AI en creativiteit

Allereerst, enige nuancering is wel op z'n plaats. AI brengt zeker verandering, maar we moeten niet vergeten dat we midden in een hype zitten. Als je het plat slaat is AI nog steeds statistiek. Wel heel ingewikkelde statistiek, maar toch, het kan nog niet echt "denken" zoals mensen dat kunnen. De schrijver Ted Chiang (bekend van o.a. het verhaal waarop de film 'Arrival' is gebaseerd) pleit daarom voor een andere benaming van AI, namelijk 'Applied Statistics'. Dat haalt direct de mystiek weg van dat AI daadwerkelijk denkvermogen zou hebben. De 'Singularity', oftewel het moment waarop AI zelf AI gaat inzetten en zichzelf daarmee in een oneindige recursieve loop verrijkt met meer en meer kennis lijkt nog niet aanstaande. Maar toch, het is indrukwekkend wat er nu mogelijk is. Op basis van een paar woorden kan iedereen een beeld maken.

Als je een poosje zelf gaat spelen met AI en beeldcreatie, bijvoorbeeld via Midjourney, vallen een paar zaken op. Allereerst denk je: "wow, amazing, hoe is dit mogelijk?". En je probeert het allemaal: "cats in space", "a close-up film scene of a monkey and giraffe arguing over a banana", je combineert een foto van jezelf met een reiger. Elk beeld levert iets moois op, of in elk geval iets wat een emotie oproept. Je volgt anderen die er ook mee bezig zijn en ziet de oneindige mogelijkheden van fantasierijke beelden. Maar dan. Na een paar dagen merk je dat de magie verdwijnt. Mensen zijn ontzettend goed in het herkennen van patronen. Na een paar sessies AI image generation, heb je het ook wel weer gezien. Alles begint een beetje op elkaar te lijken. En als alles op elkaar begint te lijken, is er toch iets nodig waarmee je jezelf weer kan onderscheiden. Creativiteit.

Hoe zorg je ervoor dat jouw beeld eruit springt? Wie zorgt ervoor dat het beeldconcept goed verwoord wordt? Als creatief ben je gewend om met dit soort vragen om te gaan. Een AI kan je overweldigen met mooi beeld, maar wat als het niet bij het concept past, wat als de compositie niet helemaal klopt? De ene prompt is de ander niet. "Een mus op een tak" kan iedereen intypen. Maar wat als je de uitdrukking, de stijl of de compositie wil veranderen? Wat als je de sfeer wil veranderen, of de kleuren zodat het bij de klant past? Hiervoor zijn uitgekiende prompts nodig en een diepe kennis van het onderwerp of de klant. Het maken van een prompt of het "ontwerpen" ervan heet Prompt Designing. Prompt Designer is een beroep dat je bij gespecialiseerde bedrijven kan uitoefenen. Bij Clarify kennen we onze klanten goed, en weten we welke prompts geschikt zijn in welke situatie. Dit onderscheidt ons van de mus op de tak. Voor een goede prompt heb je een creatief nodig.

Maar hoe zit het eigenlijk met al die beelden? Waar komen ze vandaan? Mag je eigenlijk wel zomaar een op Rembrandt geïnspireerd beeld genereren? Binnenkort volgt dan ook de dag waarvan je wist dat die zou komen: de rechtszaak waarin kunstenaars Stable Diffusion aanklagen omdat het oneigenlijk gebruik zou maken van auteursrechtelijk beschermd materiaal. Ze hebben een overzichtelijke site gemaakt met hun argumenten:

Stable Diffusion Litigation

Een interessante zaak, en eentje zonder precedent bovendien. De uitspraak zal ongetwijfeld richting geven aan hoe we over AI en auteursrecht na gaan denken. Maar technisch gezien kloppen de argumenten niet helemaal. Hier een overzicht:

Dit is niet hoe Stable Diffusion werkt. De plaatjes op zichzelf zijn niet opgeslagen in het netwerk, maar het netwerk bevat wel abstracte eigenschappen van deze plaatjes. Eigenschappen zoals kleur, vorm en textuur, maar ook abstractere kenmerken zoals "romantisch", "episch" of "net als in een film". Deze worden allemaal opgeslagen in een complexe, multidimensionale ruimte die 'latent space' wordt genoemd. Een AI zoals Stable Diffusion is in deze zin te vergelijken met een kunstmatig brein (een neuraal netwerk) dat leert op basis van plaatjes die het gevoed krijgt. De AI kijkt als het ware als een mens naar de plaatjes en onthoudt zijn "impressie".

Een veelgebruikt netwerk van Stable Diffusion is ongeveer 5GB. Voor de 1 miljard plaatjes waarop het getraind is, komt dat neer op ongeveer 5 bytes per plaatje, vergelijkbaar met 2 pixels. Dit geeft goed aan dat Stable Diffusion niet de plaatjes zelf kan bevatten (zelfs niet een extreem compacte versie), maar iets dat abstracter is. Overigens begrijpen de makers van deze modellen ook niet volledig hoe het werkt. Een neuraal netwerk is zo complex en de 'latent space' zo groot dat niet altijd duidelijk is welke eigenschappen precies worden opgeslagen en waar deze zich vervolgens bevinden. Maar dat het een lossy compressor zou zijn is incorrect.

Dat klopt op zichzelf. Het netwerk is getraind met 1 miljard plaatjes, waarvan sommige beschermd. De abstracte eigenschappen van deze plaatjes zitten in het netwerk gecodeerd en zijn afgeleid van dit materiaal. Alleen, wat houdt "afgeleid" precies in en wanneer is dit legaal of niet? En hoe is dit anders dan hoe een kunstenaar van vlees en bloed inspiratie haalt uit plaatjes die hij heeft gezien? Een kunstenaar kan zelf ook leren door goed te kijken naar de stijl of compositie van beschermd werk van anderen. In essentie zou je kunnen zeggen dat dat precies is wat Stable Diffusion ook doet, maar dan een stukje sneller.

Het is te hopen dat de uitspraak gedaan wordt met voldoende kennis van zaken en argumenten die technisch gezien ook echt kloppen.

De roep van creatieven om AI een halt toe te roepen lijkt mij uiteindelijk een doodlopende zaak. De geest is uit de fles, AI is 'here to stay'. Het zal interessant zijn om te zien hoe AI image generation zich ontwikkelt. Wat gebeurt er als de komende jaren AI weer getraind wordt met door AI gegeneerd beeld? Komen we niet in een oneindige recursieve stroom van middelmatigheid terecht? Ik zie heel veel kansen voor AI, maar echt originele ideeën komen alleen tot stand als je zelf nadenkt, zelf leest, zelf creëert. Dat kan zeker met de hulp van AI, maar ik geloof persoonlijk in de kracht van eigen denkvermogen. Anders denk je op een gegeven moment alleen maar wat iedereen al denkt. Ik vind het juist interessant om te kijken wat er mogelijk is om hier weer uit te breken.

Misschien zal het vergelijkbaar zijn met hoe de schaakwereld de laatste jaren is veranderd. Schaakcomputers hebben menselijke schakers al een poosje in de tang. Maar doordat schakers de AI hebben bestudeerd, zijn er allemaal nieuwe zetten ontdekt die het schaakspel voor mensen ook interessanter maken. En zelfs misschien wel creatiever. Schaken is populairder dan ooit, ondanks dat AI tegenwoordig met gemak zou kunnen winnen van een mens. Ook al neemt AI een deel van ons werk over, het vereist nog altijd nieuwe ideeën, oorspronkelijke gedachten en een originele prompt om beelden te verzinnen die je raken. En creatieven weten daar wel raad mee.