Vogue LeadersZpřítomnit staré časy nečekaným způsobem. Poznejte unikátní projekt Programming Patterns
Veronika Pařízková13. 12. 2024
Může nám umělá inteligence pomoct pochopit minulost a práci našich předků? Grafická designérka Julie Dítětová je přesvědčená, že ano. Vymyslela proto program Machine learning: Programming Patterns, který dalece přesahuje hranice grafického designu.
Jste vystudovaná grafická designérka, nicméně odbornou veřejnost zaujal váš projekt Programming Patterns, který má přesah do strojového učení, módy i historie. Získala jste za něj nominaci na Czech Grand Design, cenu poroty na Zlin Design Weeku nebo cenu Neon na Signal Festivalu. V čem podle vás tkví výjimečnost tohoto projektu?
Mnozí z nás již používají nejrůznější AI nástroje a začleňují je do svého kreativního procesu. Já jsem se ale rozhodla vydat mnohem hlouběji a pokusila jsem se prozkoumat principy, na nichž
AI nástroje a jejich technologie stojí. Nestala jsem se tedy pouhou uživatelkou předpřipraveného programu, ale jeho spoluautorkou a tím se celý projekt výrazně odlišuje. Absolvovala jsem celý vývojářský postup od sestavení vzorového datasetu přes trénování a konfiguraci neuronové sítě až po vyhodnocování výsledků. Takto vznikl specializovaný algoritmus, který je schopný reprodukovat vizuální styl zakódovaný v církevních tkaninách z osmnáctého století. Tento počítačový program nyní dokáže samostatně tvořit miliardy variací těchto vzorů. S nimi poté dále pracuji jak v digitálním, tak ve fyzickém světě. Projekt může být ukázkou toho, jak může
grafický design a jiné příbuzné obory přežít dobu umělé inteligence a bořit hranice mezi historií a budoucností.
Neuronová síť, kterou jste vytrénovala, dokáže generovat miliardy vzorků látek. Ty jsou ale syntetickými napodobeninami starých vzorů z osmnáctého století, které navrhl člověk. Platí podle vás, že výsledek je produkt AI? Jde to vůbec dnes takto jednoduše generalizovat?
Generování vzorů začíná vytvořením datasetu z původních motivů přítomných na
tkaninách. Následuje strojový proces, ve kterém si neuronová síť definuje vizuální prvky. Ty slouží jako základ nových (syntetických) výstupů vytvářejících co nejdůvěryhodnější napodobeniny původních vzorů. Tvorba datasetu je autorským prvkem, tedy dílem lidské kreativity, který má zásadní vliv na podobu finálního výstupu. Schopnosti sítí, jako je například StyleGAN 2, který jsem ve své práci použila, jsou mimořádně působivé. Jak jsem si ale ověřila, jedná se stále spíše o inteligentní recyklaci datové sady, nikoli o skutečnou umělou inteligenci.
Ve své práci jste vycházela ze vzorků látek z osmnáctého století, které digitálně archivuje Masarykova univerzita za podpory TAČR. Dokázala byste při pohledu na dva různé vzorky látek poznat, který je starý tři sta let a který vytvořil váš program?
Pozorováním původních a vygenerovaných vzorů jsem strávila značnou dobu, takže je od sebe dokážu najisto rozeznat. Využitý model StyleGan 2 je už staršího data (2020) a opakuje jisté vizuální prvky. Díky těmto „nedokonalostem“ můžete jednoduše určovat, zda se jedná o syntetická, nebo původní data. Tento test si každý může zkusit na webové stránce
Which Face Is Real?, kde se snažíte uhodnout, který lidský obličej je pravý a který falešný.
Vzory z vygenerovaných látek následně využil ve své kolekci Aleš Hnátek. Bylo to v plánu od začátku, nebo tento nápad vykrystalizoval až v průběhu procesu?
Tento nápad vznikl až ke konci projektu, kdy už jsem v ruce měla zajímavé výsledky. Po odprezentování projektu jsem cítila potřebu přenést vygenerované motivy zpět z
virtuálního do fyzického světa, a pomyslně tak uzavřít kruh. Z této spolupráce mám velikou radost, dává projektu další – a pro mě až dojemný – rozměr. Děkuji Alešovi a paní Liběně Rochové za skvělou práci a jejich profesionalitu, díky které je s nimi radost pracovat.