Dit portret, “Edmond de Belamy”, werd in 2018 verkocht voor $ 432.500. Het is gemaakt door een algoritme.
Toen de Britse kunstenaar Harold Cohen in 1968 zijn eerste computer ontmoette, vroeg hij zich af of de machine zou kunnen helpen bij het oplossen van een mysterie dat hem lang in verwarring had gebracht: hoe kunnen we naar een tekening kijken, een paar kleine krabbels en een gezicht zien? Vijf jaar later bedacht hij een robotkunstenaar genaamd AARON om dit idee te onderzoeken. Hij rustte het uit met basisregels voor schilderen en voor hoe lichaamsdelen worden weergegeven in portretten – en liet het vervolgens los om kunst te maken.
Niet ver achter was de componist David Cope, die de term ‘muzikale intelligentie’ bedacht om zijn experimenten met door kunstmatige intelligentie aangedreven compositie te beschrijven. Omgaan met heeft me ooit verteld dat het hem al in de jaren zestig ‘volkomen logisch leek om creatieve dingen te doen met algoritmen’ in plaats van nauwgezet met de hand elk woord van een verhaal, noot van een muzikale compositie of penseelstreek van een schilderij te tekenen. Hij sleutelde aanvankelijk aan algoritmen op papier en stapte in 1981 over naar computers om een geval van componistenblokkade op te lossen.
Om ons 100-jarig jubileum te vieren, belichten we enkele van de grootste vorderingen in de wetenschap van de afgelopen eeuw. Ga naar Century of Science om meer uit de serie te zien.
Cohen en Cope behoorden tot een handvol excentriekelingen die computers ertoe aanzetten tegen hun aard in te gaan als koude, berekenende dingen. Het nog ontluikende veld van AI was volledig gericht op solide concepten zoals redeneren en plannen, of op taken zoals schaken en dammen of het oplossen van wiskundige problemen. De meeste AI-onderzoekers hadden moeite met het idee van creatieve machines.
Maar terwijl Cohen en Cope een stroom academische papers en boeken over hun werk op gang brachten, ontstond er langzaamaan een veld om hen heen: computationele creativiteit. Het omvatte de studie en ontwikkeling van autonome creatieve systemen, interactieve hulpmiddelen die menselijke creativiteit ondersteunen en wiskundige benaderingen voor het modelleren van menselijke creativiteit. Eind jaren negentig werd computationele creativiteit een geformaliseerd studiegebied met een groeiend cohort van onderzoekers en uiteindelijk zijn eigen studiegebied. logboek en jaarlijkse gebeurtenis.
Al snel – dankzij nieuwe technieken die zijn geworteld in machine learning en kunstmatige neurale netwerken, waarin verbonden computerknooppunten proberen de werking van de hersenen te spiegelen – kunnen creatieve AI’s real-world gegevens absorberen en internaliseren en patronen en regels identificeren die ze kunnen toepassen op hun creaties.
Computerwetenschapper Simon Colton, toen aan het Imperial College London en nu aan de Queen Mary University of London en Monash University in Melbourne, Australië, besteedde een groot deel van de jaren 2000 aan het bouwen van de Dwaas schilderen. Het computerprogramma analyseerde de tekst van nieuwsartikelen en andere geschreven werken om het sentiment te bepalen en trefwoorden te extraheren. Vervolgens combineerde het die analyse met een geautomatiseerde zoekopdracht op de fotografiewebsite Flickr om het te helpen bij het genereren van schilderachtige collages in de sfeer van het originele artikel. Later leerde de Schilderende Dwaas om in realtime portretten te schilderen van mensen die hij ontmoette via een aangesloten camera, waarbij hij opnieuw zijn “stemming” toepaste op de stijl van het portret (of in sommige gevallen weigerde iets te schilderen omdat het in een slecht humeur was).
Evenzo, in de vroege jaren 2010 wendde computationele creativiteit zich tot gaming. AI-onderzoeker en gamedesigner Michael Cook wijdde zijn Ph.D. scriptie en vroeg onderzoekswerk bij Goldsmiths, University of London tot het creëren van ANGELINA — die eenvoudige spellen maakte op basis van nieuwsartikelen van de bewakereen combinatie van actuele tekstanalyse met hard-coded ontwerp- en programmeertechnieken.
In dit tijdperk, zegt Colton, begonnen AI’s op zichzelf te lijken op creatieve kunstenaars – met elementen van creativiteit zoals intentionaliteit, vaardigheid, waardering en verbeeldingskracht. Maar wat volgde was een focus op mimicry, samen met controverse over wat het betekent om creatief te zijn.
Nieuwe technieken die uitblonken in het classificeren van gegevens met een hoge mate van precisie door herhaalde analyse, hielpen AI om bestaande creatieve stijlen onder de knie te krijgen. AI zou nu werken kunnen maken zoals die van klassieke componisten, beroemde schilders, romanschrijvers en meer.
Een door AI geschreven schilderij gemodelleerd naar duizenden portretten geschilderd tussen de 14e en 20e eeuw verkocht voor $ 432.500 op een veiling. In een ander geval hadden studiedeelnemers het moeilijk om de muzikale frases van Johann Sebastian Bach te onderscheiden van die gemaakt door een computerprogramma genaamd Kulitta die waren getraind op composities van Bach. Zelfs IBM deed mee met het plezier door zijn Watson AI-systeem te belasten met 9.000 recepten analyseren om zijn eigen keukenideeën te bedenken.
Maar velen in het veld, evenals toeschouwers, vroeg zich af of deze AI’s echt creativiteit toonden. Hoewel ze verfijnd waren in hun mimiek, leken deze creatieve AI’s niet in staat tot echte innovatie omdat ze niet in staat waren om nieuwe invloeden uit hun omgeving op te nemen. Colton en een collega beschreven ze als: die “veel menselijke tussenkomst, supervisie en zeer technische kennis” vereisen bij het produceren van creatieve resultaten. Over het algemeen, zoals componist en computermuziekonderzoeker Palle Dahlstedt het stelt, convergeerden deze AI’s naar het gemiddelde, waardoor iets typisch werd gecreëerd voor wat er al is, terwijl creativiteit verondersteld wordt af te wijken van het typische.
Om de stap naar echte creativiteit te maken, Dahlstedt stelde voor:AI “zou de oorzaken van de muziek moeten modelleren, de voorwaarden voor het ontstaan ervan – niet de resultaten.”
Ware creativiteit is een zoektocht naar originaliteit. Het is een nieuwe combinatie van uiteenlopende ideeën op nieuwe manieren. Het zijn onverwachte oplossingen. Het kan muziek zijn of schilderen of dans, maar ook de flits van inspiratie die helpt leiden tot vooruitgang op het gebied van gloeilampen en vliegtuigen en het periodiek systeem. Volgens velen op het gebied van computationele creativiteit is het nog niet bereikbaar door machines.
In de afgelopen paar jaar zijn creatieve AI’s uitgegroeid tot het uitvinden van stijlen – tot auteurschap dat geïndividualiseerd is in plaats van imitatie en dat betekenis en intentionaliteit uitstraalt, zelfs als die er niet zijn. Voor Colton is dit element van intentionaliteit – een focus op het proces, meer dan de uiteindelijke output – de sleutel tot het bereiken van creativiteit. Maar hij vraagt zich af of betekenis en authenticiteit ook essentieel zijn, aangezien hetzelfde gedicht tot heel verschillende interpretaties kan leiden als de lezer weet dat het door een man versus een vrouw versus een machine is geschreven.
Als een AI het zelfbewustzijn mist om na te denken over zijn acties en ervaringen, en om zijn creatieve bedoelingen te communiceren, is het dan echt creatief? Of is de creativiteit nog steeds bij de auteur die het gegevens heeft gevoed en het heeft gestuurd om te handelen?
Uiteindelijk kan de overgang van een poging tot denkende machines naar een poging tot creatieve machines ons begrip van onszelf veranderen. Zeventig jaar geleden bedacht Alan Turing – soms beschreven als de vader van kunstmatige intelligentie – een test die hij ‘het imitatiespel’ noemde om de intelligentie van een machine te meten met die van ons. “Turing’s grootste inzicht,” schrijft technologiefilosoof Joel Parthemore van de Universiteit van Skövde in Zweden, “liggen in het zien van digitale computers als een spiegel waardoor de menselijke geest zichzelf kon beschouwen op manieren die voorheen niet mogelijk waren.”
