Maskinlæring brukes til å lage litteratur og film

Harry Potter & Blade Runner
Foto: Botnik, Warner Bros.

En bot forsøkte å skrive et nytt Harry Potter kapittel, mens en maskin prøvde å gjenskape Blade Runner. 

Maskinlæring beskrives som en teknikk innen kunstig intelligens der datamaskiner og programvarer bruker algoritmer for å lære og utvikle atferd. Resultatet blir teknologi som kan gjenkjenne komplekse mønstre og ta beslutninger basert på data. Mange tenker i dag på kunstig intelligens som en del av automatisert arbeidskraft, men det finnes også utviklere som bruker denne teknologien på andre områder som populærkultur.

Utviklerne i Botnik Studios brukte nylig et ‘Predictive text keyboard’ for å lage et nytt Harry Potter kapittel. Denne type bot analyserer deler av en tekst for å finne ut hvilke kombinasjoner av ord som er mest sannsynlig å følge etter hverandre basert på grammatikken og ordforrådet. Resultatet ble kapittelet The Handsome One fra Harry Potter and The Portrait of What Looked Like a Large Pile of Ash.

“The castle grounds snarled with a wave of magically magnified wind. The sky outside was a great black ceiling, which was full of blood. The only sounds drifting from Hagrid’s hut were the disdainful shrieks of his own furniture. Magic: it was something that Harry Potter thought was very good.”

Store deler av teksten minner om magien vi kjenner fra J.K. Rowlings bøker, men den krysser etter hvert over til surrealisme:

“Not so handsome now,” thought Harry as he dipped Hermione in hot sauce. The Death Eaters were dead now, and Harry was hungrier than he had ever been.”

If you two can’t clump happily, I’m going to get aggressive,’ confessed the reasonable Hermione.”

Et lignende forsøk på å lære en maskin popkultur for å se hva den kan produsere var en ‘Autoencoding’ av Blade Runner og A Scanner Darkly. Forskeren Terence Broad lærte kunstig intelligens å bruke algoritmisk maskinlæring til å forstå data fra videoer. Begge filmene han valgte til prosjektet var film adaptasjoner av Philip K. Dicks science fiction verker. Selve lære prosessen gikk ut på ‘Video encoding’. Broad brukte opptak fra filmene og annen data som ikke var fra filmene for å få maskinen til å gjenkjenne forskjellene og lære seg hvordan hver film ser ut. Etter å ha repetert prosessen for begge filmene seks ganger, ble maskinen bedt om å gjenoppbygge filmene.

Resultatet for prosjektet kan du se nedenfor:

Vær den første til å kommentere

Skriv en respons

Epostadressen din vil ikke vises.


*