|
今天为大家介绍的是来自Ziv Epstein和Aaron Hertzmann的一篇讨论人工智能艺术的文章。  一种被称为生成式人工智能（AI）的新型工具的能力是一个备受争议的话题。迄今为止，它的一个突出的应用是为视觉艺术、概念艺术、音乐、文学以及视频和动画制作高质量的艺术媒体。例如，扩散模型可以合成高质量的图像，而大型语言模型可以在各种背景下产生有意义且令人印象深刻的散文和诗歌。这些工具的生成能力很可能会从根本上改变创作者构思和制作想法的创作过程。随着创造力的重新想象，社会的许多领域也可能会发生改变。理解生成式人工智能的影响并就此做出政策决策需要对文化、经济、法律、算法以及技术和创造力的相互作用进行新的跨学科科学探究。 乍一看，生成式人工智能工具似乎完全自动化了艺术创作，这种印象与过去的情况相似，当传统主义者将新技术视为对"艺术本身"的威胁时。实际上，这些技术变革并没有意味着"艺术的终结"，而是产生了更为复杂的影响，重新塑造了创作者的角色和实践，并改变了当代媒体的美学。例如，19世纪的一些艺术家将摄影的出现视为对绘画的威胁。然而，摄影并没有取代绘画，反而最终使其摆脱了写实主义，催生了印象派和现代艺术运动。相比之下，肖像摄影在很大程度上取代了肖像绘画。类似地，音乐制作的数字化（如数字采样和音频合成）被谴责为"音乐的终结"。然而，它改变了人们制作和聆听音乐的方式。像这些历史类比一样，生成式人工智能并不是艺术衰落的先驱，而是一种具有独特特点的新媒介。作为人类创作者使用的一套工具，生成式人工智能有望颠覆创意产业及其他许多领域，短期内威胁现有的工作和劳动模式，同时最终实现创意劳动的新模式，并重新配置媒体生态系统。 然而，与过去的颠覆不同，生成式人工智能依赖于由人类创建的训练数据。这些模型通过从现有的艺术媒体中提取统计模式来"学习"生成艺术作品。这种对训练数据的依赖引发了新的问题，比如数据的来源、它如何影响输出，以及如何确定作者。通过利用现有作品来自动化创作过程的某些方面，生成式人工智能挑战了传统的作者定义、所有权、创作灵感、采样和混音的概念，从而复杂化了现有的媒体制作观念。因此，重要的是要考虑生成式人工智能对美学和文化的影响，所有权和信用的法律问题，创作工作的未来以及对当代媒体生态系统的影响。在这些主题中，存在着关键的研究问题，可用于制定政策并推动这项技术的有益应用。 要正确研究这些主题，首先需要了解描述人工智能的语言如何影响对该技术的看法。"人工智能"这个术语本身可能误导地暗示这些系统表现出类似人类的意图、代理能力，甚至是自我意识。基于自然语言的界面现在伴随着生成式人工智能模型，包括使用"我"代词的聊天界面，这可能会给用户一种类似人类的互动和代理感。这种感知可能会削弱对系统输出背后创作者的认可，并将开发者和决策者的责任转嫁。未来需要进行进一步的工作，以了解对生成过程的看法如何影响对输出和作者的态度。这可能有助于设计能够揭示生成过程并避免误导性解读的系统。 社交媒体平台上那些不透明的、最大化用户参与度的推荐算法可能通过反馈循环进一步强化审美规范，产生轰动性和可分享的内容。随着算法和内容创建者努力最大化用户参与度，这可能进一步同质化内容。然而，一些初步的实验表明，在策划由人工智能生成的内容时，结合用户参与度指标可以在某些情况下增加内容的多样性。推荐算法会强化哪些风格，以及这种优先级如何影响内容创作者创作和分享的内容类型，这仍然是一个未解决的问题。未来的工作必须探索生成模型、推荐算法和社交媒体平台之间相互作用所形成的复杂动态系统，并研究它们对美学和概念多样性的影响。 生成式人工智能依赖于训练数据，这引发了关于作者权益的法律和伦理挑战，因此应促使对这些系统性质进行技术研究。版权法必须在创作者、生成式人工智能工具用户和整个社会之间取得平衡的利益。如果作品没有直接复制，则法律可以将训练数据的使用视为非侵权；如果训练过程中对基础数据进行了实质性转换，则可以视为合理使用；如果创作者明确授权，则可以允许使用；或者可以根据法定强制许可原则，只要对创作者进行补偿，就可以使用数据进行训练。版权法很大程度上依赖于司法解释，因此目前还不清楚收集第三方数据进行训练或模仿艺术家风格是否会侵犯版权。法律和技术问题是相互交织的：模型是否直接从训练数据中复制元素，还是产生全新的作品？即使模型不直接从现有作品中复制，也不清楚应如何保护和处理艺术家的个体风格。哪些机制可以保护和补偿那些被用于训练的艺术家的作品，甚至允许他们选择退出，同时仍然允许利用生成式人工智能模型进行新的文化创作？回答这些问题并确定版权法如何处理训练数据需要进行大量的技术研究来开发和理解人工智能系统，进行社会科学研究以了解相似性的认知，并进行法律研究以将现有的先例应用于新技术。当然，这些观点仅代表美国的法律观点。 一个独立的法律问题是涉及谁可以声称对模型输出拥有所有权。回答这个问题需要理解系统的用户与其他利益相关者（如系统的开发者和训练数据的创建者）的创造性贡献。人工智能开发者可以通过使用条款主张对输出的所有权。相比之下，如果系统的用户以一种有意义的创造方式参与其中（例如，该过程不完全自动化，或者不模仿特定作品），那么他们可能被视为默认的版权持有人。但是，用户的创造性影响必须有多大程度才能声称拥有所有权？这些问题涉及研究使用基于人工智能的工具的创作过程，如果用户获得更直接的控制权，这些问题可能变得更加复杂。 无论法律结果如何，生成式人工智能工具很可能会改变创意工作和就业情况。现行的经济理论（即技术变革对技能的偏好）认为，认知和创意工作者面对的劳动自动化干扰较小，因为创造力不容易被编码成具体的规则。然而，新的工具引发了对创意职业（如作曲家、平面设计师和作家）的就业担忧。这种冲突的原因在于技术变革对分析性工作和创造性思维等认知活动之间没有区分。需要建立一个新的框架来描述创意过程的具体步骤，确定这些步骤中可能受到生成式人工智能工具影响的部分，以及对不同认知职业的工作场所要求和活动的影响。 尽管这些工具可能会对某些职业构成威胁，但它们也可能提高其他职业的生产力，甚至创造新的职业。例如，从历史上看，音乐自动化技术使更多的音乐人能够创作，尽管收入出现偏差。生成式人工智能系统每分钟可以创作数百个作品，这可能通过快速构思加速创意过程。然而，这种加速也可能通过消除与白板状态相关的初始原型制作阶段来削弱创造性的某些方面。在任何情况下，生产时间和成本可能会下降。创意产品的生产可能变得更加高效，以较少的工人产生相同的产量。反过来，对创意工作的需求可能会增加。然而，使用传统工具进行雇佣工作的许多职业，如插图或库存摄影，可能会被替代。历史上有几个例子可以证明这一点。最值得注意的是，工业革命使传统上由工匠制作的工艺品（如陶瓷、纺织品和钢铁制品）得以大规模生产，而这些工艺品不再需要工匠的劳动；手工制品成为特殊的物品。类似地，摄影取代了肖像画。音乐的数字化消除了学习如何操纵乐器的限制，并使更复杂的编曲与更多的参与者成为可能。这些工具可能改变谁能够成为艺术家，这种情况下，艺术家的就业可能会增加，尽管平均工资下降。 随着这些工具对创意劳动产生影响，它们也给更广泛的媒体生态系统引入了潜在的下游危害。随着大规模媒体生产的成本和时间的降低，媒体生态系统可能会面临由合成媒体创建的人工智能生成的错误信息的风险，尤其是那些为主张提供证据的媒体。生成逼真的合成媒体的新可能性可能通过所谓的"撒谎者红利"（虚假内容通过破坏对真相的信任而使撒谎者受益），以及增加欺诈和非自愿性暴露的威胁，削弱对真实媒体的信任。这提出了重要的研究问题：平台干预（例如追踪来源真实性和检测合成媒体）在治理和建立信任方面扮演着什么角色？合成媒体的泛滥如何影响对真实媒体（如未经编辑的新闻摄影）的信任？随着内容的生产增加，集体的注意力可能会减少。人工智能生成的内容的爆炸式增长反过来可能阻碍社会在气候和民主等重要领域进行集体讨论和行动的能力。 每种艺术媒介都反映并评论其所处时代的问题，而围绕当代生成式人工智能艺术的辩论反映了自动化、企业控制和注意力经济等当前问题。最终，我们通过艺术表达我们的人性，因此理解和塑造人工智能对创意表达的影响是关于其对社会影响的更广泛问题的核心。对生成式人工智能的新研究应该为制定政策和技术的有益应用提供支持，并与关键利益相关者进行合作，特别是与艺术家和创意劳动者本身进行合作，他们中的许多人积极参与处于社会变革前沿的难题的探讨。 参考资料 Ziv Epstein Aaron Hertzmann ,Art and the science of generative AI.Science380,1110-1111(2023). DOI:10.1126/science.adh4451 |
|
|
