Come l’A.I. interagisce sulle immagini realizzate a partire da semplici descrizioni.

Ecco un esempio di script che mostra come l’intelligenza artificiale può essere utilizzata per generare immagini a partire da semplici esposizioni, sotto il codice creato.

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# Prepariamo il modello di generazione di immagini
model = keras.Sequential()
model.add(layers.Dense(256, input_shape=(100,)))
model.add(layers.LeakyReLU())
model.add(layers.BatchNormalization())
model.add(layers.Dense(512))
model.add(layers.LeakyReLU())
model.add(layers.BatchNormalization())
model.add(layers.Dense(1024))
model.add(layers.LeakyReLU())
model.add(layers.BatchNormalization())
model.add(layers.Dense(784, activation='tanh'))
model.add(layers.Reshape((28, 28, 1)))

# Compiliamo il modello
model.compile(optimizer='adam', loss='binary_crossentropy')

# Carichiamo il dataset di immagini
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
x_train = (x_train.astype('float32') - 127.5) / 127.5

# Addestriamo il modello sull'insieme di dati
model.fit(x_train, x_train, epochs=50, batch_size=256)

# Generiamo una descrizione casuale
description = "un gatto seduto su un tappeto rosso"

# Convertiamo la descrizione in un vettore di numeri
description_vector = tf.keras.preprocessing.text.Tokenizer().fit_on_texts([description])
description_vector = tf.keras.preprocessing.sequence.pad_sequences(description_vector, maxlen=100)

# Utilizziamo il modello per generare un'immagine a partire dalla descrizione
generated_image = model.predict(description_vector)

# Mostriamo l'immagine generata
import matplotlib.pyplot as plt
plt.imshow(generated_image[0], cmap='gray')
plt.show().

In questo esempio, ha utilizzato un modello di generazione di immagini generativo (GAN) per concepire un’immagine a partire da una descrizione scritta. Ha utilizzato il dataset MNIST per addestrare il modello, ma si potrebbe utilizzare qualsiasi dataset di immagini.

Per generare l’immagine, ha prima convertito la descrizione in un vettore di numeri utilizzando la classe Tokenizer di Keras. Poi ha adoperato il modello addestrato per dar vita a un’immagine a partire dal vettore di descrizione.

Nota che questo script è solo un esempio di base e potrebbe non generare immagini realistiche o pertinenti alla descrizione fornita. Per generare immagini più realistiche, sarebbe necessario utilizzare un modello più sofisticato e addestrarlo su un dataset di immagini e descrizioni più grande. Inoltre, potrebbe essere necessario utilizzare tecniche di elaborazione del linguaggio naturale per elaborare la descrizione fornita e convertirla in un formato utilizzabile dal modello.

Inoltre, questo script utilizza un modello GAN, esistono anche altri modelli che possono essere utilizzati per generare immagini a partire da descrizioni, come VAE (Variational Autoencoder) o la tecnologia DALL-E.

Cosa è la tecnologia DALL-E

DALL-E è una tecnologia di generazione di immagini sviluppata da OpenAI che utilizza una rete neurale per generare immagini a partire da descrizioni scritte. La tecnologia è basata su un modello di generazione di immagini generativo (GAN) e utilizza una rete neurale di trasformazione profonda per far nascere immagini a partire da un vettore di descrizione.

Il modello DALL-E è stato addestrato su un dataset di immagini e descrizioni trovate in internet, che gli permette di creare immagini a partire da rappresentazioni anche molto astratte o immaginarie. Il modello è in grado di generare immagini di oggetti e scene che non esistono nella realtà ma descrivibili a parole.

Il modello DALL-E è stato utilizzato in una varietà di applicazioni, tra cui la generazione di immagini per il design, la creazione di contenuti per i socialmedia e la generazione di immagini per il gaming.

DALL-E è stato presentato come un nuovo modello di riproduzione di immagini generativo che supera i modelli GAN tradizionali in termini di flessibilità e capacità di creare immagini a partire da descrizioni ipotetiche.

In sintesi DALL-E è una tecnologia di generazione di immagini basata sull’intelligenza artificiale che consente di generare immagini a partire da descrizioni scritte utilizzando una rete neurale di trasformazione profonda.

Le reti neurali

Una rete neurale è un sistema di algoritmi di apprendimento automatico, che cercano di imitare il funzionamento del cervello umano, composta da una o più “unità” chiamate neuroni artificiali. Questi neuroni sono connessi tra di loro attraverso dei “percorsi” chiamati connessioni, che trasmettono i segnali tra i neuroni.

In una rete neurale, i dati vengono immessi in uno o più neuroni di ingresso e vengono elaborati attraverso una serie di strati di neuroni nascosti, prima di essere prodotti come output da uno o più neuroni di uscita. Ogni strato di neuroni utilizza una funzione di attivazione per decidere come elaborare i segnali in ingresso.

Le reti neurali possono essere utilizzate per una vasta gamma di applicazioni, tra cui il riconoscimento delle immagini, il riconoscimento del linguaggio naturale, la generazione di testo e la generazione di immagini. Esistono diverse tipologie di reti neurali, tra cui le reti feedforward, le reti ricorrenti e le reti convolutional. Ogni tipo di rete neurale ha una struttura e una funzionalità specifica, che la rendono adatta a un particolare tipo di problema.

A.I. Non sostituirà la fantasia umana.

Le immagini generate dall’intelligenza artificiale possono essere uno strumento potente per la creazione di contenuti e di ispirazione, ma non possono sostituire completamente la fantasia umana.

Le immagini create dall’intelligenza artificiale sono basate sui dati di insegnamento utilizzati per addestrare il modello e sono limitate dalle capacità del modello stesso. Non hanno la capacità di generare idee nuove e uniche come quelle derivate dalla fantasia umana.

Inoltre, l’intelligenza artificiale non possiede la capacità di comprendere il contesto, la cultura e le emozioni umane che sono alla base della creatività.

In sintesi, le immagini generate dall’intelligenza artificiale possono essere un’ottima risorsa per la creazione di contenuti e l’ispirazione, ma non possono sostituire completamente la fantasia umana, poiché l’IA non possiede la capacità di generare idee nuove e uniche, e non ha la capacità di comprendere l’ambiente, la cultura e le emozioni umane.

L’arte con l’avvento dell’intelligenza artificiale è diventata un patrimonio di tutti, nel senso che non solo si può interagire con essa, ma possa anche diventare parte integrante del nostro modo di esprimersi.

Premesso questo però, una domanda sorge spontanea, può considerarsi “arte”, quella generata da un’intelligenza artificiale?

Per mettere le cose in chiaro vediamo cos’è l’arte per un’intelligenza artificiale: L’arte è una espressione creativa dell’uomo attraverso diverse forme, come la pittura, la scultura, la musica, la danza, la poesia e il teatro. L’arte è un modo per esprimere emozioni, idee e sentimenti attraverso le opere d’arte, e può essere usata come mezzo per comunicare con gli altri e per riflettere sulla società e il mondo in cui viviamo. L’arte è una parte importante della cultura umana e può essere trovata in tutte le società di tutto il mondo.

Per l’enciclopedia Treccani è: In senso lato, ogni capacità di agire o di produrre, basata su un particolare complesso di regole e di esperienze conoscitive e tecniche, quindi anche l’insieme delle regole e dei procedimenti per svolgere un’attività umana in vista di determinati risultati.

Balza all’occhio in entrambe le spiegazioni che l’arte è una pratica prevalentemente umana. Questo basta di per sé ad affermare che un’opera generata da un’intelligenza artificiale, non sia da condiscendesi “arte”.

Andiamo più nel profondo.
Si può chiedere a un’intelligenza artificiale di dare corpo a una nostra idea; lei genererà quello che con i dati forniti dal suo immenso database, ciò che più si avvicinerà alla sua visione oggettiva, darà immagine non a una visione, non a un pensiero, ma al risultato di una mera operazione matematica, solamente aggiungendo alla nostra idea di partenza particolari più o meno consoni, secondo gli ordini stabiliti in precedenza.

Se noi stabiliamo che la A.I. Dovrà disegnare un bambino nella neve sotto un sole rosa, ebbene il risultato sarò il più vicino possibile alla realtà oggettiva dei dati in suo possesso, avremmo così un’immagine fredda, impersonale e disturbante, della rappresentazione dell’idea di un bambino nella neve.

Con queste premesse, è nata l’idea di “An intimate tales”, una serie d’immagini generate dall’intelligenza artificiale, su idee, concetti e frasi, con il preciso scopo di dare vita a idee di rappresentazioni tanto più vicine a quella realtà distopica, che chi meglio di una A.I. Può raffigurare.

Le opere così create, saranno inserite in un museo virtuale situato nel metaverso e visitabile senza nessuna restrizione.

An intimate tale.

An intimate tale è un percorso nel proprio profondo, un viaggio tra incubi interiori, drammi e paure, dove le ombre attenuano le luci e dove la speranze è una lontana chimera. An intimate tale è sopratutto un cammino tra le immagini create dalla A.I. Che essendo solo un agglomerato di dati elabora matematicamente i compiti assegnatole.

Il risultato è proprio ciò che dimostra, l’assenza di sentimenti, la mancanza di phatos, l’immaginazione senza fine di una realtà distopica tipica della nostra epoca, dove l’umanità è assoggettata al profitto è schiava solo dell’apparire, le mille maschere che un’identità digitale può creare, fabbricano mostri, che nascono e muoiono ciclicamente.

Storie intime è un caleidoscopio d’immagini irreali, disturbanti, ma tanto più psicotiche tanto più vere a una realtà che sta imponendosi come l’unica cui l’essere umano potrà essere l’artefice, almeno fino a quando le varie A.I. Glielo permetteranno, poi sarà il silenzio.

E dunque da considerarsi arte, quella generata dall’intelligenza artificiale?