作者:齐夫·爱泼斯坦(麻省理工学院)，亚伦·赫茨曼(Adobe Research)，人类创造力调查者(Adobe)。
来源:科学
图片来源:由** AI工具生成。
了解创意工作的转型将有助于引导AI对媒体生态系统的影响。
生成式人工智能(AI)是一个有争议的话题。到目前为止，一个突出的应用是为视觉艺术、概念艺术、音乐和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(1)，大规模语言模型(LLMs)可以在广泛的背景下产生合理且令人印象深刻的散文和诗歌(2)。这些工具的生成能力可能会从根本上改变创作者形成想法并投入生产的创作过程。随着创造力被重新想象，社会的许多领域也可能被重新构想。理解生成性人工智能的影响并围绕它做出政策决定，需要对文化、经济、法律、算法、技术和创造力之间的相互作用进行新的跨学科科学调查。
变革的瞬间并没有预示着“艺术的终结”，而是产生了更加复杂的影响，重塑了创作者的角色和实践，改变了当代媒体的审美(3)。例如，一些19世纪的艺术家认为摄影的出现是对绘画的威胁。但摄影并没有取代绘画，而是最终将绘画从现实主义中解放出来，产生了印象主义和现代艺术运动。相比之下，人像摄影确实在很大程度上取代了人像绘画。同样，音乐制作的数字化(例如，数字采样和声音合成)被谴责为“音乐的终结”。但事实上，它改变了人们制作和聆听音乐的方式，并有助于产生新的流派，包括嘻哈和低音鼓。就像历史上的这些类似情况一样，生成性AI并不是艺术消亡的先兆，而是一种拥有自己独特能力的新媒体。作为人类创作者使用的一套工具，生成性AI的定位是颠覆创意产业的诸多领域，短时间内威胁现有的工作和劳动模式，最终实现新的创意劳动模式，重新配置媒体生态系统。
然而，与过去的颠覆不同，生成式AI依赖于人所做的训练数据。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。而这种依赖也带来了新的问题& # 8212；比如数据的来源，如何影响输出，如何确定作者的身份。通过使用现有的工作来实现创作过程的自动化，生成性AI挑战了作者身份、所有权、创作灵感、采样和重新混合的传统定义，从而使媒体生产的现有概念变得复杂。因此，重要的是考虑生成性AI对美学和文化的影响，所有权和信用的法律问题，创意作品的未来，以及对当代媒体生态系统的影响。在这些主题中，有一些关键的研究问题可以为政策和有益地使用这项技术提供参考(4)。
关于“人工智能”为了正确研究这些话题，我们需要了解用于描述人工智能的语言是如何影响我们对这项技术的看法的。“人工智能”这个词可能会误导人们，暗示这些系统显示出类似人类的意图、主动性甚至自我意识。基于自然语言的生成式AI模型的界面，包括使用“我”的聊天界面，可能会给用户一种类似于人类交互的感觉。这些认知会破坏创作者的声誉，创作者的劳动是系统产出的基础(5)，当这些系统造成伤害时，就会转移开发者和决策者的责任(6)。未来的工作需要了解对生成过程的看法如何影响对输出和作者的态度。这将有助于设计一个系统来披露生成过程，并避免误导性的解释。
生成性AI和审美生成性AI的特殊能力反过来又产生了新的美学，可能会对艺术和文化产生长远的影响。随着这些工具的普及和使用变得普遍(就像一个世纪前的摄影)，它们产生的美学将如何影响艺术输出仍然是一个悬而未决的问题。生成性AI的低门槛可以通过扩大参与艺术实践的创作者群体，增加艺术输出的整体多样性。同时，嵌入在训练数据中的美学和文化规范和偏见可能被捕捉、反映甚至放大，从而减少多样性(7)。AI输出的内容也可能为未来的模型提供素材，创造一个自我参照的审美飞轮，让AI驱动的文化规范得以延续。未来的研究应该探索量化和增加输出多样性的方法，并研究生成性AI工具如何影响美学和审美多样性。
社交媒体平台的不透明和参与式推荐算法可以通过反馈回路(8)进一步强化审美规范，产生煽情和可分享的内容。随着算法和内容创作者试图最大化参与，这可能会进一步使内容同质化。然而，一些初步实验(9)表明，通过包含参与指数，在某些情况下，AI生成的内容可以多样化。至于哪些风格会被推荐算法放大，这种优先级如何影响创作者生产和分享的内容类型，这仍然是一个悬而未决的问题。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形成的复杂动态系统，以及它们对审美和概念多样性的影响。
生成式AI和版权生成式AI依靠训练数据实现创作的自动化，这也带来了法律和伦理方面的挑战，需要推动对这些系统本质的技术研究。版权法必须平衡创作者、生成性AI工具的用户和整个社会的利益。如果不是直接复制受保护的作品，法律可以将训练数据的使用视为不侵权行为；培训涉及基础数据实质性变化的，视为合理使用；只有在创作者明确许可的情况下才允许使用；或者是法定强制许可，允许在创作者得到补偿的情况下将数据用于培训。大部分版权法依赖于司法解释，因此不清楚收集第三方数据进行训练或模仿艺术家的风格是否会侵犯版权。法律和技术问题交织在一起:模型是直接训练数据中的元素，还是产生全新的作品？即使模特没有直接抄袭现有作品，也不清楚艺术家的个人风格是否应该保护，如何保护。什么样的机制可以保护和补偿其作品被用于训练的艺术家，甚至允许他们选择退出，同时仍然允许用生成式AI模型做出新的文化贡献？回答这些问题并确定版权法应该如何对待训练数据，需要大量的技术研究来开发和理解AI系统，需要社会科学研究来了解对相似性的看法，还需要法律研究来将现有先例应用于新技术。当然，这些观点仅代表美国法律观点。
一个显而易见的法律问题是，谁可以声称对模型的输出拥有所有权。要回答这个问题，我们需要了解系统用户和其他利益相关者的创造性贡献，例如系统的开发人员和训练数据的创建者。人工智能开发人员可以通过使用条款声称对输出的所有权。相比之下，如果系统用户以一种有意义和创造性的方式参与(例如，该过程不是完全自动化的，或者没有模仿某个特定的作品)，那么他们可能被认为是默认的版权所有者。然而，用户的创造力能在多大程度上影响所有权的主张？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，这可能会变得更加复杂。
生成性AI和创造性职业无论法律结果如何，生成性AI工具都可能改变创造性工作和就业。流行的经济理论[即以技能为导向的技术变革(SBTC)]假设认知型和创造型工人面临的自动化带来的劳动中断较少，因为创造力不容易被编码成具体的规则(即波兰尼悖论)(10)。然而，新工具引起了对创造性职业的就业担忧，如作曲家、平面设计师和作家。这种冲突的产生是因为SBTC未能区分认知活动，如分析工作和创造性思维。我们需要一个新的框架来描述创作过程的具体步骤，这些步骤可能会受到生成性AI工具以及不同认知职业的工作场所要求和活动的影响(11)。
虽然这些工具可能会威胁到一些职业，但它们可以提高其他职业的生产率，或许还能创造新的职业。例如，从历史上看，音乐自动化技术使更多的音乐人能够进行创作，即使他们的收入是倾斜的(12)。生成式人工智能系统每分钟可以创建数百个输出，这可能通过快速构思来加快创建过程。然而，这种加速也可能摧毁创造力的所有方面，因为它消除了从零开始塑造原始原型的设计周期。在任一情况下，生产时间和成本都可以减少。创意产品的生产可能会变得更有效率，用更少的人力达到同样的产出。相反，对创造性工作的需求可能会增加。此外，许多使用传统工具的就业职业，如插图或库存摄影，可能会被取代。一些历史事例证明了这一点。最值得注意的是，工业革命使传统手工业(如陶瓷、纺织和炼钢)通过非手工业者的劳动得以大规模生产；手工制品已经成为特殊物品。同样，摄影也取代了肖像。音乐的数字化消除了学习物理操作乐器的限制，使更多的贡献者能够做出更复杂的安排。这些工具可能会改变谁能成为艺术家的局面。在这种情况下，即使平均工资下降，艺术家的就业也可能增加。
生成性AI和媒体生态因为这些工具影响了创造性劳动，也给更广泛的媒体生态带来了潜在的下游伤害。随着媒体大规模生产的成本和时间的减少，媒体生态系统可能很容易受到AI因合成媒体的创建而产生的虚假信息的影响，特别是为索赔提供证据的媒体(13)。这些产生真实合成媒体的新可能性可能会破坏对真实捕捉媒体的信任(14)，并通过所谓的“骗子的奖金”(虚假内容通过破坏对真相的信任而使骗子受益)增加欺诈和非自愿图像的威胁。这提出了一个重要的研究问题:平台干预措施，如追踪源头和检测下游合成媒体在治理和信任建设中的作用是什么(15)？以及合成媒体的泛滥如何影响对真实媒体的信任，比如未经编辑的新闻照片？随着内容生产的增加，集体注意力可能会减少(16)。人工智能生成的内容的爆炸可能反过来阻碍社会在气候和民主等重要领域进行集体讨论和采取行动的能力。
每一个艺术媒体都在反思和评论其时代的问题，当代AI所产生的关于艺术的争论反映了当前围绕自动化、企业控制和注意力经济的问题。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造性表达的影响是关于其对社会影响的更广泛问题的中心。关于生成性人工智能的新研究应该为政策和技术的有益使用提供信息，同时与关键利益相关者接触，特别是艺术家和创意工作者本身，他们中的许多人是积极参与解决社会变革问题的先驱。
译者注:本文设计了16个注释，相关阅读可以参考原文。
本网站声明:网站内容来源于网络。如有侵权，请联系我们，我们会及时处理。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信，我们会及时处理和回复。
原文地址"《科学》杂志：变革不是“艺术的终结”，生成式 AI 将重塑当代媒体美学"：http://www.ljycsb.cn/qukuailian/214171.html。
微信扫描二维码投放广告
▲长按图片识别二维码
