Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Art attack para robôs: ensinando arte à máquina

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.

91b0fc08849c4128f1eed542c057fd27?s=128

Isabella Silveira

November 25, 2017
Tweet

Transcript

  1. Art Attack para robôs Ensinando arte à máquina

  2. X

  3. X

  4. X

  5. X

  6. Mini Isa

  7. X

  8. None
  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?

  16. None
  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?
  22. None
  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?

  26. None
  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

  39. None
  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
  54. None
  55. No início elas são muito ruins

  56. Deep Conv Neural Network Verdadeira! Parece legítimo

  57. None
  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
  62. None
  63. None
  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 ❤
  66. None
  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 ❤
  72. None
  73. GPU de 2GB de RAM

  74. None
  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

  77. None
  78. Alguns ajustes no caminho, repeat

  79. Conclusões do experimento

  80. None
  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
  86. None
  87. None
  88. https://youtu.be/LSHZ_b05W7o

  89. Em todos esses trabalhos existe o treinamento em recursos já

    existentes
 e uma certa “imprevisibilidade criativa”
  90. None
  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