Om te begrijpen hoe zo een schilderij tot stand komt, moeten we vertrekken van hoe een robot naar kunst kijkt. Dit doet hij via foto's of video's gemaakt door zijn 'ogen', namelijk een stel digitale camera's. Een digitale foto is eigenlijk een hele grote tabel met getallen, meestal tussen 0 en 255, die de hoeveelheid rood, groen en blauw licht beschrijven op die bepaalde plaats gemeten door de lichtsensor. Er bestaan ook camera's die meer in beeld brengen dan wat we met het blote oog kunnen zien, zoals X-ray, UV en infrarood.

Kan een robot creatief zijn?

Een te bestuderen object kan dus zo vertaald worden in reeksen van getallen waarop we dus wiskundige bewerkingen kunnen uitvoeren die ons informatie verschaffen over het object, zoals afgebeelde vormen en kleuren. Een robot voert zulke berekeningen uit op zijn computer, maar hiermee kan hij wel nog niet interpreteren wat hij ziet zoals wij dat doen. Onze hersenen zijn nog steeds onnavolgbaar in het analyseren van wat onze ogen waarnemen. Een kind leert heel snel wat een bal is en kan die herkennen los van de kleur en of die op een foto staat of getekend is in zijn leesboekje, zelfs als hij half verborgen of lek is. Een computer leren zien wat er juist allemaal afgebeeld staat op een digitale foto, is nog steeds één van de grote uitdagingen binnen de artificiële intelligentie.

Meester in patroonherkenning

Toch kan een computer reeds heel wat met digitale beelden en vaak zelfs sneller dan wij, denk maar aan het herkennen van gezichten in je foto-bibliotheek. Dit is een zeer specifieke taak die in een wiskundig algoritme kan worden gegoten dat jouw input vraagt telkens wanneer het niet eenduidig kan beslissen en hieruit leert om beter te worden. Foto-taggen werkt zo veel sneller dan moest je zelf manueel doorheen je foto's gaan. Soortgelijke algoritmes, zeker de recente die gebaseerd zijn op zogenaamde deep learning maken de computer een meester in patroonherkenning. Toch is hij zich niet bewust van de context, want hij interpreteert hierbij de patronen niet.

We kunnen wel op deze manier een computer een bepaalde schilderstijl leren herkennen. Hiervoor tonen we hem eerst heel veel voorbeelden en vervolgens gaat er een algoritme aan de slag om in al die voorbeelden terugkerende kenmerkende patronen te ontdekken. Dit is echter geen hocus-pocus. De computer voert enkel uit wat het algoritme hem opdraagt. Hij volgt dus eigenlijk een recept bestaande uit een lijst van ingrediënten (de voorbeelden) en hiermee uit te voeren handelingen. Door de toenemende rekenkracht voert hij dit wel veel sneller uit dan een mens en kan hij daardoor patronen ontdekken die wij met enkel ons brein nooit zouden zien.

Namaakschilderijen

Wanneer een computer nu de stijl van een schilder kan karakteriseren in patronen van getallen, opent dit natuurlijk de deur om deze informatie in te zetten om digitale namaak van schilderstijlen te produceren. Wanneer we deze informatie ook linken aan verfsoorten en dit aan een robot geven die voorzien is van een precieze robotarm, kan die zelf aan de slag gaan met een penseel om het kunstwerk daadwerkelijk tot leven te brengen. Of we kunnen het simpelweg 3D printen, zoals in 2016 gebeurde met de Next Rembrandt. Een Nederlands team stuurde een computer en 3D verf-printer aan om een nieuw schilderij te maken dat van Rembrandt zou kunnen zijn geweest.

Maar rolt er uit de printer of verft een robot dan echte kunst? Vorig jaar maakte VRT samen met Robovision een Pano-reportage over artificiële intelligentie waarin een computer de stijl van pianist Jef Neve leerde uit enkele uren improvisatie. De computer maakte dan zelf een nieuwe compositie 'in de stijl van'. Neve hoorde hierin allemaal razend interessante woorden achter elkaar, maar (nog) geen volzinnen. Of een robot in de toekomst een artiest om de tuin zal kunnen leiden, valt dus nog af te wachten. Zijn context, interpretatie van de patronen en bijvoorbeeld ook emoties noodzakelijk?

Niet van nul beginnen, maar een gegeven foto omzetten in de stijl van bijvoorbeeld Van Gogh, lukt echter al aardig. Zo is er de software van Deepart waarmee je zelf aan de slag kan gaan. Wanneer we deze digitale werken op grote schaal met robots zouden omzetten in echte schilderijen, kan iedereen zich een Van Gogh in de huiskamer permitteren, niet? We kunnen de stijl van elke artiest waarvan het copyright op zijn werk is vervallen vrij imiteren om robotkunst op maat te fabriceren. Een zelfportret in Rembrandt stijl of toch liever een Vermeer van je echtgeno(o)t(e)? Het kost je toch enkel de verf en het gebruik van de robot, want het kunstwerk is niet afkomstig van de grootmeester zelf? De computer voert enkel een algoritme uit en er komt geen robot-creativiteit aan te pas.

Maar voelde jij je een topchef wanneer je met Nieuwjaar het feestrecept uit je kookboek tot een goed einde bracht? Of was je vooral de uitvinder van het recept dankbaar? Probeer je eens een selfie om te zetten in Van Eyck stijl met Deepart en je resultaat te delen op Twitter met de hashtag #homoroboticus #art? Je zal snel overtuigd zijn dat hun recept nog niet helemaal op punt staat en een nieuwe uitdaging voor de wiskunde stelt. Misschien worden wiskundigen met een robot-kompaan wel de meest gewaardeerde creatievelingen van het digitale tijdperk?

Professor Ann Dooms is als wiskundige verbonden aan de VUB. Ze leidt de onderzoeksgroep Digital Mathematics, die zich specialiseert zich in de wiskundige fundamenten van Data Science. Zelf bestudeert ze onder andere cultureel erfgoed louter via wiskundige berekeningen op digitale scans van het object.

In het boek Homo Roboticus (VUBpress 2019) en de boekvoorstelling in Opera De Munt op 7 februari discussiëren we verder over welke rol robots en artificiële intelligentie in ons leven gaan hebben. Voor meer info: homo-roboticus.be