Это был особенный момент для всех нас. Впервые мы поделились своим видением и демонстрацией многофункциональной платформы искусственного интеллекта с открытым исходным кодом со всем миром!

Однако примерно через неделю после нашего первоначального объявления Amazon объявила о присуждении Amazon Alexa Prize Socialbot Grand Challenge 4, и вся наша команда погрузилась в сумасшедший режим этого захватывающего соревнования!

И тем не менее, 8 декабря 2020 г. , после нескольких выступлений о DeepPavlov Dream на NVIDIA GTC Fall 2020, ODSC West 2020 и т. д., мы сделали общедоступной очень небольшую вариацию Dream. Deepy 3000. В отличие от оригинального Dream, у этого было только два навыка и несколько аннотаторов.

Deepy, конечно, был довольно примитивным по сравнению с дистрибутивом Dream. Тем не менее, это был наш самый первый универсальный ИИ-помощник, доступный как в веб-демонстрации, так и в виде исходного кода. Теперь каждый может создавать своих собственных ИИ-помощников с разными навыками.

Однако Deepy не хватало большинства аннотаторов Dream для извлечения бесценных функций из пользовательских высказываний, таких как сущности, эмоции и т. д., ему не хватало надлежащей основы для развития навыков, ему не хватало всех передовых технологий, которые мы создали для управления многофункциональным ИИ. помощники.

Ранее этим летом наше участие в Alexa Prize SGC4 было завершено, и мы вернулись к нашему первоначальному плану по открытию исходного кода DREAM Socialbot в качестве прочной основы нашего DeepPavlov Dream 9.0012 . Тем не менее, нам нужно было проделать большую работу, чтобы наш социальный робот Alexa Prize был готов к повседневному использованию вне инфраструктуры Amazon Alexa и AWS. К счастью, благодаря нашему новому партнеру, компании SAMSUNG в России, у нас появилась прекрасная возможность подключиться к местному сообществу открытого исходного кода. Благодаря нашему участию в SAMSUNG COMMoN School (см. объявление) мы организовали полный курс, полностью посвященный рефакторингу DREAM Socialbot в платформу DeepPavlov Dream — с открытым исходным кодом Multi-Skill AI Assistant Platform 9.0012 .

В то же время мы расширили нашу работу, чтобы поддержать историю разработчиков о DeepPavlov Dream, инвестируя в Dialog Flow Framework, в частности DF Engine , наш механизм конечного автомата для навыков, основанных на сценариях, а также в Dev Tools направление.

Итак, сегодня, 30 декабря 2021 , более года с момента первоначального объявления, это большое удовольствие для всех нас в DeepPavlov на объявляем , что наша новейшая версия DeepPavlov Dream с открытым исходным кодом Multi-skill AI Assistant Platform наконец-то доступна для разработчиков!

Существует довольно много ресурсов, объясняющих, что такое Dream: первоначальное объявление (3 сентября 2020 г.), два технических отчета Alexa Prize (2020, 2021 гг.), объявление Deepy 3000, две недавние записи в блоге (Modular Dream Socialbot, Diffulties of asynchronous Pipeline , или почему мы используем dp-agent).

Однако самый короткий способ объяснить, что такое Сон, таков:

DeepPavlov Dream — это многопрофильная платформа искусственного интеллекта с открытым исходным кодом .

Он построен на основе стека разговорного ИИ DeepPavlov , и снабжен набором инструментов разработки (один, DF Designer , уже доступен в виде альфа-версии в VS Code Marketplace, другие будут следовать позже в следующем году):

Экосистема DeepPavlov/стек разговорного ИИ (примерно 29 декабря 2021 г. )

DeepPavlov Dream использует модели ML и DL, упакованные как « Аннотаторы », чтобы извлекать различные функции, такие как сущности, эмоции, настроения из высказываний пользователя. Некоторые из этих моделей взяты из нашей библиотеки DeepPavlov , в то время как другие были получены от исследовательского сообщества или созданы с нуля. В следующем году мы перенесем эти аннотаторы в их собственные образы DockerHub, а также создадим инструменты для простого создания пользовательских дистрибутивов Dream с нуля.

DeepPavlov Dream использует 2 движка всего нашего стека диалогового ИИ:

• Агент для управления навыками; Агент — это сердце Dream, так как он является основой его многофункциональной архитектуры;
• Dialog Flow Framework для запуска отдельных навыков; it родился во время Amazon Alexa Prize Socialbot Grand Challenge 4, и с ним очень легко создавать собственные навыки, основанные на сценариях для Dream .

DeepPavlov Dream — это надежная архитектура, масштабируемая для поддержки использования от одного пользователя до множества через Docker/Kubernetes, поскольку каждый из ее компонентов в конвейере не имеет состояния и может быть легко масштабирован в соответствии с вашими потребностями:

DeepPavlov Dream Multi-skill AI Assistant Platform (около 29 декабря 2021 г.)

Вы можете узнать больше о Dream из основополагающего доклада Диляры Баймурзиной на AI Journey 2021 : https://youtu.be/Ux7UJ1gVKTA?t=206

С DeepPavlov Dream вы можете создать своего собственного ИИ-помощника, такого как Amazon™ Alexa™, Google Assistant™ или Siri™ от Apple.

Итак, вы можете быть озадачены. Если вы можете создать своего собственного многофункционального помощника с искусственным интеллектом с помощью DeepPavlov Dream Чем это отличается от существующих подходов?

Начнем с того, что у Dream есть что-то общее с очень популярной инфраструктурой диалогового ИИ с открытым исходным кодом, RASA. Как и в RASA, в Dream есть множество моделей ML и DL (мы называем их Annotators ), которые могут извлекать множество функций из высказываний пользователя точно так же, как модели в конвейере RASA. Как и в RASA, в Dream есть собственный движок для создания навыков, основанных на сценариях (Dialog Flow Framework, подробнее об этом ниже). Однако, в отличие от RASA, Dream предлагает 9 баллов.0009 Собственная многопрофильная архитектура , предоставляемая Агентом DeepPavlov , обеспечивающая единый фирменный стиль , построенный вокруг нескольких отдельных чат-ботов.

Благодаря своей многофункциональной архитектуре Dream похож на ИИ Майкрофта. Как и ИИ Майкрофта, Dream предоставляет механизм для создания многофункциональных ИИ-помощников . В отличие от ИИ Майкрофта, который ориентирован на использование помощников ИИ с несколькими навыками как такового , Dream построен как постоянно развивающийся . открытая архитектура для создания помощников искусственного интеллекта нового поколения . Мы 😍 Разговорный ИИ! Подробнее об этом ниже.

Итак, с помощью Dream вы можете создать своего собственного многофункционального ИИ-помощника наподобие Amazon Alexa для себя или для своей организации . И вы можете развернуть его на AWS, в своем собственном центре обработки данных или, если он может это выдержать, прямо на вашем собственном ПК ! Вы контролируете все аспекты того, что совместно используется с какими компонентами, и вы выберите любые компоненты из своего дистрибутива . Короче говоря, все под вашим контролем.

Таким образом, наличие своей мечты очень похоже на наличие собственного помощника ИИ (хотя для реализации некоторых базовых сценариев, таких как напоминания, потребуется некоторое время; вы можете создать их самостоятельно, выберите те сделанные сообществом, или вы можете попросить нас построить их).

Итак, подведем итог: если вы хотите создать своего собственного помощника по искусственному интеллекту для вашей экосистемы, как это сделали Google или Amazon, Мечта — твой выбор!

Теперь, когда вы узнали, что Dream сравнивают с RASA, Amazon Alexa и Mycroft AI, вы можете задаться вопросом: что делает наш Dream особенным?

Я упоминал, что DeepPavlov 💖 Разговорный ИИ?

Эта любовь — больше, чем просто наша страсть к созданию социальных ботов, чат-ботов и тому подобного. Ведь способов их приготовления огромное множество. Для нас ключевая цель — выяснить, как на самом деле должны работать эти ИИ-помощники.

9 лет назад Михаил Бурцев, основатель DeepPavlov, дал интервью ПостНауке (PostScience) о своем видении помощников ИИ.

Это интервью, наряду с усилиями Михаила по осуществлению своей мечты об ИИ-помощниках с открытым исходным кодом, было предвестником неизбежного. Спустя 5 лет родился амбициозный проект под названием iPavlov. Его первым продуктом была библиотека DeepPavlov, библиотека на основе TF 1.x Python, которая упростила создание конвейеров нескольких моделей ML и DL для решения различных задач NLP, таких как NER, связывание сущностей и т. д. Сегодня библиотека DeepPavlov имеет более 300 тыс. загрузок, более 1 млн загрузок образов DockerHub, более 5 тыс. звезд на GitHub и находится в активной разработке.

Но Михаил хотел большего. В 2019 году завершен проект iPavlov; коммерческая сторона превратилась в спин-офф, а лаборатория получила новый бренд DeepPavlov.ai. и под руководством Михаила мы продолжили наши набеги на будущее разговорного ИИ.

Благодаря неустанному вниманию Михаила к созданию более сложных диалоговых систем, DeepPavlov.ai начал работу над многопрофильным диалоговым ИИ-оркестратором с открытым исходным кодом. Благодаря Alexa Prize SGC 3 этот оркестратор теперь называется 9.0009 DeepPavlov Agent , dp-agent для краткости, стал сердцем оригинального DREAM Socialbot. Теперь он питает DeepPavlov Dream .

Михаил и я рассказали о важности архитектуры Multi-Skill AI Assistants на NVIDIA GTC Fall 2020:

https://www.nvidia.com/en-us/on-demand/session/gtcfall20-a21430/

Но на этом история не закончилась. О, напротив, мы только начали!

В сентябре прошлого года, когда мы планировали DREAM 2 Socialbot для Amazon Alexa Prize SGC 4, Михаил дал нам новое направление . Он считал, что нам нужно интегрировать концепцию Целей в AI Assistant. Абстрактные цели, такие как «быть услышанным», «поправиться с помощью разговора» и т. д. Эти идеи сильно резонировали со мной.

В конце концов, 7 лет назад я впервые выступил на TEDx; в то время как он начался с проблемы функциональной неграмотности, я также описал будущее помощников ИИ (на русском языке).

Идеи Михаила о том, что мы должны делать с ИИ-помощниками, в сочетании со страстью двигаться к ИИ-помощникам, которые могут стать нашими друзьями, советниками, наставниками, учителями, вдохновили меня и моих коллег на более глубокое изучение этого направления.

Вместе с Дилярой Баймурзиной, руководителем группы нашего социального бота DREAM 2 для Alexa Prize SGC 4, мы впервые рассказали о своем видении создания многоцелевого ИИ-помощника на NVIDIA GTC Spring 2021:

https: //www.nvidia.com/en-us/on-demand/session/gtcspring21-e31465/

Позже в этом году мы представили наше видение трехуровневого диалогового планирования на конференции Conversations AI 2021 (видео будет опубликовано на YouTube в следующем месяце). год). Буквально на этой неделе Диляра защитила докторскую диссертацию, где заложила основу для Целеосознающего/целеустремленного диалогового управления. Тем не менее было ясно, что необходимо еще больше строительных блоков.

Сегодня, после всего, что мы узнали из нашего участия в Amazon Alexa Prize Socialbot Grand Challenges 3 и 4, мы все в DeepPavlov хотим еще большего:

Мы хотим понять, как сделать помощника ИИ правдоподобным. Мы хотим понять, как профилировать наших пользователей и как заставить ИИ-помощников адаптироваться к ним. Мы хотим, чтобы наши помощники ИИ были чуткими. Мы хотим, чтобы они узнали о целях пользователей и имели свои собственные. Мы хотим, чтобы они стратегически планировали свои диалоги с нами. Мы хотим, чтобы они заботились о нас.

Как всего этого добиться? Готовых ответов нет. Это процесс открытия.

Ранее в этом году, когда мы праздновали трехлетие библиотеки DeepPavlov, я рассказал об айсберге разговорного ИИ:

Это наше понимание того, на чем мы должны сосредоточиться в DeepPavlov. Ключевые технологии.

И мы не одни. Ранее в этом году компания Gartner опубликовала регулярный отчет о конкурентной среде : поставщики диалоговых платформ искусственного интеллекта 9.0012 (ЦАИП). Вы можете получить дополнительный отчет от наших коллег из Kore.ai здесь. В ней конкретно наметили эволюционный путь ЦАИП от простых чат-ботов до ИИ-помощников Multi-Skill:

В рамках созданного ранее в этом году в МФТИ совместно со Сбером Федерального исследовательского центра ИИ мы в DeepPavlov. ai наметил наш путь к будущему разговорного ИИ. Чтобы реализовать наши амбициозные сценарии для помощников ИИ, , мы начали и в настоящее время проводим исследования по нескольким направлениям, оба прикладные и теоретические. Here’s a list of some of them:

• User & Bot Persona Modeling
• Affective AI (Empathy)
• Strategic Dialog Planning
• Controllable Response Generation
• Automated and Semi-Automated Dialog Graph Generation
• Multimodality
• Knowledge Извлечение графов из языковых моделей

и многие другие направления!

В ближайшие годы мы продолжим работать в этих направлениях, чтобы произвести революцию в области разговорного ИИ. Хорошо для вас, что мы будем использовать DeepPavlov Dream как наша всегда развивающаяся открытая архитектура для разработка следующей волны помощников ИИ .

Это также означает , что мы сделаем эти технологии доступными для вас как часть наших дистрибутивов, и вы сможете использовать их в своих продуктах!

Поговори с мечтой!

Замечательно!

Чтобы попробовать Dream, вы можете сделать одно из 3-х действий:

• Поговорите с нашей установкой Dream AI Assistant через наш веб-сайт,
• Клонируйте репозиторий, запустите все это на своем ПК или в вашем центре обработки данных и начните диалог в командной строке,
• Клонируйте репозиторий , используйте наш прокси для переноса тяжелых вычислений в центр обработки данных DeepPavlov, запустите остальную часть Dream на вашем ПК и начните диалог в командной строке.

Если вы хотите попробовать всю игру Dream на своем ПК, знайте, что она довольно требовательна к ресурсам. 1 реплика проедает:

• 4 графических процессора NVIDIA GTX 1080 Ti (11 ГБ) для запуска моделей машинного обучения и машинного обучения (аннотаторов),
• ~ 40 ГБ ОЗУ (в основном используется для запуска облегченной версии последней версии Викиданных в памяти),
• ~ 100 ГБ для хранения (в основном используется для хранения актуальной облегченной копии Викиданных)

Чтобы запустить Dream на вашем компьютере на процессоре, используйте следующую команду:

 docker-compose -f docker-compose.yml -f Assistant_dists/dream/ docker-compose.override.yml up --build 

Если вы хотите, чтобы он работал на графическом процессоре, используйте вместо этого эту команду:

 AGENT_PORT=4242 docker-compose -f docker-compose.yml -f Assistant_dists/dream/docker-compose.override.yml -f Assistant_dists/dream/test.yml up 

Наконец, чтобы запустить Dream через наш прокси, используйте эта команда:

 docker-compose -f docker-compose. yml -f Assistant_dists/dream/docker-compose.override.yml -f Assistant_dists/dream/proxy.yml up --build 

Остерегайтесь, однако, что при запуске Dream через наш прокси, вы будете использовать ограниченные ресурсы API DeepPavlov Dream Cloud. Эти API представляют собой практически те же контейнеры Docker, которые доступны в репозитории, но работают в DeepPavlov Datacenter. Когда вы используете наши прокси, Dream использует специальные легкие контейнеры, которые перенаправляют локальные вызовы на тяжелые контейнеры, работающие в нашем облаке. Однако ваш агент и сопровождающая его база данных Mongo DB работают локально на вашем компьютере.

В ближайшие месяцы мы добавим квоты, чтобы сделать использование DeepPavlov Dream Cloud API более доступным для как можно большего числа разработчиков.

После того, как вы запустили Dream, для чата с Dream, в отдельной вкладке терминала запустите:

 docker-compose exec agent python -m deeppavlov_agent. run 

Введите свое имя пользователя и наслаждайтесь беседой!

Попробуйте другие дистрибутивы

Наша цель для DeepPavlov Dream как платформы — облегчить создание новых многофункциональных ИИ-помощников. Мы разработали всю платформу вокруг этого мощная идея : ИИ-помощники , проще говоря, дистрибутивы таких компонентов, как аннотаторы и навыки .

Уже доступно несколько дистрибутивов. Большинство из них были созданы в предыдущем году, а последний, DREAM Socialbot, был создан с использованием адаптированной версии нашего социального бота DREAM 2, изначально разработанного во время конкурса Socialbot Grand Challenge 4, присуждаемого Amazon Alexa Prize.

Вот пример того, как вы можете запустить очень простой дистрибутив Deepy:

 docker-compose -f docker-compose.yml -f Assistant_dists/deepy_base/docker-compose.override.yml up --build 

Узнайте больше о запуске других дистрибутивов из нашего файла Readme!

Добавить ASR и TTS

Если вы хотите поговорить с Dream AI Assistant на своем компьютере, используйте ASR и TTS (предоставляется NeMo от нашего партнера, NVIDIA).

Для этого вы можете добавить пользовательский файл docker-compose с именем asr_tts.yml , расположенный в /assistant_dists в вашу команду docker-compose следующим образом: -build

После этого вы сможете взаимодействовать со своим дистрибутивом через службу ASR, предоставляя речевой ввод через его конечную точку http://_service_name_:4343/asr?user_id= . Прикрепите записанный голос в виде файла .wav , 16 кГц.

Вы можете использовать сервис NeMo или Clone TTS, отправляя пакеты текстовых фраз на его конечную точку http://_tts_service_name:_tts_service_port_/tts?text=_your_text_here_ .

Теперь, когда вы попробовали нашу Dream, сделайте следующий шаг: создайте свои собственные навыки!

Однако, прежде чем создавать его, мы рекомендуем вам прочитать нашу вики-документацию о различных видах навыков. Когда вы закончите, узнайте больше о развитии собственных навыков здесь.

Весь рабочий процесс для вас относительно прост:

1. Создайте новую ветку для вашего собственного дистрибутива
2. Скопируйте папку существующего дистрибутива (например, Assistant_dists/dream/docker-compose.override.yml для Dream) в Assistant_dist/[YOUR_DISTRIBUTION_HERE]/
3. Создайте папку для своего навыка в папке skills
4. Развивайте свой собственный навык, следуя инструкциям выше
5. Зарегистрируйте его в системе ( docker-compose.override.yml и pipe_conf.json в папке вашего дистрибутива в Assistant_dists )
6. Запустите!

Создайте свои собственные навыки с помощью Dialog Flow Framework

Хорошо, пользовательские навыки — это довольно весело. Но если вы хотите сделать что-то пригодное для производства, возможно, имеет смысл использовать более прочную основу.

К счастью, Dream поставляется с нашей последней и лучшей Dialog Flow Framework (DF Engine, DF Addons и т. д.). DF Engine — это диалоговый движок конечного автомата, который позволяет развивать основанные на сценариях навыки в DeepPavlov Dream (а также в автономном режиме, подробнее об этом позже). Первоначально вдохновленный E-STDM, механизм конечного автомата, созданный командой Emora, победившей в Alexa Prize 3, Dialog Flow Framework , был полностью переписан ранее этим летом.

Dialog Flow Framework предоставляет вам собственный DSL на основе Python, который вы можете использовать для определения логики вашего навыка:

В этом видео вы можете узнать больше о Dialog Flow Framework и сопутствующих технологиях. Денис Кузнецов, создатель Dialog Flow Framework, представил его на AI Journey 2021 в начале этого года.

В репозитории DeepPavlov Dream уже есть множество навыков, основанных на DFF. Проверьте наличие навыков, отмеченных [Новая версия DFF] , в разделе «Навыки» в файле readme.

Чтобы развить собственный навык, вам понадобится feat/dff/template_v3 ветка репозитория Dream. В ней мы подготовили для вас инструкцию. Эти инструкции включают редактирование вашего пользовательского навыка DFF, а также его регистрацию в вашем дистрибутиве Dream.

Чтобы запустить его, следуйте этим инструкциям.

Создавайте собственные навыки с помощью DD-IDDE, также известного как DF Designer!

В дополнение к ручному кодированию навыков DFF вы также можете использовать альфа-версию одного из инструментов разработки, сопровождающих DeepPavlov Dream, DD-IDDE , также известного как .ДФ Конструктор . DF Designer значительно упрощает визуальное построение ваших навыков DFF с нуля с помощью надежного кода VS.

DD-IDDE, оригинальное название DF Designer, расшифровывается как Discourse-Driven Integrated Dialogue Development Environment. Первоначально разработанный в рамках нашего среднесрочного прикладного исследования по направлению Стратегическое планирование диалога , DD-IDDE был с гордостью представлен на семинаре CODI 2021 на главной конференции по искусственному интеллекту EMNLP 2021 в начале этого года.

Одной из самых крутых экспериментальных функций DD-IDDE (поэтому о ней впервые было объявлено на EMNLP 2021) является уникальная система рекомендаций, которая позволяет разработчикам предсказывать следующие шаги пользователя в текущем состоянии диалога. Вы можете узнать больше об этой функции в статье о ней, опубликованной в ACL Anthology здесь.

DD-IDDE, также известный как DF Designer, представляет собой расширение VS Code, основанное на Draw.io (хотя в более поздних версиях мы перенесем его в пользовательскую библиотеку редактирования потока на основе React).

Вы можете скачать его с VS Code Marketplace здесь.

Чтобы использовать DD-IDDE, также известный как DF Designer, для создания собственных навыков DFF, используйте его для открытия сценария/main.py вашего навыка DFF.

Чтобы узнать больше о Dialog Flow Framework, перейдите по следующим ссылкам:

• Примеры
• Dialog Flow Framework (включая DF Engine, DF Addons, DF SDK и т. д.)

Вау, ты справился! Поздравляем!

Это только самое начало нашего пути к созданию DeepPavlov Dream, нашей платформы Multi-Skill AI Assistant с открытым исходным кодом .

Впереди много интересного!

Учебные пособия и онлайн-курсы:

• Улучшенные учебные пособия по разработке навыков и аннотаторов в DeepPavlov Dream
• Учебные пособия по разработке собственных селекторов навыков и ответов
• Расширенное введение в управление диалогами в Multi-Skill AI Assistants

Рассылки:

• D3PO — уменьшенная копия легендарного робота C3-PO, построенная на базе платформы DeepPavlov Dream; это было сделано нашими смелыми студентами из МФТИ этой весной
• Обновленный Deepy с навыками DFF

Документация:

• Наша документация на основе Wiki будет медленно, но неуклонно мигрировать в профессиональный формат Read-The- Сайт документации

И многое другое!

В ближайшие годы мы будем неустанно экспериментировать в выбранных и новых направлениях, и привнесет лучшие из наших инноваций в многофункциональную платформу AI Assistant с открытым исходным кодом DeepPavlov Dream .

Мы глубоко благодарны NTI (Национальная технологическая инициатива), MIPT — Наш университет, наши коллеги из оригинального проекта Ipavlov (2017–2019), Amaster Amaon Amaon 9. Amaon Amaon 9. Amaon Amaon 9. Amaon Amaon 9. Amaon Amaon 9. Amaon Amaon 9. Amaon Amaon 9. Amaon Amaon 9. Amaon Amastaon 9.0006 (за прекрасную возможность принять участие в Alexa Prize Socialbot Grand Challenges 3 и 4), NVIDIA за наше особое партнерство (и возможность поговорить на GTC!), и Facebook Research за долгосрочное исследовательское партнерство, SAMSUNG Россия (и особенно Светлана Юн !)0006 DeepPavlov.ai команда, которая сделала DeepPavlov Dream реальностью.

Особая благодарность Юрию Куратову, Идрису Юсупову, Диляре Баймурзиной, Денису Кузнецову, Павлу Пугину и Федору Игнатову за их техническое и исследовательское руководство, которое помогло представить и разработать DeepPavlov Dream.

Мы все очень гордимся тем, что можем принести в этот мир нашего ребенка, Дрим. Нам не терпится узнать, что вы из этого сделаете, и нам не терпится продолжить улучшать его для следующего поколения ИИ-помощников.

Начните свое открытие будущего разговорного ИИ прямо здесь:

https://github.com/deepmipt/dream — ваша отправная точка на пути к будущему разговорного ИИ!

С праздником!

Прогулка под Староуткинском. Урал, Гора, Пинтура пор Евгений Бурцев

Работа: Оригинальная картина маслом, единственная в своем роде Материал: холст, масло. Профессиональная масляная краска высочайшего качества Год: 2019 Стиль: Импрессионизм, Реализм Тема: Пейзаж, лето, горы Размер: 40х60×2 см 15,75″ x 23,62″ x 0,8» дюйма Материалы: Высококачественный льняной холст. Натянуты на деревянные…

Работа: Оригинальная картина маслом, единственная в своем роде
Материал: Холст, масло. Профессиональная масляная краска высшего качества
Год: 2019
Стиль: Импрессионизм, Реализм
Тематика: Пейзаж, лето, горы
Размер: 40х60×2 см 15,75″ x 23,62″ x 0,8″ в
Материалы: Высококачественный льняной холст. Натянут на деревянный брусок. Идеальная геометрия.
Это оригинальное произведение было покрыто глянцевым лаком для защиты.
Без рамы. Готов повесить.
Он поставляется с уникальным сертификатом подлинности, подписанным художником

Работа будет отправлена ​​в натянутом виде на деревянную раму толщиной 2 см. Он будет надежно упакован в картонную коробку с панелями и пузырчатой ​​пленкой.

Прогулка под Староуткинском.
Это одно из красивейших мест Южного Урала. Староуткинск — это название одной старой деревни, где мне посчастливилось побывать на пленарном заседании. Название можно перевести как Старая Утка. Деревня удачно сочетает в себе старинную архитектуру и прекрасную природу. На окраине села у реки есть целая гряда скал, каждая из которых имеет даже свое название.

Acerca de esta obra de arte: Clasificación, Técnicas & Estilos

Oleo Pintura compuesta por пигменты unidos con aceite de linaza o claveles. La técnica tradicional состоит в superponer capas de pintura cada vez más ricas en aceite para una percha sólida y duradera.

Импрессионизм Эдуард Мане (1832-1883) является первым художником в пинтаре соло темас cotidianos. Su manera де pintar rápida у segura ло convirtió ан эль предшественник дель импрессионизм. Эль 15 апреля 1874 года, выставка группы художников (Дега, Ренуар, Сезанн, Писсаро, Гийомен, Сислей и Моризо) с фотографом Надаром. Эль-Лиенцо де Клод Моне, Impression du soleil levant (1873) será utilizado por el critico de arte Louis Leroy en un artículo irónico, cuyo título fue «la exposición de los impresionistas». El movimiento nació. El movimiento себе caracteriza пор ла ejecución де pinturas аль aire libre. El pintor себе esfuerza por generar luz, impresiones en lugar де ла precisión де лос detalles.