このビデオでは、アーティストであり講師でもある Tom White が、機械認識とニューラル ネットワークを芸術的実践に取り入れるアプローチについて説明しています。 White は、MIT で数学とグラフィック デザインを学んだバックグラウンドと、ビクトリア大学でクリエイティブ コーディングを教えている現在の仕事について語ります。彼はまた、他の人がメディアを創造的に使用するのを助けるためのツールの構築に関する彼の研究と、機械の知覚を探求する彼自身のアートワークについても語っています。 White は、AI アルゴリズムを使用して作成されたスケッチと版画を紹介し、音楽グループとのコラボレーションや最近の美術展について語っています。彼はまた、ニューラル ネットワークとのコラボレーションの課題と、AI で生成されたアートを公開することの意図しない結果についても説明します。
00:00:00 ビデオのこのセクションでは、アーティストで講師の Tom White が自己紹介を行い、MIT のメディア ラボで数学とグラフィック デザインを学ぶなど、彼のバックグラウンドについて話します。彼は、創造的な分野としてプログラミングを探求することに興味を持っていることと、現在、ウェリントンのビクトリア大学で創造的なコーディングをどのように教えているかについて語っています。ホワイトはまた、他の人がメディアを創造的に使用するのに役立つ実用的なツールの構築に焦点を当てた彼の研究についても言及しています。さらに、彼は自分自身の別の芸術活動について話し、彼の講演でさらに議論する予定であり、同様の道を追求することに興味のある学生に刺激を与えることを望んでいます.
00:30:00 このセクションでは、Tom White が機械学習のさまざまな例とその仕組みについて話します。 1 つの例は、主に緑色の計量カップのサンプルを使用するコンピューター ビジョン システムです。これにより、緑色の計量カップが実際よりも一般的であるとシステムに認識させます。ホワイトはまた、すべての検証例よりも強く登録されたダニで作成したプリントについても説明します。これは、概念のより良い抽象化を作成するために単純化による増幅が使用されるアートやデザインと比較されます。最後に、White は彼の合成抽象化シリーズを紹介します。これは、検索エンジンでフィルターをトリガーする、明示的または危険な仕事の画像を模倣した抽象プリントで構成されています。
00:35:00 このセクションでは、クジラ、ペンギン、目のデータセットなど、彼のシステムがオンライン API でどのように機能するかの例をスピーカーが共有します。彼はまた、カスタム データ セットを作成した音楽グループとのコラボレーションや、コンピューターが結び目、アリ、またはその他のオブジェクトと見なす画像のグループを取り上げた最近の美術展についても説明しています。スピーカーは、生成技術へのさまざまなアプローチと、彼のアートワークが現実の世界にどのように影響するかについて話します。彼は、ジェンダー ネットワークへの関心と、顔のニューラル ネットワーク出力を使用してアートワークを作成した方法について言及しています。
00:40:00 このセクションでは、Tom White が、ジェネレーティブ ネットワークの探求と、スプレッドシートのインターフェースを介して、ジェネレーティブ モデルのサンプルを創造性ツールとして使用するスプレッドシート ツールを大学院生と一緒に作成したことについて話します。レナ・サリン、マリオ・クリンゲマン、ロビー・バレット、エドマンド・ベラミーなどの他のアーティストも言及されています. White はまた、共同制作プロセスにおけるアーティストとシステムの両方の役割を強調しながら、アート制作のためのこれらのシステムとのコラボレーションの課題についても説明します。最後に、彼は AI で生成されたアートを公開することの意図しない結果と、視覚化技術とシステムに何が見えるかを尋ねることによってそれを理解する方法について話します。
00:50:00 このセクションでは、Tom White が物理的なアート作品の媒体としてスクリーン印刷を選んだ理由を説明します。彼は、スクリーンやカメラを使ったインタラクティブなインスタレーションとは異なる方法で、物理的な作品に人々を関連付けることができると強調しています。彼はまた、スクリーン印刷により、より正確な作品を作成できるようになり、アート界のポップ アーティストの先例があると説明しています。 Tom はさらに、可能性のある写真を処理するのが難しいため、物理的な作業を行うのはより難しいと説明していますが、敵対的な攻撃を物理的な世界に持ち込む興味深い方法です。さらに、アルゴリズムのバイアスや、AI とサイバーセキュリティのその他の側面をよりよく理解するために、アートがどのように役立つかについても語っています。
00:55:00 このセクションでは、Tom White が Celeb-A データセットのバイアス (女性は男性よりも笑顔であるとラベル付けされる可能性が高い) が、表情の修正を目的とした生成ネットワークのバイアスにどのようにつながるかについて説明します。彼の研究は、敵対的な例に焦点を当てているのではなく、ニューラル ネットワークをトリガーする刺激を視覚化して理解することに重点を置いていると彼は述べています。ホワイトはまた、最小限のストロークなどの単純な表現を試して、視覚的な出力を簡単に生成できるようにすることについても話しています。彼は、人々は低解像度の画像を認識できると指摘し、この能力をテストした心理学の研究から着想を得ています。
01:00:00 このセクションでは、Tom White が視聴者にニューラル抽象化空間の研究をチェックするように勧め、詳細については昨年のワークショップのビデオに誘導します。彼は調査の価値を強調し、視聴者からの質問を歓迎します。
About: Tom White is a New Zealand artist teaching computers to draw using artificial intelligence and machine perception. Tom’s artwork focuses on how machin...
00:40:00 このセクションでは、Jesse Engel が Magenta プロジェクトと、機械学習を使用してクリエイティブ エージェンシーを強化するというその目標について説明します。彼は、ツールを置き換えるのではなく、創造的なプロセスに役立つと感じているミュージシャンから肯定的な反応を受け取っていると説明しています。 Magenta チームは、モデルのトレーニング用の Web インターフェイス、Web アプリへのデプロイ、音楽ソフトウェア用のリアルタイム プラグインなど、より広範なエコシステムの作成に注力しています。 Engel 氏は、このシステムはよりインタラクティブで、リアルタイムで、適応性が高いと指摘していますが、表現力と多様なインタラクティブ モデルに関しては、まだ改善の余地があります。チームは、データから構造とラベルを学習するために、教師なしモデルを調査しています。彼らのウェブサイトには、誰でも試すことができるいくつかのデモ、ソフトウェア、および専門的なツールがあります。
00:45:00 このセクションでは、Jesse Engel が、美しい失敗を生み出す機械学習システムを作成することが、アーティストが使用できるシステムを作成するための 1 つの考え方であると説明しています。たとえば、オリジナルのドラム マシンに設計された制限は、ヒップホップやエレクトロニック ミュージシャンが楽しさと芸術的な方法でサウンドを使用する原因となった、それらの決定的な特徴であることが判明しました。さらに、エンゲルは解釈可能性とインタラクティブ性の関係について議論し、機械学習モデルで使用される言語と仮定が、最大の解釈可能性のためにソフトウェアとユーザーの間の仲介者として機能する API を作成するためのソリューションになる可能性があることを示唆しています。
00:50:00 ビデオのこのセクションでは、Jesse Engel が、対象ユーザーに適合するモデルを設計しながら、一般化のために構造を強化するという課題について説明しています。彼は、ニュートン力学を特定の画像セットでエミュレートできるニュートン力学が、画像の 1 つの側面が変化したときに外挿するのに苦労する方法を説明しています。彼はまた、音楽の強さやキック ドラムの音量に適応できるモデルを構築することがいかに魅力的なアイデアであるかについても触れています。アーティストとのコラボレーションについての議論も持ち上がっていますが、ジェシーは、制限と研究ベースのプロモーションシステムのために挑戦的であると説明しています.議論は、学習モデルにおける分散と構成性から抜け出すという大きな課題に結びついています。
Jesse Engel, Staff Research Scientist, Google Brainhttps://jesseengel.github.io/about/More about the course: http://deepcreativity.csail.mit.edu/Information ...
"Artificial Biodiversity", Sofia Crespo & Entangled Others https://sofiacrespo.com/https://entangledothers.studio/More about the course: http://deepcreativit...
Jason Bailey が、機械学習が偽造品の検出から価格予測まで、芸術の分野にどのような影響を与えているかについて説明します。彼はアーティストに対し、データ駆動型アートに内在する偏見を認識するよう促し、すべての視点を含むトレーニング データの必要性を強く勧めています。
00:00:00 ジェイソン・ベイリーは MIT の講師で、AI と創造性について議論します。彼はエンジニアリングとマーケティングのバックグラウンドを持ち、この経験をアートとテクノロジーの交差点に関する講演にもたらします。ベイリーは、美術史、美術市場における価格予測、クリエイティブ アートにおける AI と ML の使用という 3 つの主要分野に焦点を当てます。
00:10:00 Jason Bailey のブログ「artnome.com」では、データを使用してアートをよりよく理解し、批評する方法を探っています。 2017 年、彼のブログは 538 から注目を集め、彼のプロジェクト「Ai for Art Scholarship: What Does That Look Like?」に関する記事が公開されました。講演で彼のプロジェクトと出版物へのリンクを共有した後、ベイリーは彼の講演の 1 つの段落の要約を提供します。
Jason Bailey, Founder at Artnome.comMore about the course: http://deepcreativity.csail.mit.edu/Information about accessibility can be found at https://access...
00:15:00 このセクションでは、スピーカーは 3D のオブジェクトに部分的なサーフェスを使用することの制限について説明します。具体的には、3D 空間の多くの領域が空であるため、補完ネットワークがサーフェスの特徴をキャプチャすることが難しくなります。これに対処するために、話者は球面マップを 3D のサーフェスの代理表現として使用することを提案します。この場合、すべてのピクセルがサーフェス上のポイントに対応し、表現が無駄になりません。パイプラインは推定深度を取得し、それを部分的な球形マップに投影します。これは、球形マップ スペースで補完ネットワークを使用して完成させることができます。この新しい方法により、よりスムーズで詳細な出力が得られ、トレーニング中に見られなかったオブジェクト カテゴリに一般化できます。
Talk: "Surfaces, Objects, Procedures: Integrating Learning and Graphics for 3D Scene Understanding" Jiajun Wu, Assistant Professor, Stanford Universityhttps:...
01:00:00 講義のこのセクションでは、Jeff Clune が AI 神経科学の進歩と自由な創造プロセスの作成について説明します。彼は、AI が火山や芝刈り機などの私たちの世界の概念をどのように認識して学習できるかを強調していますが、敵対的なイメージを生成および認識しやすい. Clune は Chris Ola の研究を推奨し、スピーチやビデオなどのさまざまなモードを探求する彼のチームの研究について語っています。彼はまた、実際のサルの脳内のニューロンを活性化する合成画像の生成など、この分野で達成された進歩と将来の可能性について興奮を共有しています。クルーンは、科学はしばしば美的なアーティファクトを生み出し、最新の機械学習ツールが芸術と科学の融合をどのように可能にするかを示唆しています。最後に、終わりのないクリエイティブで自由なプロセスを作成するというミッションに参加することに関心のある学生には、Ken Stanley と Joel Lehman の作品を読むことをお勧めします。
01:05:00 このセクションでは、Jeff Clune が、制限のないアルゴリズムが汎用人工知能の進歩をサポートする可能性があると説明しています。彼は、AI 生成アルゴリズムの論文を読むことをお勧めします。この論文では、これらのアルゴリズムが一般的な AI を生成する方法を探っています。 Jeff はまた、研究者がこれらのアイデアをさまざまなドメインに適用し、GPT-3 や Dolly などのツールを使用することを奨励しています。彼は、詩や建築など、さまざまな分野で簡単に達成できることを探求することが、刺激的な進歩につながる可能性があると示唆しています。 Jeff はまた、マルチエージェント設定で Poet アルゴリズムを使用することに関する Joseph の質問に答え、そのような環境でエージェントのパフォーマンスを測定することの難しさなど、発生する課題について説明します。
Towards Creating Endlessly Creative Open-Ended Innovation EnginesJeff CluneAssociate Professor, Computer Science, University of British Columbia, and Researc...
00:25:00 このセクションでは、スピーカーは、CPPN と GAN を使用して画像を検出および変更するためのオンライン ツールである GANBreeder を作成するためのインスピレーションについて説明します。彼は、偉大さは計画できないという考えに触発され、このツールで使用されるアルゴリズムを強化するのに役立つ人間への生来の関心に興味をそそられました。彼は GAN を深く掘り下げ、GAN の潜在的なベクトルには、クロスオーバーに使用するために必要なプロパティがあることを認識しています。これにより、子供の画像を両親の両方に似せることができます。講演者は、さまざまな種類の創造性について語り、彼のツールは、BigGAN と Picbreeder を組み合わせて GANBreeder を作成したコンビナトリアルなものであると述べています。また、GANBreeder を使用してユーザーが画像を作成できる 3 つの方法、つまり、ランダムな子を取得する、2 つの画像を混合する、画像の遺伝子を編集する方法についても説明しています。
00:30:00 レクチャーのこのセクションでは、Joel Simon が創造的なプロセスについて、オープンエンドから意図的なものまで、その間に勾配がある探索段階の観点から説明します。画像を作成および作成するさまざまな方法として、無性生殖、有性生殖、クリスパーなどの生物学的類似点が言及されています。次に、サイモンは、人間が 128 次元で考えることができないため、インタラクティブで共同的な探索の重要性を強調して、彼が作成した画像の例を、それを構成する遺伝子とともに提供します。 Simon は、ArtBreeder をアイデアやインスピレーションを見つけるためのツールとして使用できるという考えで締めくくり、機械学習に関心のあるユーザーに関連する、ユーザーが独自の遺伝子を作成できるようにする最近の機能について言及しています。
00:55:00 このセクションでは、Joel Simon が、複雑なエコシステムとして相互に調和する建物のエコシステムを構築する技術の未来について楽観的な見方をしています。彼は、新しい比喩と技術により、人々は理解を超えた方法でこれらの建物の機能を協力して最適化できると信じています。テクノロジーには長所と短所がありますが、機械と人間の対話に対するサイモンの前向きな見方は、テクノロジーが人々を結び付けてより大きなものを生み出すことができる未来への洞察を提供します.
Joel Simon is an artist, researcher and toolmaker inspired by the systems of biology and creativityhttps://www.joelsimon.net/More about the course: http://de...
この講義では、芸術における知覚の曖昧さと不確定性、およびあいまいなイメージを作成する際の敵対的生成ネットワーク (GAN) の使用について探究します。視聴時間が知覚に及ぼす影響と、画像エントロピーと人間の好みとの関係について説明します。講師は芸術の進化論を提案し、芸術は社会的関係を持つことができるエージェントによって作成されます。アートにおける AI の使用についても議論されており、アルゴリズムは有用なツールになる可能性がありますが、人間のアーティストに取って代わることはできないという結論に達しています。講義は、価値などの概念に関するいくつかの発言で締めくくられます。
00:05:00 このセクションでは、スピーカーはアートの作成における GAN の使用と、これらのタイプの画像が示す自然な視覚的曖昧さについて説明します。チームはこれらの画像を使用して、参加者に画像を短時間見せて説明を求める研究を行いました。結果は、知覚の不確実性と曖昧さのレベルが高い画像ほど、参加者からの説明の範囲が広いことを示しました。さらに、視聴期間の長さは、画像を説明するために使用される単語の数と種類に影響を与え、参加者はより長い露出でより一貫した解釈に収束しました.
00:15:00 このセクションでは、人間のアートに対する認識とアートの作り方を理解するために、計算から得たアイデアを使用する方法について話します。彼は、コンピューターは人間性または社会的関係を持たない限りアーティストにはなれないと主張しています。しかし、コンピューターは芸術的創造性のための強力なツールであり、芸術的創造のための新しいツールを提供します。講演者はまた、AI アートがアクセスしやすくなるにつれてその価値が失われるという考えに反論し、最高の AI アーティストはコーディングを実験し、慎重に結果を選択していることを指摘します。
00:20:00 このセクションでは、Hertzmann が芸術における人工知能 (AI) の使用について議論し、人間の好みに基づいて芸術を生成できる機械を芸術家と見なすことができるかどうかについて質問します。彼は、現在の AI アルゴリズムは単に指示に従っているだけであり、人間のアーティストの創造性を持っていないと主張しています。しかし、彼はアルゴリズムが芸術的なプロセスと好みをモデル化し、芸術の作成とキュレーションに役立つツールになる可能性に興奮しています.結局のところ、アートは文化と時間の産物であるため、ハーツマンはアルゴリズムが人間のアーティストに取って代わることができるとは考えていません。
Human Visual Perception of Art as Computation, Part IIAaron HertzmannPrincipal Scientist, Adobehttps://research.adobe.com/person/aaron-hertzmann/Note we only...
00:15:00 このセクションでは、スピーカーは、寿司の配達など、既存のアイコンがないコンセプトの新しい図像を作成しようとするときに、デザイナーが直面する課題について説明します。このプロセスには手作業が必要で、インスピレーションを得るための関連コンセプトの検索、既存のアイコンの再結合と編集が必要です。このプロセスを簡素化するために、スピーカーは複合アイコン生成用の新しい AI 駆動パイプラインを導入します。このシステムは、スペース、スタイル、セマンティクスを組み合わせて、スタイル的に互換性があり、クエリされたコンセプトに意味的に関連する複合アイコンを生成します。 AI 主導のパイプラインでは、クエリを関連する単語に分解し、スタイル的に互換性のあるアイコンを見つけ、それらを組み合わせて目的のメッセージを伝えます。
00:25:00 このセクションでは、スピーカーは、テキスト、統計、および小さなビジュアライゼーションを含むインフォグラフィックの作成における AI の使用について説明します。彼女はまた、この作業がさまざまなコミュニティや会議に広がっていることを指摘し、GAN を使用した GUI デザインの生成など、コンピューター ビジョンからの例を提供しています。彼女は、コンピューテーショナル グラフィック デザインやクリエイティビティのためのデータ セットなど、利用可能なリソースが多数あることを指摘し、Behance Artistic Media Data Set と Automatic Understanding of Image and Video Advertisements Data Set について簡単に言及しています。
Dr. Zoya BylinskiiResearch Scientist, Creative Intelligence Lab, Adobehttps://research.adobe.com/person/zoya-bylinskii/More about the course: http://deepcrea...
Ajay JainDoctoral student (Ph.D.), UC Berkeleyhttps://ajayj.comMore about the course: http://deepcreativity.csail.mit.edu/Information about accessibility can...
MIT 6.S192 - 講義 9:「ニューラル抽象化」Tom White 著
MIT 6.S192 - 講義 9:「ニューラル抽象化」Tom White 著
このビデオでは、アーティストであり講師でもある Tom White が、機械認識とニューラル ネットワークを芸術的実践に取り入れるアプローチについて説明しています。 White は、MIT で数学とグラフィック デザインを学んだバックグラウンドと、ビクトリア大学でクリエイティブ コーディングを教えている現在の仕事について語ります。彼はまた、他の人がメディアを創造的に使用するのを助けるためのツールの構築に関する彼の研究と、機械の知覚を探求する彼自身のアートワークについても語っています。 White は、AI アルゴリズムを使用して作成されたスケッチと版画を紹介し、音楽グループとのコラボレーションや最近の美術展について語っています。彼はまた、ニューラル ネットワークとのコラボレーションの課題と、AI で生成されたアートを公開することの意図しない結果についても説明します。
MIT 6.S192 - 講義 10: 「マゼンタ: 機械学習でクリエイティブ エージェンシーに力を与える」ジェシー エンゲル
MIT 6.S192 - 講義 10: 「マゼンタ: 機械学習でクリエイティブ エージェンシーに力を与える」ジェシー エンゲル
Google Brain のリード リサーチ サイエンティストである Jesse Engel が、創造性と音楽における AI と機械学習の役割を検討している研究グループである Magenta について説明します。このグループは主に、メディアを生成し、オープンソース コードと、Javascript でインタラクティブなクリエイティブ モデルを作成できる magenta.js と呼ばれるフレームワークを通じてアクセスできるようにする機械学習モデルに焦点を当てています。エンゲルは、音楽を安価に生産され消費される商品ではなく、文化的アイデンティティとつながりのための社会的および進化的なプラットフォームと見なすことの重要性を強調しています。彼らは、表現力、双方向性、適応性を通じて、機械学習が新しい形の創造的なエージェンシーを個人に与える方法を探っています。講義では、音楽の機械学習モデルの設計、予測出力のための膨張畳み込みの使用、微分可能なデジタル信号処理、美しい失敗を生み出す機械学習システムの作成など、さまざまなトピックを取り上げます。さらに、彼はアーティストとの共同作業の課題と、モデルの学習における分散と構成性から抜け出すという壮大な課題について話します。
MIT 6.S192 - 講義 11:「人工生物多様性」、ソフィア・クレスポ、フェイレアカン・マコーミック
MIT 6.S192 - 講義 11:「人工生物多様性」、ソフィア・クレスポ、フェイレアカン・マコーミック
「人工生物多様性」に関するこの講義では、ソフィア・クレスポとフェイレアカン・マコーミックがテクノロジーと自然の交点を探求し、ユニークな形の芸術を生み出します。 2 人は、機械学習への関心と使用、およびその美しさとの関係について話し合い、人間の知覚の限界を浮き彫りにします。彼らはまた、生態系をよりよく理解するために、個々の種とそれらの複雑な絡み合いの両方を表現することを提唱する「Entangled Others」などの共同プロジェクトについても話し合います。スピーカーは、芸術的実践における持続可能性とコラボレーションの重要性、およびツールとアートの関係を強調し、アルゴリズムは人間のアーティストに取って代わることはできないと述べています。
MIT 6.S192 - 講義 12: 「AI + 創造性、アート オタクの視点」ジェイソン ベイリー
MIT 6.S192 - 講義 12: 「AI + 創造性、アート オタクの視点」ジェイソン ベイリー
Jason Bailey が、機械学習が偽造品の検出から価格予測まで、芸術の分野にどのような影響を与えているかについて説明します。彼はアーティストに対し、データ駆動型アートに内在する偏見を認識するよう促し、すべての視点を含むトレーニング データの必要性を強く勧めています。
MIT 6.S192 - 講義 13:「表面、オブジェクト、手順: 3D シーン理解のための学習とグラフィックの統合」Jiajun Wu 著
MIT 6.S192 - 講義 13:「表面、オブジェクト、手順: 3D シーン理解のための学習とグラフィックの統合」Jiajun Wu 著
スタンフォード大学の助教授である Jiajun Wu 氏が、コンピューター グラフィックスからのディープ ラーニングとドメイン知識の統合による、機械でのシーン理解に関する彼の研究について説明します。 Wu は、深度マップを介して可視面を推定し、他の同様の形状の大規模なデータセットからの事前知識に基づいて形状を完成させることにより、単一の画像から 3D オブジェクト ジオメトリを復元する 2 段階のアプローチを提案しています。 Wu はまた、球面マップを 3D のサーフェスの代理表現として使用して、サーフェスの特徴をより適切にキャプチャし、システムがより詳細で滑らかな出力で形状を完成できるようにすることも提案しています。さらに、Wu は、形状を形状プログラムに再構成することで、特に抽象的なオブジェクトや人工オブジェクトのモデリングと再構成を大幅に改善する方法について説明しています。最後に、Wu は、コンピューター グラフィックスのドメイン知識を機械学習と統合して、形状の再構成、テクスチャ合成、およびシーンの理解を向上させる方法について説明します。
MIT 6.S192 - 講義 14: 「無限に創造的なオープンエンドのイノベーション エンジンの作成に向けて」ジェフ クルーン
MIT 6.S192 - 講義 14: 「無限に創造的なオープンエンドのイノベーション エンジンの作成に向けて」ジェフ クルーン
OpenAI の研究者である Jeff Clune は、この MIT の講義で、際限なく創造的なオープンエンドのイノベーション エンジンの作成に関する彼の研究について説明しています。彼は、一連のものから始めて新しいものを生成し、興味深いものを維持するために評価し、興味深い目新しさを維持するためにそれを変更するという自然な進化と人間文化のレシピを実行できるアルゴリズムを作成しようとしています。 Clune は、ニューラル ネットワークを使用して新しいものを認識し、Map Elites アルゴリズムについて説明し、エンコーディング用の構成パターン生成ネットワークを紹介します。彼は、これらのツールを組み合わせて、複雑で多様な画像を生成し、難しい問題を解決し、課題に対するソリューションを絶えず革新できるオープンエンドのアルゴリズムを作成する方法を示しています。
MIT 6.S192 - レクチャー 15: Joel Simon による「クリエイティブ ネットワーク」
MIT 6.S192 - レクチャー 15: Joel Simon による「クリエイティブ ネットワーク」
このレクチャーでは、ジョエル・サイモンが、自然の生態系から引き出された創造的なネットワークに対する彼のインスピレーションとアプローチを探ります。彼は創造的なプロセスにおける計算能力の可能性を示し、トポロジー最適化、モルフォゲン、進化的アルゴリズムなどの技術がどのように信じられないほどの形や質感の出現を可能にするかを説明しています.また、Simon は、CPPN と GAN を使用して画像を検出および変更するためのオンライン ツールである GANBreeder プロジェクトの詳細を共有し、クリエイティブ プロセスにおける相互推奨システムの可能性についても説明しています。サイモンはテクノロジーとクリエイティビティの未来について楽観的であり、人間が協力して建物の機能を最適化し、より優れたものを生み出すことができると信じています。
MIT 6.S192 - 講義 16: 「計算としての芸術に対する人間の視覚的認識」アーロン・ハーツマン
MIT 6.S192 - レック。 16:「コンピューティングとしての芸術に対する人間の視覚的知覚」アーロン・ヘルツマン
この講義では、芸術における知覚の曖昧さと不確定性、およびあいまいなイメージを作成する際の敵対的生成ネットワーク (GAN) の使用について探究します。視聴時間が知覚に及ぼす影響と、画像エントロピーと人間の好みとの関係について説明します。講師は芸術の進化論を提案し、芸術は社会的関係を持つことができるエージェントによって作成されます。アートにおける AI の使用についても議論されており、アルゴリズムは有用なツールになる可能性がありますが、人間のアーティストに取って代わることはできないという結論に達しています。講義は、価値などの概念に関するいくつかの発言で締めくくられます。
MIT 6.S192 - 講義 17:「グラフィック デザイン サービスにおける AI の使用」Zoya Bylinskii 著
MIT 6.S192 - 講義 17:「グラフィック デザイン サービスにおける AI の使用」Zoya Bylinskii 著
Adobe の研究科学者である Zoya Bylinskii は、この講義でグラフィック デザインと人工知能 (AI) の交差点を探ります。 Bylinskii 氏は、AI は、面倒な作業を自動化し、デザインのバリエーションを生成することで、デザイナーを置き換えるのではなく、支援することを意図していると強調しています。 Bylinskii は、インタラクティブなデザイン ツールや AI によって生成されたアイコンのアイデアなど、AI 支援ツールの例を示しています。 Bylinskii は、AI をグラフィック デザインに適用する際の課題と可能性についても説明しています。これには、創造的な思考、キュレーション、さまざまな分野の専門家との協力の必要性が含まれます。彼女は、グラフィック デザインの AI と機械学習に関心のある候補者に、プロジェクトの経験を紹介し、研究の機会を追求するようアドバイスしています。
MIT 6.S192 - 講義 19: 一貫したニューラル フィールドを使用した簡単な 3D コンテンツの作成、Ajay Jain
MIT 6.S192 - 講義 19: 一貫したニューラル フィールドを使用した簡単な 3D コンテンツの作成、Ajay Jain
このレクチャーでは、Ajay Jain がニューラル シーン表現に関する彼の研究を紹介します。特に、まばらにサンプリングされた入力ビューを使用してシーンの 3D ジオメトリと色の表現を構築する Neural Radiance Fields モデルに焦点を当てています。 Jain は、Neural Radiance Field を 1 つのシーンに当てはめる際の課題と、測光損失とセマンティック整合性損失を追加することでトレーニング プロセスのデータ効率を改善する方法について説明します。彼はまた、プロジェクト Dream Fields で、CLIP を使用して NeRF のアーティファクトを削除し、キャプションから 3D オブジェクトを生成することについても話しています。その他のトピックには、シーン内の一貫した前景オブジェクトの作成、キャプション付き 3D オブジェクト データセットの取得、レンダリング コストの削減、システムのパフォーマンスの最適化などがあります。