Van het verfraaien van social media-avatars tot het ontwerpen van verbluffende mode, AI kunst tovert overal magie. Videogames bevatten algoritmisch gegenereerde landschappen, en adverteerders benutten AI’s creativiteit voor opvallende campagnes. AI kunst maakt duidelijk een grote impact. Maar wat is AI kunst precies en hoe werkt het? In deze gids ontdekken we hoe AI kunst het visuele landschap transformeert.
Wat is AI kunst? Het goede en het slechte
AI-kunst is meer dan slechts een nieuwe techniek in de digitale kunstwereld. Het proces begint met het invoeren van prompts (tekstgebaseerde instructies) in een AI-generatietool, die vervolgens unieke kunstwerken creëert op basis van deze instructies.
Deze AI-afbeeldingengeneratoren gebruiken krachtige algoritmen en machine learning om afbeeldingen te creëren, aan te passen of na te bootsen. Hoewel AI zelfstandig afbeeldingen kan genereren, is het jouw unieke creatieve input, gecombineerd met de precisie van de machine, die het kunstwerk echt tot leven brengt.
Neem bijvoorbeeld generatieve kunst. Hierbij gebruiken machine learning-algoritmen hun kracht om volledig onvoorspelbare beelden te creëren. Gebruikers kunnen basisregels instellen waarop de AI voortbouwt, of de AI volledig vrij laten om zijn eigen “creatieve proces” te volgen, als we het zo mogen noemen.
Daarnaast is er stijloverdracht, waarbij neurale netwerken kunstwerken combineren in een “mix-and-match”-stijl. Stel je voor dat je de stijl van een Van Gogh-schilderij leent en deze toepast op een stadsfoto, waardoor een betoverende combinatie ontstaat die zowel vertrouwd als vernieuwend aanvoelt.
AI-kunst blijft met zijn enorme potentieel de grenzen verleggen. Het herdefinieert wat we kennen als creativiteit en opent daarmee spannende nieuwe mogelijkheden en ongekende wegen voor expressie.
Maar net als andere baanbrekende technologieën brengt AI art ook uitdagingen met zich mee. Naarmate AI een grotere rol speelt in de creatieve wereld, worden vragen over de rol van de kunstenaar en de aard van intellectuele eigendomsrechten in de digitale kunst steeds urgenter. Waar eindigt de invloed van de kunstenaar en begint die van de machine? En wie mag zich de rechtmatige eigenaar van de kunst noemen? Helaas blijven de antwoorden op deze vragen voorlopig onduidelijk en subjectief.
AI-kunst versus traditionele kunst: Wat maakt het verschil?
Traditionele kunst draait in de kern om het menselijk aspect. Het is een pure uiting van gevoelens, herinneringen en emoties. Elke penseelstreek, gebeeldhouwde lijn of muzieknoot weerspiegelt de passie en verbeelding van de kunstenaar. Kunst is vaak een samensmelting van de wortels, ervaringen en emoties van de maker, verweven tot een unieke creatie.
AI-kunst daarentegen wordt gecreëerd door algoritmen en machine learning-modellen. Hoewel deze algoritmen door mensen worden ontworpen en verfijnd, ligt het daadwerkelijke creatieproces in handen van de machine.
Dit is het verschil:
- Inspiratie: Terwijl kunstenaars hun mojo halen uit liefdesverdriet of een zonsondergang, is de muze van AI koude, harde data. Je zou het kunnen zien als het verschil tussen koken met “liefde” en het letterlijk volgen van een recept.
- Consistentie: Denk aan traditionele kunst als dat eenmalige, legendarische live concert – het is moeilijk om het met dezelfde magie te reproduceren. AI, vooral in tekstgebaseerde taken, kan consequent hetzelfde liedje zingen. Tekst-naar-kunst AI-tools zoals DALL-E 2.0 kunnen improviseren, wat betekent dat je het een thema geeft dat elke keer anders kan klinken. Toch is het binnen bepaalde grenzen voorspelbaarder dan menselijke spontaniteit.
- Gevoelens: Een AI snikt niet in zijn doek na een slechte scheiding. Het “voelt” niet – het verwerkt. Traditionele kunst is vaak als rauwe emoties die op een doek worden uitgesmeerd.
- Evolutie en leren: AI-tools kunnen leren en evolueren. Als een AI-kunsttool is ontworpen om te leren van feedback, kan het zijn creaties in de loop van de tijd verfijnen, wat kan leiden tot meer verfijnde of aansprekende output.
- Veelzijdigheid: Terwijl traditionele kunstenaars zich vaak specialiseren in bepaalde stijlen of mediums, kan een AI worden getraind in meerdere stijlen en daartussen schakelen of ze zelfs naadloos mengen.
- Intentie: Traditionele kunst begint vaak (maar niet altijd) met een intentie of een boodschap die de kunstenaar wil overbrengen. AI heeft geen intentie in de menselijke zin. Het genereert kunst op basis van patronen die het herkent in de data.
Hoe creëert AI kunstwerken?
Het creëren van kunst met kunstmatige intelligentie is een boeiend samenspel van algoritmen en data. Verschillende AI-modellen, zoals diffusiemodellen en Generative Adversarial Networks (GAN’s), hebben zich ontwikkeld tot krachtige tools voor het genereren van diverse vormen van artistieke inhoud. Zonder te diep op de technische details in te gaan, bespreken we kort wat deze modellen zijn en hoe ze functioneren.
Diffusiemodellen
Diffusiemodellen werken volgens het principe van geleidelijke verfijning. Ze creëren een afbeelding niet in één keer, maar starten met een eenvoudige basisstructuur die ze stap voor stap verbeteren. Dit proces lijkt op hoe beeldhouwers werken: ze beginnen met een ruw blok en bewerken het geleidelijk totdat er een gedetailleerd kunstwerk ontstaat.
Diffusiemodellen vormen een aparte klasse van generatieve modellen die een willekeurig diffusieproces simuleren. Ze zetten eenvoudige dataverdelingen, zoals Gaussiaanse ruis, om in complexe structuren, zoals afbeeldingen van dieren. Het concept is geïnspireerd door het natuurkundige proces van diffusie, waarbij deeltjes zich geleidelijk verspreiden over tijd.
Het werkt als volgt:
- Het begint met een monster van je data – bijvoorbeeld een afbeelding.
- Vervolgens wordt er geleidelijk ruis toegevoegd aan dit monster. Elke iteratie wordt chaotischer totdat het een rechtlijnige, bekende verdeling weerspiegelt, zoals Gaussische ruis. Dit staat bekend als het “voorwaartse proces”.
- De belangrijkste taak van het diffusiemodel is om dit proces in omgekeerde richting te spelen. Beginnend met ons eenvoudige, ruisige monster, denoizert het model de originele data en herovert deze. Het trainingswiel voor een diffusiemodel hangt grotendeels af van de optimale denoising-functie voor elke reconstructiestap. Hier spelen neurale netwerken vaak een rol. Zodra het model volledig getraind is, kan het nieuwe monsters produceren, beginnend met alleen maar ruis en gebruikmakend van de verfijnde denoising manoeuvres.
Generative Adversarial Networks (GAN’s)
Stel je twee neurale netwerken voor: één creëert kunst en het andere beoordeelt het – dat is de essentie van Generative Adversarial Networks (GAN’s). Het eerste netwerk, de generator, produceert kunst, terwijl het tweede netwerk, de discriminator, de output bekritiseert. Samen werken ze in een dynamisch proces, waarbij de generator probeert de discriminator te slim af te zijn en zo geleidelijk steeds betere resultaten levert.
- Generator: De rol van de generator is het creëren van beelden. Het begint met het genereren van beelden uit willekeurige ruis. Na verloop van tijd, wanneer het feedback krijgt van de discriminator, verfijnt het zijn output om realistischere beelden te produceren.
- Discriminator: Het is zijn taak om onderscheid te maken tussen echte afbeeldingen en de nepafbeeldingen die door de generator worden geproduceerd. Het geeft feedback aan de generator over de kwaliteit van de gegenereerde afbeeldingen.
Tijdens het trainingsproces streeft de generator ernaar steeds realistischere afbeeldingen te creëren, terwijl de discriminator steeds beter leert onderscheid te maken tussen echte en AI-gegenereerde afbeeldingen. Het uiteindelijke doel is dat de generator beelden maakt die zo overtuigend zijn dat de discriminator niet meer kan bepalen of ze echt of door AI zijn gemaakt.
Neural Style Transfer (NST)
NST (Neural Style Transfer) kun je zien als de ultieme kunstblender. Het combineert de inhoud van één afbeelding met de stijl van een andere, waardoor een unieke mix ontstaat. Deze techniek maakt gebruik van diepe neurale netwerken om een afbeelding te optimaliseren, zodat de inhoudelijke kenmerken van de ene afbeelding naadloos samengaan met de stijlkenmerken van de andere.
Het is een techniek die inhoud en iconische kunststijlen harmonieus samenvoegt, waardoor bekende beelden een frisse en unieke uitstraling krijgen.
Variational Autoencoders (VAE’s)
Variational Autoencoders (VAE’s) opereren binnen een wereld van mogelijkheden. Ze analyseren de kernkenmerken van een verzameling afbeeldingen en genereren vervolgens nieuwe beelden die deze eigenschappen weerspiegelen. Door hun complexe latentieruimtes te verkennen, kunnen kunstenaars unieke kunstwerken creëren, elk doordrenkt met een vleugje van de oorspronkelijke inspiratie.
Door een latente ruimte te creëren, waarin verschillende punten overeenkomen met variaties in de gegenereerde inhoud, krijgen kunstenaars de mogelijkheid om het creatieve proces te sturen en nieuwe artistieke mogelijkheden te ontdekken.
Ethische implicaties van AI-kunst
De opkomst van AI-gegenereerde kunst, met programma’s als DALL-E 2, Stable Diffusion en DragGAN voorop, heeft geleid tot verschillende ethische en juridische dilemma’s over onder andere eigendom en auteursrecht. Enkele daarvan zijn:
Eigendoms- en auteursrechtconflict
AI-gegenereerde kunst stelt traditionele opvattingen over auteurschap op de proef. De Britse Copyright, Designs and Patents Act 1988 erkent bijvoorbeeld computergegenereerde werken, maar stelt dubbelzinnig dat de auteur de persoon is die de “regelingen treft die nodig zijn voor het maken van het werk”.
– UK Copyright Designs and Patents Act 1988 [Sectie 9(3)].
Dit roept belangrijke vragen op: is de auteur degene die de prompt invoert in de AI, of de ontwikkelaar die de AI heeft getraind? Volgens de gebruiksvoorwaarden van DALL-E 2 zijn gebruikers eigenaar van hun prompts en de gegenereerde afbeeldingen, maar de bredere juridische interpretatie hiervan blijft onduidelijk.
Originaliteit en persoonlijkheid
Het Hof van Justitie van de Europese Unie (HvJEU) stelt dat een werk alleen beschermd kan worden als het de “eigen intellectuele schepping van de auteur” is, wat inhoudt dat het werk de persoonlijkheid van de auteur moet weerspiegelen. Dit roept de vraag op: kan een AI, zonder menselijke emoties of bewustzijn, überhaupt een persoonlijkheid hebben? En als de output van de AI geen persoonlijke expressie bevat, kan het dan onder auteursrecht vallen? Deze discussie benadrukt de complexe juridische en filosofische kwesties rond AI-gecreëerde werken.
Zorgen over inbreuk
AI-modellen zoals DALL-E 2 worden getraind op enorme datasets, waarin vaak auteursrechtelijk beschermde afbeeldingen zijn opgenomen. Dit roept mogelijke inbreukkwesties op. Als DALL-E 2 bijvoorbeeld een afbeelding genereert die lijkt op auteursrechtelijk beschermde personages of stijlen, kan dat leiden tot schending van bestaande auteursrechten. Bovendien kunnen AI-providers niet garanderen dat de gegenereerde afbeeldingen vrij zijn van auteursrechtelijke claims, wat juridische risico’s met zich meebrengt voor gebruikers.
Er klinkt steeds vaker een oproep vanuit creatieve en juridische gemeenschappen voor geüpdatete juridische kaders om AI-gegenereerde inhoud te reguleren. Sommige landen overwegen data mining toe te staan voor specifieke doeleinden, wat directe gevolgen kan hebben voor de training van AI-modellen. Naarmate AI zich verder ontwikkelt, groeit ook de discussie over het mogelijk erkennen van AI als een aparte juridische entiteit in de toekomst.
AI-kunst heeft onmiskenbaar een transformerend potentieel, maar het gaat gepaard met een complex web van ethische en juridische vraagstukken. Om deze uitdagingen effectief aan te pakken, zijn duidelijke regelgeving en een dieper begrip van de mogelijkheden en beperkingen van AI onmisbaar.
Is AI-gegenereerde kunst echte kunst?
Het antwoord ligt uiteindelijk in hoe je kunst definieert. Hoewel AI-kunstgeneratoren werken met algoritmes en neurale netwerken, zonder hart en ziel om in een digitaal canvas te gieten, betekent dat niet dat AI-gegenereerde kunst geen vonk van inspiratie kan veroorzaken. Deze tools mogen dan geen emoties voelen, maar ze kunnen wel emoties oproepen en de verbeelding prikkelen. En dat roept een diepere vraag op: is het vermogen om gevoelens aan te wakkeren en de verbeelding te stimuleren niet juist de essentie van wat we echte kunst noemen?
Zullen kenners en kunstliefhebbers net zo enthousiast investeren in een kunstwerk als ze weten dat het is voortgebracht door algoritmen in plaats van menselijke passie? De kern van kunst is altijd het vermogen geweest om emotie op te roepen – kan AI-gegenereerde kunst dat op dezelfde manier bereiken? Hoewel we ons misschien nog niet verdringen voor de opening van tentoonstellingen gewijd aan AI-kunstgeneratoren, hebben deze tools al een stevige plek veroverd in de zakelijke wereld.
Toekomst van AI-kunst: nieuw tijdperk of het einde van creativiteit?
AI-kunstgeneratoren zijn tegelijk de kunstenaar, de verfkwast en het doek. Deze programma’s hebben geen persoonlijke voorkeuren, overleggen niet met collega’s en leggen zeker geen emoties in hun creaties. Ze werken volledig op basis van algoritmen.
Vroeger gebruikten kunstenaars zelf hun gereedschap, maar met AI lijkt het gereedschap zichzelf te gebruiken. Is dit de uiteindelijke scheiding tussen kunst en kunstenaar? De toekomst van AI in de kunst is lastig te voorspellen. Het hangt af van hoe AI zich ontwikkelt en wordt gebruikt. Als het goed wordt ontwikkeld, kan AI nieuwe mogelijkheden brengen, zowel in de kunstwereld als daarbuiten.
Veelgestelde vragen
Hoe creëert AI kunstwerken?
Kan AI een schilderij maken?
Welk AI programma maakt afbeeldingen?
Kan ChatGPT kunst maken?
Is AI-gegenereerde kunst echte kunst?
Hoe herken je AI-kunst?
YouHodler
Wirex
BYDFi
eToro
eToro
eToro
eToro
Disclaimer
Alle informatie op onze website wordt te goeder trouw en uitsluitend voor algemene informatiedoeleinden gepubliceerd. Elke actie die de lezer onderneemt op basis van de informatie op onze website is strikt op eigen risico.
