Генеративное искусство и нейросети¶

Генеративное искусство и нейросети — направление в цифровом творчестве, в котором произведения создаются алгоритмами, чаще всего искусственными нейронными сетями, при участии человека-оператора. К этому классу относят изображения, тексты, музыку, видео и трёхмерные объекты, полученные путём обучения модели на больших наборах данных и последующей генерации новых образцов. Ключевая особенность — авторство распределено между программистом, обучающим датасетом и пользовательским запросом.

¶Исторические предпосылки

Генерация изображений алгоритмами известна с 1960-х годов: в 1965 году немецкий математик Георг Нес разработал компьютерную графику на основе правил, а в 1970-х появились работы Гарольда Козна и Аарона Маркуса. Термин «генеративное искусство» ввёл в оборот художник Сол Левитт в 1973 году, описывая концепцию, при которой идея важнее исполнения. Ранние системы (AARON Козна, с 1973 года) использовали жёстко заданные правила, а не обучение.

¶Технологическая основа

Современный этап связан с развитием глубокого обучения. Основные архитектуры:

• GAN (генеративно-состязательные сети) — предложены Яном Гудфеллоу в 2014 году; генератор и дискриминатор соревнуются, повышая реалистичность.
• VAE (вариационные автоэнкодеры) — кодируют данные в латентное пространство.
• Диффузионные модели — с 2020 года доминируют в генерации изображений; шум постепенно удаляется до появления картинки.
• Трансформеры — лежат в основе текстовых и мультимодальных моделей.

Пользователь формирует промпт — текстовое описание, а модель интерпретирует его через векторные представления (эмбеддинги). Результат зависит от параметров: seed, шагов сэмплирования, весов стиля.

¶Инструменты и практика

Массовое распространение началось в 2021–2022 годах. Среди заметных систем — DALL·E, Midjourney, Stable Diffusion (модель с открытыми весами), а также текстовые модели семейства GPT. Stable Diffusion, выпущенная в 2022 году, позволила запускать генерацию на потребительских видеокартах, что ускорило рост сообщества.

Типичный рабочий процесс включает: выбор модели, составление промпта, генерацию нескольких вариантов, отбор и постобработку. Художники применяют техники img2img, inpainting и ControlNet для управления композицией.

¶Правовые и этические вопросы

Основные спорные темы:

1. Авторское право. Модели обучаются на защищённых произведениях; статус сгенерированного контента в разных юрисдикциях различается. В США Бюро по авторским правам требует значительного человеческого вклада для регистрации.
2. Согласие авторов. Ряд художников и фотографов выступают против использования их работ в датасетах без разрешения.
3. Дипфейки. Синтез реалистичных лиц и голосов применяется для дезинформации, что порождает требования маркировки.
4. Трудовые последствия. Генерация затрагивает рынок иллюстрации, дизайна и стоковых изображений.

¶Значение

Генеративное искусство изменило доступ к созданию визуального и текстового контента, снизив порог входа. Одновременно оно поставило вопросы о природе авторства, обучении моделей и регулировании. Произведения, созданные нейросетями, выставляются в галереях и участвуют в конкурсах, что делает границу между «человеческим» и «машинным» творчеством предметом продолжающейся дискуссии.