Yapay zeka algoritmaları ile sanatsal yaratım ve yeniden üretim potansiyellerinin 'FISPIS' tekniği üzerinden değerlendirilmesi

Abstract

Günümüzde kullanılan yapay zeka algoritmaları, sanatta yaratıcı süreçlerin yeniden şekillendirilmesinde önemli bir rol oynamaktadır. Yapay sinir ağları, makinelerin farklı türlerde sanat yapıtlarını öğrenip sanatsal üretimler yapmalarına olanak sağlamaktadır. Yapay zeka araçlarının sanat ve tasarıma entegrasyonu, geleneksel yaratıcı süreci dönüştürmekte ve yapay zeka tarafından üretilen sanatsal üretimin kabulü ve değerlendirilmesi konusunda tartışmalara yol açmaktadır. Özellikle, insan-yapay zeka işbirlikleri sanatsal yaratımda yeni imkanlar sunmakta ve yapay zeka ile insan arasında anlamlı bir işbirliği için fırsatlar yaratmaktadır. Yapay zeka algoritmalarının sanat üretiminde yaygın kullanımı, özellikle figüratif ve geometrik soyut sanat alanında daha yaygınken, dokulu, karmaşık ve kompleks soyut sanat eserlerini öğrenme ve yeniden üretiminde daha az rastlandığı gözlemlenmektedir. Bu algoritmaların yoğun doku, birbirine geçmiş renkler ve soyut görüntülerle ilgili özellikleri öğrenme kapasitelerinin sınırlı olduğu gözlemlenmektedir. Bu sınırlamalar, yaygın kullanılan modellerin figüratif ve geometrik soyut sanat eserlerini öğrenme ve yeniden üretme konusunda istenilen sonuçları verirken, kompleks dokulu soyut resimleri öğrenme ve yeniden üretme konusunda istenilen sonuçların alınamamasına yol açmaktadır. Bu durum, algoritmaların ardışık piksellerin düzensizliği ve figüratif ile geometrik soyut eserlerde olduğu gibi ön-arka ilişkisini kurmada yetersiz kalmalarından kaynaklanmaktadır. Dokulu ve kompleks soyut sanat eserlerinde belirgin desenlerin ve yapıların olmaması, rastgele ve karmaşık yapılar içermesi, algoritmaların öğrenme süreci zorlaşmaktadır. Bu tez kapsamında, özgün bir resim tekniği olan 'FISPIS'ın yapay zeka algoritmaları tarafından ne kadar başarılı bir şekilde öğrenilebileceği ve yeniden üretilebileceği araştırılmıştır. Yazar tarafından 2012 senesinde keşfedilen ve yıllar içinde geliştirilen 'FISPIS' tekniği, sulandırılmış akrilik boyaların sprey şişeleri aracılığıyla püskürtülerek, katmanlar halinde uygulandığı bir resim tekniğidir. Genellikle soyut resimlerin üretilmesinde kullanılır. Bu teknik, dünya yüzeyinde görmeye alıştığımız örüntüler, dokular ve renk geçişlerine benzer görüntüler oluşturulmasında etkilidir. Bu teknik ile üretilmiş resimler hem renk geçişleri hem de dokusal derinlikler açısından zengin ve karmaşık bir yapıya sahiptir. Çalışmada, bu teknik, çeşitli yapay zeka modelleri kullanılarak analiz edilmiş ve modelleme başarısı değerlendirilmiştir. İlk aşamada, Çekişmeli Üretken Ağlar (GAN), ArtGAN, BigGAN, ve Değişken Otomatik Kodlayıcılar (VAE) gibi yaygın kullanılan yapay zeka modelleri incelenmiş, ancak bu modellerin 'FISPIS' tekniğinin karmaşık görsel ve dokusal özelliklerini tam anlamıyla yansıtmadığı gözlemlenmiştir. Bu durum, modellerin yoğun doku, birbirine geçmiş renkler ve soyut görüntülerle ilgili özellikleri öğrenme kapasitesinin sınırlı olduğunu göstermiştir. Ayrıca, kullanılan veri setinin sınırlılığı ve işlem gücü kısıtlamaları, modellerin performansını etkileyen önemli faktörler olmuştur. Daha sonraki aşamalarda, kenar tespiti algoritması olan Canny ile birleştirilen Pix2Pix modeli üzerine yoğunlaşılmıştır. Pix2Pix'in kenar tespiti algoritmasıyla kullanılması fikri, difüzyon modellerden ilham alınarak geliştirilmiştir. Bu algoritma, nokta bulutları halinde siyah-beyaz görseller üretmemizi sağlamaktadır. 'FISPIS' resimlerindeki temel yapısal detayları belirginleştirerek modelin bu özellikleri daha iyi öğrenmesini sağlamıştır. Eğitim süreci boyunca, modelin performansı her 10 devirde bir PSNR (Zirve Sinyal-Gürültü Oranı), SSIM (Yapısal Benzerlik İndeksi), MS-SSIM (Çok Ölçekli Yapısal Benzerlik İndeksi) ve MSE (Ortalama Kare Hatası) gibi metriklerle değerlendirilmiştir. Bu metrikler, modelin doğruluğunu ve görsel kaliteyi objektif bir şekilde ölçmek için kullanılmıştır. Sonuçlar, kenar tespiti ile birlikte kullanılmış Pix2Pix modelinin, 'FISPIS' tekniğinin belirgin görsel ve dokusal özelliklerini büyük ölçüde yakaladığını göstermektedir. Bu model, yalnızca görselleri taklit etmekle kalmayıp, aynı zamanda özgün sanatsal tekniklerden ilham alarak yeni eserler üretebilme kapasitesine sahip olduğunu göstermektedir. Bu durum, modelin soyut sanat tekniklerini öğrenme ve yeniden üretme potansiyelini vurgulayarak, sanatsal tekniklerin yapay zeka tarafından öğrenilmesi ve yeniden üretilmesi konusunda kısıtlı imkanlarda da kullanılabilecek bir yöntem sunar. Bu çalışma, yalnızca yapay zeka ve sanatın kesişim noktasında gelecekte yapılacak araştırmalar için pratik bir temel oluşturmakla kalmayıp, aynı zamanda soyut çalışan sanatçılar için de yenilikçi, kullanışlı ve ulaşılabilir bir yöntem olarak sunulmaktadır.