Искусство низкой сложности: Алгоритмическая теория красоты

Введение

Искусство низкой сложности, впервые описанное Юргеном Шмидхубером в 1997 году и впоследствии ставшее основополагающей темой в широкой области компьютерных наук, – это искусство, которое можно описать короткой компьютерной программой (то есть программой с малой сложностью Колмогорова).

Обзор

Шмидхубер характеризует искусство низкой сложности как эквивалент минимализма в компьютерную эпоху. Он также описывает алгоритмическую теорию красоты и эстетики, основанную на принципах алгоритмической теории информации и принципа минимальной длины описания. Он явно учитывает субъективность наблюдателя и постулирует, что среди нескольких наборов входных данных, признанных сопоставимыми данным субъективным наблюдателем, наиболее приятный обладает самым коротким описанием, учитывая предыдущие знания наблюдателя и его или её специфический метод кодирования данных. Например, математики ценят простые доказательства с кратким описанием на их формальном языке (иногда называемом математической красотой). Другой пример вдохновлен исследованиями пропорций, проведенными Леонардо да Винчи и Альбрехтом Дюрером в XV веке: пропорции красивого человеческого лица можно описать очень небольшим количеством информации. Шмидхубер чётко различает красоту и интересность. Он предполагает, что любой наблюдатель постоянно стремится улучшить предсказуемость и сжимаемость наблюдений, обнаруживая закономерности, такие как повторения, симметрии и фрактальное самоподобие. Когда процесс обучения наблюдателя (который может быть представлен предсказательной нейронной сетью) приводит к улучшению сжатия данных, количество битов, необходимых для их описания, уменьшается. Временная интересность данных соответствует количеству сэкономленных битов, и, следовательно (в пределе непрерывности), первой производной субъективно воспринимаемой красоты. Алгоритм обучения с подкреплением можно использовать для максимизации будущего ожидаемого прогресса в сжатии данных. Это будет мотивировать обучающегося наблюдателя выполнять последовательности действий, которые приводят к получению дополнительных интересных входных данных с ещё неизвестной, но поддающейся обучению предсказуемостью или регулярностью. Эти принципы могут быть реализованы в искусственных агентах, которые проявляют форму искусственного любопытства. Хотя искусство низкой сложности не требует априорных ограничений на размер описания, основные идеи связаны с категориями интро с ограниченным размером в демосцене, где очень короткие компьютерные программы используются для генерации приятного графического и музыкального вывода. Были написаны очень маленькие (обычно на C) программы, создающие музыку: стиль этой музыки получил название "байтбит".

Schmidhuber characterizes low complexity art as the computer age equivalent of minimal art. He also describes an algorithmic theory of beauty and aesthetics based on the principles of algorithmic information theory and minimum description length. It explicitly addresses the subjectivity of the observer and postulates that among several input data classified as comparable by a given subjective observer, the most pleasing one has the shortest description, given the observer's previous knowledge and his or her particular method for encoding the data. For example, mathematicians enjoy simple proofs with a short description in their formal language (sometimes called mathematical beauty). Another example draws inspiration from 15th century proportion studies by Leonardo da Vinci and Albrecht Dürer: the proportions of a beautiful human face can be described by very few bits of information. Schmidhuber explicitly distinguishes between beauty and interestingness. He assumes that any observer continually tries to improve the predictability and compressibility of the observations by discovering regularities such as repetitions and symmetries and fractal self similarity. When the observer's learning process (which may be a predictive neural network) leads to improved data compression the number of bits required to describe the data decreases. The temporary interestingness of the data corresponds to the number of saved bits, and thus (in the continuum limit) to the first derivative of subjectively perceived beauty. A reinforcement learning algorithm can be used to maximize the future expected data compression progress. It will motivate the learning observer to execute action sequences that cause additional interesting input data with yet unknown but learnable predictability or regularity. The principles can be implemented on artificial agents which then exhibit a form of artificial curiosity. While low complexity art does not require a priori restrictions of the description size, the basic ideas are related to the size restricted intro categories of the demoscene, where very short computer programs are used to generate pleasing graphical and musical output. Very small (usually C) programs that create music have been written: the style of this music has come to be called "bytebeat".

Больший контекст

Более широкий контекст, предоставляемый историей искусства и науки, позволяет предположить, что искусство с низкой сложностью продолжит вызывать растущий интерес. Что касается истории искусства, потенциальная значимость искусства с низкой сложностью простирается далеко за пределы минималистического кодирования красоты эпохи Возрождения, уже упоминавшегося в литературе. Идея тесной взаимосвязи между математической структурой и визуальной привлекательностью – одна из сквозных тем западного искусства, особенно ярко проявляющаяся в периоды его расцвета, такие как династический Египет, классическая Греция, эпоха Возрождения (как уже отмечалось) и геометрическая абстракция XX века, особенно в работах Жоржа Вантонгерлу и Макса Билла. В науке и технике искусство с низкой сложностью может стать еще одним примером того, как относительно новая дисциплина – компьютерные науки – способна предложить новый взгляд на различные области знаний, например, понимание функционирования генетического кода, полученное благодаря знакомству с проблемами, уже возникающими в разработке программного обеспечения. Ожидается, что изучение искусства с низкой сложностью будет способствовать дальнейшему плодотворному взаимодействию между компьютерными науками и эстетикой. При этом полученные знания не будут исключительно качественными, поскольку формализации, лежащие в основе искусства с низкой сложностью, по своей сути являются количественными.