Машинное обучение. Рецепт большего сходства?
Я никогда не был большим поклонником знаменитого Следующего Рембрандта. Впервые он был представлен мне на кибер-жюри Cannes Lions в 2016 году, и, помимо более общих мыслей о том, что в нем отсутствует связь с ING и т. Д., Моя основная проблема заключалась в следующем: это была в буквальном смысле обычная работа. Агентство использовало машинное обучение и проанализировало знаменитые картины Рембрандта, чтобы создать новое - в основном использовались все средние значения и, возможно, именно это значение для нового произведения. И я думал, что это просто скучно. Невероятное достижение агентства, которое сделало это возможным и в конечном итоге, вероятно, успешным даже для ING, но зачем миру обычная картина одного из величайших художников, которые когда-либо жили? Dreams of Dali была полной противоположностью этого и, следовательно, более вдохновляющей. Так или иначе.
Это заставляет меня задуматься, идет ли здесь творчество. И некоторые из последних инструментов Adobe напомнили мне об этом. Потому что, глядя на новые инструменты, Adobe только что объявила, что это не такая уж безумная идея. Инструмент Adobe Scribbler раскрасит любые ваши черно-белые рисунки. Как он это сделает? Применяя свои знания о цветных рисунках и делая так, чтобы ваш выглядел так же. Ватсон сделал трейлер фильма ужасов, основанный на анализе серии ранее снятых трейлеров фильмов ужасов. И сделал что-то, что выглядело как можно более похожим на средний из этого. Когда в последний раз творческий человек хотел, чтобы его / ее работа выглядела как можно более похожей на среднее значение из всего, что когда-либо было сделано раньше?
Я считаю, что в поведенческих данных можно найти кладезь творческого вдохновения. И это машинное обучение может помочь нам со всем этим справиться. Но сейчас похоже, что мы используем эту силу для создания большего сходства, а не для чего-то экспоненциально различающегося, как это должно быть.
Мои 2 цента.
