Deep Art – Cmotions leert schilderen

27 augustus 2019

Van het data tijdperk naar het informatie tijdperk

Data is de nieuwe olie. Een veelgehoorde term in de afgelopen tien jaar. Data genereren en verzamelen stond op de agenda van veel organisaties. Iedereen kent de platen wel van hoeveel tweets er wel niet per seconde de wereld in wordt gestuurd, hoeveel mails per seconde uitgaan of hoeveel uur aan YouTube filmpjes online staan. Leuk al die data, maar wat heb je er aan? We gaan van het data tijdperk naar het informatie tijdperk. Welke data is relevant voor jou op dit moment? Hier komt A.I. om de hoek kijken, om met behulp van al die data slimme toepassingen te bedenken. Maar wat is dan “slim”? A.I. is nog dom!

“A.I. is nog dom”

Artificial General Intelligence (AGI) is het naampje dat de maatschappij heeft gegeven aan A.I. die net zo slim is als de mens. Op dit moment is A.I. nog goed in kleine, afgebakende taken met een helder en concreet doel. Kijk bijvoorbeeld naar de zelfrijdende auto. De technieken die daar worden gebruikt zijn state-of-the-art en er worden miljarden ingestoken door universiteiten, ondernemers en autofabrikanten. Maar het is nog alleen goed in bijvoorbeeld jou naar je voetbalwedstrijd rijden op de zondagochtend, maar kan nog niet tijdens de rit een filosofische discussie met je aangaan. De toepassingen zijn dus afgekaderd.

Desalniettemin, kunnen we wel dromen over AGI. Wat als kunstmatige intelligentie straks zo slim is? Of – een gerelateerde vraag – wat krijg je als A.I. creatief wordt? Dat vroegen we ons af in het innovatiecentrum van Cmotions: The Analytics Lab, waar we zijn gaan testen met Style Transfer.

Deep learning

Als je gehoord hebt van A.I., heb je gehoord van deep learning. Een techniek die al decennia bestaat, maar wiens potentie nu pas steeds beter wordt benut doordat het steeds meer rekenkracht tot zijn beschikking heeft. Zo wordt deep learning ingezet voor het herkennen van objecten in plaatjes, bijvoorbeeld je zelfrijdende auto die een camera heeft om mensen, verkeersborden en andere auto’s te kunnen herkennen. Het model moet relevante patronen zien te halen uit pixels. Het woord “deep” duidt aan dat het algoritme vele lagen heeft, en door die vele lagen steeds diepere patronen kan vinden. De eerste lagen kunnen rechte lijnen, hoeken, rondingen e.d. gaan herkennen. De volgende lagen gaan die lijnen en hoeken combineren om er bepaalde figuren van te maken. Weer andere lagen herkennen de gebruikte kleuren of stijl binnen een afbeelding. Nog weer latere lagen kunnen hier weer objecten van herkennen.

Het wordt pas echt interessant als we de lagen van een deep learning model los van elkaar gaan gebruiken! Stel dat we een foto als input geven voor een model. Vervolgens nemen we de lagen die verantwoordelijk zijn voor de stijl, en vervangen die door de stijl lagen van een andere foto. Hier vervangen we die lagen met de stijl van een beroemde schilder om zo onze foto te kunnen namaken in stijl van een schilderij. Dit wordt ook wel Style Transfer genoemd.

Zie hieronder een vakantiefoto (een uitbarsting van de El Fuego vulkaan in Guatemala) in stijl van Van Gogh, Mondriaan, Munch en Warhol.

Bekijk hier meer mooie projecten van The Analytics Lab.