Jak uczynić z maszyny artystę? Piotr Psyllos

P. PSYLLOS: Tak. Szczególnie, jeżeli mówimy o osobach nieświadomych. Bo takie pokutuje przekonanie, że komputery to są bezduszne maszyny, które mają pewne algorytmy całkowicie przewidywalne. I ci programiści, którzy tworzą te algorytmy, robią je w taki sposób, że są w stanie w 100 proc. przewidzieć, co te algorytmy wyprodukują, że to jest po prostu taka prosta matematyka. Coś wrzucam na wejście, otrzymuję na wyjściu i tutaj nie ma mowy o kreatywności, nie ma mowy o sztuce. Nic bardziej mylnego. Okazuje się, że sztuczna inteligencja może być kreatywna. Komputery mogą być kreatywne i ta dziedzina sztuki generatywnej, czyli takiej komputerowej twórczości, przez ostatnie 15 lat intensywnie się rozwija, bo nowe metody deep learningu np. się pojawiły i komputery coraz bardziej wchodzą w kalosze artystów. Tylko to też nie jest coś nowego, bo już w ubiegłym wieku takie komputery mieliśmy. Tylko wtedy te komputery były bardzo słabe i nie mieliśmy też wystarczającej ilości danych. Także np. te piosenki – a już takie w 1957 roku pierwsze powstawały dla kwartetu smyczkowego w Stanach Zjednoczonych, takie eksperymenty były prowadzone – nie były zbyt zaawansowane, ale już niektórzy krytycy muzyczni uważali, że oto nastał przełom i maszyny realnie mogą zastąpić artystów. Taka ciekawostka: nie wiem, czy wiesz, w ubiegłym wieku… Nie wiem, czy to nie jest kaczka dziennikarska, bo starałem się zweryfikować te informacje, ale nie ma zbyt wielu materiałów na ten temat. W ubiegłym wieku powstała taka piosenka, pewnie ją kojarzysz – zespół Hot Butter i piosenka „Popcorn” – od której „Sonda” się zaczynała kiedyś. Później Crazy Frog powstał na tej podstawie. Też została stworzona przy udziale maszyny. Komputer przeanalizował najbardziej wpadające w ucho melodie i później podpowiedział artyście, jak te dźwięki poustawiać, tak że wtedy to się zaczęło. Teraz się rozwija, mamy lepsze komputery, lepsze technologie… No i takie cybergrajki, myślę, że coraz częściej będą nam towarzyszyć.

P. PSYLLOS: Tutaj mówimy o takim bardzo rozległym zagadnieniu, bo są różne podejścia. Jeżeli mielibyśmy w taki maksymalnie prosty sposób powiedzieć, jak komputer tworzy dzieła sztuki, piosenki, jak np. obrazy maluje? To się sprowadza do tego, że komputer generuje pewne losowe sekwencje dźwięków np. albo jakichś kształtów, jeżeli mówimy o obrazach. I te sekwencje przechodzą przez takie sito. To sito w etapie… Bo są wykorzystywane metody uczenia maszynowego i te metody kształtują to sito, żeby to sito np. przepuszczało takie – te przypadkowo przez komputer wygenerowane – sekwencje, żeby piosenka była w jakimś stylu. Bo to sito tak kształtujemy, żeby to, co przechodzi, było np. w stylu Sinatry, w stylu van Gogha, jeżeli mówimy tu o obrazach. Czyli mamy właśnie taki generator liczb losowych, sito przy pomocy metod sztucznej inteligencji, uczenia maszynowego kształtowane. No i to sito przepuszcza te rzeczy, które później dodajemy do utworu, składamy to, co wychodzi na wyjściu i mamy utwór. To w uproszczeniu, prawda? Tylko teoretyczne podstawy już były w latach 70. znane na AGH. Prof. Ryszard Tadeusiewicz już wtedy prowadził takie eksperymenty i symfonię Bacha też tworzył. Tylko wtedy komputery były bardzo proste i te metody nie były aż tak zaawansowane, jak teraz są.

P. PSYLLOS: Tak, bo tutaj największy problem jest – jeżeli mówimy o tych algorytmach – z koherencją, czyli ze spójnością. Okazuje się, że takie proste metody generowania piosenek nie mają żadnej spójności. Czyli mamy jakieś tam dźwięki poukładane na linii czasu, które są przypadkowe. I to naprawdę dobrze nie brzmiało kiedyś. Teraz sytuacja się poprawiła, bo mamy właśnie ten deep learning, czyli metody sztucznej inteligencji, które pozwalają robić coś, w ramach jakiegoś tam kontekstu. Tworzyć np. melodie, odnosząc się do tego, co już ten algorytm wcześniej skomponował. Te deep learningowe biblioteki czy transformatory, które przekształcają pewne sekwencje i generują na wyjściu, są w stanie tak układać te dźwięki, że one mają – jeżeli przeanalizujemy utwór np. 30-sekundowy – jakiś tam związek między sobą, jakiś tam sens. To nie jest przypadkowa zbieranina dźwięków tak, jak to kiedyś było, tylko ta melodia realnie ma jakiś sens i może imitować – tak, jak tutaj mieliśmy przykład Sinatry – czyjś styl melodyczny. I to nie jest coś, co się zmienia co 5 sekund – mówię tutaj o tym stylu – tylko jest ta koherencja, jest taka właściwość, że ta sztuczna inteligencja potrafi kontekstowo myśleć, pamięta, co wcześniej skomponowała i w odniesieniu do tego, co wcześniej wytworzyła, jest w stanie dalej kompletować.

P. PSYLLOS: No, “My Way”, “New York, New York”…

P. PSYLLOS: No tak, tylko tam słyszę też Elvisa wpływy, tak trochę.

P. PSYLLOS: Tak. Tak, to znaczy: jeżeli mówimy o tej bibliotece, którą tutaj wykorzystałem do komponowania tej przesłanki, która się nazywa Jukebox, no to nastąpił ogromny przełom. Bo ta biblioteka została nauczona na superkomputerze – i to kosztowało ileśset tysięcy dolarów – nauczona ponad miliona różnych piosenek wyprodukowanych przez ludzkość w przeszłości. I teraz słuchając tych piosenek – które jeszcze przy okazji miały towarzyszący im tekst i np. informacje o gatunku muzycznym albo o artyście – nauczyła się wiązać te rzeczy. Czyli sobie skojarzyła, że Sinatra zazwyczaj w takim stylu śpiewa, takie melodie temu, co śpiewa towarzyszą, taki np. tekst albo sposób intonacji, taki np. gatunek muzyczny jest mu właściwy i się nauczyła wiązać te wszystkie rzeczy i wykształcił się taki właśnie mózg elektronowy – cytując Lema można by powiedzieć – który możemy później wykorzystywać, żeby własne piosenki tworzyć. Jak to robimy? Jak już mamy ten algorytm nauczony, to warunkujemy ten sztuczny mózg – mówiąc w uproszczeniu – czyli zadajemy na jego wejściu tekst przez nas napisany albo przez sztuczną inteligencję, np. o Voice House. Zadajemy gatunek muzyczny, zadajemy np. artystę, wstawiamy tam na wejściu, jaki ma być artysta. Ponieważ sztuczna inteligencja wykształciła wewnątrz, w swojej strukturze, pewną reprezentację: czym jest głos Sinatry? Jaka jest idea tego? To jest w stanie od zera, całkowicie od zera – i to się różni od tych metod, które wcześniej były, bo wcześniej to się składało z takich cegiełek dźwiękowych, a tutaj mamy od zera – potrafi wygenerować dźwięk. Czyli te wszystkie brawa, te wszystkie instrumenty, które słyszymy, te chóry, które towarzyszą Frankowi, są wygenerowane przez sztuczną inteligencję.

P. PSYLLOS: To jest bardzo głębokie pytanie. Bo czym jest głos Sinatry? Jeżeli mielibyśmy w ogóle zdefiniować…

P. PSYLLOS: Coś nowego, co nie jest głosem Sinatry, bo to jest… Jeżeli się bardzo, bardzo precyzyjnie wsłuchamy w to, co sztuczna inteligencja stworzyła, to jest trochę mieszanka Elvisa Presleya, Sinatry i kilku innych artystów, Beatlesów melodia też się tam pojawia, albo głosy artystów. Ale powiedzmy: ten wiodący głos to jest głos Sinatry tylko. To jest twór sztucznej inteligencji. Sinatra nigdy tego nie zaśpiewał. Sinatra nigdy tak nie śpiewał, nie śpiewał tego tekstu. Bo tu jeszcze bardzo ważna rzecz, nie wspomnieliśmy o tym: sztuczna inteligencja nie cytuje tego, co już zostało kiedyś skomponowane, tylko uczy się samej idei, czym się charakteryzuje idealny przebój, idealna piosenka. Później, gdy ma ten przepis na idealny przebój, idealną piosenkę, to jest w stanie coś całkowicie nowego skomponować, posługując się tymi głosami. I teraz: to jest taka zagwozdka prawna, czy…

P. PSYLLOS: No tak… Pytałem wielu prawników. I okazuje się, że w polskim prawie nie ma definicji precyzyjnej – tak odpowiedzieli. Tutaj jest wiele wątpliwości. Z jednej strony, mamy do czynienia z jakimś tam głosem Sinatry i tutaj spadkobiercy autorskich praw majątkowych mogą się później odezwać i mogą być różne spory. Ale z drugiej strony, jeżeli mielibyśmy określić szczegółowo w jakich momentach ten głos jest faktycznie głosem Sinatry i gdzie tutaj to jest inspiracja, o której mówimy? Albo gdzie tutaj jest jakiś fragment zastrzeżony tymi prawami autorskimi? Tutaj by były kłopoty, bo to jest wszystko płynne. A ta płynność jest – jeżeli taki spór by nawet nastąpił – czymś, co może nam pomóc wygrać taki spór. Nie ma definicji precyzyjnej, prawda? Ja sam… Bo zastanawiałem się bardzo długo na ten temat i mam trudność z odpowiedzią na to pytanie: kto jest autorem? Bo ja nie jestem przecież autorem tego. Ja odpaliłem sztuczną inteligencję, warunkowałem ją albo jeżeli mówimy o tych piosenkach, które później puścimy…

P. PSYLLOS: Pewne ramy, tak. A ta sztuczna inteligencja, ponieważ ma wiedzę pewną muzyczną, pewien taki kapitał muzyczny, który każdy kompozytor też posiada, bo zanim ktoś skomponuje jakąś symfonię, to musiał słuchać wcześniej jakichś utworów. Jeżeliby był zamknięty przez całe życie w wyciszonym pokoju, to by nie potrafił komponować utworów muzycznych. Tak samo sztuczna inteligencja- musi coś wcześniej przesłuchać, żeby się nauczyć idei melodii i później jest w stanie coś komponować, inspirować się jakimiś utworami. Ale ludzie też to robią, powstają remiksy.

P. PSYLLOS: No ja nie jestem, mi słoń kiedyś na ucho nadepnął… Naprawdę, ja nie jestem autorem. Sztuczna inteligencja też nie ma podmiotowości żadnej, nie ma intencjonalności w działaniu na razie. Chyba, że będzie kiedyś tzw. silna sztuczna inteligencja, którą Ray Kurzweil przewiduje w 2045 roku i będzie miała świadomość, wtedy będzie mogła się kłócić z nami: „Przecież ja to stworzyłam!”.

P. PSYLLOS: Tak. W ogóle z tymi wszystkimi piosenkami, które mają głos – to jest największy problem – i artystów, w przypadku których prawa autorskie nie wygasły. Po 70 latach od śmierci to wygasa, należy wtedy do domeny publicznej. I dlatego, jak te sztuki skomponowałem przy pomocy tych swoich sieci, to mogłem korzystać z dzieł Szekspira albo innych twórców, bo tutaj to nie jest objęte prawami autorskimi. W przypadku tych piosenek jazzowych, też takie utwory Midi będziemy puszczać, czyli bez głosu, gdzie sztuczna inteligencja samą linię melodyczną tworzy i gra przy pomocy np. pianina. Tam nie ma większego ryzyka, ponieważ tam nie ma głosu i te inspiracje, ta baza utworów, które służyły do uczenia sztucznej inteligencji, to też z odległych czasów pochodzi i tutaj praw autorskich nie ma. W przypadku Elli Fitzgerald albo Franka Sinatry jest większy problem. Tak naprawdę nie wiem, czy jest obecnie osoba, która mogłaby odpowiedzieć na pytania: komu przynależą te prawa autorskie i kto jest odpowiedzialny za to, co sztuczna inteligencja zrobiła? Niektórzy mówią, że to trochę przypomina sytuację tej małpy, kiedy były rozprawy sądowe bardzo intensywne… Kiedyś małpa w dżungli amazońskiej zrobiła zdjęcia aparatem, który został przez pewnego gościa – chyba był artystą – zostawiony. Zrobiła zdjęcie i to zdjęcie zaczęło się jakąś fenomenalną popularnością cieszyć. No i ten gość chciały, żeby prawa autorskie do tego zdjęcia mu przynależały. Mnóstwo rozpraw sądowych się odbyło. Okazało się na koniec, że sąd stwierdził, że to do domeny publicznej należy, ponieważ tego zdjęcia nie wykonała żadna istota rozumna. Sztuczna inteligencja nie jest istotą rozumną…

P. PSYLLOS: Po trosze tak, ale też do domeny publicznej, raczej chyba… Nie wiem, czy to możliwe.

P. PSYLLOS: Szumy były, które trochę przypominają stare płyty winylowe. Ukochana Ella, królowa jazzu plus jakiś tam chórek, który dośpiewywał i mnóstwo szumów różnych, które wynikają z niedoskonałości sztucznej inteligencji, które same w sobie też pewnie jakąś wartość artystyczną posiadają, wg mnie. To jest aglomerat wszystkiego w sumie. Przyznasz, że to fajne jest?

P. PSYLLOS: Tekst to akurat nie sztucznej inteligencji, to moja inteligencja akurat to tworzyła. Nie jestem idealnym tekściarzem, jeszcze dużo do poprawienia tutaj jest, ale też możemy tutaj zaprząc… Tylko jest pewne ryzyko, bo nie wiemy, co ta sztuczna inteligencja na wyjściu wyprodukuje. Kiedyś miałem takie próby właśnie ze sztuczną inteligencją, która teksty różne pisała. Takie głupoty na wyjściu potrafiła wyprodukować, z wulgaryzmami włącznie… Po 22:00 będziemy mogli to cytować, ale to nie jest do zacytowania.

P. PSYLLOS: Tych utworów było bardzo dużo. Największym problemem, który miałem na samym początku, gdy ten system zacząłem tworzyć – a to było 2 lata temu przy okazji tworzenia pracy inżynierskiej, bo to był element pracy inżynierskiej – to było znalezienie danych, którymi będę mógł nakarmić sztuczną inteligencję. Zacząłem właśnie od Szekspira, bo to jest taki dataset, czyli baza danych, która jest najczęściej wykorzystywana i najbardziej popularna. I tutaj nie ma zbytniego problemu z prawami autorskimi. Także odgrzebałem różne teksty Szekspira i starałem się – bo chciałem monologi wygenerować – starałem się znaleźć przede wszystkim te monologi, które on wcześniej skomponował i powyciągać ze sztuk teatralnych takie fragmenty, które są w miarę spójne i które nie są częścią jakiegoś dzieła, gdzie jest dyskusja pomiędzy bohaterami. Np. w „Romeo i Juli” to dużo mamy takich kwestii, które polegają na tym, że jakiś bohater odpowiada innemu i to trudno akurat tego zbioru włączyć. Dlatego musiałem takie – to maszynowo zrobiłem – fragmenty powybierać, które tutaj będą najbardziej się nadawały. Ale później się okazało, że ta baza danych z tekstami Szekspira, nie jest wystarczająca. Także tam jeszcze dorzuciłem Nietzschego.

P. PSYLLOS: Nie, ja bym mógł jeszcze więcej. Tylko okazało się, że przy większej liczbie twórców z różnych gatunków to, co na wyjściu powstaje, to jest niezbyt spójne i to jest takie pomieszanie różnych gatunków. Najlepszą efektywność przy tym otrzymałem…

P. PSYLLOS: To akurat jest subiektywne bardzo.

P. PSYLLOS: Tak, to na tym bardzo często polega trenowanie tych modeli różnych sztucznej inteligencji. Akurat w tym projekcie wykorzystuję kilka modeli sztucznej inteligencji, które można by powiedzieć rywalizują trochę między sobą w komponowaniu tych sztuk. Bo każdy z modeli… I tutaj wykorzystuję różne np. kodery, transformatory tzw., czyli takie architektury, które wykorzystują sztuczne sieci neuronowe i do nich zalicza się słynny już algorytm GPT-2, już teraz zresztą wyszedł GPT-3, który właśnie jest takim koderem. I te kodery w moim projekcie, w moim programie, który napisałem, starają się partiami generować ten tekst. Maksymalnie ile mogą i maksymalnie spójnego to, co mogą wygenerować, to generują. Później, pod koniec każdego takiego fragmentu przesyłają swoje rozwiązania do takiej sieci neuronowej, którą stworzyłem, która jest takim sędzią, dyskryminatorem, który bierze na tapet to, co tamte sieci wygenerowały. I później analizuje, czy to przypomina ludzki utwór, czy jest jakoś tam spójne z tym, co było wcześniej wygenerowane i później wybiera – tak jak taki ludzki sędzia – te fragmenty, które dołączymy później do sztuki wyjściowej. Później znowu, od nowa to się zaczyna, czyli powstaje fragment na ileś tam linijek, kilkanaście, kilkadziesiąt i później to jest przetwarzane przy pomocy innej sieci z każdej, tej wcześniejszej sieci. I koniec końców, na wyjściu też takie sito mamy, wybieramy taki fragment, który najbardziej będzie pasował do tego, co już wcześniej tamte modele uczenia maszynowego, te kodery wytworzyły.

P. PSYLLOS: No, a w ogóle na końcu, jak już wygeneruje to wszystko…

P. PSYLLOS: No właśnie, to wszystko zależy. Bo tutaj mamy kilka etapów, czyli: etap fragmentu… Nie, jeszcze wcześniej jest etap słów, bo każda z tych sieci – a tam jest przynajmniej 5, bo różne konfiguracje testowałem – stara się te fragmenty w taki sposób tworzyć, że przewiduje kolejne słowa do tych, które już zostały wcześniej dodane. Czyli zaczynamy od słowa „miłość” np. „Miłość jest gruncie tak srogą tyranką”. Teraz zadaniem takiego modelu, jest dodawaniem kolejnych słów, które będą naturalną kontynuacją tego, prawda? Każdy z tych modeli, np. GPT-2, dodają kolejne słowa, starają się coś tam skomponować, pełnią rolę takiego kompozytora. I już gdy wygenerują jakiś fragment, który – tu już eksperymenty przeprowadziłem, ile mogę maksymalnie wygenerować, żeby to w miarę spójne i sensowne było – gdy już wygenerują taki fragment, trafia on do takiego właśnie dyskryminatora, który porównuje to z tym, co było wcześniej skomponowane. Dzięki temu lepszy efekt dostałem, niżelibym korzystał z jednego tego GPT-2, bo to się rozlatuje, po iluś tam wersach to w ogóle nie ma sensu. I na koniec mamy sztukę, która jest złożona z takich fragmentów i tych sztuk mogę 50 np. zrobić. To będzie, co prawda, trwało długo, nawet parę tygodni na superkomputerze, bo na uczelni mamy taki klaster obliczeniowy, z tego korzystałem. Po tych paru tygodniach mam 50 sztuk, no i np. wybieram taką, gdzie nie ma wulgaryzmów.

P. PSYLLOS: To jest bardzo fajny przykład na kooperację maszyny z człowiekiem. Myślę, że to jest przyszłością sztuki. Sztuka będzie coraz częściej powstawała z udziałem komputerów. Już teraz przecież artyści, którzy np. tworzą melodie, to korzystają też z metod sztucznej inteligencji, żeby przeanalizować, co się tam kiedyś sprawdzało, jakie piosenki stały się hitami i zrobić coś bardzo podobnego. Dlatego to, co teraz w radiu słyszymy, to jest bardzo podobne do siebie.

P. PSYLLOS: Taka papka, prawda? Która się niczym właściwie nie różni.

P. PSYLLOS: Tak, tylko to nie było kreatywne za bardzo.

P. PSYLLOS: Młody Beksiński, który np. ze swoich audycji pewną sztukę tworzył, bo pisał swój tekst…

P. PSYLLOS: Tak, tak. I układał odpowiednio melodie w nawiązaniu do tekstu, do tych felietonów muzycznych, które tworzył. Sztuczna inteligencja, nawet najlepsza, nie jest w stanie jeszcze tego robić. A nawet jeżeli będzie w przyszłości robiła, czy będziemy wybierali audycje ludzkie, np. takiego przyszłego Beksińskiego, czy audycje sztucznej inteligencji? Z kim będziemy się utożsamiali? To jest pytanie.

P. PSYLLOS: Na metapoziomie, tym ostatnim. Bo np. miałem sztukę, która z wielu wulgaryzmów się składała. Nie wiem, skąd one się pojawiły. Być może stąd, że te modele językowe GPT-2, to też uczyły się na podstawie mnóstwa informacji z internetu, stąd te informacje pochodziły i się trenowały. Samo wytrenowanie takiego modelu kosztowało około 150 tys. zł, na superkomputerze to trwało. Ja później to warunkuję, czyli ograniczam percepcję tej sztucznej inteligencji, żeby się skupiła na Szekspirze tylko. Tylko ona oczywiście nie jest taka pokorna i nie słucha się mnie w każdym przypadku…

P. PSYLLOS: Jeszcze, tak. To jest pierwszy przejaw buntu maszyn, „Terminator”, Skynet się rodzi. I np. wulgaryzmami rzuca. No i nie wiem, czy taką chciałbyś mieć audycję…

P. PSYLLOS: Są skończone, bo jesteśmy ograniczeni przez dane, które wrzucamy do niej. Jesteśmy ograniczeni przez sprzęt, moglibyśmy tak naprawdę trenować ją na zasobach całej Biblioteki Aleksandryjskiej, internetu, w ogóle wszystkiego. Tylko, żeby to wytrenować… Np. ostatnie GPT-3 model był trenowany na bazie wielu różnych informacji pochodzących z internetu i samo wytrenowanie tego modelu, kosztowało ponad 4 mln dolarów. Czyli na to mogą pozwolić sobie duże korporacje, duże koncerny i też są nadal ograniczone tym czasem, które mogą poświęcić na trenowanie tego, sprzętem i też metodami pozyskiwania tych danych. Także jesteśmy ograniczeni, ale też człowiek jest ograniczony. Każdy artysta chciałby więcej wiedzieć, chciałby mieć więcej w głowie takich wzorców. Bo zauważ, że wszystko, co robimy – mówię tutaj o uczeniu się, o pracy naszego mózgu – to służy do tego, żeby tworzyć pewne algorytmy w mózgu, pewne wzorce rozwiązań. Te algorytmy później w naszym mózgu się wykształcają, bo przeczytaliśmy wiele różnych książek, posłuchaliśmy wiele różnych piosenek i później te algorytmy wykorzystujemy do tego, żeby tworzyć np. sztukę, jakieś tam dzieła. Czyli działamy trochę… Znaczy sztuczna inteligencja działa trochę tak, jak człowiek działa.

P. PSYLLOS: Tak, tak. I często ze swojej praktyki np. dziennikarskiej, radiowej, to możesz zauważyć, że z latami pracy w tym zawodzie, to słowa same pojawiają się, prawda? Nie trzeba się zastanawiać, bo już pewne wzorce takich rozwiązań w mózgu się wykształciły, pewne ścieżki neuronalne. No i wtedy np. możesz improwizować. Często mówi się w dziedzinach artystycznych, że żeby być dobrym artystą i dobrze improwizować, to wcześniej trzeba przesłuchać mnóstwo różnych piosenek, napisać wiele różnych tekstów, żeby te właśnie algorytmy w mózgu wykształcić. Gdy mamy te algorytmy, to możemy wtedy np. grać muzykę jazzową z zachowaniem wszystkich tych reguł. Laik tego nie zrobi, który nigdy jazzu się nie uczył, który zna tylko teoria z książki, prawda? Bo też te algorytmy się kształtują w czasie praktycznych ćwiczeń. Czyli jesteśmy taką siecią neuronalną trochę, nasz mózg pewne takie algorytmy tworzy. Tę sztukę też odbiera, tylko nie zapominajmy, że mózg nie służy do myślenia, tylko mózg służy do przeżycia. I widocznie sztuka coś takiego robi z naszym mózgiem, że ten mózg jakoś np. stymuluje do tego, żeby lepiej pracował i… Ponieważ myślenie pomaga w przeżyciu szalenie, jak się okazuje czasami, to może pomagać. Bo to są bardzo ciekawe pytania: skąd się w ogóle wzięła nasza percepcja sztuki? Dlaczego nam się sztuka podoba? Co sprawia, że ta sztuka nam się podoba? Bo zwierzętom… Mojemu kotowi…

P. PSYLLOS: O, właśnie.

P. PSYLLOS: To jeszcze raz…

P. PSYLLOS: Dobrze. Sztuczna inteligencja jest lepsza niż naturalna głupota, jak to mówią.

P. PSYLLOS: Kotu, tak. Właśnie, kotu? Psu też…

P. PSYLLOS: Polska język trudna język. Jeszcze raz: przykładowo mój pies nie ma żadnych wrażeń estetycznych ze słuchania tych piosenek, które skomponowałem. To jest bardzo ważne pytanie: jak nasz mózg odbiera sztukę? Bo gdy to poznamy, to te algorytmy będą jeszcze lepsze. Jeżeli prześwietlimy nasz mózg i dowiemy się – to kognitywistyka tym się zajmuje też – dowiemy się, na czym polega ta percepcja sztuki, jakie kombinacje melodii, jakie kombinacje barw, które widzimy sprawiają, że nasz mózg coś lubi albo czegoś nie lubi. I to też rodzi kolejne zastosowania tych przyszłych metod. Wyobraźmy sobie, że będą takie interfejsy człowiek-maszyna, mózg-komputer i przy pomocy tych interfejsów artyści będą mogli połączyć się z komputerem i wtedy będą mogli bezpośrednio rejestrować treść swoich myśli. Czyli te melodie, które się rodzą w ich głowach, będą mogły być zapisywane przez komputer i później odtwarzane, nie będzie tego etapu pośredniego. Często niektórzy mają problem z przełożeniem tego, co słyszą w swoich myślach na papier, w cudzysłowie. A tutaj nie byłoby takiego problemu, bo mielibyśmy połączenie bezpośrednio z mózgiem i treść naszych myśli by była przekładana na melodię, na słowa, na obrazy. Ten Beksiński, stary tym razem, kiedyś też wspominał i w kontekście melodii w swoich listach o tym pisał. On uważał w ogóle, że jeżeli chodzi o sztukę, to muzyka jest prawdziwą sztuką, a nie malowanie.

P. PSYLLOS: Od wielu czynników zależy to, w jakim czasie to dzieło powstanie. Od budowy np. sztucznej inteligencji, od architektury, ile warstw tej głębokiej sieci wykorzystamy, ile danych na wejście będziemy chcieli wrzucić, ile razy będziemy te dane chcieli pokazać w sztucznej inteligencji. Tutaj sztuczna inteligencja pełni rolę takiego dziecka trochę, takiej tabula rasa trochę. Niezapisanej karty, której pokazujemy właśnie np. melodie i ona uczy się tego. Im więcej razy pokazujemy to i bardziej różnorodny zbiór tych piosenek, to tym lepiej się nauczy. Informatycy powiedzieliby, że lepiej będzie aproksymowała funkcje, czyli nauczy się właśnie idei melodii, idei idealnego obrazu. Dlatego, to zależy od architektury, od danych, od tego, jak będziemy chcieli uczyć tę sztuczną inteligencję i od tego, na czym uczymy. Bo sztuczna inteligencja jest pewnym algorytmem, pewnym programem. Na razie, bo też już teraz widać inny kierunek, idziemy w stronę sprzętu, który będzie miał sztuczną inteligencję zaimplementowaną, czyli takich neuropodobnych architektur, ale o tym może zaraz. Na razie ta sztuczna inteligencja jest w formie programu. Ten program na czymś musimy uruchomić. Moglibyśmy to uruchomić na komputerze wodnym, to wtedy by lata świetlne trwało…

P. PSYLLOS: Znaczy to, co mamy dzisiaj, to jeszcze ostatnie soki możemy z tego wycisnąć, bo rozbudowujemy te komputery, informacje są w równoległy sposób przetwarzane, dokładamy karty graficzne, chmury obliczeniowe są potężne, dzisiaj możemy sobie z domu połączyć się z taką chmurą. Trochę zapłacimy, ale to, czym dysponujemy w ten właśnie sposób, łącząc się, jest czymś bardzo szybkim, jeżeli wybieramy taką opcję. I na tym szybkim czymś sztuczna inteligencja szybciej się nauczy czegoś, niż np. na moim komputerze domowym, który jest bardzo ograniczony. Możemy iść w bardziej rozbudowany sprzęt, szybszy sprzęt, ale też możemy trochę zmienić paradygmat i np. przejść na komputery kwantowe. Też już teraz okazuje, że bliżej jesteśmy tych komputerów, niż dalej. Na razie jeszcze z utrzymaniem stanów stabilnych jest problem, ale komputery kwantowe będą w przyszłości, będziemy mogli szybciej te obliczenia przeprowadzać. Ale też np. komputery neuromorficzne są przyszłością. Jeszcze o tym się nie mówi, ale będzie się mówiło. Zresztą ta słynna firma Gartner, która zajmuje się przewidywaniem trendów, też wskazuje te technologie neuromorficzne jako te, które zmienią w przyszłości nasz świat. To polega na bardzo prostej rzeczy, bo tworzymy coś na obraz i podobieństwo naszego mózgu, ale już nie w formie programu komputerowego, tylko w formie konkretnych chipów. Czyli takich właśnie neuromorficznych, czyli neuropodobnych – „morfos” – „podobne” z języka greckiego – architektur, które przypominają w pewnym sensie mózg, tylko są uproszczone oczywiście znacznie bardziej. I już teraz mamy takie technologie, które pozwalają nam osiągnąć złożoność niewyobrażalną wcześniej, 5 lat temu jeszcze albo 10 lat temu, przy pomocy takiej niewielkiej skrzyneczki, która pobiera mniej niż suszarka do włosów, a ma neuronów więcej niż małpa np. Już dzisiaj możemy to zrobić, tylko to jest jeszcze uproszczone, nieidealnej i bardziej w laboratoriach to się dzieje niż np. w domach prywatnych użytkowników, którzy chcieliby inteligencję na takich sprzętach uruchamiać. Ale to jest przyszłość, idziemy w tym kierunku. Już zresztą pierwsze takie czipy w naszych smartfonach się pojawiają, tylko są jeszcze na razie proste. W przyszłości to będzie bardziej zaawansowane i wtedy dopiero, możliwości sztucznej inteligencji przed nami się ukażą i to takiej sztucznej inteligencji, która będzie 10 razy, a nawet i 100 razy bardziej zaawansowana niż najlepsza sztuczna inteligencja, która obecnie jest. Tutaj mówię o perspektywie dziesięcioletniej. Co będzie za lat 30, 40? To nikt nie wie. Są futurolodzy tacy, jak Ray Kurtzweil, którzy mówią, że w 2045 roku nastanie osobliwość technologiczna, czyli tzw. silna sztuczna inteligencja, inna od tej, którą teraz mamy. My mamy teraz słabą, czyli taką, która się sprawdza, w jakiś takich wąskich zastosowaniach. Silna będzie odróżniała się od tamtej, bo ona będzie na poziomie ludzkim, a nawet w pewnym momencie przerośnie poziom ludzki. I to jest właśnie ten moment osobliwości, który być może w tym 2045 roku nastanie. I wtedy dopiero będzie się działo, jeżeli mówimy tutaj o sztuce i w ogóle twórczości człowieka.

P. PSYLLOS: Niech moc sztucznej inteligencji będzie z wami.