FLICK_KAi

Neuronale Netze können lernen, fotorealistische Bilder zu erzeugen. Jüngste Entwicklungen auf dem Gebiet des maschinellen Lernens weisen darauf hin, dass es zukünftig immer schwieriger werden wird, Bilder und Videos, die von einem Computer generiert sind, von herkömmlichen zu unterscheiden. Von besonderem Interesse sind in diesem Zusammenhang sogenannte Generative Adversarial Networks (GANs). 2014 veröffentlichte Ian Goodfellow seinen Aufsatz »Generative Adversarial Networks«[1], eine Abhandlung über generative gegnerische Netze, in der er darlegt, wie zwei neuronale Netze zum Zweck der gegenseitigen Optimierung eingesetzt werden können. Das Generator-Netzwerk wird dazu mittels eines Datensatzes von Bildern trainiert, die es zu imitieren versucht. Die generierten Bilder werden einem Diskriminator-Netzwerk neben solchen gezeigt, die auf klassische Weise entstanden sind, und der Diskriminator versucht zu unterscheiden, ob die Bilder der Realität entsprungen oder vom Generator-Netzwerk produziert worden sind. Dieser interaktive Kreislauf, der darauf abzielt, den Gegner zu täuschen beziehungsweise seine Täuschungsversuche aufzudecken, hilft beiden neuronalen Netzen, ihre Leistungsfähigkeit bis zu einem Punkt zu verbessern, an dem es schwierig wird, die echten Bilder von den künstlich erzeugten zu unterscheiden.

In den letzten zehn Jahren wurde der Fotoautomat »FLICK_KA« im Foyer des ZKM von über 50.000 BesucherInnen benutzt, die sich darin fotografieren ließen. Ihre Porträts dienten als Trainingsdatensatz für den Algorithmus[2][3], der mittlerweile imstande ist, aus den kombinierten Charakteristika aller Personen, die sich dort je fotografieren ließen, vollkommen künstliche Bilder zu erzeugen.

Audiodesign: Manfred Hauffen

[1] Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, „Generative Adversarial Networks“, in: ArXiv, 2014. Online: https://arxiv.org/abs/1406.2661, 17.08.2018.

[2] Tero Karras, Timo Aila, Samuli Laine, Jaakko Lehtinen, „Progressive Growing of GANs for Improved Quality, Stability, and Variation“, in: ArXiv, 2017. Online: https://arxiv.org/abs/1710.10196, 17.08.2018.

[3] Tero Karras, „Progressive Growing of GANs for Improved Quality, Stability, and Variation“, (2018), Online: https://github.com/tkarras/progressive_growing_of_gans, 05.11.2018 https://github.com/tkarras/progressive_growing_of_gans