Нейросети в истории междисциплинарных художественных практик

Нейросети в истории междисциплинарных художественных практик

Историческое развитие междисциплинарных художественных практик демонстрирует последовательную интеграцию новых технологий, от фотографии и кинематографа до вычислительной техники и интернета. Появление и распространение искусственных нейронных сетей (ИНС) представляет собой закономерный и революционный этап в этой эволюции. Нейросети не просто стали новым инструментом в арсенале художника, но и выступили катализатором трансформации самих понятий авторства, творческого процесса, материала и зрительского восприятия, углубляя синтез искусства, науки, технологии и философии.

Технологические и концептуальные предпосылки

Междисциплинарность в искусстве XX века заложила фундамент для принятия нейросетей. Ключевыми направлениями-предшественниками являются:

• Кибернетическое искусство (с 1950-х): Работы Норберта Винера, выставка «Кибернетическая случайность» (1968), интерактивные инсталляции Ройя Аскотта. Художники исследовали feedback-системы, взаимодействие между машиной, зрителем и окружающей средой.
• Компьютерное искусство и алгоритмическая генерация (с 1960-х): Творчество Веры Молнар, Манфреда Моха, группы «Э.А.Т.» (Experiments in Art and Technology). Искусство создавалось через написание кода, где художник определял правила, а компьютер — их исполнение.
• Медиаарт и digital art (конец XX века): Работа с цифровыми медиа, виртуальной реальностью, базами данных. Акцент на критике медиа и исследованиях цифровой культуры.

Нейросети, возникшие на стыке нейробиологии, математики и компьютерных наук, привнесли качественно новый элемент: способность к недетерминированному «обучению» на данных и генерации нового контента, не запрограммированного явно человеком. Это сместило фокус с программирования поведения на «культивацию» и селекцию результатов, полученных от обученной модели.

Эволюция применения нейросетей в художественных практиках

Фаза 1: Ранние эксперименты и перцептивные модели (2000-е — начало 2010-х)

Использование относительно простых архитектур нейросетей (например, ограниченные машины Больцмана, автокодировщики) в академической и художественной среде. Фокус был на визуализации внутренних представлений сети, исследовании паттернов и простой генерации. Пример — проект «Нейронная сеть, мечтающая о природе» (2006) Томаса Майника. Художники часто выступали в роли исследователей, деконструируя работу перцептивных алгоритмов.

Фаза 2: Революция глубокого обучения и GAN (2014 — конец 2010-х)

Изобретение Generative Adversarial Networks (GAN — генеративно-состязательные сети) Иэном Гудфеллоу в 2014 году стало переломным моментом. Две нейросети (генератор и дискриминатор) состязаются в процессе обучения, что позволяет создавать высококачественные, реалистичные, но при этом совершенно новые изображения, звуки, тексты. Это открыло эру «искусственного воображения». Ключевые проекты:

• «Портрет Эдмонда де Белами» (2018), коллектив Obvious: Работа, созданная GAN и проданная на Christie’s, вызвала широкую дискуссию об авторстве и ценности AI-арта.
• Проекты Марио Клингеманна: Художник использует GAN для исследования портрета, памяти культуры и «археологии медиа», создавая гипнотические лица-призраки, собранные из тысяч исторических изображений.
• Работы Рефика Анадола: Масштабные иммерсивные инсталляции, где нейросети визуализируют «сны» архитектурных пространств или оцифрованных архивов данных, стирая грань между материальным и цифровым.

Фаза 3: Эра больших языковых и диффузионных моделей (2020-е — настоящее время)

Появление трансформеров (GPT, BERT) и диффузионных моделей (DALL-E, Stable Diffusion, Midjourney) демократизировало доступ к мощным генеративным инструментам. Текстовые промпты стали новым интерфейсом для творчества. Это привело к взрывному росту сообщества, смещению практик в сторону кураторства, коллаборации с ИИ и критического осмысления последствий. Искусство стало активно взаимодействовать с проблемами bias (смещения) в данных, экологии больших моделей, цифрового права.

Основные аспекты междисциплинарности в AI-арте

Дисциплина	Вклад в практику	Конкретные примеры взаимодействия
Информатика и Machine Learning	Предоставление архитектур моделей, алгоритмов обучения, вычислительных мощностей. Разработка интерфейсов (текстовый промпт).	Использование открытых моделей (Stable Diffusion), fine-tuning под конкретную художественную задачу, создание custom-архитектур.
Нейробиология и когнитивистика	Концептуальная основа (идея нейрона, обучения). Вопросы о природе творчества, сознания, восприятия.	Проекты, визуализирующие «сны» ИИ как аналоги работы мозга; исследования различий в восприятии изображений человеком и машиной.
Философия и этика	Постановка вопросов об авторстве, агентности, оригинальности, эстетической ценности. Анализ последствий для общества.	Работы, намеренно эксплуатирующие проблему плагиата и ремикса; проекты, критикующие surveillance capitalism и bias в данных для обучения.
Социология и культурология	Анализ AI-арта как социального феномена, его институционализации, рынка, сообществ. Исследование отражения в нем культурных стереотипов.	Исследования datasets как культурных артефактов; проекты, переосмысляющие исторические архивы через призму ИИ.
Закон и право интеллектуальной собственности	Формирование правового поля для искусства, созданного с ИИ. Вопросы об использовании данных для обучения, авторских правах на результат.	Судебные процессы (например, против Stability AI), лицензии Creative Commons для AI-моделей, разработка этических кодексов.

Трансформация роли художника и творческого процесса

Внедрение нейросетей привело к появлению новых ролевых моделей художника:

• Куратор данных (Data Curator): Художник тщательно отбирает и подготавливает датасет для обучения модели, который становится фундаментальным «сырьем» и смысловым полем будущих работ.
• Тренер модели (Model Trainer): Художник участвует в настройке гиперпараметров, выборе архитектуры, процессе обучения, направляя «эстетическое развитие» ИИ.
• Дирижер/Коллаборатор (Conductor/Collaborator): Работа строится как диалог: художник генерирует промпты, интерпретирует и селекционирует результаты, а ИИ предлагает неожиданные варианты, расширяя творческий поиск.
• Критик и интерпретатор (Critic & Interpreter): Художник анализирует и критикует сами технологии, их социальные и политические импликации, используя ИИ как объект и средство для критического высказывания.

Ключевые вопросы и критика

Практика AI-арта существует в поле напряженных дискуссий:

• Авторство: Является ли автор художник, разработчик модели, создатели данных для обучения или сама система? Часто авторство признается распределенным.
• Оригинальность и плагиат: Нейросети обучаются на существующих работах, порождая вопрос о степени трансформации и нарушении прав. Это стимулирует пересмотр понятий влияния и заимствования.
• Экологический след: Обучение крупных моделей требует значительных энергозатрат, что ставит вопрос об экологической устойчивости таких практик.
• Смещение (Bias) и этика данных: Модели воспроизводят и усиливают социальные, гендерные и расовые стереотипы, присутствующие в тренировочных данных. Многие художники делают эту проблему центральной темой своих работ.
• Демократизация vs. элитизация: С одной стороны, инструменты стали доступнее. С другой — контроль над наиболее мощными моделями и вычислительными ресурсами остается в руках крупных корпораций.

Часто задаваемые вопросы (FAQ)

В чем принципиальное отличие нейросетевого искусства от предшествующего цифрового искусства?

Ключевое отличие — в парадигме создания. Традиционное цифровое искусство основано на детерминированном выполнении явно заданных человеком инструкций (кода). Нейросетевое искусство основано на индуктивном обучении модели на данных и последующей генерации, где конкретный результат не предопределен точно, а является продуктом вероятностных выводов системы. Художник управляет процессом на более высоком, абстрактном уровне (через данные, loss-функции, промпты), а не на уровне отдельных пикселей или вершин.

Можно ли считать нейросеть соавтором или самостоятельным творцом?

На текущем уровне развития технологий — нет. Нейросеть является сложным инструментом, лишенным интенциональности, сознания и понимания контекста. Она оперирует статистическими паттернами. Термин «соавтор» иногда используется метафорически для описания недетерминированного, диалогового характера работы, но юридически и философски авторство остается за человеком (людьми), которые инициировали, направили и осмысленно отобрали результат. Нейросеть — это агент, но не субъект творчества.

Как нейросети влияют на рынок искусства и профессию художника?

Влияние многогранно. С одной стороны, происходит демократизация создания визуального контента, что может девальвировать некоторые технические навыки. С другой — возрастает ценность концептуального мышления, кураторских решений и критического подхода. На рынке формируется новый сегмент AI-арта со своими институциями, галереями и коллекционерами. Одновременно возникают споры о подлинности и ценности. Профессия трансформируется: художнику теперь могут потребоваться навыки работы с данными, основами ML, а также глубокое понимание этических аспектов технологий.

Каковы этические границы использования нейросетей в искусстве?

Этические границы активно обсуждаются. К основным принципам относят: прозрачность (указание на использование ИИ), уважение к правам и privacy (ответственный подход к сбору и использованию данных для обучения, особенно персональных), осознание и минимизацию bias, экологическую ответственность (оптимизация вычислительных затрат). Важным этическим императивом является также критическая рефлексия над последствиями внедрения технологий, а не только их бездумное применение.

Какое будущее у междисциплинарных практик с нейросетями?

Будущее лежит в области более глубокой и бесшовной интеграции. Ожидается развитие нейросетей, работающих не только с отдельными модальностями (текст, изображение, звук), но и создающих комплексные мультисенсорные и интерактивные среды в реальном времени. Усилится тенденция к «физикализации» AI-арта через робототехнику и биоарт. Научная коллаборация станет еще теснее: художники будут работать непосредственно с исследователями в области нейронаук и квантовых вычислений. Основным фокусом, вероятно, станет не только генерация контента, но и создание систем для сложного человеко-машинного co-creation и исследования границ искусственного интеллекта.