Edmond de Belamy ist ein großartiger Künstler – und das ganz ohne blutige Legende (van Gogh), omnipräsentes Motiv (Blaue Reiter) oder unappetitliche Installationen (Beuys). Ein Pionier –  ohne Exzesse, dafür mit viel Disziplin und Lernwillen. Einer, der sein finanziell bislang erfolgreichstes Kunstwerk nicht mit einer Signatur, sondern mit min G max D Ex[log(D(x))]+Ez[log(1-D(G(z)))]  unterzeichnete. Und der im Aktionshaus Christie’s 432.500 Dollar eingenommen, sie aber nicht persönlich abgeholt hat. 

 

 

 

 

 

 

Sieh dir diesen Beitrag auf Instagram an

 

 

 

 

 

 

 

 

 

 

D-3 before the auction. The stress is getting quite important right now. See you on Thursday for the verdict. – #christies #auction #belamy #obvious

Ein Beitrag geteilt von OBVIOUS (@obvious_art) am Okt 22, 2018 um 9:55 PDT

Künstlich statt künstlerisch

Denn, und diese Nachricht schaffte es kürzlich in die internationale Presse: de Belamy ist selbst eine Kunstfigur, die für das französische Künstlerkollektiv Obvious steht. Sein Name stellt einen Bezug zum KI-Forscher Ian Goodfellow her, und gemalt hatte das in London versteigerte Bild kein mit besonderen Begabungen gesegneter Herr vor seiner Staffelei, sondern ein Algorithmus, den man vorab mit 15.000 Portraits aus mehreren Jahrhunderten Kunstgeschichte gefüttert hatte. Und der dies bereitwillig aufsog, Eigenschaften zu unterscheiden lernte und die gelernten Methoden schließlich in ein eigenes Werk umsetzte. 

Diese Geschichten sind es, die mehr und mehr über Anwendungen der Künstlichen Intelligenz erzählt werden – auch und besonders außerhalb von Data Science-Konferenzen und AI/KI-Arbeitsgruppen. Sie überraschen, unterhalten und stellen einer breiten Bevölkerung dabei ganz anschaulich dar, wozu Algorithmen fähig sind, wie sie arbeiten und warum es notwendig ist, diese vorab mit so viel Datenmaterial wie möglich zu füttern und lernen zu lassen. (Auch wenn die allermeisten Menschen doch schon längst auch in ihrem Alltag mit Algorithmen in Berührung kommen, jeden einzelnen Tag, hunderte Male.) 

Die Foto-App PicsArt beispielsweise findet sich auf Millionen Smartphones weltweit. Neben üblichen Funktionen der Fotobearbeitung bietet sie „AI-basierte magische Effekte“ (hier im Bild die Funktion „Geode“). Das Unternehmen (mit Sitz in Jerewan, Armenien) ist auf der Suche nach Data Scientists mit Python-Kenntnissen, wie so viele in diesen Tagen, und führte gerade einen AI-Hackathon durch. Preisgeld: 500.000 Dollar.

TensorFlow statt Pinsel und Palette

„Wir glauben fest daran, dass Künstliche Intelligenz ein neues Werkzeug für die Kunst ist“, sagte Obvious-Entwickler Hugo Caselles-Dupré. Damit ist er nicht allein, längst gibt es Konferenzen und Meetups, die das Zusammenspiel von Kunst und Technologie thematisieren und AI-Künstler zusammenbringen. Und beispielsweise darüber debattieren, wer denn eigentlich die Urheberrechte eines solchen Werks besitzt. Und welche Rolle Open Source-Software wie TensorFlow dabei spielt.

Eines ist klar: Methoden der Künstlichen Intelligenz sowie Tools und Techniken des Deep Learning erobern sich gerade sämtliche Bereiche unseres Lebens, in der Kunst, aber auch in Medizin und Pflege, in Mobilität und Logistik, in der Wirtschaft und im Finanzwesen. Im Sport und in der Kultur. Und vielen anderen Sparten, auch beim Bücherschreiben. Oder eben beim Erkennen und Klassifizieren von Bildern, Beispiel Edmond de Belamy. 

Das ist spannend. Erfordert es statt des Aquarellkurses nun den Programmierkurs? Nein: Es bringt Entwickler und Data Scientists mit Künstlern, Ärzten, Lokführern und Autobauern, mit Bankangestellten und Fußballtrainern oder eben auch mit Buchautoren zusammen. Die dann alle ein Grundverständnis davon brauchen, wie Deep Learning funktioniert.

Wer darüber hinaus ganz praktisch wissen möchte, wie sich Deep-Learning-Systeme programmieren, trainieren, skalieren und deployen lassen, dem sei unsere „Einführung in TensorFlow“ ans Herz gelegt.

TensorFlow ist die gegenwärtig führende Open Source-Software für Deep Learning. In diesem Buch findet eine breite, technisch orientierte Leserschaft einen Einstieg. (im gut sortierten Buchhandel sowie auf oreilly.de)

Der sehr anschauliche Einstieg in Googles populäres Deep-Learning-Framework liefert einen breiten Überblick von den Grundkonzepten über das Training von neuronalen Netzen mit GPU-Clustern bis zum Deployment eines produktionsfertigen Systems. Die Autoren verfolgen einen praktischen Ansatz mit anwendbaren und intuitiven Beispielen, Illustrationen und Erläuterungen. Sie setzen einfache Programmierkenntnisse in Python voraus (darunter Grundkenntnisse der NumPy-Bibliothek), erklären im Verlauf des Buchs aber auch einige Begriffe des maschinellen Lernens. 

Ein Buch für Datenanalysten, Ingenieure, Studenten oder Wissenschaftler, die sich in TensorFlow einarbeiten wollen. Vielleicht stehen sie ja dann auch einmal bei Christie’s. ;-)