معرفی مقاله: بازتعریف نقش هوش مصنوعی در تولید هنری

با افتخار، ترجمه‌ی مقاله‌ی علمی با عنوان “بازتعریف نقش هوش مصنوعی در تولید هنری” را برای اولین بار به زبان فارسی ارائه می‌کنیم.

مقاله حاضر با عنوان “Redefining the role of Artificial Intelligence in artistic production” در جولای ۲۰۲۳ منتشر شده است. نویسندگان با موسساتی مانند موسسه‌ی نومرو کروماتیکو، آکادمی هنرهای زیبای رم، دپارتمان طراحی و هنرهای کاربردی و دانشگاه ناپل همکاری داشته‌اند. این مقاله به بررسی هوش مصنوعی و تأثیرات آن بر دنیای هنر می‌پردازد و رویکرد ویژه‌ای را نسبت به این موضوع پیشنهاد می‌دهد.

موضوع و محتوای مقاله

مقاله “بازتعریف نقش هوش مصنوعی در تولید هنری” به بررسی نقش و جایگاه هوش مصنوعی (AI) در فرآیند خلاقیت هنری می‌پردازد. در سال‌های اخیر، پیشرفت‌های چشمگیری در توانایی‌های خلاقانه هوش مصنوعی مشاهده شده است که در زمینه‌های هنرهای تجسمی، ادبیات، شعر و موسیقی مورد استفاده قرار گرفته‌اند. این مقاله پیشنهاد می‌دهد که هوش مصنوعی به عنوان یک ابزار فنی مهم در حمایت از فرآیند خلاقانه هنرمندان انسانی در نظر گرفته شود و نه به عنوان جایگزینی برای خلاقیت انسانی. هوش مصنوعی توانایی تولید سریع و کارآمد آثار هنری دلپذیر را دارد، اما همچنان بحث‌هایی درباره اصالت و ارزش هنری این آثار وجود دارد.

تاریخ هنر نشان می‌دهد که آثار هنری معتبر بیش از توانایی فنی، به اصول زیبایی‌شناختی متکی هستند. بنابراین، پیشنهاد می‌شود که هوش مصنوعی به عنوان ابزاری در حمایت از هنرمندان در نظر گرفته شود، نه به عنوان جایگزینی برای آنها. بررسی نگرانی‌ها و بحث‌های موجود درباره اصالت و ارزش هنری آثار تولید شده توسط هوش مصنوعی نیز از دیگر محورهای این مقاله است. در نهایت، پیشنهاد بازتعریف نقش هوش مصنوعی به عنوان یک ابزار فنی در حمایت از هنرمندان به جای جایگزینی خلاقیت انسانی، از نتایج اصلی این تحقیق است.

ترجمه‌ی محمد قادریان

بازتعریف نقش هوش مصنوعی در تولید هنری

July 2023

نویسندگان:

دیونیجی ماتیا گالیاردی (Dionigi Mattia Gagliardi)

سیلفیا جی. کیارلا (Silvia G. Chiarella)

فرانچسکو مارنگهی (Francesco Marenghi)

مارکو فوکارِتا (Marco Focareta)

سابرینا کونو (Sabrina Cuono)

جولیا تورومینو (Giulia Torromino)

وابستگی‌ها:

a  موسسه‌ی نومرو کروماتیکو (Numero Cromatico)، رم، ایتالیا

b آکادمی هنرهای زیبای رم، دپارتمان طراحی و هنرهای کاربردی، رم، ایتالیا

c موسسه طراحی پیشرفته کوازار، دپارتمان ارتباطات و طراحی گرافیک، رم، ایتالیا

d مدرسه بین‌المللی مطالعات پیشرفته (SISSA)، تریسته، ایتالیا

e آکادمی جدید هنرهای زیبا (NABA)، دپارتمان ارتباطات و طراحی گرافیک، رم، ایتالیا

g دانشگاه ناپل Federico II، دپارتمان مطالعات انسانی، ناپل، ایتالیا

*نویسندگان مسئول

آدرس‌های ایمیل:

dionigimattiagagliardi@gmail.com (D. M. Gagliardi)

giulia.torromino@unina.it (G. Torromino)

چکیده‌

با توسعه‌ی سیستم‌های هوش مصنوعی (AI)، نفوذ آن‌ها به سرعت افزایش یافته و اکنون به یکی از اصیل‌ترین فعالیت‌های انسانی، یعنی هنر، راه یافته‌اند. در سال‌های اخیر، شاهد پیشرفت‌هایی در توانایی‌های «خلاقانه»‌ی هوش مصنوعی بوده‌ایم که اکنون در حوزه‌ی هنرهای تجسمی، ادبیات، شعر و موسیقی کاربرد پیدا کرده‌اند. در واقع، در بسیاری از موارد، افراد دیگر به راحتی نمی‌توانند تفاوت میان آثار خلق شده توسط هوش مصنوعی و آثار انسانی را تشخیص دهند و اغلب نسبت به محصولات هنری که به عنوان آثار هوش مصنوعی اعلام می‌شوند، پیش‌داوری منفی دارند. با وجود اینکه این فناوری‌ها توانایی تولید سریع و کارآمد تصاویر، متون و موسیقی را دارند که غالباً دلپذیر هم هستند، اما تاریخ هنر و زیبایی‌شناسی نشان می‌دهد که آثار هنری – آثاری که ما آن‌ها را به عنوان هنر در طول قرن‌ها به رسمیت شناخته‌ایم – ارتباط چندانی با توانایی فنی ندارند و بیشتر بر اصول زیبایی‌شناختی تکیه می‌کنند که اثر هنری صرفاً بازنمایی آن است. بنابراین، ما پیشنهاد می‌کنیم با بازتعریف پدیده‌ی مشارکت هوش مصنوعی در هنر به عنوان یک ابزار فنی مهم در حمایت از فرآیند خلاقانه‌ی هنرمند انسانی، به روشن شدن این موضوع کمک کنیم.

کلیدواژه‌ها: هوش مصنوعی (AI)؛ هنر (art)؛ درک زیبایی‌شناسی (aesthetic appreciation)؛ اصالت اثر (تألیف) (authorship)؛ موضع‌گیری منفی (negative bias).

مقدمه

وقتی به آنچه ما را انسان می‌کند فکر می‌کنیم، علاوه بر ویژگی‌های فیزیکی مشترک با گونه‌ی انسان خردمند ( Homo sapiens)، به توانایی‌های بسیار پیشرفته‌ی مغز و تنوع پیچیده‌ی عملکردهای شناختی سطح بالا مانند گفتار، استدلال انتزاعی (abstract reasoning) و خلاقیت پی می‌بریم. اگرچه این کارکردها تا حدی در گونه‌های غیرانسانی نیز قابل تشخیص هستند، تا به امروز عمدتاً به عنوان امتیاز انسان در نظر گرفته شده‌اند. توسعه‌ی سریع و پیشرفته‌ی هوش مصنوعی (AI) در سال‌های اخیر این باور را به چالش کشیده و بحث عمیقی را ایجاد کرده است که اغلب با پیش‌داوری نسبت به هوش مصنوعی همراه است، پیش‌داوری‌ای که گاهی بر اساس برداشت‌های نادرست و اطلاعات ناقص بنا شده است. درست است که تعداد کارهایی که هوش مصنوعی می‌تواند با موفقیت انجام دهد به سرعت در حال افزایش است و برخی از آن‌ها «تهدیدی» (threatening) برای منحصر به فرد بودن فعالیت‌هایی تلقی می‌شوند که به طور معمول توسط انسان‌ها انجام می‌شده است – حداقل تا به امروز این طور در نظر گرفته می‌شدند. سیستم‌های هوش مصنوعی‌ وجود دارند که قادر به انجام چندین کار انسانی هستند و در زمینه‌هایی مانند خدمات مشتریان، حسابداری، تشخیص پزشکی و تولید تصویر  به‌کار گرفته شده‌اند. شاید یکی از شگفت‌انگیزترین جنبه‌های این رشد، توانایی “خلاق بودن” (being creative) هوش مصنوعی باشد )Gagliardi et al., 2022; Eshraghian, 2020; Gobet & Sala, 2019; Ihalainen, 2018; Mazzone & Elgammal, 2019; Miller, 2019; Pereira, 2007; Boden, 1998).

با این حال، «خلاقیت» واقعاً به چه معناست؟ درک مفهوم پیچیده‌ی خلاقیت فراتر از حوصله‌ی این مقاله است، با این حال اغلب با تولید هنری و حل خلاقانه‌ی مسائل علمی مرتبط بوده است –  بیان‌هایی که با توانایی‌های قابل توجه در حل مسئله و انتزاع مشخص می‌شوند و از دیرباز به عنوان ویژگی‌های خاص انسان شناخته شده‌اند.

امروزه مثال‌های زیادی از سیستم‌های هوش مصنوعی وجود دارد که قادر به “نوشتن” سونات، شعر و متون (Amabile, 2020؛ بنگرید به Numero Cromatico 2021, 2022)، “ساخت” موسیقی (Dannenberg, 2006؛ Gioti, 2021؛ Miranda, 1995) یا “نقاشی” آثار هنری تجسمی و انتزاعی هستند (Boden, 1998؛ Colton, 2012؛ Elgammal et al., 2017؛ Marzano & Novembre, 2017). این احتمالاً بحث‌برانگیزترین جنبه‌ی هوش مصنوعی است که به سوال کلیدی‌ای منجر می‌شود که بحث ما را آغاز می‌کند: آیا به درستی – حداقل تا به امروز – باید خروجی‌های هوش مصنوعی را به عنوان آثار هنری به رسمیت شناخت؟

گستردگی این پدیده، به همراه بازتاب آن در میان مردم سراسر جهان، با سطح پذیرشی که هوش مصنوعی تا حدودی از سوی دنیای هنر دریافت کرده است، مشهود است. در واقع، آثاری هنری که با به‌کارگیری هوش مصنوعی ساخته شده‌اند، در موزه‌های مهم به نمایش درآمده‌اند و توسط حراجی‌های بین‌المللی به قیمت هزاران دلار فروخته شده‌اند (Goenaga, 2020). نمونه‌ی بارز آن اثر هنری تولیدشده توسط هوش مصنوعی با عنوان «ادمون بلامی» (Edmond de Belamy) بود – که توسط گروه فرانسوی آبویس (Obvious) با استفاده از یک شبکه‌ی  مولد رقابتی (Generative Adversarial Network; GAN) ساخته شد – و در سال ۲۰۱۸ توسط کریستیز (Christies) نیویورک به قیمت ۴۳۲,۵۰۰ دلار فروخته شد (Goenaga, 2020). برخی از نویسندگان معتقدند که ما در عصر جدیدی زندگی می‌کنیم که در آن خلاقیت هنری دیگر صرفاً منحصر به انسان نیست (Arielli & Manovich, 2022؛ Baas et al., 2015؛ Sternberg, 1999). این امر با با توجه به پیش‌بینی‌های بنیان‌گذاران علم کامپیوتر (Lovelace, 1843؛ Turing, 1950)، نشان می‌دهد که الگوریتم‌های پیچیده می‌توانند جایگزین (replace) انسان در فعالیتی شوند که همیشه به عنوان ویژگی خاص بشر تعریف شده است. اما باز هم این سوال مطرح می‌شود: آیا واقعاً اینطور است؟ آیا هوش مصنوعی واقعاً هنر خلق می‌کند؟

با توجه به تحولات اخیر، به نظر می‌رسد درک فعلی ما از خلاقیت و خلق اثر هنری نیاز به بازنگری دارد. این مفاهیم دیگر نمی‌توانند صرفاً از طریق دیدگاه‌های گذشته مورد بررسی قرار گیرند. در عوض، به رویکردی میان‌رشته‌ای و یکپارچه نیاز داریم که هم به زیبایی‌شناسی و هم به اصول علمی توجه کند، چرا که عدم توجه به آن‌ها می‌تواند منجر به ساده‌انگاری بحث در مورد این موضوع و ایجاد برداشت‌های نادرست عمده شود. تعداد روزافزون مقالات علمی در مورد این موضوع، اهمیت آن را تأیید می‌کند. این آثار به بررسی چالش‌های جدیدی می‌پردازند که هوش مصنوعی مولد در چشم‌انداز فرهنگی ما ایجاد می‌کند (برای مثال ببینید: Epstein et al., 2023; Vinchon et al., 2023).

اگر تاریخ بشر را تحلیل کنیم، متوجه می‌شویم که پیشرفت‌های فناوری معمولاً در مرحله‌ی اولیه با رد شدن از سوی جامعه روبرو می‌شوند و سپس پذیرفته می‌شوند. عکاسی در قرن گذشته نمونه‌ای از این پدیده است. مسیر پذیرش پدیده‌های فناورانه‌ی نوظهور نیز به لطف تلاش‌های پیشگامانه‌ی دانشمندان و هنرمندان تسهیل می‌شود. آن‌ها با کاربردهای خلاقانه‌ی این فناوری‌ها، زمینه‌ی درک و پذیرش آن‌ها را در جامعه فراهم می‌کنند.

پارادایم هنر فراتر از زیبایی

بسیاری بر این باورند که هنر پدیده‌ای جهانی و فراتاریخی است؛ اما بررسی تاریخ هنر و زیبایی‌شناسی خلاف این را نشان می‌دهد. بیان‌های هنری همواره پیوندی عمیق با بستر خاص تاریخی، جغرافیایی، اجتماعی و فرهنگیِ زمانِ خلق‌شان دارند؛ عناصری که به نوبه‌ی خود، به شدت این آثار هنری را مشخص کرده و آن‌ها را محصول زمانه‌ی خود می‌سازند (Tatarkiewicz, 1979). علاوه بر این، در برهه‌ای از تاریخ، انسان‌ها به حفظ این مصنوعات به عنوان نماینده‌ی تاریخ و مهم‌تر از همه، نماینده‌ی اصول زیبایی‌شناختی خاص اقدام کردند.  به این دلایل، انواع گوناگونی از هنر وجود دارد که بر اساس دوره‌های تاریخی، سبک‌ها و فرهنگ‌ها دسته‌بندی می‌شوند. این دسته‌بندی‌ها با وجود اینکه همیشه بیانگر توانایی انتزاعی مغز انسان هستند، بسته به زمینه و زمانی که این مغزها در آن به دنیا آمده و توسعه یافته‌اند، متفاوت‌اند.

هرچند غیر‌جهانی بودن هنر برای اکثر کارشناسان هنری و حتی شاید برای کسانی که تاریخ هنر را مطالعه نکرده‌اند کاملاً واضح است، اما امروزه بسیاری از مردم هنوز هنر را به‌عنوان چیزی جهانی و عمدتاً مرتبط با مفهوم زیبایی یا کیفیت فرمی یک اثر می‌دانند. در واقع، این‌طور نیست. بحث درباره‌ی اصول زیبایی‌شناسی تمام هنرهایی که در طول زمان و در زمینه‌های اجتماعی-فرهنگی مختلف توسط بشر تولید شده، فراتر از هدف ما در اینجا است. بنابراین، تنها برای روشن شدن دلایلی که مصنوعات ساخته‌شده توسط هوش مصنوعی را ذاتاً هنر نمی‌دانیم، به چند نمونه بسنده می‌کنیم.

با فرض اینکه هنر همیشه می‌تواند به یک دوره تاریخی و فرهنگ خاص مرتبط باشد، باید این ایده‌ را مطرح کنیم که تاریخ هنر، تاریخ «گسست‌ها» (breaches) از پارادایم‌های گذشته است. از این منظر، آثار هنری بازمانده و برآیند همان «گسست‌ها» هستند. به همین دلیل است که هنر امروز، هم از بازنماییِ دقیقِ موضوعات بر اساس قواعد آکادمیکِ هنر کلاسیک (مانند نقاشی‌های تاریخی، مناظر اساطیری، پرتره‌های رسمی، بازنمایی‌های مذهبی) و هم از بیانِ دنیای درونیِ هنرمند که منجر به شکل‌گیریِ هنر انتزاعی‌تر و مفهومی‌ترِ دوران مدرن (از امپرسیونیسم تا فوتوریسم، نئوپلاستیسیزم، اسپشیالیسم، اکسپرسیونیسم انتزاعی و هنر غیررسمی) فاصله گرفته است. هنر معاصر  فراتر از یک سبک یا زیبایی‌شناسی صرف است، زیرا به دنبال برقراری رابطه‌ای جدید با واقعیت است (Heinich, 2022). نمونه‌ی بارز آن «حاضر-آماده»های دوشان است – اشیایی از زندگی روزمره که در یک بافت متفاوت و با نامی جدید به نمایش در می‌آیند (برای مثال: یک توالت فرنگی که روی یک سکوی نمایشگاهی با عنوان «چشمه» ارائه می‌شود).

برای اینکه یک اثر مصنوع را «هنری» در نظر بگیریم، باید نشان‌دهنده‌ی یک «تحول بنیادی» (paradigm shift) یا به عبارتی «انقلابی» (revolution) در عرصه‌ی هنر باشد. این مفهوم نه تنها در هنر بلکه در علم نیز کاربرد دارد. اکتشافات علمی برای اینکه به عنوان کشف شناخته شوند، باید به نوعی «انقلابی» باشند و برای اینکه یک انقلاب علمی در نظر گرفته شوند، شرایط خاصی باید وجود داشته باشد: وجود یک «جامعه‌ی علمی»؛ گروهی کوچک یا بزرگ که این پارادایم جدید را می‌پذیرد. ظهور یک «مناقشه‌ی حل‌نشدنی» (emergence of a controversy)؛ نه صرفاً اختلاف نظر، بلکه جنجالی عمیق درباره‌ی ماهیت مسئله و نه فقط راه حل آن. تغییری واقعی در «تصورات جمعی» (collective representations) در پاسخ به آن مناقشه (Kuhn, 1962). تمام هنرمندان و جنبش‌های هنری شناخته‌شده در طول تاریخ، چه گذشته و چه حال، در واقع این شرایط را برآورده می‌کنند. با این حال، این شرایط را نمی‌توان به طور کلی به هوش مصنوعی اعمال کرد، زیرا هوش مصنوعی صرفاً داده‌ها را پردازش می‌کند و در نتیجه‌ی آن آثاری خلق می‌کند. به عبارت دیگر، هوش مصنوعی فاقد آن عنصر «انقلابی» است که بتواند الگوهای موجود را به چالش بکشد و زمینه‌ساز تحولی بنیادی در عرصه‌ی هنر شود. هوش مصنوعی با پردازش و تحلیل داده‌ها، خروجی‌هایی را ارائه می‌دهد که ممکن است از نظر بصری یا احساسی جذاب باشند، اما این خروجی‌ها صرفاً بازتابی از داده‌های ورودی و الگوریتم‌های به کار رفته هستند و بیانگر نگاه یا تفکر مستقل خالق اثر نیستند. با این حال، این شرایط نمی‌توانند به خودی خود به هوش مصنوعی اعمال شوند، زیرا هوش مصنوعی صرفاً داده‌ها را پردازش می‌کند و در نتیجه آن‌ها آثار هنری ایجاد می‌کند.

موضع‌گیری منفی نسبت به هنر تولید شده توسط هوش مصنوعی

برای درک نقش هوش مصنوعی در هر دو حوزه‌ی خلاقیت و خلق آثار هنری، یک مسئله مهم که باید به آن پرداخته شود این است که مردم چگونه با محصولات هوش مصنوعی برخورد می‌کنند، به‌ویژه زمانی که برای خلق آثار هنری – چه آثار تجسمی، شعر و یا دیگر اشکال هنری – مورد استفاده قرار می‌گیرند. اگرچه هنوز بررسی سیستماتیکی در این زمینه صورت نگرفته است (Arriagada, 2020)، اما در سال‌های اخیر به مسئله‌ای مرکزی تبدیل شده است (Pelau et al., 2021; Shneiderman, 2021; Peeters et al., 2021; Ding, 2022). در واقع، چندین مطالعه در حوزه‌ی روانشناسی شناختی و علوم اعصاب وجود موضع‌گیری منفی نسبت به محصولات هنری هوش مصنوعی را در هر دو سطح ضمنی و صریح (implicit and explicit) نشان داده‌اند (Millett et al., 2023; Chiarella et al., 2022; Sartori & Bocca, 2022; Fietta et al., 2021; Liang & Lee, 2017; اما به Tomašev et al., 2020 نیز مراجعه کنید).

واکنش انسان به محصولات خلاقانه‌ی هوش مصنوعی را می‌توان از دو رویکرد اصلی بررسی کرد: 1) بررسی توانایی انسان در تشخیص تمایز بین ساخته‌های انسان و ساخته‌های هوش مصنوعی؛ 2) ارزیابی وجود موضع‌گیری در انسان هنگام قضاوت در مورد محصولات هوش مصنوعی. با توجه به توانایی‌های فوق‌العاده پیشرفته‌ی هوش مصنوعی در خلق تصاویر و متون باکیفیت، به نظر می‌رسد رویکرد اول تا حدودی منسوخ شده است، زیرا هوش مصنوعی در حال حاضر توانسته چالش آزمون تورینگ را در زمینه‌های مختلف پشت سر بگذارد (Köbis and Mossink, 2021; Hitsuwari et al., 2022; Rebol et al., 2021; Tarnate et al., 2020; Xue, 2020). برعکس، بررسی موضع‌گیری‌های انسانی نسبت به محصولات هوش مصنوعی در مواجهه با قابلیت‌های جدید کاربرد هوش مصنوعی و پذیرش آن‌ها همچنان امری حیاتی است.

بر اساس یافته‌های مشترک تاریخ هنر و علوم اعصاب، زیبایی و درک زیبایی‌شناختی نه تنها ارزش‌های مطلقی نیستند، بلکه تحت تأثیر عوامل فردی، فرهنگی و زمینه‌ای (contextual) قرار دارند (به عنوان مثال: Nadal & Chatterjee Nadal & Chatterjee، 2019؛ Che و همکاران، 2018؛ Pearce و همکاران، 2016؛ Gallese & Di Dio، 2012؛ Jacobsen، 2006). علاوه بر این، زیبایی و درک زیبایی‌شناختی لازمه تعریف هنری یک اثر نیستند. حتی یک شیء زشت یا از نظر فرم بی‌اهمیت (به عنوان مثال: چشمه اثر دوشان یا مدفوع هنرمند اثر مانزونی) می‌تواند یک اثر هنری در نظر گرفته شود، مشروط بر اینکه با اصول زیبایی‌شناختی خاصی مطابقت داشته باشد که رابطه‌ای شناختی با بیننده برقرار کند (Gagliardi, 2022b; Heinich, 2022; Vettese, 2012; Lombardo, 1987).

بر اساس عواملی مانند تاریخچه‌ی فردی، زمینه، محرک‌های موجود و اطلاعات داده شده، رمزگذاری و پردازش یک اثر هنری، فارغ از ویژگی‌های عینیِ ساخت آن اثر، از فردی به فرد دیگر و از لحظه‌ای به لحظه‌ی دیگر متفاوت است. تمام عوامل ذکر شده بر درک و قضاوت زیبایی‌شناختی فرد از اثر هنری و در نهایت بر تجربه زیبایی‌شناختی بیننده و سرنوشت خود اثر هنری تأثیر می‌گذارد.

همانطور که گفته شد، چندین مطالعه نشان داده‌اند که دانستن اینکه یک اثر هنری توسط هوش مصنوعی ساخته شده است، ارزیابی آن را از نظر لذت‌بخشی و خوشایند بودن (pleasantness) کاهش می‌دهد. یکی از اولین شواهدی که موضع‌گیری منفی را نسبت به تصاویر تولید شده توسط کامپیوتر نشان می‌دهد، در سال ۲۰۰۹ توسط کرک (Kirk) و همکارانش گزارش شد. نویسندگان این پژوهش، قضاوت زیبایی‌شناختی تصاویری را که به عنوان آثار گالری‌های هنری معرفی شده بودند، با تصاویری که با استفاده از نرم‌افزار فتوشاپ توسط کامپیوتر تولید شده بود، مقایسه کردند. آن‌ها دریافتند که حتی در صورت یکسان بودن تصاویر، آن‌هایی که با کامپیوتر تولید شده بودند، از نظر خوش‌آیند بودن امتیاز کمتری دریافت کردند (Kirk et al., 2009).

در مطالعه‌ای دیگر، مشخص شد که ارزیابی زیبایی‌شناختی شرکت‌کنندگان از آثار هنری تولید شده توسط کامپیوتر پایین‌تر است – مگر این که آنها شاهد عملکرد یک هنرمند رباتیک باشند – و شرکت‌کنندگان بیشتر آثار بازنمایانه (رئال)  را به عنوان آثار انسانی و نه کامپیوتری دسته‌بندی می‌کردند (Chamberlain et al., 2018). نتیجه‌ای مشابه در مورد توانایی طبقه‌بندی شرکت‌کنندگان توسط گانگادارباتلا (Gangadharbatla) (۲۰۲۲) گزارش شد. به همین ترتیب، راگو (Ragot) و همکاران (۲۰۲۰) نشان دادند که آثار هنری ساخته شده توسط هوش مصنوعی از نظر زیبایی، اصالت و مفهوم، کمتر از نقاشی‌هایی که به عنوان ساخته‌ی دست بشر ارائه می‌شوند، ارزش‌گذاری می‌شوند.

با این حال، برخی تحقیقات نتایج متضادی را نشان می‌دهند. برای مثال، یک نظرسنجی آنلاین که توسط هونگ (Hong) و کوران (Curran) (2019) انجام شد، نشان داد که آثار هنری ایجاد شده توسط هوش مصنوعی نسبت به نقاشی‌هایی که به عنوان ساخته دست بشر ارائه می‌شوند، از نظر زیبایی، تازگی و مفهوم، کم‌ارزش‌تر تلقی می‌شوند، اما در این مورد شرکت‌کنندگان قادر به تشخیص خالق اثر هنری بودند. با این وجود، مشابه با سایر مطالعات (Chamberlain et al., 2018؛ Gangadharbatla, 2022)، هونگ (Hong) و کوران (Curran) (2019) نیز مشاهده کردند که آثار هنری انتزاعی وقتی با هوش مصنوعی مرتبط می‌شوند، بیشتر مورد پسند قرار می‌گیرند، در حالی که برای نقاشی‌های بازنمایی (رئال) نتیجه برعکس است. یک تحقیق دیگر گزارش داد که نقاشی‌های انتزاعی وقتی با عنوان هوش مصنوعی همراه می‌شوند، نوآورانه‌تر و شگفت‌انگیزتر تلقی می‌شوند، در حالی که در مورد قضاوت درباره پیچیدگی، جذابیت و ابهام، تفاوتی گزارش نمی‌شود (Israfilzade, 2020).

در یک مطالعه جالب، واکنش‌های احساسی شرکت‌کنندگان به نقاشی‌های انتزاعی ساخته شده توسط انسان و هوش مصنوعی مورد بررسی قرار گرفت: نویسندگان دریافتند که شرکت‌کنندگان تمایل داشتند به نقاشی‌های ساخته شده توسط هوش مصنوعی برای سه احساس مثبتِ شادی، لذت و عشق امتیاز بالایی بدهند، در حالی که نقاشی‌های ساخته شده توسط انسان برانگیختگی بیشتری ایجاد می‌کردند و واکنش‌های احساسی شدیدتری را برمی‌انگیختند (Xu & Hsu, 2020).

شواهد نشان می‌دهد که موضع‌گیری منفی نسبت به هوش مصنوعی زمانی که افراد امکان مشاهده عملکرد ربات را داشته باشند یا در مورد آثار هنری غیربازنمایی (آثار انتزاعی) می‌تواند کاهش یابد (Chamberlain et al., 2018) و اینکه این تعصب تحت تأثیر عوامل مرتبط با احساسات قرار می‌گیرد (Xu & Hsu, 2020). این موضوع نشان می‌دهد که تجربه زیبایی‌شناختی ممکن است تحت تأثیر عواملی مانند پویایی و سرزندگی (vitality and dynamism) اثر هنری – که به راحتی با ویژگی‌های انسانی مرتبط هستند – و همذات‌پنداری احتمالی با خالق اثر هنری مغرضانه شود.

در واقع، یکی از فرضیات برای توضیح شواهد متناقض درباره تعصب منفی نسبت به هوش مصنوعی این است که قضاوت بینندگان تحت تأثیر مقایسه با یک اثر هنری ساخته شده توسط انسان مغرضانه می‌شود. بر این اساس، ما اخیراً گزارش کرده‌ایم که شرکت‌کنندگان تنها زمانی که ابتدا یک نقاشی انتزاعی منسوب به انسان را قضاوت می‌کردند، به یک اثر هنری منسوب به هوش مصنوعی امتیاز پایین‌تری می‌دادند – اما زمانی که ترتیب ارائه برعکس بود، چنین اتفاقی نمی‌افتاد – (Chiarella et al., 2022)؛ این یافته به این معنی است که هوش مصنوعی تنها زمانی که با انسان مقایسه شود، کمتر ارزشمند تلقی می‌شود.

مطالعات مربوط به درک متون و اشعار تولید شده توسط هوش مصنوعی نیز نتایج مشابهی به دست آورده‌اند. مطالعه اخیر کوبیس (Köbis) و موسینگ (Mossink) (2021) به نحو قابل اعتمادی نشان داد که با استفاده از نسخه‌ی جدید و پیشرفته‌ی آزمون تورینگ، شرکت‌کنندگان نمی‌توانند متونی که توسط هوش مصنوعی نوشته شده‌اند را از متونی که توسط انسان نوشته شده‌اند، تشخیص دهند. آن‌ها همچنین تمایل منفی شرکت‌کنندگان را نسبت به متون تولید شده توسط هوش مصنوعی، صرف نظر از اینکه از قبل به آنها اطلاع داده شده باشد که نویسنده هوش مصنوعی است یا انسان، نشان دادند. به همین ترتیب، مطالعه دیگری که بر روی آرشیوهای متنی تولید شده توسط انسان و هوش مصنوعی انجام شد، نتایج مشابهی را به دست آورد (Darda et al., 2022): اگرچه تفاوت در مورد “نویسندگی” (authorship) و اینکه آیا بایگانی‌های متنی توسط هوش مصنوعی ایجاد شده است یا انسان، توسط شرکت‌کنندگان تشخیص داده نشد، اما آن‌ها همچنان ارزش کمتری به آرشیوهای متنی تولید شده توسط هوش مصنوعی اختصاص دادند.

مورد دیگری که باید در نظر گرفته شود، همکاری فعال بین انسان و هوش مصنوعی است. هیتسواری (Hitsuwari) و همکاران (2022) در این راستا، ۳۸۵ نفر را در آزمایشی شرکت دادند که به ارزیابی همکاری انسان و هوش مصنوعی در تولید هایکو – شعر سنتی ژاپنی که از ۱۷ هجا و ۳ سطر تشکیل شده است – می‌پرداخت. آزمایش نشان داد که متون نوشته شده به صورت مشترک به طور مثبت ارزیابی شدند، در حالی که ارزیابی منفی متونی که منحصراً توسط الگوریتم تولید شده بودند، تأیید شد. اگرچه، در این مورد نیز، شرکت‌کنندگان به طور مداوم نمی‌توانستند تشخیص دهند که متون توسط هوش مصنوعی یا انسان نوشته شده‌اند.

به طور کلی، چندین مطالعه که آثار/متون هنری (artworks/texts) تولید شده توسط انسان در مقابل ساخته‌های رایانه یا هوش مصنوعی را در زمینه هنر مقایسه کرده‌اند، وجود یک موضع‌گیری منفی نسبت به دومی را گزارش کرده‌اند، به ویژه زمانی که توانایی بازنمایی (representational ability) یا برانگیختن احساسات (evoke emotions) مورد قضاوت قرار می‌گیرد. همان‌طور که پیش‌تر ذکر شد، اهمیت درک عمیق تعصب منفی گزارش شده در این واقعیت نهفته است که این تعصب به طور منفی تجربه زیبایی‌شناختی بینندگان را تحت تأثیر قرار می‌دهد و این ممکن است به نوبه‌ی خود، ارزشِ – هم درک شده و هم واقعی – یک اثر هنری را تحت تأثیر قرار دهد.

آثار هنری تولید شده توسط هوش مصنوعی: صرفاً یک تصور غلط؟

امروزه سیستم‌های هوش مصنوعی متعددی وجود دارند که می‌توان از آنها برای تولید تصاویر و متون استفاده کرد و به راحتی در دسترس کاربران با پیشینه‌های مختلف قرار می‌گیرند. نه فقط کارشناسان یا هنرمندان در این زمینه‌ی خاص، بلکه عموم کاربران هم می‌توانند از آن‌ها استفاده کنند. تعریف توانایی‌های این سیستم‌ها و اینکه تا چه حد می‌توان آن‌ها را هنری در نظر گرفت، کار ساده‌ای نیست، اما نقطه‌ای حیاتی در بحث ما است.

در حوزه‌ی تصاویر، شبکه‌های مولد رقابتی (Generative Adversarial Networks – GANs) اغلب برای خلق بازتولیدهای هنری به کار می‌روند (Aggarwall, 2018; Quintarelli et al., 2020). این شبکه‌های عصبی (neural networks) با حجم عظیمی از تصاویر ورودی آموزش داده می‌شوند و از این طریق مهارت‌هایی کسب می‌کنند که برای تولید نتایج کاملاً جدید به کار می‌آیند. نوع دیگری از الگوریتم‌های تولید تصویر، تبدیل متن به تصویر (Text-to-image) یا T2I است که به سرعت از خود GANs محبوب‌تر شده است.(Qiao et al., 2019; Li et al., 2021; Lyu et al., 2022)  T2I  قادر است بر اساس توصیف متنی داده شده، تصاویری با ظاهری بسیار واقع‌گرایانه تولید کند. در چند سال اخیر، شاهد رشد سریع این فناوری‌ها بوده‌ایم که به دلیل توانایی‌های متنوع خود در تولید تصاویر، می‌تواند به کار جمع‌های مختلف هنرمندان تجسمی بیاید (Ko et al., 2023). نمونه‌هایی از این فناوری‌ها عبارتند از DALL-E و Glide که توسط OpenAI توسعه یافته‌اند و Imagen و Parti که توسط گوگل ساخته شده‌اند. همچنین پروژه‌های متن‌باز (open-source) مانند Craiyon و یا رابط‌های کاربری عمومی (publicly available interfaces) برای تولید تصویر مانند MidJourney نیز در دسترس هستند.

در حوزه ادبیات، اصطلاح «تولید شعر» (poetry generation) به تلاش‌های هوش مصنوعی برای سرودن اشعار جدید اشاره دارد. این تلاش‌ها با ظهور علوم انسانی دیجیتال در اواسط قرن گذشته آغاز شد و اکنون به عنوان بخشی از «خلاقیت محاسباتی» (Computational Creativity) در نظر گرفته می‌شود (Linardaki, 2022). همانند تولید تصویر، تولید شعر نیز حاصل فرایند آموزش هوش مصنوعی با مجموعه‌ای عظیم از متون است که به توانایی هوش مصنوعی برای تولید شعرهای کاملاً جدید منجر می‌شود.

با ظهور «علوم انسانی دیجیتال» (Digital Humanities) و نخستین ماشین‌حساب‌ها در نیمه‌ی دوم قرن بیستم، شاهد نمونه‌های برجسته‌ای از هنرمندان و نویسندگانی هستیم که از توانایی‌های محاسباتی فناوری برای خلق آثار ادبی بهره می‌برند. به عنوان مثال، «الگوریتم نامه عاشقانه» (Love Letter Algorithm) (1952) توسط کریستوفر استریچی (Christopher Strachey): او تابلوهای اعلانات دانشگاه منچستر را با نامه‌های عاشقانه‌ای که با استفاده از اولین کامپیوتر موجود در بازار – Ferranti Mark 1 – تولید شده بودند، پر کرد. همچنین، برای خلق «متون تصادفی» (Stochastic Texts)، تئو لوتز (Theo Lutz) (1959) از یک کامپیوتر رایانه‌ی Zuse Z22 استفاده شد. نانی بالسترینی (Nanni Balestrini) نیز در «نوار مارک ۱» (Tape Mark I) (1961) از یک ماشین‌حساب IBM و چند دستور ساده استفاده کرد تا ترکیبات تصادفی ایجاد کرده و متون شاعرانه تولید کند.

این نوع آزمایش‌ها در سال‌های بعد در همان حوزه به شکوفایی رسید. در اوایل دهه 1980، پل برافورت  (Paul Braffort) و ژاک روبار (Jacques Roubard) «کارگاه ادبیات با کمک ریاضیات و رایانه» (Atelier de Littérature Assistée par la Mathématique et les Ordinateurs) (ALAMO) را تأسیس کردند. با ظهور لپ‌تاپ‌ها، نرم‌افزارهای پردازش تصویر دیجیتال و اینترنت در دهه 1990 و 2000، نقطه‌ی عطفی در راه ایجاد رابطه‌ای عمیق‌تر بین ادبیات و فناوری‌های جدید به وجود آمد (Davinio, 2002; Morris and Swiss, 2006; O’Sullivan, 2019). در این راستا، واژگان جدیدی مانند «شعر تکنولوژیک» (technopoetry) (Davinio, 2002)، «متون تکنولوژیک» (technotexts) (Morris & Swiss, 2006)، و «ادبیات الکترونیکی» (electronic literature) (O’Sullivan, 2019) معرفی شدند. این اصطلاحات دقیقاً به هنرمندان و نویسندگانی اشاره دارد که با فناوری‌های جدید، در قالب‌های مختلف، برای خلق آثار ادبی به کاوش و آزمایش می‌پردازند.

نمونه‌های سیستم‌های هوش مصنوعی که در بالا ذکر شد، به ویژه آن‌هایی که برای تولید شعر استفاده می‌شوند، عمداً از کارهای هنرمندان یا نویسندگان انتخاب شده‌اند. با این حال، مهم است که در اینجا تأکید کنیم که استفاده از ابزارهای رایگان هوش مصنوعی آنلاین توسط افراد غیر هنرمند، یعنی کاربران عادی، نیز در حال حاضر امکان‌پذیر است. مولدهای شعر رایگان نظیر Poem Generator، Language is a Virus یا Poem Portrait نمونه‌هایی از این دست هستند که با دریافت ورودی‌های ساده (اسامی خاص، صفات، الزامات اولیه‌‌، وزن شعر و غیره) اقدام به خلق شعر می‌کنند.

فناوری تولید متن فراتر از تولید شعر پیش رفته و با پروژه‌ی ChatGPT که توسط OpenAI در نوامبر ۲۰۲۲ معرفی شد، تحول چشمگیری را تجربه کرده است. ChatGPT یک چت‌بات تعاملی است که برای ارائه پاسخ‌های مختصر، پیچیده و با جزئیات به سؤالات متنی کاربر، آموزش دیده است. انتظارات از ChatGPT بسیار بالا و متنوع است. همانطور که مطرح شده، نسخه‌های قدرتمندتر این ربات در آینده می‌توانند در انجام کارهای مختلف استفاده شوند. آن‌ها نه فقط در زمینه هنر، بلکه می‌توانند تا حد نوشتن درخواست‌های علمی و دست‌نوشته‌های پژوهشی یا خلاصه‌سازی جهت‌های جدید پژوهشی پیش بروند (Kirmani, 2023). تا به امروز، توانایی این الگوریتم‌ها محدود به یادگیری داده‌های موجود و تفسیر اطلاعات است و همچنان قادر به استنتاج دانش (extrapolate knowledge)، یعنی کشف موارد جدید، نیستند (Kirmani, 2023). همانطور که متخصصان این حوزه نیز پیش‌بینی می‌کنند، به نظر می‌رسد که تکامل آتی این نوع الگوریتم‌ها، قابلیت منحصر به فرد انسان‌ها در استنتاج و پیش‌بینی را نیز به چالش بکشد (Mitchell, 2023).

علاوه بر تنوع سیستم‌های هوش مصنوعی که برای تولید تصاویر و متون، به صورت رایگان و به راحتی در دسترس هستند، نکته‌ی کلیدی این است که فناوری هر چقدر هم پیشرفته و کارآمد باشد، یک اثر هنری را خلق نمی‌کند، بلکه نظریه‌ی هنری، رویکرد و طراحی است که این کار را انجام می‌دهد. بنابراین، باید به طور واضح بین استفاده از این فناوری‌ها برای اهداف هنری و غیرهنری تمایز قائل شویم. در مورد استفاده از هوش مصنوعی برای تولید هنری، هدف خاصی در پروژه‌ی هنرمند وجود دارد که به نظریه‌های زیبایی‌شناختی خاصی مرتبط است (مثلاً به Numero Cromatico, 2022b مراجعه کنید). به همین دلیل است که برخی هنرمندان سیستم‌های هوش مصنوعی را به طور خاص برای اهداف خود تنظیم کرده‌اند، مانند مثال‌هایی که برای تولید شعر آورده شده است. به همین دلیل فکر می‌کنیم که ممکن است در بحث درباره‌ی نقش و مشارکت هوش مصنوعی در تولید هنری “سوءتفاهم” (misunderstanding) وجود داشته باشد.

رفع این سوءتفاهم برای بازگرداندن تعادل به بحث‌های پیرامون هوش مصنوعی در حوزه‌ی هنر مهم است و می‌تواند به کاهش موضع‌گیری منفی نسبت به آثار هنری ساخته‌شده توسط هوش مصنوعی کمک کند.

یک مطالعه موردی در رابطه با درک ارتباط بین هوش مصنوعی و هنر

نقش واقعی هوش مصنوعی در خلق اثر هنری چیست؟ آیا می‌توان فرایند خلق اثر هنری کلاسیک را با فرایند جدیدی که در آن هوش مصنوعی مشارکت دارد، در یک سطح قرار داد؟

برای بررسی عمیق این موضوع، به گروه هنری «نومرو کروماتیکو» (Numero Cromatico) در رم (ایتالیا) مراجعه می‌کنیم. نومرو کروماتیکو بر خلاف هنرمندانی که آثارشان بازتابی از تجربه‌های شخصی آن‌ها است، به دنبال خلق آثاری است که واکنش‌های احساسی و شناختی مخاطب را برانگیزد و آن‌ها را کاوش کند. یکی از اصول کلیدی نومرو کروماتیکو در فرآیند خلق اثر هنری، مفهوم «امتناع بیانی» (expressive abstinence) است که توسط سرجیو لومباردو (Sergio Lombardo) در تئوری رویدادگرایی (Eventualist) او در سال ۱۹۸۷ مطرح شد و پیش‌تر نیز در جنبش‌های هنری مختلف قرن گذشته وجود داشته است. امتناع بیانی، ایده‌ی به حداقل رساندن بیان فردی هنرمند و طراحی ابزارهای زیبایی‌شناختی با ویژگی‌های بالقوه مبهم (ambiguous)، بی‌ثبات‌کننده (destabilizing) و چندمعنائی (polysemic) را در بر می‌گیرد. این رویکرد خلاقیت مخاطب را برمی‌انگیزد و او را به مرکز اثر هنری تبدیل می‌کند (Gagliardi, 2022b; Numero Cromatico, 2022b; Lombardo, 1991; Lombardo, 1987). بر اساس این اصل و سایر اصول زیبایی‌شناختی (Gagliardi 2022b; Numero Cromatico, 2022b)، نومرو کروماتیکو در سال‌های اولیه‌ی فعالیت خود، آثاری را طراحی و خلق کرد که به عنوان محرک‌های زیبایی‌شناختی در نظر گرفته می‌شدند. از سال ۲۰۱۹، این گروه هنری از هوش مصنوعی به عنوان یکی از ابزارهای در دسترس خود برای خلق آثار هنری استفاده کرده است. از این منظر، «استفاده از خلاقیت هوش مصنوعی به عنوان ابزاری برای خلق اثر هنری» به این معنی نیست که این آثار ساخته‌ی هوش مصنوعی هستند، و هوش مصنوعی را به یک هنرمند تبدیل نمی‌کند. چرا که ایده‌ی کلی و هدف پروژه‌ها توسط خود هنرمندان، یعنی نومرو کروماتیکو، شکل می‌گیرد و آن‌ها همچنین مسئول تنظیم دقیق (fine-tuning) هوش مصنوعی بر اساس پارامترهای خاص هستند.

پروژه نمایشگاهی Tre Scenari sulla Percezione del Tempo (که به «سه سناریو در مورد درک زمان» ترجمه می‌شود و از این پس به اختصار TSPT نامیده می‌شود) زمینه‌ای را برای آزمایش با اصول ذکر شده در بالا فراهم کرد. TSPT از سه نمایشگاه متوالی تشکیل شده بود – به نام‌های کنش اول: La Memoria [حافظه]، کنش دوم: La Visione [بینایی]، و کنش سوم: L’Attesa [انتظار] – که از ژوئن 2021 تا ژوئن 2022 در فضای پروژه‌ی نومرو کروماتیکو در رم (شکل 1A-C را ببینید) برگزار شد و بعداً در موزه‌ی MAXXI در رم (دسامبر 2021 / آگوست 2022) نیز به نمایش درآمد.

سه نمایشگاه تلاشی برای ایجاد همزیستی‌ِ «زیست محیطی» (ecological) بین عناصر طبیعی و مصنوعی، از جمله هوش مصنوعی، بود. این تجربه قرار بود کاملاً فراگیر و برای همه جذاب باشد: بینندگان خود را در یک «سناریو» غوطه‌ور می‌دیدند که توانایی انعکاس همزمان دو نوع واکنش را از پایین به بالا – با محوریت حس (sensory-driven) – و از بالا به پایین – وابسته به شناخت (cognitive-dependent) – داشته باشد. در چنین فضایی، به طور ضمنی از بیننده دعوت می‌شد تا رابطه‌ای خودجوش با عنصر هوش مصنوعی برقرار کند که باعث برانگیختن تفکر و ایجاد احساسات متضاد مختلف می‌شود. در هر سه نمایشگاه، آثاری هنری وجود داشت که از پنل‌های بزرگی تشکیل شده بود که در سراسر فضا قرار گرفته بودند و شعرهایی را به نمایش می‌گذاشتند که با استفاده از هوش مصنوعی تنظیم‌شده توسط گروه هنری تولید شده بودند.

شکل ۱. پروژه نمایشگاهی Tre Scenari sulla Percezione del Tempo اثر گروه هنری نومرو کروماتیکو

A. کنش اول: حافظه، شامل اشعاری بود که توسط هوش مصنوعی P.O.E. به شکل نوشته‌های روی سنگ قبر اجرا شده بود. B. کنش دوم: بینایی، شامل اشعار عاشقانه‌ای بود که توسط هوش مصنوعی I.L.Y. نوشته شده بود. C. کنش سوم: انتظار، شامل اشعاری درباره‌ی آینده‌ی بشریت بود که توسط هوش مصنوعی S.O.H.N. تولید شده بود. تمام این هوش مصنوعی‌ها با استفاده از GPT-2 توسط نومرو کروماتیکو بهینه‌سازی شده بودند. برای جزئیات بیشتر به متن مراجعه کنید. عکس‌ها از آرشیو نومرو کروماتیکو.

در اولین سناریو (شکل ۱.A) ده اثر هنری در اندازه‌های مختلف که از موزاییک گل‌های واقعی (Limonium Sinuatum) تشکیل شده بود، در فضا نصب شده بود. آثار هنری حاوی متن‌هایی بودند که توسط P.O.E. (مخفف Poetry Of the End – شعر پایان) تولید شده بود. هوش مصنوعی P.O.E توسط گروه هنری نومرو کروماتیکو برای تولید سنگ قبر، اشعار در مورد پایان، سروده‌های کوتاه و متون یادبود تنظیم دقیق شده بود. در دومین سناریو (شکل ۱.B)، ده اثر هنری با اندازه‌های مختلف که از قالیچه‌هایی با نوشته‌هایی که توسط هوش مصنوعی به نام I.L.Y. (مخففI Love You – عاشقتم) تولید شده بود، در فضا نصب شده بود. این هوش مصنوعی توسط گروه هنری نومرو کروماتیکو برای تولید اشعار عاشقانه آموزش داده شده بود. در سومین سناریو (شکل ۱C)، نه اثر هنری با اندازه‌های مختلف که هر کدام شامل پنل‌هایی پوشیده شده با پشم بسته‌بند‌ی تک‌رنگ یا چندرنگ شبیه به پر و بال پرندگان بود، در فضا نصب شده بود. محتوای متنی پنل‌ها در مورد آینده‌ی بشریت بود که توسط هوش مصنوعی سوم به نام S.O.N.H. (مخفف Statements Of a New Humanity- بیانیه‌های یک انسانیت جدید) تولید شده بود. این هوش مصنوعی نیز توسط گروه هنری نومرو کروماتیکو ساخته شده بود. هر سه هوش مصنوعی مولد بر اساس مدل Generative Pre-trained Transformer 2 (GPT-2) –  که یک هوش مصنوعی متن‌باز ساخته‌شده توسط OpenAI در سال ۲۰۱۹ است، ساخته شده‌اند. این هوش مصنوعی‌ها با استفاده از سه مجموعه‌ی جداگانه از متون منتخب، تنظیم دقیق شده بودند.

در الگوریتم TSPT، این فناوری با نیازهای زیبایی‌شناختی و ادراکی هنرمند سازگار شد و به ابزاری معمولی در اختیار هنرمند تبدیل گشت. بنابراین، هوش مصنوعی نه تنها در خلاقیت تداخل ایجاد نکرد بلکه جایگزین هنرمند نیز نشد. در عوض، به عنوان فناوری‌ای که توانایی پاسخگویی به رویکردی دقیق و مبتنی بر درک انسانی از زیبایی‌شناسی را دارد، برای حمایت از فرآیند خلاقانه‌ی هنرمند مورد استفاده قرار گرفت.

بحث

گستردگی هوش مصنوعی تقریباً تمامی جنبه‌های زندگی روزمره را تحت تأثیر قرار می‌دهد. الگوریتم‌های هوش مصنوعی از طریق سیستم‌های توصیه‌گرِ (recommendation systems) روزمره برای موسیقی، فیلم، هنر، یا اخبار در زندگی ما جای گرفته‌اند و به ما پیشنهاد می‌دهند که چه چیزی گوش کنیم، تماشا کنیم، بازدید کنیم یا بخوانیم، و به این ترتیب انتخاب‌های فردی ما را تحت تأثیر قرار می‌دهند. علاوه بر این، هوش مصنوعی در تصمیم‌گیری نیز دخالت دارد که این دخالت نه تنها شخصی بلکه جمعی است. حوزه‌های سیاست، آموزش، بهداشت و درمان و امنیت سایبری به طور فزاینده‌ای در تصمیم‌گیری به هوش مصنوعی وابسته هستند (Triberti et al., 2020; Bickley et al., 2022; Giordano et al., 2021; Poel et al., 2018; Ransbotham et al., 2021; Medaglia et al., 2023). بحث در مورد این موضوعات در جامعه‌ای که از یک سو در زمینه‌های مختلف به تصمیم‌گیری‌های هوش مصنوعی اعتماد می‌کند (Bickley et al., 2022; Giordano et al., 2021; Poel et al., 2018; Ransbotham et al., 2021) و از سوی دیگر در اعتماد به سیستم‌های هوش مصنوعی تردید دارد، امری مهم و ضروری است.

در این راستا، دانش و رویکردهای مختلف رشته‌هایی مانند علوم اعصاب، روان‌شناسی و تعامل انسان و کامپیوتر نقش اساسی در توسعه‌ی ابزارهای جدید برای اجرای راهبردهای ارتباطی مؤثر به منظور تقویت رابطه‌ی بین انسان و هوش مصنوعی دارند. «هوش مصنوعی قابل توضیح» (eXplainable Artificial Intelligence) (که به طور معمول با XAI شناخته می‌شود) حوزه‌ای جدید است که به دنبال بهبود شفافیت، قابل درک بودن، اعتماد، قابلیت استفاده و عدالت در هوش مصنوعی است (Miller, 2019). هدف این است که کاربران بهتر بتوانند این عامل‌های هوشمند (intelligent agents) را درک کنند و به آن‌ها اعتماد کرده و با آن‌ها رابطه برقرار کنند (برای مرور این موضوع، Haque et al., 2023 را ببینید). استفاده‌ی مناسب از پتانسیل هوش مصنوعی و آگاهی از محدودیت‌های آن اهدافی هستند که باید به آن‌ها دست یافت و این موضوع دنیای هنر را نیز در بر می‌گیرد.

همانطور که سعی کردیم توضیح دهیم، برای درک بهتر جایگاه هوش مصنوعی در تولید آثار هنری، باید آن را به عنوان یک ابزار در نظر بگیریم، ابزاری برای حمایت از فرآیند خلق اثر، درست شبیه سایر ابزارهای مصنوع یا طبیعی. در طول تاریخ، اختراعات بشر به طور تصاعدی افزایش یافته است – هوش مصنوعی جدیدترین ابزاری است که به تولید محرک‌های بصری یا کلامی جدید در عرصه هنر کمک می‌کند. همانطور که تلاش کردیم توضیح دهیم، پیاده‌سازی هوش مصنوعی در تولید هنری، همانند دیگر ابزارهای مصنوعی یا طبیعی، باید به عنوان یک ابزار، یعنی یک حمایت برای فرآیند خلاقانه، در نظر گرفته شود. هوش مصنوعی نه ویژه است و نه تحریک‌آمیز (provocative)، بلکه یکی از جدیدترین ساخته‌های انسانی است.

این واقعیت که هوش مصنوعی می‌تواند تصاویر زیباشناسانه و محتوای معنادار تولید کند، انقلابی کوپرنیکی در حوزه‌ی هنر به شمار می‌رود، اما در حال حاضر، این موضوع برای جایگزینی خلاقیت انسانی کافی نیست. این تغییر در پارادایم خلاقیت هنری، همان‌طور که با گسترش عکاسی در اواخر قرن نوزدهم رخ داد (Savedoff, 2000) باید به یک بحث ضروری درباره‌ی وضعیت هنر و استفاده از آن منجر شود. در آن سال‌ها، با ظهور فناوری‌هایی که قادر به بازتولید واقعیت بودند، هنرمندان شروع به زیر سوال بردن نقش نقاشی کردند و این امر به ایجاد بحثی بی‌سابقه و ظهور پیشگامان تاریخی همچون امپرسیونیسم، فوتوریسم، اکسپرسیونیسم و بسیاری دیگر انجامید (Hacking & Lukitsh, 2020; Pierce, 1998). با توجه به اینکه پتانسیل یادگیری و “استدلال” (reasoning) هوش مصنوعی به طور مداوم در حال تکامل است، این فناوری بدون شک مرزهای فرهنگی ما را به سمت افق‌های جدید سوق خواهد داد (Jackson, 2017; Manovich & Arielli, 2021). آخرین نگرانی‌ها در مورد پیشرفت‌های هوش مصنوعی به مسئله‌ی آگاهی مربوط می‌شود، زیرا برخی از دانشمندان به این سناریو به عنوان یک تحول احتمالی در آینده‌ی نزدیک نگاه می‌کنند، در حالی که دیگران نسبت به وقوع آن شک دارند. با این حال، این نوع نگرانی‌ها یادآور نیاز فوری به بحث در مورد این موضوعات برای درک بهتر چگونگی برخورد با هوش مصنوعی با حفظ احترام به ماهیت انسانی ماست (نگاه کنید به Seth, 2023).

علی‌رغم پیشرفت‌های چشمگیر در توانایی‌های هوش مصنوعی، مردم همچنان در مواجهه با آن با ترس، بی‌اعتمادی و تعصب دست و پنجه نرم می‌کنند. همانطور که قبلاً توضیح داده شد، داده‌های حاصل از مطالعات ادبی در مورد واکنش مردم به محصولات هوش مصنوعی نشان می‌دهد که ما کاملاً برای استقبال از آن‌ها آماده نیستیم. بنابراین، تحقیقات بیشتری برای بررسی علل تعصب منفی ما نسبت به محصولات هوش مصنوعی لازم است تا بتوانیم این احساسات را برطرف کرده و تعامل غیرمتعصبانه‌ای را ترویج دهیم و همچنین بازبینی‌ای در مورد محصولات هنری خلق شده با هوش مصنوعی (توجه: نه توسط هوش مصنوعی) انجام دهیم. این تعصب ممکن است به دلایل مختلفی باشد، از جمله: ترس از چنین فناوری‌هایی که ناشی از احساس ناخوشایند در مورد میزان گسترش آن‌هاست؛ ایده‌ی کلیشه‌ای که هنر را نتیجه‌ی محتوای تولید شده توسط هنرمند می‌داند و نه پیروی از پارادایم‌های زیبایی‌شناسانه خاص؛ و همچنین نبود جنبه‌های احساسی که ما معمولاً با این فناوری‌ها مرتبط نمی‌دانیم. همه این تعصبات ممکن است با هم همکاری کنند تا نقشی مهم‌تر از واقعیت به هوش مصنوعی در عرصه هنر نسبت دهند، در حالی که هوش مصنوعی صرفاً ابزاری در دست هنرمند است.

هرگاه پیشرفتی در فناوری جدید حاصل می‌شود، باید توضیحات آن هم به کارشناسان و هم به عموم مردم ارائه شود تا آگاهی و دانش نسبت به این پدیده‌ی جدید افزایش یابد و این ابزار جدید بهتر در زندگی مردم در جامعه ادغام شود. بنابراین، بسیار مهم است که رویکردهای ارتباطی جدیدی ارائه دهیم که به ایجاد یک رابطه‌ی جدید، بدون تعصب و متوازن بین انسان‌ها و عامل‌های هوش مصنوعی کمک کند. این فرآیند می‌تواند با درک استفاده و پیاده‌سازی هوش مصنوعی در هنر، که یکی از منحصر به فردترین فعالیت‌های انسانی است، بهبود یابد.

از بدو پیدایش هوش مصنوعی در دهه ۵۰، کاربردهای آن عمدتاً با هدف افزایش بهره‌وری، تخصیص منابع به شکل کارآمدتر و ترویج نوآوری بوده است (Medaglia et al., 2023).

یک پارادایم جدید تنها زمانی می‌تواند جای خود را تثبیت کند که شکافی (breach) با گذشته ایجاد کند، که احتمالاً در آینده نیز پارادایمی دیگر جایگزین این پارادایم جدید خواهد شد. اینگونه است که انقلاب‌های علمی و هنری رخ می‌دهند، نه از طریق پیشرفت خطی و پیوسته دانش، بلکه از طریق مجموعه‌ای از شکاف‌ها و جهش‌های تکاملی (evolutionary leaps). تا کنون، این توانایی در حوزه‌ی مغز انسان بوده است، ماشینی که طی ۱۰۰,۰۰۰ سال تکامل یافته است. آیا در آینده‌ی نزدیک، چنین جهش‌های انقلابی می‌توانند در حوزه الگوریتم‌های “هوشمند” (intelligent)، یعنی “ماشین‌هایی” (machines) با چند دهه تجربه، رخ دهند؟ این موضوع همچنان نیاز به بررسی دارد.

در حال حاضر، نیاز به درک این موضوع داریم که هوش مصنوعی چگونه، تا چه حد و چه زمانی می‌تواند و باید در عرصه‌ی هنر و به طور کلی‌تر در ارتباط با گونه‌ی ما – و نه تنها آن – از دیدگاه تکاملی، یکپارچه و بهره‌برداری شود.

تقابل بین طبیعی و مصنوعی دیگر موضوعیتی ندارد، زیرا ارتباطی با کشفیات و چالش‌هایی که با آن روبرو هستیم ندارد. این ایده که یک اثر هنری نتیجه‌ی احساسات درونی هنرمند است یا یک مصنوع نمایانگر نوعی زیبایی فرمی است، بر اساس ایده‌آل‌های منسوخ شده‌ای بنا شده است. از دیدگاه ما، باید این تصورات را کنار بگذاریم تا با رویکردهای جدید به مسائل هنری بپردازیم و از همه مهم‌تر، برای ابداع پارادایم‌های جدیدی از هنر که در آن از هوش مصنوعی به ‌عنوان ابزاری برای خلق و نوآوری استفاده می‌شود، تلاش کنیم.

 تشکر و قدردانی

بدینوسیله از آقای ماتئو مایولی (Matteo Maioli) به خاطر کمک ایشان در آماده‌سازی پیش‌نویس این مقاله و همچنین از سایر اعضای گروه نومرو کروماتیکو به خاطر بحث‌ها و نظرات مفیدشان در مورد موضوع مورد بحث در این مقاله، صمیمانه قدردانی می‌کنیم. شایان ذکر است که ایده‌های بیان شده در اینجا نمایانگر نظرات گروه تحقیقاتی نومرو کروماتیکو است.

تأمین مالی

این تحقیق با حمایت اداره کل خلاقیت معاصر وزارت فرهنگ ایتالیا از طریق کمک‌هزینه «Italian Council X» به گروه نومرو کروماتیکو انجام شده است.

بیانیه عدم تعارض منافع

نویسندگان این مقاله اعلام می‌دارند که هیچگونه تعارض منافعی در رابطه با این پژوهش ندارند.

منابع

Aggarwal, A., Mittal, M., & Battineni, G. (2021). Generative adversarial network: An overview of theory and applications. International Journal of Information Management Data Insights, 1(1), Article 100004.

Amabile, T. M. (2020). Creativity, artificial intelligence, and a world of surprises. Academy of Management Discoveries, 6(3), 351–354.

Arriagada, L. (2020). CG-art: Demystifying the anthropocentric bias of artistic creativity. Connection Science, 32(4), 398–405.

Arielli, E., and Manovich, L., (2022). AI-aesthetics and the anthropocentric myth of creativity. Nodes (19-20):91-97, Numero Cromatico Editore, Rome.

Baas, M., Nijstad, B. A., & De Dreu, C. K. (2015). The cognitive, emotional and neural correlates of creativity. Frontiers in Human Neuroscience, 9, 275.

Bickley, S. J., Chan, H. F., & Torgler, B. (2022). Artificial intelligence in the field of economics. Scientometrics, 127, 2055–2084.

Boden, M. A. (1998). Creativity and artificial intelligence. Artificial Intelligence, 103(1–2), 347–356.

Chamberlain, R., Mullin, C., Scheerlinck, B., & Wagemans, J. (2018). Putting the art in artificial: Aesthetic

responses to computer-generated art. Psychology of Aesthetics, Creativity, and the Arts, 12(2), 177.

Che, J., Sun, X., Gallardo, V., & Nadal, M. (2018). Cross-cultural empirical aesthetics. Progress in Brain Research, 237, 77–103.

Chiarella, S. G., Torromino, G., Gagliardi, D. M., Rossi, D., Babiloni, F., & Cartocci, G. (2022). Investigating the negative bias towards artificial intelligence: Effects of prior assignment of AI-authorship on the aesthetic appreciation of abstract paintings. Computer in Human Behavior 137.

Colton, S. (2012). The painting fool: Stories from building an automated painter. In Computers and creativity (pp. 3–38). Berlin, Heidelberg: Springer.

Dannenberg, R. (2006). Computer models of musical creativity. Artificial Intelligence, 170(18), 1218–1221, 2006.

Darda, K., Carre, M., & Cross, E. (2023). Value attributed to text-based archives generated by artificial intelligence. Royal Society Open Science, 10(2), 220915.

Davinio, C. (2002). Techno-Poetry And Virtual Reality. Sometti, Mantova.

Elgammal, A., Liu, B., Elhoseiny, M., & Mazzone, M. (2017). Can: Creative adversarial networks, generating “Art” by learning about styles and deviating from style norms. arXiv preprint. arXiv:1706.07068.

Epstein, Z., Hertzmann, A., and the Investigators of Human Creativity (2023). Art and the science of generative AI. Science 380(1):10-1111.

Eshraghian, J. K. (2020). Human ownership of artificial creativity. Nature Machine Intelligence, 2(3), 157–160.12

Fietta, V., Zecchinato, F., Di Stasi, B., Polato, M., & Monaro, M. (2021). Dissociation between users’ explicit and implicit attitudes toward artificial intelligence: An experimental study. IEEE Transactions on HumanMachine Systems, 52(3), 481–489.

Gagliardi et al., (2022). On the role of the artist and the prejudice against AI-generated artworks. Nodes (19-20):98-103, Numero Cromatico Editore, Rome.

Gagliardi D. M., (2022b). Numero Cromatico: la nascita, la ricerca e gli scenari futuri, Rivista di Psicologia dell’Arte, anno XLII, n. 32

Gallese, V., & Di Dio, C. (2012). Neuroaesthetics: The body in esthetic experience. In V. S. Ramachandran (Ed.), The Encyclopedia of human behavior (2nd ed., pp. 687–693). Boston, MA: Elsevier Academic Press.

Gangadharbatla, H. (2022). The role of AI attribution knowledge in the evaluation of artwork. Empirical Studies of the Arts, 40(2), 125–142.

Giordano, C., Brennan, M., Mohamed, B., Rashidi, P., Modave, F., & Tighe, P. (2021). Accessing artificial intelligence for clinical decision-making. Frontiers in digital health, 3, Article 645232.

Gioti, A. M. (2021). Artificial intelligence for music composition. In Handbook of artificial intelligence for music (pp. 53–73). Cham: Springer.

Gobet, F., & Sala, G. (2019). How artificial intelligence can help us understand human creativity. Frontiers in Psychology, 10, 1401.

Goenaga, M. A. (2020). A critique of contemporary artificial intelligence art: Who is Edmond de Belamy? AusArt, 8(1).

Hacking, J., & Lukitsh, J. (Eds.) (2020). Photography and the Arts: Essays on 19th Century Practices and Debates. Bloomsbury Publishing.

Haque, A. B., Islam, A. N., & Mikalef, P. (2023). Explainable Artificial Intelligence (XAI) from a user perspective: A synthesis of prior literature and problematizing avenues for future research. Technological Forecasting and Social Change, 186, 122120.

Heinich, N. (2022). Il paradigma dell’arte contemporanea. Johan and Levi Editore.

Hitsuwari, J., Ueda, Y., Yun, W., & Nomura, M. (2023). Does human–AI collaboration lead to more creative art? Aesthetic evaluation of human-made and AI-generated haiku poetry. Computers in Human Behavior, 139, 107502.

Hong, J. W., & Curran, N. M. (2019). Artificial intelligence, artists, and art: Attitudes toward artwork produced by humans vs. artificial intelligence. ACM Transactions on Multimedia Computing, Communications, and Applications, 15(2s), 1–16.

Ihalainen, J. (2018). Computer creativity: Artificial intelligence and copyright. Journal of Intellectual Property Law & Practice, 13(9), 724–728.

Israfilzade, K. (2020). What’s in a name? Experiment on the aesthetic judgments of art produced by artificial intelligence. Journal of Arts, 3(2), 143–158.13

Jackson, T. E. (2017). Imitative identity, imitative art, and” AI: Artificial intelligence. Mosaic: An Interdisciplinary Critical Journal, 47–63.

Jacobsen, T. (2006). Bridging the arts and sciences: A framework for the psychology of aesthetics. Leonardo, 39(2), 155-162.

Kirk, U., Skov, M., Hulme, O., Christensen, M. S., & Zeki, S. (2009). Modulation of aesthetic value by semantic context: An fMRI study. NeuroImage, 44(3), 1125–1132.

Kirmani, A. R. (2022). Artificial Intelligence-Enabled Science Poetry. ACS Energy Letters, 8, 574-576.

Ko, H. K., Park, G., Jeon, H., Jo, J., Kim, J., & Seo, J. (2023, March). Large-scale text-to-image generation

models for visual artists’ creative works. In Proceedings of the 28th International Conference on Intelligent User Interfaces (pp. 919-933).

Köbis, N., & Mossink, L. D. (2021). Artificial intelligence versus Maya Angelou: Experimental evidence that people cannot differentiate AI-generated from human-written poetry. Computers in Human Behavior, 114,

106553.

Kuhn, T. S. (1962). La struttura delle rivoluzioni scientifiche. Einaudi, Torino, 1969.

Li, A., Zhao, L., Zuo, Z., Wang, Z., Chen, H., Lu, D., & Xing, W. (2021). Diversified text-to-image generation via deep mutual information estimation. Computer Vision and Image Understanding, 211, 103259.

Liang, Y., & Lee, S. A. (2017). Fear of autonomous robots and artificial intelligence: Evidence from national representative data with probability sampling. International Journal of Social Robotics, 9(3), 379–384.

Linardaki, C. (2022). Poetry at the first steps of Artificial Intelligence. Humanist Studies & the Digital Age, 7(1).

Lombardo, S. (1987). La Teoria Eventualista. Rivista di Psicologia dell’Arte, a.VIII, n.14-15.

Lombardo, S. (1991). Event and decay of the aesthetic experience. Empirical Studies of the Arts, 9(2), 123-141.

Lovelace, A. (1843). Notes on L. Menabreas sketch of the analytical engine invented by Charles Babbage, Esq. Taylor’s Sci. Mem., 3, 1843.

Lyu, Y., Wang, X., Lin, R., & Wu, J. (2022). Communication in Human–AI Co-Creation: Perceptual Analysis of Paintings Generated by Text-to-Image System. Applied Sciences, 12(22), 11312.

Marzano, G., & Novembre, A. (2017). Machines that dream: A new challenge in behavioral-basic robotics. Procedia Computer Science, 104, 146–151.

Mazzone, M., & Elgammal, A. (2019, March). Art, creativity, and the potential of artificial intelligence. Arts, 8(No. 1), 26. Multidisciplinary Digital Publishing Institute.

Medaglia, R., Gil-Garcia, J. R., & Pardo, T. A. (2023). Artificial intelligence in government: taking stock and moving forward. Social Science Computer Review, 41(1), 123-140.

Miller, A. I. (2019). The artist in the machine: The world of AI-powered creativity. Mit Press.14

Millet, K., Buehler, F., Du, G., & Kokkoris, M. D. (2023). Defending humankind: Anthropocentric bias in the appreciation of AI art. Computers in Human Behavior, 143, 107707.

Miranda, E. R. (1995). Artificial intelligence and music: An artificial intelligence approach to sound design. Computer Music Journal, 19(2), 59, 1995.

Mitchell, M. (2023). Abstraction and analogy in AI. Annals of the New York Academy of Sciences.

Morris, A. K., & Swiss, T. (2006). New media poetics: Contexts, technotexts, and theories. Mit Press.

Nadal, M., & Chatterjee, A. (2019). Neuroaesthetics and art’s diversity and universality. Wiley Interdisciplinary Reviews: Cognitive Science, 10(3), e1487.

Numero Cromatico (2021). Epitaphs for the human artist (1st). Numero Cromatico Editore, Rome.

Numero Cromatico (2022). Poesie sulla fine (1st). Numero Cromatico Editore, Rome.

Numero Cromatico (2022b). The future will not wait for us ovvero Il futuro non ci aspetta. Numero Cromatico Editore, Rome.

O’Sullivan, J. (2019). Towards a digital poetics: Electronic literature & literary games. Springer.

Pearce, M. T., Zaidel, D. W., Vartanian, O., Skov, M., Leder, H., Chatterjee, A., & Nadal, M. (2016).

Neuroaesthetics: The cognitive neuroscience of aesthetic experience. Perspectives on Psychological Science, 11(2), 265–279.

Peeters, M. M., van Diggelen, J., Van Den Bosch, K., Bronkhorst, A., Neerincx, M. A., Schraagen, J. M., & Raaijmakers, S. (2021). Hybrid collective intelligence in a human–AI society. AI & Society, 36(1), 217–238

Pelau, C., Dabija, D. C., & Ene, I. (2021). What makes an AI device human-like? The role of interaction quality, empathy and perceived psychological anthropomorphic characteristics in the acceptance of artificial intelligence in the service industry. Computers in Human Behavior, 122, Article 106855.

Pereira, F. C. (2007). Creativity and artificial intelligence: A conceptual blending approach (Vol. 4). Walter de Gruyter.

Pierce, C. (1998). Fear of Photography. Lit: Literature Interpretation Theory, 8(3-4), 295-04.

Poel, M., Meyer, E. T., & Schroeder, R. (2018). Big data for policymaking: Great expectations, but with limited progress? Policy & Internet, 10(3), 347–367.

Qiao, T., Zhang, J., Xu, D., & Tao, D. (2019). Mirrorgan: Learning text-to-image generation by redescription. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 1505-1514).

Quintarelli, S., Ferrauto, C. G., Fossa, F., Corea, F., Loreggia, A., Sapienza, S. (2020). Intelligenza Artificiale, Bollati & Boringhieri, Torino.

Ragot, M., Martin, N., & Cojean, S. (2020). AI-generated vs. Human artworks. A perception bias towards artificial intelligence?. In Extended abstracts of the 2020 CHI conference on human factors in computing systems (pp. 1–10).15

Ransbotham, S., Candelon, F., Kiron, D., LaFountain, B., & Khodabandeh, S. (2021). The Cultural Benefits of Artificial Intelligence in the Enterprise. MIT Sloan Management Review and Boston Consulting Group.

Rebol, M., Güti, C., & Pietroszek, K. (2021). Passing a non-verbal Turing test: Evaluating gesture animations generated from speech. In 2021 IEEE Virtual Reality and 3D User Interfaces (VR) (pp. 573-581). IEEE. Sartori, L., & Bocca, G. (2023). Minding the gap (s): public perceptions of AI and socio-technical imaginaries. AI & SOCIETY, 38(2), 443-458.

Savedoff, B. E. (2000). Transforming images: How photography complicates the picture. Cornell University Press.

Seth, A. (2023). Why Conscious AI Is a Bad, Bad Idea. Nautilus (May 8, 2023).

Shneiderman, B. (2021). Human-centered AI. Issues in Science & Technology, 37(2), 56–1.

Sternberg, R. J. (Ed.). (1999). Handbook of creativity. Cambridge University Press.

Tarnate, K. J. M., Garcia, M. M., & Sotelo-Bator, P. (2020). Short poem generation (spg): a performance evaluation of hidden Markov model based on readability index and Turing test. International Journal of Advanced Computer Science and Applications, 11(2).

Tatarkiewicz, W., (1979). Storia dell’estetica. Voll I, II, III. Einaudi, Torino. Tomasev, N., Cornebise, J., Hutter, F., Mohamed, S., Picciariello, A., Connelly, B., …Khan, M. E., et al. (2020). AI for social good: Unlocking the opportunity for positive impact. Nature Communications, 11, 2468.

Triberti, S., Drosini, I., & Pravettoni, G. (2020). A “third wheel” effect in health decision making involving artificial entities: a psychological perspective. Frontiers in Public Health, 8, Article 117.

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460.

Xu, R., & Hsu, Y. (2020, September). Discussion on the aesthetic experience of artificial intelligence creation and human art creation. In: International conference on Kansei Engineering & emotion research (pp. 340–348). Singapore: Springer.

Xue, A. (2021). End-to-end chinese landscape painting creation using generative adversarial networks. In Proceedings of the IEEE/CVF Winter conference on applications of computer vision (pp. 3863-3871).

Vettese, A. G. (2012). L’arte contemporanea tra mercato e nuovi linguaggi. Il mulino.

Vinchon, F., Lubart, T., Bartolotta, S., Gironnay, V., Botella, M., Bourgeois-Bougrine, S., … & Gaggioli, A. (2023). Artificial Intelligence & Creativity: A manifesto for collaboration. The Journal of Creative Behavior 0(0):1-13.

اصل مقاله:

https://www.researchgate.net/publication/372080654_Redefining_the_role_of_Artificial_Intelligence_in_artistic_production