Благодаря тому, что искусственная нейросеть способна обрабатывать огромные объёмы данных, проводить статистические операции, интерпретацию которых всё ещё необходимо проводить человеку, вычленять из них заранее заданные шаблоны и генерировать по подобию материал (в виде текста, изображения, последовательности чисел), он призван освободить человека от большого количества рутинной работы. А. В. Моршин также обращает внимание на эффективность нейронных сетей в своей статье «Глубинное машинное обучение»: «…нейронная сеть находит зависимости от желаемых результатов и поданной информации в программную среду. Для того, чтобы находить решения на других схожих задачах, но с уже более быстрой скорость и точностью результата чем при обучении, «помогая» этим человеку или упрощая различные задачи. Не стоит забывать, что существует так называемая эффективность обучения. Из-за этого приходиться создавать различные алгоритмы и использовать схожую входную информацию, и уже после этого выбирать вариант наиболее приемлемый» [sic] [5, с. 271]. Основная задача нейросетей – выполнить механическую работу за кратчайшие сроки и, возможно, более качественно.

Сложные алгоритмы, достигшие возможности глубокого машинного обучения – соревновательного самопроверочного совершенствования – позволили освободить человека от монотонной кропотливой работы. Одна нейросеть продуцирует заранее известный результат, а вторая выявляет ошибки генерации, сравнивая с искомым результатом, и настраивает отношения силы влияния алгоритмов в системе сети отдельных «нейронов» для улучшения конечного результата. Материалом для генерации может выступать как текст, так и данные, формирующие изображение. Трудоёмкий процесс, после его автоматизации, не требует более затрат человеческого времени на свою настройку, нуждаясь только в большей компьютерной производительности. В результате из алгоритмов, упорядочивающих данные путём усложнения и добавления необходимых функций для ускорения и упрощения взаимодействия, появляется привычный для человека интерфейс – общение на естественном языке, результат которого крупные языковые модели способны интерпретировать в техническое задание и выполнить его, проводя минимальную необходимую самонастройку. Важным условием корректности ответов такой системы является огромный объём данных, который до этого прошёл через нейронную сеть [1].

Специфика работы нейросетей требует множество матричных вычислений, при этом их неточность и вариативность ответов из-за аппаратных ограничений не является проблемой для необходимого искомого результата. Для формализованной математической точности дискретных вычислений современных компьютеров требуется значительно больше ресурсов при прочих равных [11].

Может показаться, что такой вид механической работы окажется бесполезен при создании произведений искусства. Однако первые разработанные нейронные сети, генерирующие текст для имитации общения в чате или применявшиеся для увеличения пиксельного разрешения изображения, переросли в нечто большее, способное решать сложные задачи, значительно ускоряя процесс создания продуктов труда, в частности произведений искусства.

До недавнего времени считалось, что создать художественную анимацию при помощи нейросети не представляется возможным. Однако сейчас мы можем наблюдать вариативное применение нейросетей на различных этапах создания образов анимации. До развития сложных алгоритмов в рамках процесса интерполяции компьютер простраивал положения объектов в промежуточных кадрах по графику зависимости скорости движения от времени. Ещё на заре компьютерных технологий интерполяция поддалась автоматизации довольно просто. Автоматизация просчёта промежуточных кадров сократила большое количество рутинной механической работы стажёров, позволив им заниматься более творческим трудом. Это качественно улучшило анимацию, добавив намного больше движения в детали, фон, оставило больше времени на проработку движения и характера перемещения персонажей.

Искусственный интеллект не может осуществлять художественный отбор, дополнять реальность вымыслом, не заданным заранее человеком. Специфика эстетической образности в анимации заключается в интерпретации законов природы, преувеличении некоторых свойств для большей выразительности художественного образа, избавлении от лишней натуралистичности для удобства восприятия. На данном этапе развития искусственного интеллекта художественное творчество всё ещё доступно исключительно человеческому мышлению, потому что эмоциональное опосредование мира не доступно утилитаристкой парадигме поощрения результата нейросети. Потому что цель искусства – не просто развлекать, но и воспитывать. Воспитывающая функция искусства реализуется благодаря тому, что художник в произведении совершает нравственную оценку демонстрируемой ситуации. Искусственный интеллект не обладает нравственностью, соответственно, продукт, создаваемый при помощи нейронных сетей, не может содержать в себе отношение ИИ к действительности. Например, изображение, созданное при помощи искусственной нейронной сети, является простым результатом машинных вычислений по заданному человеком запросу. И даже если сюжетная составляющая такого произведения может вызвать эмоциональный отклик у зрителя, это не является заслугой искусственного интеллекта, поскольку оценку действительности произвёл человеческий интеллект ещё на моменте составления запроса для искусственной нейросети.

01 Июн 2025 в 14:00. В рубриках: Теория и история культуры, искусства. Автор: kris

Вы можете оставить свой отзыв или трекбек со своего сайта.