My God! What have I done?…

επιτήρηση/θέαμα

And you may find yourself / Living in a shotgun shack / And you may find yourself / In another part of the world / And you may find yourself / Behind the wheel of a large automobile / And you may find yourself in a beautiful house / With a beautiful wife / And you may ask yourself, well / How did I get here? / … / And you may ask yourself / How do I work this? / And you may ask yourself / Where is that large automobile? / And you may tell yourself / This is not my beautiful house! / And you may tell yourself / This is not my beautiful wife! / … / What is that beautiful house? / And you may ask yourself / Where does that highway go to? / And you may ask yourself / Am I right? Am I wrong? / And you may say yourself, “My God! What have I done?” / …

Brian Eno και David Byrne, με τους Talking Heads, στο (απίθανο!) τραγούδι Once in a Lifetime του 1980. Μας τα ‘λεγαν από τότε, αλλά εμείς, τίποτε. Χορεύαμε! Μας προειδοποιούσαν, αλλά εμείς, χαμπάρι. Πίναμε αμέριμνοι τα ποτά μας! Όταν ο Byrne, με στυλιζαρισμένο στυλ ιεροκήρυκα, περιέγραφε τον κλονισμό της προσωπικής αντίληψης της πραγματικότητας – ή μήπως το ανάποδο: τον κλονισμό της πραγματικότητας που οδηγεί σε πλήρη αποπροσανατολισμό; – ήταν μέσα στο punk πνεύμα της εποχής και μιλούσε για την επιπλωμένη μικροαστική ζωή που στερούνταν νοήματος. Αλλά τα χρόνια πέρασαν, ήρθε το GAN και το τραγούδι μπήκε ξανά στο πνεύμα της εποχής, τώρα όμως σαν δυσοίωνη περιγραφή της παρούσης δυστοπίας.

GAN σημαίνει generative adversarial networks (παραγωγικά ανταγωνιστικά δίκτυα) και πρόκειται για μία μέθοδο που είχε προταθεί το 2014 από μία ομάδα ερευνητών του πανεπιστημίου του Μόντρεαλ και κατατάσσεται στην αιχμή των τεχνολογιών τεχνητής νοημοσύνης. Το GAN αποτελείται από δύο αυτό-εκπαιδευόμενα δίκτυα εκ των οποίων το ένα αναζητά μοτίβα σε ένα οποιοδήποτε σετ δεδομένων και φτιάχνει αντίγραφα, ενώ το άλλο αξιολογεί τις προτάσεις του πρώτου κι αν διαπιστώσει διαφορές μεταξύ πρωτότυπου και αντιγράφου, στέλνει τη «δουλειά» πίσω για επανα-επεξεργασία· μέχρι να είναι πλέον αδύνατο να ξεχωρίσει το ένα από το άλλο. Με τις μέχρι σήμερα δοκιμές, το πεδίο της παραγωγής του καλύπτει ένα μεγάλο κομμάτι αυτής που συνηθίζαμε παλιότερα να αποκαλούμε «καλλιτεχνική δημιουργία»: μουσική, λόγο, ζωγραφική, φωτογραφία… Φανταστείτε δύο ρομπότ καλλιτέχνες, που το ένα ρίχνει «ιδέες», δανειζόμενο στοιχεία από δω κι από κει, το άλλο τις εξετάζει και τις κρίνει και το τελικό αποτέλεσμα της συνισταμένης των ενεργειών των δύο ρομπότ, αποτελεί το «καλλιτέχνημα». Για παράδειγμα, τον Οκτώβρη του 2018, τρεις γάλλοι φοιτητές έφτιαξαν μέσω GAN το πορτραίτο ενός ευγενούς του 18ου αιώνα και ο πίνακας πουλήθηκε σε δημοπρασία των Christie’s για 432 χιλιάδες δολάρια· με τους Christie’s να πανηγυρίζουν την είσοδο της τεχνητής νοημοσύνης στην τέχνη.

Εκεί που το GAN έχει αποδώσει τα περισσότερα είναι ο τομέας της φωτογραφίας, χάρη στη δουλειά της NVIDIA, η οποία, χωρίς να αλλάξει την αρχιτεκτονική των ανταγωνιστικών δικτύων, την υποστήριξε με τεράστια υπολογιστική ισχύ. Το αποτέλεσμα ήταν να μπορούν πλέον να παραχθούν φωτογραφίες ατόμων, συνδυάζοντας χαρακτηριστικά φυσικών προσώπων, οι οποίες είναι αδύνατον να εντοπιστούν ως κατασκευασμένες. Στην πρώτη φωτογραφία φαίνονται τα αποτελέσματα δοκιμών που έγιναν το 2014. Δεξιά, τα πρωτότυπα κι αριστερά η σειρά που κατασκεύασε το GAN: γκρίζες, θολές και καθόλου ρεαλιστικές. Στην δεύτερη (κάτω) φωτογραφία όμως φαίνονται τα αποτελέσματα 4 χρόνων δοκιμών κι αύξησης της ισχύος: πειστικές φωτογραφίες «κανονικών» ανθρώπων, φτιαγμένες με κοπτοραπτική από την artificial intelligence. Οι κατασκευασμένες είναι αυτές που έχουν προκύψει απ’ τον συνδυασμό της κάθε μιάς απ’ την επάνω σειρά (source) με κάθε μια απ’ την αριστερή στήλη (destination).

Μπορείτε να υποθέσετε σε τι καταστάσεις θα βρεθούμε εξαιτίας μιας τέτοιας τεχνολογίας: τα fake news και τα alternative facts θα καταντήσουν να μοιάζουν πταίσματα καθώς θα ξεδιπλώνονται οι καλοστημένες, καλλιτεχνικές και προσεγμένες ως την τελευταία λεπτομέρεια εναλλακτικές πραγματικότητες.

And you may ask yourself / How did I get here? / And you may ask yourself…

bytes & genes | cyborg #14 – 02/2019