Недавно был в гостях и увидел эту свою картину, написанную еще в 1987 году. Она называется Исцеление (79х138 см, масло, холст). Написал я ее именно как средство против лихорадки. Механизм исцеляющего влияния основывался на влиянии красного цвета, форме и распределении этих округлых объектов на ножках. Когда картина была у меня, и потом, по сообщениям, она трудилась и исцеляла на славу.  Смотрел на нее и думал, как интересно ее увидеть после стольких лет, как раз во время пандемии коронавируса. Она, в этом нет никаких сомнений, может работать и против него.

Сейчас я знаю куда больше, чем тогда, о том, как это все может работать, менять наше состояние, и влиять на наш организм: помимо всего прочего, я, как-никак, несколько лет исследовал картины и фотографии с помощью ай-трекера. 

И родилась у меня идея написать несколько картин, которые будут производить определенные психологические эффекты. Поскольку эта картина не у меня, то первой напишу как раз картину для укрепления здоровья, против коронаматьеговируса.

Майкл Хансмайер вместе с коллегой, Бенджамином Дилленбургером, создали скульптуру Цифровой Гротеск 2, которая сейчас выставлена в Центре Помпиду в Париже.
Распечатанные на 3D принтере части скульптуры образуют 1,35 миллиарда поверхностей. На печать ушло 7 тонн материала.

Невероятное богатство деталей, неожиданные элементы и их соединения — результат работы компьютерных алгоритмов, которые применял скульптор.

Майкл Хансмайер говорит на своей странице, что “сегодня, кажется, мы можем распечатать все что угодно, как на макро, так и на микроуровнях, комбинируя различные материалы и процессы”.

Но мы может произвести только то, что спроектировали, а это, в свою очередь, ограничено нашим восприятием. В этой скульптуре алгоритм предлагал необычные и удивительные дизайнерские решения. Скульптор говорит, что такие алгоритмы могут стать помощником или музой художника.

Но, на мой взгляд, в этом уже виден неизбежный следующий шаг: когда сами нейронные сети будут без участия человека генерить скульптуры. Сети будут обучаться на определенном материале и на каких-то принципах. Например, нейронная сеть, обученная на сотне тысяч скульптур, станет производить свои собственные скульптуры, а нам только останется лишь нажать на кнопку и распечатать эту скульптуру, с инструкцией по сборке. Но этими принципами и материалом могут стать и любые образцы красоты, и феномены зрительного восприятия, включая иллюзии, теоремы геометрии, работы Эшера, скелеты морских позвоночных, и все что угодно еще.

Мы увидим такое, что никогда не приходило и, возможно, не могло прийти нам в голову. Так же, как не могли прийти в голову лучших игроков ходы в игре Го, которые делала программа Альфа Го, несмотря на тысячелетнюю историю игры и миллионы сыгранных игр.

Это будет прекрасно, неповторимо и грандиозно. Эта грандиозность будет указывать нам наше место —  в зрительном зале, с ведерком попкорна. А где ещё, если мы со своими творениями  будем выглядеть как криворукие подмастерья?

Фотографии отсюда.

В мае 2015 вышла статья исследователей из Университета Рутгерз (Saleh & Elgammal, 2015). Они составили коллекцию цифровых изображений 81,449 картин 1,119 художников, начиная с 15 века до наших дней. Компьютерная программа, которую они создали, смогла научиться классифицировать работы по стилю, жанру и художнику. Точность, которую она достигла за короткий срок: 63% точности идентификации по художнику, 60% — по жанру, и 45% — по стилю. Что интересно, эти алгоритмы позволили обнаружить некоторые факты – так, выяснилось. что на творчество некоторых художников было оказано влияние других творцов. Это, понятно, обычное дело, но именно об этих конкретных случаях искусствоведам известно не было.

Например, алгоритм обнаружил, что картина француза Фредерика Базиля (Frederic Bazille) «Мастерская на улице Ла Кондамин, 9, в Париже», написанная в 1870 году (в начале статьи), и картина американского художника Нормана Рокуэлла (Norman Rockwell) «Парикмахерская Шаффлтона», написанная в 1950 (выше этого параграфа) весьма похожи. Авторы исследования стали искать сведения о таком факте в истории искусства, но ничего не нашли (статья про эту находку).Желтым выделены очень похожие объекты, красным – схожая композиция, а синим – схожие структурные элементы. Без всяких натяжек можно сказать, что компьютерный алгоритм сделал, пусть и небольшое, но открытие.

Сами исследователи не считают, что такие алгоритмы заменят искусствоведов, но, на мой взгляд, это скромность. Не знаю как вы, а у меня нет сомнений, что вскоре на этом направлении будет еще много достижений. Компьютерные программы учат «понимать» живопись, точность идентификации начнет приближаться к максимуму, мы узнаем еще много интересных фактов из области искусства. Алгоритмы научатся не только «понимать», но и создавать шедевральные картины, скульптуры и музыку.

А что делать нам?

Saleh, B., & Elgammal, A. (2015). Large-scale Classification of fine-art paintings: Learning the right metric on the right feature. Arxiv.org. Полный текст: http://arxiv.org/pdf/1505.00855v1.pdf