DCGAN köpek üretimi. Kaynak: towardsdatascience.com
Birçok makine öğrenimi uygulaması arasından özellikle bir tanesi son zamanlarda tasarımcıların dikkatini çekiyor: Çekişmeli Üretici Ağlar’ı (generative adversarial networks/GAN) görüntü işleme araçları olarak kullanan uygulama. Aynı ismin ya da kavramın tekil örnekleri olarak etiketlenmiş bir imge yığını –örneğin bir milyon köpek görüntüsü– arasındaki benzerlikleri tanımak üzere eğitilmiş bir teknoloji bu. Makine, beslendiği veri kümesindeki tüm köpek görünümlü imgelerin ortak özellikleri hakkında birtakım çıkarsamalarda bulunacak; sonra da yaptığı bu köpeklik tanımını, ilerde karşılaşabileceği herhangi bir tekil örneği köpek olarak tanımlamak için kullanacaktır; iş ki, bu yeni örnek, sistemin bildiği tüm köpeklere benzesin… Tasarımcılar açısından daha ilginç olan taraf, makinenin bu ideal köpek tipini sonsuz sayıda gerçekçi ama gerçekte var olmayan köpek imgesi yaratmak için kullanabilmesi. Bu imgelerin hepsi farklı ama temel alındıkları modele ve birbirlerine benzer olacaktır (sonuçta bütün köpekler köpeğe benzer). Mimarlar, haliyle bu teknolojiyi köpek imgeleri değil de, mimarlık imgeleri işlemek için kullanıyorlar. Örneğin sistem Mies van der Rohe binalarının imgeleriyle eğitilirse, Mies van der Rohe binalarına benzer yeni bina imgeleri üretmeyi öğrenecektir. Veyahut, sistemden gerçek ya da kurmaca başka bir bina kümesine ait mevcut imgeler üzerinde oynayarak bunları bir şekilde Mies van der Rohe binalarına benzetmesi istenebilir (iki farklı veri kümesinin görsel özelliklerinin bu şekilde harmanlanmasına şimdilerde genellikle “stil transferi” deniyor).
Bilgisayar grafikleri marifetiyle sergilenen bu görünüşte oyuncul gösteri, aslında Batı felsefesi ve sanat teorisinin bazı temel teorik temalarıyla ilgili. Modern imge teorisi, Ortaçağın sonlarında, Aristotelesçi skolastik felsefe çerçevesinin neo-Platoncu bir çerçeveye yerini bırakmaya başladığı dönemde baş gösteren bir eğilime dayandırılabilir. Skolastik gelenekte idealar, yüklem kümeleri olarak düşünülürdü ve Ortaçağda hiç kimsenin aklına bu yüklemlerin isimlerden başka bir şey olabileceği gelmezdi. Ama Marsilio Ficino’dan itibaren Platoncu idealar giderek birer imge olarak tahayyül edilmeye başlandı – Tanrı’nın zihninde ve arketiplerinden ayrılma derecelerine bağlı olarak az çok bozulmuş halde bizim dünyamızda yaşayan imgelerdi bunlar (Rönesans dönemi neo-Platoncuları bu ayrılma derecelerini dehşetengiz bir kesinlikle hesaplayabiliyorlardı).
Netlikleri ne olursa olsun bu epistemolojik imgeler, sözel değil görsel kurgular olarak tahayyül ediliyordu; dolayısıyla ideaların neye benzemesi gerektiğine dair bu fikir, çok geçmeden, yeni yeni önem kazanmaya başlayan sanat tarihi disiplininin konusu haline geldi. Bilindiği üzere, Bellori’yle (1664) beraber neo-Platoncu idealar, “Ressam, Heykeltıraş ve Mimarların Fikirleri” ile aynı şey olarak düşünülmeye başlandı, böylece Bellori’nin klasist projesine yarayacak şekilde felsefe ile sanat kaynaşmış oldu – zaten erken Rönesans’tan beri gidişat bu yöndeydi. Neo-Platoncu filozoflara göre görsel idealar, tüm dünyevi tezahürlerin soyut matrisiydi; Bellori’nin teorisinde de, aynı şekilde, sanatçının fikri, şu ya da bu tekil örneği değil, doğanın genel tasarısını yansıtmalıydı: Ressamlar, şeyleri olduğu gibi değil, olması gerektiği gibi temsil etmeliydiler.
Sanatçıların, dünyevi görünümlerin kalın kabuğunu delip de ardında saklı ebedi ideale göz atmayı ya da onu sezinlemeyi nasıl başaracaklarına gelirsek, bu konuda farklı görüşler vardı. Raffaello, bilindiği gibi, gerçekliğin fazlasıyla benzer bir kopyasını yapmaktan kaçınmak için “aklına gelen fikirleri” takip ettiğini ileri sürmüştü. Bundan daha net cevaplar vermeye çalışan ressamlar da vardı. Ama her hâlükârda cevaplaması zor bir soruydu bu, hâlâ da öyle çünkü mimetik sanatlar bağlamında realizm ile idealizm arasındaki çatışma klasik, sonra da klasist tasarının tam merkezinde yer alıyor: Doğa da sanat da, öte dünyada yaşayan ideaların kopyalarıysa (kimin kimi kopyaladığı ya da hangisinin önce hangisinin sonra geldiği önemli değil) ve Platoncu idealar bizzat birer görsel imgeyse, görsel sanatlar alanında başarılı bir yaratıcı taklit edimini nasıl tanımlayacağız?
Klasik çağdan başlayarak birçokları şu sonuca vardı: Sanatçılar açısından doğada bulunan bir modelin bire bir kopyasından daha iyisini yapmanın, o modelin ötesine geçmenin en iyi yolu, tek bir modeli değil de seçilmiş modellerden oluşan bir kümeyi taklit etmek; hepsinden ilham alıp özel olarak hiçbirinden ilham almamak; her birinin en iyi yanlarını almaktı. Ama bu cevapla beraber Pandora’nın kutusu açılmış oldu ve içinden bir sürü teorik/pratik sorun çıktı. Hepsini birbirine katıp tek bir yaratıcı taklit edimi içinde eritebileceğimiz, birbirinden farklı ama aynı zamanda aynı kümeye konabilecek kadar benzer münasip modellerden oluşan bir derleme nasıl yapacağız? Soruyu biraz daha genelleştirirsek, benzer görünen iki imgenin (veya cismin ya da binanın) ortak yanı nedir? Sözgelimi, birbirlerini yalnızca belli belirsiz andıran bir anne ile biyolojik kızının ortak yanı nedir? Bugün artık, kısmen aynı genetik koda sahip olduklarını biliyoruz ama bu görece yeni bir buluş; ayrıca, genetik kod görülebilen bir şey değil. Yaratıcı taklidin sırrı ve gizemi işte burada yatıyor: Görsel sanatlarda, edebi kompozisyonlarda ve daha genel olarak görsel ve işitsel algıda andırmaları ve benzerliği nasıl tanımlayacağız? Cicero ve Plinius’tan Bembo, Erasmus, Bellori ve Quatremère de Quincy’ye kadar klasik çağın ve erken modernliğin âlim ve sanatçıları, ardından daha yakın zamanlarda bilim insanları ve psikologlar bu soruyu cevaplamaya çalıştılar. Günümüzde bu soru geçerliliğini yitirmiş olabilir çünkü makine öğrenimi (bu durumda GAN), başarılı bir şekilde, taklidi otomatikleştirmeye başladı.
Veri-güdümlü Yapay Zekâ sayesinde artık herhangi bir arketip ya da model kümesinin sonsuz sayıda özdeş olmayan kopyasını seri olarak üretebiliyoruz. GAN tekniği, analitik yöntemle çalışarak benzerlikler üretebiliyor: Birçok benzer imgeyi soyutlayarak ortak bir ideal arketipe varabiliyor; ya da, süreci tersine çevirerek, orijinal modele benzer birçok gerçekçi imge üretebiliyor. GAN, bu iki işlemi art arda uygulayarak, hepsi de başlangıçtaki veri kümesine (veya kümelerine) benzeyen, özdeş olmayan kopyalardan oluşan yeni bir küme yaratabilir. Her halükârda Yapay Zekâ, sanat ve bilgi teorisinin bir türlü akıl sır erdiremediği yaratıcı taklit meselesinin gizemini çözmüşe benziyor. Artık gerçek bir Yapay Zekâ usulüyle, taklidin ne olduğunu ve nasıl işlediğini bilmeden –ki bu açıdan seleflerimizden bir gıdım ilerde değiliz– taklit (yani, özdeş olmayan) kopyalar üretmek için makineleri kullanabiliyoruz.
SPAN (Matias del Campo, Sandra Manninger), Generali Center Mariahilferstraße, sunum, Viyana, 2021. Brütalist binalara ait 7680 görüntüden oluşan bir veri kümesi web’den otomatik olarak kazınıp StyleGAN2’yle işlemden geçirildi; sonuçta, tuhaf olmakla birlikte mevcut binalara benzer olarak algılanmaya yetecek kadar tanıdık bir görüntü manzarasında bir “gizli yürüyüş” [latent walk] yaratıldı.
Veri kazıma işleminin sonuçları ise, bir alışveriş pasajı, sinema kompleksi ve ofislerden oluşan bir projenin hareket noktası olarak kullanıldı. Görüntü piksellerinin kafese yansıtılmasını sağlayan bir sinir ağı kullanılarak, görüntülerden yapılan bir seçme projenin ileri aşamaları için üçboyutlu modellere dönüştürüldü. (Matias del Campo’nun izniyle)
Çeşitlemelerin seri üretimi, başından beri parametrik tasarım ve dijital fabrikasyonun en temel ilkelerinden biri olageldi. Şimdi GAN, aynı teknik mantığı, çok özgül birtakım parametre kümelerini içerecek şekilde genişletiyor: bir orijinal ile onun özdeş olmayan kopyaları arasındaki görsel benzerlik ya da andırmayı belirleyen parametreler bunlar. GAN teknolojilerinin en keskin yorumcularından Matias del Campo ve Sandra Manniger, bir GAN makine öğrenimi algoritmasının, tutarlı bir sanat eseri veri kümesiyle eğitildiğinde beslendiği veri kümesinin stilini öğrenmek gibi bir şey yaptığına dikkat çektiler. Aynı şekilde bu algoritma üretici biçimde kullanıldığında, aynı stilde sanat eserleri üretmeye benzer bir şey yapıyor. Burada stil, görsel açıdan uyumlu bir veri kümesinin zımni ortak paydası olarak anlaşılıyor. Hesaplama alanına ait bu tanım, konunun uzmanlarının şimdiye kadar önerdikleri stil tanımlarından daha keyfi olmadığı gibi, kesinlikle daha kullanışlı. Açıkça dillendirilmemiş bir modernist buyruk doğrultusunda taklit ve stil terimleri onlarca yıl önce mimari söylemden kaldırılıp atıldı; günümüzün makine öğrenimi, her ikisinin de tasarım sanatlarındaki rolünü yeniden değerlendirmemize imkân tanıyor. Belli ki bunu dikkate almak gerek.
Pratikte ve gerçek hayatta, zımni mimari “stillerin” üstü örtülü taklitleri de dahil olmak üzere her tür mimari taklit, her zaman olduğu gibi günümüzde de her yeri sarmış durumda. Ama ne olursa olsun, yaratıcı ya da stilistik taklit konuları bugünlerde tasarım sanatlarının gündeminde değil – yüz yıldan uzun zamandır da durum bu. Klasik gelenekte her tür yaratıcı uğraşın asli bileşeni olan taklit, önce geç romantik sanatçılar, ardından da modernistler tarafından değersizleştirilip ıskartaya çıkarıldı – modernistlerin saikleri daha farklıydı: benzerlikler ve andırmalarla ilgili her mefhumun ister istemez çözümsüz, ölçülemeyen tasarım sorunlarına vardığına kanaat getirmişlerdi. Sonuçta, genel olarak taklit, bugün çoğu durumda hâlâ bir tür intihal olarak görülüyor.
Şimdi bu durum değişmek üzere olabilir. Bugün ileri hesaplama teknolojileri ve Yapay Zekâ, bizi bir kez daha, doğal zekâmızın, 20. yüzyıl endüstriyel modernizminin unutturduğu bir yönünü yeniden değerlendirmeye sevk ediyor. Şanslıysak, sanat dallarında benzerliklerle, andırmalarla, stillerle ve taklitle uğraşacak yaratıcı ve eleştirel kapasiteyi yakında yeniden edinebiliriz – üstelik sonunda, elimizin altında bunu yapmamıza destek olacak bir teknoloji var. Ama bu satırların yazıldığı sırada, GAN teknolojilerinin çağdaş mimari tasarımda hâlâ sınırlı bir karşılığı var gibi görünüyor: Öyle ya, hangi tasarımcı, başkasının binasına benzer bir bina tasarlamak için yine bir başkasının (yapay da olsa) zekâsını ödünç almak ister? Bence benzer bir uyarı, veri-güdümlü Yapay Zekâ’nın mimari tasarıma uygulanabilirliği gibi daha genel bir konu için de geçerli olmalı.
Mario Carpo’nun Beyond Digital: Design and Automation at the End of Modernity (MIT Press) adlı kitabının “Machine Learning and the Automation of Imitation” başlıklı alt-bölümünün (s. 120-126) çevirisidir. Son iki görsel özgün metinden alındı.