Вы находитесь на странице: 1из 3

ПРИМЕНЕНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ОБЛАСТИ

ИСКУССТВА

Петрова Екатерина Владимировна,


студентка государственного профессионального образовательного учреждения
«Макеевский политехнический колледж»,
Донецкая Народная Республика, г. Макеевка
Научный руководитель: Скоробогатова Юлия Игоревна,
преподаватель государственного профессионального образовательного учреждения
«Макеевский политехнический колледж»,
Донецкая Народная Республика, г. Макеевка

Информационные технологии получают применение во все новых и новых


областях жизни человека. Искусство не является исключением. В последнее время
распространение получили произведения искусства, создаваемые в большой или меньшей
степени с использованием программирования и алгоритмов. Такие работы относят к
генеративному искусству.
Программное обеспечение меняет все, к чему прикасается, часто фундаментальным
образом, и произведения искусства не исключение. Итак, что программирование приносит
в искусство?
Во-первых, масштаб. Использование программных технологий и алгоритмов
позволяет избежать ограничений, связанных с возможностями человека.
Вторым фактором является точность. Точность – одно из самых очевидных
преимуществ программного подхода к искусству. Точность не ограничивается сетками и
геометрическими фигурами. Скорее, функции можно использовать для расчета точного
размещения объектов вдоль кривой. Сети фигур можно поворачивать на точные углы.
Сложные системы линий могут идти параллельно, только чтобы расходиться в
симметричном клубке петель и кривых. Тысячи крошечных линий можно использовать
для покрытия плоскости, причем каждая линия будет повернута на одну десятую градуса
относительно предыдущей. Одно сложное изображение можно использовать для
маскировки другого, как если бы это был самый сложный трафарет в мире.
Некоторые из этих задач можно выполнить вручную, но они крайне непрактичны.
С алгоритмическим искусством они достаточно просты, чтобы стать обычным явлением.
Это позволяет художнику принципиально по-другому подходить к текстурам и формам, и
результаты могут быть как чуждыми, так и захватывающими. Точность оставляет
безошибочный след в работе.
В-третьих, программирование позволяет использовать случайность в
алгоритмическом искусстве. На первый взгляд это может показаться ироничным, но
случайность тесно связана с точностью.
Так художник получает возможность использовать точность, работая над
случайными величинами. Распределения вероятностей можно точно настроить для
получения согласованных и одновременно новых результатов. И случайность не
ограничивается использованием в определении мелких деталей: случайность может стать
самой основой композиции.
В этом стиле рандомизированной композиции роль художника меняется после
завершения программы. Пока программа пишется, художник действует как дизайнер и
композитор, и его цель – создать среду, в которой могут происходить великие дела случая.
Когда программа завершена, художник становится критиком и куратором.
Случайность и контроль над ней делают возможным этот совершенно новый
процесс создания искусства [1].
Рассмотрим подробнее как это работает на примере музыки.
Генеративная система

Речь идёт о рациональном искусстве, в котором работают рука об руку статистика,


символизм и семиотика, и новые изображения, опираясь на внутренние связи, заложенные
в произведение, генерируются сами собой, в соответствии с заданными критериями.
Генеративная, или процессная музыка, начинается с создания системы.
Под системой понимается набор элементов, работающих сообща как часть одного
механизма или как сеть связанных между собой элементов; сложное целое. Также: набор
правил и процедур, в соответствии с которыми что-то делается; организованная схема или
метод [2].
Так в 1994-м году фирма SSEYO разработала программу Koan, к которой в 1995-м
удаётся привлечь внимание композитора Брайана Ино. Он оказался настолько
заинтересован в этом новом программном обеспечении для генерации музыки, что сразу
начал писать на нём свои пьесы. Для написания музыки не требовался ввод нотных
данных: в программе использовалось много графики, таблиц, форм для ввода числовых
значений.
Используя это программное обеспечение композитор мог собрать собственную
гибкую генеративную систему, введя лишь алгоритмы и различные параметры звукового
полотна и источников звука, после чего музыка создавалась сама собой. И эта музыка
была напрочь лишена какой-либо субъективности.
Идея, что музыка будущего должна иметь постоянно развивающуюся форму, и что
она не должна быть статично сохранена на физическом носителе в качестве одной и той
же, бесконечно повторяющейся записи, подтолкнула многих музыкантов и художников
продолжать развивать генеративное искусство в разных направлениях.

Использование искусственного интеллекта

Ещё одна форма взаимодействия человека с генеративной системой – это её


обучение тому, что она будет впоследствии делать. Вместо того, чтобы проектировать
сложную систему генерации музыки, можно научить компьютер создавать её
самостоятельно, демонстрируя ему примеры музыкальных произведений.
Рассмотрим, например, «Цепи Маркова» – старый, но всё ещё эффективный подход
к обучению машины чему-либо. Цепь Маркова (см. Рисунок 1) – это сложная
математическая модель того, как события следуют за другими с течением времени [3].
Такими событиями могут быть ноты в мелодии: можно обучить цепь Маркова
воспроизводить их нужным образом. Система изучает музыку, которую играет
композитор, строит её графическую модель, а затем воспроизводит и создаёт новую
музыку на основе модели и изученных связей между элементами. Метод является
довольно ограниченным: простая модель цепей Маркова воспринимает сравнительно
небольшое количество информации, а потому и мелодическая прогрессия не может быть
очень длинной. Но метод всё ещё активно применяется и является довольно полезным.
Рисунок 1 – Модель цепи с двумя состояниями
Цепи Маркова являются прародителями современных подходов к машинному
обучению и генерации музыки, таких как глубокие нейросети – очень сложные
статистические модели, обучающиеся пользоваться большими объёмами данных. В
основном, они работают по логике цепей Маркова: вы обучаете машину тому, как
работает музыка, демонстрируете ей примеры, а она строит модель этой музыки и затем
использует её для генерирования собственных нот.

Генеративная музыка сегодня

В наши дни генеративная музыка может создаваться в реальном времени


алгоритмами. Такая музыка может быть адаптирована, применена в любой сфере и
персонализирована. Она в реальном времени собирается из некоторого количества
сэмплов.
Сэмпл представляет собой отрезок музыки, который каждый музыкант имеет
возможность записать. То есть генеративная музыка создаётся из созданных человеком и
анализируемых алгоритмом элементов.
Примером генеративной системы, работающей на этих принципах, может
послужить сервис Mubert.
Mubert собирает треки почти так же, как это делает музыкант: выбирает семплы и
биты из библиотеки, миксует их и добавляет аранжировки. Можно подумать, что в мире
машинного обучения всю работу в приложении делает нейронная сеть. Это не так.
«Нейронная сеть – это один из помощников, – объясняет создатель сервиса. – В моем
понимании это просто один из инструментов, то же самое, что сделать сайт на Tilda». Она
работает на фоне и по метатэгам выбирает из базы данных сэмплы, которые подойдут для
продолжения потока [4].
Остальную работу выполняют алгоритмы – они смотрят на параметры сэмплов и
назначают им аранжировки, тембр и другие свойства. «Чем больше этих факторов учтено,
тем более живо звучит музыка. В распоряжении алгоритмов могут быть тысячи звуков, а
могут быть и три. Генеративный трек все равно получится, правда, звучать он будет не
слишком богато.

Итак, с уверенностью можно сказать, что сейчас до создания полностью машинно-


генерируемых произведений достаточно далеко. Однако использование программных
алгоритмов, а также нейронных и генеративных систем помогает расширить возможности
человека в сфере и искусства и способствует созданию принципиально новых
произведений.

Список использованных источников:


1. Мороз А.В. Генеративное искусство XXI века // Москва 2019. С. 40-40, 62.
2. Хабр. Что такое генеративная музыка [Электронный ресурс] – URL:
https://habr.com/ru/company/vsce/blog/445014/ – Дата обращения: 16.10.2020.
3. Википедия. Цепь Маркова [Электронный ресурс] – URL:
https://ru.wikipedia.org/wiki/Цепь_Маркова – Дата обращения: 16.10.2020.
4. Soundstream. Генеративная музыка в Mubert и Faces&Laces [Электронный
ресурс] – URL: https://soundstream.media/clip/11-generativnaya-muzyka-v-mubert-i-faces-
laces – Дата обращения: 16.10.2020.