Art attack para robôs: ensinando arte à máquina

Machine learning vem revolucionando o mercado tecnológico com soluções cada vez mais arrojadas: algoritmos de recomendações que sabem exatamente do que gostamos, fones de ouvido capazes de traduzir conversas inteiras em tempo real e até poder preditivo para nos ajudar a adivinhar o futuro. Mas e quanto à arte? Podemos ter máquinas criativas e inteligentes o suficiente capaz de produzir arte? O que acontece quando juntamos poder computacional e as obras dos maiores artistas que a história já viu? É o que você vai descobrir nessa incrível jornada rumo ao desconhecido e o inusitado mundo do aprendizado de máquina.

Transcript

1. Art Attack para robôs Ensinando arte à máquina
2. X
3. X
4. X
5. X
6. Mini Isa
7. X
9. X
10. E ensinar o computador a fazer arte :)
11. “Como assim, Isa? Tá louca?”
12. Isa Silveira @silveira_bells Desenvolvedora @Work&Co Beer lover, cover da Anitta, mãe de cachorro, maths freak, senso de humor peculiar @vida
13. “Desde quando máquina faz arte?”
14. Arte 01
15. O que é arte?
17. 1. A expressão de habilidades criativas e imaginação, tipicamente em forma visual, como pintura ou escultura, produzindo obras apreciadas primariamente por sua beleza ou apelo emocional. [Dicionário] 2. "Arte é plágio ou revolução.” [Paul Gauguin] 3. "Arte é harmonia." [Georges Seurat] 4. “Provocar em alguém um sentimento que o mesmo já tenha sentido, essa é a atividade da arte”. [Leo Tolstoy]
18. Tem que ser bonita ou original?
19. Tem que ser complexa ou ter valor monetário?
20. Tem que ter sido feita por um artista?
21. E se o artista cria uma ideia e a arte é feita por outra pessoa?
23. One and Three Chairs - Joseph Kosuth 1965
24. Kosuth não fez a cadeira, não tirou a fotografia, nem escreveu a definição
25. Então onde está a arte?
27. Machine Learning 02
28. O que é machine learning?
29. O aprendizado automático ou aprendizado de máquina (em inglês: "machine learning") é um subcampo da o que evoluiu do estudo de reconhecimento de padrões e da teoria do aprendizado computacional em inteligência artificial . Em 1959, Arthur Samuel definiu aprendizado de máquina como o "campo de estudo que dá aos computadores a habilidade de aprender sem serem explicitamente programados". O aprendizado automático explora o estudo e construção de algoritmos que podem aprender de seus erros e fazer previsões sobre dados. Tais algoritmos operam construindo um modelo a partir de inputs amostrais a fim de fazer previsões ou decisões guiadas pelos dados ao invés de simplesmente seguindo inflexíveis e estáticas instruções programadas.
30. Permite que a máquina aprenda. Com algoritmos de ML é possível parsear dados, aprender com eles e fazer classificações ou predições em massa. Ao invés de criarmos algoritmos cheios de regras específicas para executar uma tarefa, treinamos a máquina com datasets enormes para que ela aprenda como executar a tarefa por si só.
31. Com machine learning, podemos aprender sobre dados de forma automatizada
32. Na área de ML, existem vários algoritmos; cada um mais adequado para resolver um tipo de problema
33. Missão do dia
34. Gerar imagens de artes novas, com base em todas as artes analisadas durante o treinamento
35. E pra fazer isso nós vamos precisar de:
36. 1. Um algoritmo poderoso; 2. Alguns milhares de pinturas; 3. Um processador potente; 4. 5 baldes de paciência; 5. Duas xícaras de persistência; 6. Amor a gosto ❤
37. 1. Um algoritmo poderoso; 2. Alguns milhares de pinturas; 3. Um processador potente; 4. 5 baldes de paciência; 5. Duas xícaras de persistência; 6. Amor a gosto ❤
38. Deep Convolutional Generative Adversarial Networks
40. Capaz de criar coisas novas a partir de amostras de images
41. Ele faz isso a partir de duas redes neurais que ficam lutando uma contra a outra
42. “Eita, como assim?"
43. Vamos por partes. Lembra dos algoritmos?
44. Cada algoritmo funciona com base em um modelo
45. Um modelo é uma espécie de “fórmula” para resolver um determinado tipo de problema
46. Tipos de modelos.
47. No modelo discriminativo nós buscamos descrever cada resultado com base nos dados e parâmetros que já temos, ou seja, achar padrões para classificá-los ou prever resultados futuros. Já no modelo gerador, queremos gerar novas amostras de dados com base no que já aprendemos dos dados que foram alimentados ao algoritmo para treinamento. Modelo gerador Modelo discriminativo Tipos de modelos
48. E aí? Qual dos dois modelos?
49. Os dois
50. Nesse algoritmo uma rede neural reconhece elementos em uma imagem e uma gera imagens novas
51. Ex: gerar imagens de carteiras de identidade
52. Rede Neural 1 - O descriminador Seu trabalho é reconhecer se a imagem se trata de uma carteira de identidade legítima
53. Rede Neural 2 - O gerador Seu trabalho é criar imagens de carteiras de identidade Photoshop mad skillz
55. No início elas são muito ruins
56. Deep Conv Neural Network Verdadeira! Parece legítimo
58. Deep Conv Neural Network Falsa! Super caô
59. Round 2
60. Reversed Deep Conv Neural Network 500 números
61. O loop se repete até que as duas sejam experts nas suas áreas de ação
64. https://github.com/carpedm20/DCGAN-tensorflow
65. 1. Um algoritmo poderoso; 2. Alguns milhares de pinturas; 3. Um processador potente; 4. 5 baldes de paciência; 5. Duas xícaras de persistência; 6. Amor a gosto ❤
67. A primeira tentativa foi pegar por autor, no caso Picasso
68. Mas ao todo só tinham 1130 obras
69. Então o jeito foi pegar por gênero. Peguei pinturas de paisagens
70. Ao todo, foram 53.380 imagens reduzidas para 64x64
71. 1. Um algoritmo poderoso; 2. Alguns milhares de pinturas; 3. Um processador potente; 4. 5 baldes de paciência; 5. Duas xícaras de persistência; 6. Amor a gosto ❤
73. GPU de 2GB de RAM
75. 1. Um algoritmo poderoso; 2. Alguns milhares de pinturas; 3. Um processador potente; 4. 5 baldes de paciência; 5. Duas xícaras de persistência; 6. Amor a gosto ❤
76. Ao todo, o treinamento levou 8 horas
78. Alguns ajustes no caminho, repeat
79. Conclusões do experimento
81. Foram geradas 184 amostras de 64x64
82. Alta variância da qualidade de cada arte, algumas são melhores que as outras
83. Alguns estilos são muito mais difíceis de reproduzir do que outros
84. Computadores Criativos 03
85. Temos que nos acostumar cada vez mais com um futuro onde máquinas também fazem trabalho criativo
88. https://youtu.be/LSHZ_b05W7o
89. Em todos esses trabalhos existe o treinamento em recursos já existentes
 e uma certa “imprevisibilidade criativa”
91. Pra mim, arte é criar significado
92. E pra vocês, o que é arte?
93. Obrigada!
94. Get in touch. /in/isabellasilveira isabella.silveira.souza@gmail.com @silveira_bells /bella-silveira