόσο, για τον απλό λόγο ότι ο κόσμος είναι έτσι, κανένα αντικείμενο δεν είναι γνωστό ακριβώς.Δεν γίνεται αποδεκτό. [dans le monde académique]. Όλα εξαρτώνται από τις εφαρμογές και τα αποτελέσματα στα οποία οδηγεί.
Πολλοί άνθρωποι είναι επιφυλακτικοί με την τεχνολογία, είναι ακόμα δύσκολο να την κατανοήσουμε και δεν αποκαλύπτει πώς επιτυγχάνει τα αποτελέσματά της. Οι ερευνητές εργάζονται σε αυτήν την πτυχή, αλλά η πραγματική πρόκληση είναι να αναπτύξουν διαφανή συστήματα τεχνητής νοημοσύνης σχετικά με τον τρόπο λειτουργίας τους, καθώς και τα δυνατά και τα αδύνατα σημεία των αποτελεσμάτων τους.