Муза и алгоритм. Создают ли нейросети настоящее искусство? - Лев Александрович Наумов

Стоит отметить, что одним из самых ресурсозатратных мыслительных процессов является… порождение лжи[11]. Заметим, что здесь и далее речь идёт о серьёзном обмане вроде выдумывания более или менее развитых и правдоподобных альтернативных историй, а не о милом утвердительном ответе на вопрос “Было ли тебе вкусно?” вне зависимости от навыков хозяйки. Этику соотнесения вежливости и вранья мы в данном случае не обсуждаем. Однако факт остаётся фактом: когда человек говорит чистую правду, мозг тратит значительно меньше энергии, чем когда он лжёт. Здесь сразу следует поставить вопрос о том, существует ли принципиальная – не этическая, а физиологическая – разница между обманом и творческим вымыслом? По всей видимости, её почти нет. Действительно, когда мы врём, заметная активность возникает в префронтальной коре (поясной коре, лобных долях), связанной, помимо прочего, с непосредственным поведением. Творчество же, в зависимости от модуса, может активизировать самые разные участки мозга, безусловно, включая и префронтальные.

Какие выводы напрашиваются? Во-первых, Маяковский ничуть не преувеличивал, говоря, что “поэзия – та же добыча радия”. Сочинять стихи тяжело, это требует энергозатрат, превосходящих среднестатистические. Во-вторых, бытует мнение, будто всякий автор пишет (тексты, картины, музыку) о себе. Судя по всему, в этом есть “экономический” резон – так существенно “выгоднее”, поскольку можно меньше выдумывать. Тем не менее подобным образом поступают не все. И тут мы подходим к третьему пункту: ложь – настолько ресурсоёмкий процесс, что если она практикуется достаточно часто, то организм предпочитает к этому адаптироваться[12], чтобы снизить свои затраты. Используя уже привычную нам терминологию: нейронная сеть подстраивает приоритеты синапсов под враньё… и творчество. Они могут стать более естественными, а то и неизбежными модусами. Так возникают патологические лгуны и прирождённые художники. Однако… если создавать произведения так “накладно”, не будет ли разумным использовать технические средства, чтобы сэкономить ресурсы?

Пришло время сделать некоторое отступление. Автору этих строк доводилось нередко писать и рассуждать о самых разных вопросах искусствознания и видах искусства. Преимущественно – о литературе и кино. Существенно меньше – о музыке. И уж совсем мало – о живописи. Нейросети тоже в разной степени освоили создание произведений в каждом из этих видов, но тем не менее далее на страницах настоящей книги мы будем говорить главным образом об изобразительном искусстве и рисующих моделях. Тому есть несколько причин, обосновывающих наше решение с разных сторон. Во-первых, произведение живописи – запечатлённый момент. Готхольд Лессинг, Дени Дидро и другие мыслители высказывали одну и ту же мысль: картина ограничена единственным мгновением, она постоянна во времени и требует активного восприятия. Она говорит с нами на своём языке образов, а не на нашем языке слов, потому мы перед ней лишены форы и в каком-то смысле равны.

То, что могут современные системы искусственного интеллекта в сфере литературы, заслуживает отдельного обсуждения. Профессионалы западного книжного рынка неоднократно подтверждали, что при создании заметной части новых книг (кто-то говорит о двадцатой доле, кто-то – о четверти) уже давно используются нейронные сети не только их авторов. Так как речь об этом идёт уже лет десять, в виду имеется не столько ChatGPT (де-факто лучший инструмент в наше время), сколько его предшественники и альтернативы, о которых мало кто знал вне индустрии. Подчеркнём: суть не в том, что машины целиком пишут книги “вместо” человека от начала до конца, однако порой на звание соавтора претендовать могут вполне (выше мы обсуждали вклад чата в первый абзац). Сразу оговорим: это не хорошо и не плохо – таково естественное развитие книжного дела и в конечном итоге ремесла писателя, нравится это кому-то или нет.

Сам факт существования инструментов искусственного интеллекта, применяемых в литературе, мог бы и дальше никого особенно не волновать, оставаясь обсуждаемым лишь в среде профессионалов, если бы компания OpenAI не сделала ChatGPT достоянием широкой общественности. Ключевую роль в этом сыграл пользовательский интерфейс чата, понятный каждому человеку, умеющему обращаться с компьютером или смартфоном. Примерно в то же время на авансцену вышли и рисующие нейронные сети, которые по текстовым запросам (промптам, как их принято называть) стали создавать изображения. Тогда искусственный интеллект заговорил с людьми на таинственном, а значит, немного пугающем или хотя бы настораживающем языке визуальных образов.

Если читатель этих строк до сих пор не пробовал нарисовать что-либо в одной из нейросетей… Да, сам глагол “рисовать” может показаться спорным, но, чтобы не утонуть в кавычках и экивоках, давайте придерживаться именно такого вокабуляра. Итак, если читатель никогда не пробовал, автор настоятельно рекомендует сделать это прямо сейчас. Поскольку вашему покорному слуге неизвестно, какой на дворе год и какие средства доступны вам в данный момент, приводить ссылки вряд ли имеет смысл. Заметим лишь, что подавляющее большинство иллюстраций в настоящей книге было сгенерировано с помощью нейросети Midjourney. В отдельных случаях использовались Leonardo, Stable Diffusion разных версий, Blue Willow, Dall-E, Playground AI, Invoke AI и другие.

Более того, даже тексты запросов, породивших иллюстрации, приводить почти нет смысла – мы будем делать это лишь в тех случаях, когда важно пояснить принципы общения с моделью или особенности синтаксиса промптов. Кстати, общаться будем на английском языке. Причина тому банальна: лучшие сети тренировались именно на нём, а значит, результаты окажутся качественнее и точнее. Однако никакой проблемы для тех, кто не владеет языком, здесь нет: запросы можно переводить с помощью онлайн-переводчиков, в том числе и тех, которые тоже используют нейросети, вроде DeepL Translator[13].

Сопровождать иллюстрации промптами имело бы смысл, если бы они позволяли воспроизводить результаты, но это не так. Во-первых, большинство моделей на каждый запрос генерирует несколько вариантов произведений на выбор. Как правило, “выдача” состоит из четырёх изображений, и далеко не всегда мы будем приводить их все. А во-вторых, ни одна нейросеть никогда не повторяется. В случае очень чёткого и детерминированного задания можно представить себе ситуацию, в которой рисунки окажутся однотипными, а их сходства – очевидными, но всё же каждый останется уникальным. Вот пример (см. илл. 2) множества картинок, полученных по почти идентичным запросам. Первые четыре – это цельная выдача нейросети Midjourney на промпт “14th century villain who won the game”, то есть “злодей XIV века, который выиграл”. Для запуска генерации приведённые слова должны предваряться командой “/imagine”. Вторые четыре изображения получены по запросу “15th century villain who won the game”, потом – “16th century villain who won the game” и так далее до XXV столетия.

Заметим, что получить все эти картинки разом можно было по мультизапросу