Kan AI de computer creatief maken?

Creativiteit

Een van de meest waardevolle eigenschappen van de mens is creativiteit. Het is wat de mens mens maakt. De mens heeft intelligentie die het mogelijk maakt om tot intellectuele ontplooiing te komen zoals het ontwikkelen van nieuwe ideeën. We gebruiken creativiteit o.a. voor het (dagelijks) oplossen van problemen, het doen van uitvindingen, en het vervaardigen van kunst. Het is het gevolg van vrijdenken, het combineren van ideeën, en van het doorbreken van conventies en vaste gedragingen. Maar hoe zit het met de computer? Kan de computer ook creatief zijn? Of kent het alleen maar voorgebakken regeltjes?

“Kan AI de computer creatief maken? Dat is de vraag die Theo Gevers stelt in zijn opiniestuk dat hij schreef in aanloop naar de Tech Talks @nrclive”
Tweet this!

AI

AI heeft de laatste jaren grote vooruitgang geboekt. De huidige verwachting is dat AI een enorme impact zal hebben op de gehele mensheid en dat een nieuwe maatschappij zich aandient. De voorspoed van AI is vooral te danken aan de toenemende rekenkracht en hoeveelheden data. Grote successen zijn behaald met verschillende vormen van neurale netwerken voor zogenoemde classificatie taken. Voor een aantal classificatie taken kan een goed getraind AI-systeem al beter en sneller informatie verwerken dan de mens. Zoals bijvoorbeeld AI-systemen die beter zijn in het diagnosticeren van oogziektes, in het herkennen van objecten, en in het opsporen van longkanker. Het feit blijft dat deze AI-classificatie systemen “slechts’ goed beredeneerde voorspellingen doen op basis van geavanceerde statistiek. Voor een bepaalde dataset (waar het systeem op getraind is), probeert het systeem het beste antwoord op een vraag te voorspellen. Dit heeft niks met creativiteit te maken.

De huidige verwachting is dat AI een enorme impact zal hebben op de gehele mensheid en dat een nieuwe maatschappij zich aandient.

Generatieve AI

Recentelijk krijgt een andere tak van sport binnen de AI steeds meer aandacht: de generatieve AI. Alhoewel generatieve (wiskundige) modellen al lang bestaan, is er een nieuwe aanpak binnen de AI die neurale systemen modelleert door middel van generative adversarial network (GAN).

Deze GAN’s bestaan uit twee (neurale) netwerken: de generator produceert iets (beeld, geluid of een taal) en de discriminator evalueert het resultaat van de generator. Na het succesvol trainen van zo’n generatief GAN model op een dataset, kan het AI model (de generator) nieuwe data genereren die niet van echt te onderscheiden is. De geproduceerde data zullen nieuwe samples zijn zoals het produceren van nieuwe muziek, beelden en teksten. Deze GAN-aanpak heeft al verschillende maatschappelijke en industriële toepassingen zoals in de auto-industrie (zelfrijdende auto’s) om algoritmes te leren van meer data door nieuwe beelden te generen van wegen en straten, in de zorgsector door nieuwe data te creëren voor het verbeteren van automatische diagnose, en in de kunstsector.

Een aansprekend voorbeeld in de kunstsector is het schilderij met de titel “Portrait of Edmond Belamy”. Hierbij is een GAN getraind op een dataset van ongeveer 15.000 portretten die geschilderd zijn tussen de 14de en de 20ste eeuw. Alhoewel het resultaat een vaag portret van een man is, is dit AI-schilderij verkocht voor een flink bedrag (EUR 375,000). Een ander AI algoritme leverde naaktkunst op door een GAN te trainen met duizenden naaktportretten. Het AI model creëert naakte mensen die er meer uit zien als vormloze massa’s vlees. Ook hier is het resultaat nog niet erg overtuigend. Maar het doorbreekt de vaste conventies en gedragingen van het creëren van kunst. 

Steeds meer maatschappelijke en industriële processen zullen zich toeleggen op het gebruik van deze generatieve AI modellen

Creatieve AI

Alhoewel deze AI-modellen misschien nog niet voldoen aan de menselijke standaard, is dit slechts een eerste stap. Steeds meer maatschappelijke en industriële processen zullen zich toeleggen op het gebruik van deze generatieve AI modellen. Het algoritme zal een integraal onderdeel worden van het creatieve proces. Een symbiose tussen AI modellen en menselijke waarde. Creatieve computers bestaan en gaan hand-in-hand met de mens. Nog wel…


Theo Gevers is als hoogleraar Computer Vision verbonden aan de UvA. Hij is tevens medeoprichter van Sightcorp bv, een spin-off bedrijf van de UvA dat gespecialiseerd is in computer vision-technologie, gezichtsanalyse en emotieherkenningstechnologie. Ook is hij initiator van 3Duniversum, een bedrijf dat software levert voor 3D-object-scanning en 3D-printen.


In aanloop naar de Tech Talks van NRC Live delen wij regelmatig opiniestukken van onze sprekers

Bekijk programma

Blijf op de hoogte!

Blijf op de hoogte!

Wil je op de hoogte blijven van toekomstige NRC Live events? Schrijf je dan in voor onze nieuwsbrief!

Suggesties voor een spreker?

Suggesties voor een spreker?

Ken jij iemand die goed zou kunnen spreken op een van onze events? Stel dan een spreker aan ons voor!