Mensch, Maschine!

Künstliche Kreativität (2/6) — Rembrandt aus dem Automaten

Audio herunterladen: MP3 | AAC | OGG | OPUS

Musikcover aus der Jukebox, Bildverschnitte aus dem Archiv, Rezeptcollagen aus der Kochbuchsammlung und neueste Mode aus alten Katalogen: Lernende Maschinen schaffen nichts Neues, aber sie können gut abgucken. Ihr Vorteil: Sie immitieren so fleißig, dass sie auch jene Eigenheiten, Muster und Stilmittel übernehmen, die uns selbst noch gar nicht bewusst sind. Aber ist ein gutes Immitat schon Kunst?

Links und Literatur

Jukedecks Algorithmen versprechen Musik nach Bedarf. In unserem Fall ein sentimentales Stück mit dem treffenden Titel „Piano“. Leider ist die Webseite inzwischen Offline. Das Geschäftsmodell scheint seinen Versprechungen wohl doch nicht gerecht geworden zu sein.

Künstliche Neueronale Netze sind für Kreative die beliebtesten Anwendungen unter den lernenden Algorithmen, denn sie lassen sich auch mit überschaubaren Programmierkenntnissen und ohne besondere Hardwareanforderungen auf die eigenen Bedürfnisse kalibrieren und produzieren häufig sehr überraschende Ergebnisse.

Melodrive, das live Musik für jede individuelle Nutzungssituation komponieren will ist bisher nicht mehr als ein Versprechen.

Project Muze schneidert dir deinen ganz persönlichen Trenchcoat. Style: Galaktisch. Tragbarkeit: fraglich.

Chef Watson half mir einst bei der Resteverwertung aus meinem Kühlschrank. Leider ist auch diese Seite inzwischen down. Wie die vorherigen Beispiel zeigen: Künstliche Kreativität durch lernende Algorithmen taugt meist nur als Showcase. In der Praxis hat sich keines der Angebote durchgesetzt.

Das Portraits des KI-Phantoms Edward de Belamy erzielte bei einer Versteigerung bei Christies 432.500,- $.

Bei der Produktion möglichst täuschender fotografischer oder künstlerischer Bilder werden meist Generative Adverserial Networks genutzt. Dabei werden zwei Netze so angeordnet, dass eins Bildvorschläge erstellt und das andere deren Täuschungswahrscheinlichkeit prüft. So trainieren sich die Algorithmen selbst. Die Ergebnisse sind nur mit genauem Blick von Originalen zu unterscheiden. Beispielbilder sind z.B. in dieser Publikation zu finden: Tero Karras et. al (2017): “Progressive Growing of GANs for Improved Quality, Stability, and Variation”, publiziert als Konferenzbeitrag für ICLR 2018.

Das Projekt The Next Rembrandt produzierte ein täuschend echt wirkendes fiktives Rembrandt-Gemälde. Doch Lücken in der Dokumentation lassen vermuten: Hier wurde bei der Komposition durch den Menschen stark nachgeholfen.

Anders in der künstlerischen Interaktion. Holly Herndon oder Roman Lipski. Diese Beispiele zeigen, wie die Maschine als Sparringspartner und Inspiration tatsächlich zu produktiven Reflexionsprozessen und damit zu neuen Ästhetiken führen kann.

Am Ende braucht es aber immer den Menschen, um das ästhetische Potential des Maschinenstreams zu identifizieren und zu heben (siehe Serendipität).

Credits

Sprecht mit mir auf Twitter.

Vielen herzlichen Dank an Johann Niegl für die Titelmusik und Hans-Jakob Gohr für die Covergestaltung. <3

Hier sammel ich Dogecoin: DDLJGMiXEzn8k35imXipxG32h1AeP6HF5e


Kommentare


Neuer Kommentar

Durch das Abschicken des Formulares stimmst du zu, dass der Wert unter "Name oder Pseudonym" gespeichert wird und öffentlich angezeigt werden kann. Wir speichern keine IP-Adressen oder andere Personenbezogene Daten. Die Nutzung von deinem echten Namen ist freiwillig.