IA & créativité
IA Lab

L’IA peut-elle être aussi créative que l’homme ?

2 mai 2018

Retrouvez la première partie de cet article : « Le Machine Learning décrypté »  en cliquant ici.

Des exemples qui donnent à réfléchir

Lorsqu’on évoque l’intelligence artificielle on pense tout d’abord au machine learning, c’est à dire à la capacité pour une machine d’apprendre à partir d’exemples. Qu’en est-il de la créativité artificielle ? Pour les humains, l’apprentissage précède généralement la capacité à créer. Ainsi un musicien doit-il apprendre les règles de l’harmonie alors qu’un scientifique doit apprendre les théories élaborées par ses prédécesseurs avant de proposer les siennes. Il en va de même, comme on le verra, pour les machines, si bien que les thèmes de l’apprentissage et de la créativité sont en fait étroitement liés.

Plusieurs exemples marquants ont récemment défrayé la chronique, notamment dans la création d’images artificielles. Ainsi sait-on aujourd’hui visualiser avec Google Deep Dream les rêves d’un réseau de neurones, recréer un Rembrandt plus vrai que nature avec le projet The Next Rembrandt ou encore appliquer un style Van Gogh à n’importe quelle photo.

Pour spectaculaires qu’ils soient, on pourrait arguer du caractère anecdotique de ces exemples. Il existe cependant des applications pratiques de ces techniques de générations d’images :

Dans les coulisses des tours de passe-passe

En fait ce qu’on appelle un peu pompeusement « créativité » pour une machine n’est souvent que l’application d’une forme particulière d’apprentissage automatique : l’apprentissage non supervisé, on présente une liste d’exemples à une machine sans pour autant associer une réponse correcte à chacun d’eux. Souhaite-t-on « créer » des visages synthétiques, ainsi lui présentera-t-on un échantillon de visages représentatifs de toutes les variations que l’on aimerait reproduire. Ayant ingurgité ces images, un algorithme sera capable d’en « inventer » de nouvelles qui se situent, d’une certaine manière, entre celles qu’on lui a montrées.

Pour être un peu plus précis, on peut distinguer deux approches de la génération d’images qui sont assez différentes dans leurs principes.

La première utilise un mécanisme que l’on appelle les auto-encodeurs (AE). L’idée est la suivante : on va caractériser chaque visage au moyen de quelques paramètres : l’âge, le genre, la couleur de la peau, son grain, … etc… Il s’avère que quelques dizaines de paramètres suffisent en pratique, même si beaucoup d’entre eux n’ont pas forcément une interprétation aussi directe que ceux que nous venons d’énumérer. Pour y parvenir, un AE va dans une première phase compresser les images autant qu’il est possible, jusqu’à ce que chacune d’elles tienne dans quelques dizaines de paramètres. Dans une seconde phase l’AE essaiera de reconstruire les visages à partir de ces paramètres de sorte que les images reconstruites soit aussi proches que possible des originaux. Pour générer un nouveau visage il suffit simplement de choisir au hasard des valeurs de ces paramètres et de reconstruire le visage associé. Et voilà !

La seconde méthode s’inspire de la démarche d’un faux-monnayeur. L’analogie tombe sous le sens : alors qu’un faux-monnayeur a pour vocation de créer de la fausse monnaie, capable de duper une autorité de contrôle, un système de génération d’images artificielles doit créer de fausses images capables de tromper notre propre discernement. Les systèmes que l’on appelle GAN (pour Generative Adversarial Networks) concrétisent cette idée au moyen de deux réseaux de neurones qui jouent l’un contre l’autre. Le premier, appelé générateur, joue le rôle du faux-monnayeur et se voit assigné pour mission de confectionner de fausses images. Le second, appelé le discriminateur, joue le rôle de la police et a pour objectif de distinguer les fausses images créées par le générateur des vraies images. A mesure que les capacités de falsification du générateur progressent celle du discriminateur font de même si bien qu’un cercle vertueux s’instaure. Après un certain temps on parvient à une situation où le générateur crée des images si réalistes qu’elles sont indiscernables des vraies. Des GAN ont ainsi produit des images crédibles de chambres à coucher par exemple.

 

illustration : IA & Créativité

 

Alors, quelles différences ?

Quelle que soit la méthode utilisée on se rend compte dès lors que le processus de création de ces systèmes s’apparente de fait à un simple processus d’échantillonnage : le système tire au hasard des images ressemblant à celles avec lesquelles on l’a alimenté. En d’autres termes ces systèmes n’inventent presque rien, ils se content de faire de petites variations autour de cas connus. Que font en revanche des artistes comme Picasso ou Rembrandt ? Loin de se contenter de faire de petites variations autour d’exemples, un artiste invente son propre style et utilise une expérience de vie multi-sensorielle pour alimenter un monde intérieur incommensurablement plus riche qu’une simple liste d’exemples. Surtout, un artiste est animé d’une intention, qui fait totalement défaut à une machine.

De ces quelques réflexions on peut déduire une conclusion générale : les « créations » d’une IA peuvent faire illusion mais à condition de considérer celles-ci localement. Un pastiche de Van Gogh est crédible à condition d’examiner sa texture localement, mais pas si l’on envisage le tableau dans son ensemble. Il en va de la création comme pour l’apprentissage artificiel : pour l’instant les machines ne savent pas s’aventurer au-delà d’une proximité immédiate des situations qu’on leur a soumises. Les extrapolations lointaines leurs échappent. Elles n’ont pas plus d’imagination créative qu’elles n’ont de capacité de planification à long terme ou de faculté d’abstraction.

Nous offrir l’occasion de nous interroger sur ce qui fait notre humanité n’est probablement pas le moindre des intérêts de l’aventure de l’IA !

 

Retrouvez également dans notre livre blanc “L’Intelligence Artificielle au-delà des clichés” pour en savoir plus sur les progrès récents de l’IA ou l’article « Existe-t-il des IA créatives » pour un traitement plus détaillé du sujet de la créativité artificielle.

L'Intelligence Artificielle,
au-delà des clichés

Livre blanc
Comprendre pour décider
Découvrez l'Intelligence Artificielle pour l'intégrer dès maintenant à vos enjeux stratégiques !
Téléchargez gratuitement

En poursuivant votre navigation sur ce site, vous acceptez l’utilisation de cookies pour mesurer notre audience, vous proposer des contenus et des offres personnalisées, ainsi que des fonctionnalités de partage sur les réseaux sociaux. En savoir plus.