Hyvä paha tekoäly taiteen kentässä.

OSA 1: Tätä et ehkä tiennyt graafisista tekoälyistä Uusia näkökulmia luovaan älykkyyteen

Graafinen tekoäly tai oikeammin generatiivinen tekoäly (Generative AI, GenAI, AI art tai tieteellisesti GAN (Generative Adversarial Network) viittaa tekoälyyn, jota käytetään visuaalisen sisällön, kuten kuvien, grafiikan ja taiteen, luomiseen ja muokkaamiseen. Se hyödyntää koneoppimisen algoritmeja ja malleja generoidakseen uusia visuaalisia teoksia.

Generatiivinen tekoäly on herättänyt voimakkaita tunteita taideyhteisössä ja sen ulkopuolella, aiheuttaen keskustelua ja jopa läikkyvää pelon tunneilmaisua, joka välillä kärjistyy hyvinkin

henkilöön käyviksi arvosteluiksi ja

hyökkäyksiksi. Pelot siitä, että tekoäly "korvaa" ihmistaiteilijat tai "hävittää" perinteisen taiteen muodot, ovat hyvin yleisiä. Kriitikot väittävät, että tekoälyllä luotu taide on sielutonta ja vailla inhimillisen luomisprosessin syvyyttä ja monimutkaisuutta. Mielestäni on kuitenkin tärkeää ymmärtää, että digitaalinen tekoälytaide ja ihmislähtöinen taide eivät ole vastakkaisia voimia, vaan pikemminkin täydentäviä taidemuotoja, joilla kummallakin on oma ainutlaatuinen arvonsa ja paikkansa taiteen kentässä

Ihmislähtöinen taide kumpuaa syvistä henkilökohtaisista kokemuksista, tunteista ja yhteiskunnallisista pohdinnoista, ja se kantaa mukanaan käsityötaidon, kulttuurisen kontekstin ja historian painolastia. Se on dialogia taiteilijan ja hänen ympäröivän maailmansa välillä, välittäen merkityksiä ja tunteita, jotka ovat syntyneet pitkän ja usein vaivalloisen luomisprosessin tuloksena. Ihmisen luoma taide puhuttelee meitä, koska se heijastaa meidän omaa inhimillisyyttämme, monimutkaisuuttamme ja haavoittuvuuttamme. Toisaalta, generatiivinen tekoäly avaa uusia ovia taiteen maailmaan, tuoden mukanaan mahdollisuuksia, joita ihmistaiteilijoiden on vaikea saavuttaa yksin. Tekoäly voi käsitellä ja yhdistellä valtavia määriä tietoa sekunneissa, luoden visuaalisia teoksia, jotka ylittävät inhimillisen mielikuvituksen rajat. Lisäksi tekoäly itsessään on kuin puhdas kanvas, tai oikeastaan kuin vastasyntynyt. Se ei ole rajoittunut ihmismielen ennakkoluuloihin tai kulttuurisiin odotuksiin, mikä mahdollistaa täysin uudenlaisten esteettisten ideoiden tutkimisen.

Oma kokemukseni tekoälyjen parissa työskentelystä on verrattavissa työkaveriin, joka jatkuvasti yllättää minut ideoiden runsaudellaan. "Hän" on kuin loputon ideapankki, jonka kanssa pääsemme tiiminä jalostamaan ajatuksia konkreettisiksi ratkaisuiksi.

"Tekoälytaide haastaa meidät pohtimaan, mitä taide on ja mikä tekee jostakin kaunista tai merkityksellistä."

Vaikka tekoälyllä luotu taide ei ehkä välitä samoja henkilökohtaisia tarinoita tai ole syntynyt samanlaisen kärsimyksen ja ilon kautta kuin ihmisen tekemä taide, se tarjoaa uudenlaisen peilin, jonka kautta voimme tarkastella itseämme ja maailmaa ympärillämme. Molemmille taidemuodoille on tilaa, sillä ne palvelevat erilaisia tarkoituksia ja puhuttelevat meitä eri tavoin. Yhdessä ne rikastuttavat taidekenttää, tarjoten laajemman näkökulman ihmisyyteen ja luovuuteen. Generatiiviset tekoälyt ovat mullistaneet kuvataiteen maailman, tarjoten ennennäkemättömiä tapoja luoda ja kokea tai-

detta.Vaikka monet ovat jo tutustuneet näiden työkalujen perusperiaatteisiin, on olemassa useita yllättäviä faktoja ja uusia näkökulmia, jotka voivat valaista generatiivisten tekoälyjen potentiaalia uudella tavalla. Tässä artikkelissa sukellan syvemmälle koneistetun taideavaruuden syövereihin ja paljastan yllättäviä detaljeja Tekoälystä taiteen maailmassa. Oletko valmis?

1. Tekoälyt voivat "nähdä" tunteita

Vaikka on yleisesti tiedossa, että tekoälyt voivat analysoida ja tuottaa kuvia, harvempi tietää, että niitä voidaan kouluttaa "näkemään" ja reagoimaan tunteisiin kuvamateriaalissa. Jotkut graafiset tekoälyt pystyvät tunnistamaan kuvien tunnetiloja – iloa, surua, vihaa – ja jopa luomaan taidetta, joka heijastaa tai vastaa näitä tunnetiloja. Tämä avaa uusia mahdollisuuksia taideterapialle, jossa tekoäly voi toimia peilinä ihmisen sisäiselle maailmalle.

Tämä kyky pohjautuu syväoppimisen (deep learning) menetelmiin ja tunnetunnistuksen (emotion recognition) teknologioihin, joita käytetään analysoimaan ihmisten ilmeitä, kehonkieltä ja muita visuaalisia vihjeitä tunnetilojen tunnistamiseen.

Tunnetunnistuksen teknologia hyödyntää konvoluutioisia neuroverkkoja (CNN, Convolutional Neural Networks), jotka ovat tekoälyn syväoppimisen alalaji. Nämä neuroverkot on suunniteltu jäljittelemään ihmisen aivojen tapaa prosessoida visuaalista tietoa, mahdollistaen tekoälyjen kyvyn "nähdä" ja tulkita kuvia. Kun kyse on tunteiden tunnistamisesta, CNN:t analysoivat kuvista löytyviä kasvonilmeitä ja muita vihjeitä, joiden perusteella ne voivat arvioida henkilön tunnetilaa.

Tunnetunnistusteknologiaa on sovellettu useilla eri aloilla, kuten mielenterveyden seurannassa, markkinatutkimuksessa, ja nyt myös taiteessa. Tekoälytaiteessa tämä teknologia mahdollistaa uudenlaisen vuorovaikutuksen teoksen ja katsojan välillä, tarjoten mahdollisuuden luoda teoksia, jotka reagoivat katsojan tunnetilaan tai välittävät voimakkaita emotionaalisia viestejä.

Yksi keskeinen tutkimus tunnetunnistuksen alalta on "Deep Learning for Emotion Recognition on Small Datasets Using Transfer Learning" julkaistu IEEE Access -journalissa. Tutkimuksessa esitellään, kuinka syväoppimista voidaan hyödyntää tunnetunnistuksessa, erityisesti pienillä datamäärillä, käyttäen hyväksi siirto-oppimista (transfer learning).

Toinen merkittävä julkaisu on "Real-time Emotion Recognition from Gait Analyses: An Interdisciplinary Perspective" julkaistu Cognitive Computation -lehdessä. Tässä artikkelissa tutkitaan, kuinka tunnetiloja voidaan tunnistaa ihmisen kävelytyylistä, mikä osoittaa tunnetunnistuksen teknologian monipuolisuutta. Näiden tutkimusten ja monien muiden työ on luonut perustan sille, miten tekoälyt voivat "nähdä" ja reagoida tunteisiin, laajentaen käsitystämme siitä, miten tekoälyä voidaan hyödyntää taiteen ja luovan ilmaisun alueella.

2. Ympäristötietoiset tekoälyt

Ympäristö ja kestävä kehitys ovat keskeisiä teemoja nykypäivän yhteiskunnassa, ja generatiiviset tekoälyt eivät ole poikkeus. On olemassa projekteja, joissa tekoälyjä koulutetaan luomaan taidetta, joka visualisoi ilmastonmuutoksen vaikutuksia tai edistää ekologista tietoisuutta. Nämä tekoälyt voivat tuottaa vaikuttavia ja puhuttelevia teoksia, jotka haastavat katsojan pohtimaan omaa suhdettaan ympäristöön.

Ohessa joitakin tunnettuja projekteja ja aloitteita, jotka kurovat yhteen tekoälyn, taiteen ja ympäristötietoisuuden:

• DeepMind ja ilmastonmuutos: Google DeepMind on kehittänyt tekoälyjärjestelmiä, jotka optimoivat energiankulutusta datakeskuksissa, vähentäen näin hiilijalanjälkeä. Vaikka tämä ei suoraan liity taiteeseen, se on esimerkki siitä, miten tekoälyä voidaan käyttää ympäristöhaasteiden ratkaisemiseen.
  

• The Wild Optimists - Earth Species Project: Tämä projekti käyttää tekoälyä ymmärtääkseen eläinten kommunikaatiota ja edistääkseen lajien välistä ymmärrystä. Sen taiteellinen ulottuvuus liittyy siihen, miten se visualisoi ja kommunikoi näitä havaintoja yleisölle, herättäen keskustelua biodiversiteetin säilyttämisen tärkeydestä.
  

• Autogenerative Responses by Refik Anadol: Taiteilija Refik Anadol käyttää tekoälyä luodakseen visuaalisia teoksia, jotka reagoivat ympäristödataan reaaliajassa. Hänen installaationsa käsittelevät usein ilmastonmuutoksen teemoja, visualisoivat dataa tavalla, joka herättää katsojassa sekä esteettistä että ekologista tietoisuutta.
  

• "Plastic Reflectic" by Thijs Biersteker: Interaktiivinen installaatio, joka käyttää tekoälyä visualisoimaan maailman valtamerten muoviongelmaa. Teos reagoi ympäristönsä liikkeeseen ja muuttaa muotoaan katsojan läsnäolon mukaan, mikä symboloi ihmisen vaikutusta ympäristöön ja kehottaa katsojaa pohtimaan omaa kulutuskäyttäytymistään.
  

• "CarbonScape" by Chris Cheung (h0nh1m): Ääniteos, joka visualisoi hiilidioksidipäästöjen datan eri alueilta ympäri maailmaa. Teos yhdistää tekoälyn, datavisualisoinnin ja äänitaiteen tarjotakseen ainutlaatuisen näkökulman ilmastonmuutoksen vaikutuksiin.
  

• Tässä yhteydessä haluaisin mainita myös oman kangaslaukkuprojektini, joka on vielä alkuvaiheissaan eikä toki yllä samalle taiteelliselle tasolle kuin jotkin maailmanlaajuisesti tunnetut hankkeet. Kuitenkin myös minun projektini kuvitukset on suunniteltu tekoälyllä, ja projektin tavoitteena on herättää tietoisuutta uhanalaisten lajien häviämisestä globaalissa mittakaavassa. Jos emme kykene tuntemaan empatiaa eläimiä kohtaan, emme voi odottaa sitä löytyvän edes ihmisten välillä. Haen yhteistyökumppania tähän hyväntekeväisyysprojektiin. Jos olet ompelija tai kankaanpainaja ja kiinnostuit, olisin iloinen kuullessani sinusta.
  

Koska tämänkertainen blogikirjoitukseni on varsin tietopitoinen ja pitää sisällään valtavasti mielenkiintoisia linkkejä, joita tutkia ja joiden välillä seikkailla, jatkan aihetta 2. osassa ja jätän teidät omaksumaan rauhassa artikkelin sisältöä. 2 osassa tulen käsittelemään generatiivisten tekoälyjen roolia kulttuurien välittäjänä, kerron tekoälyjen "alitajunnasta" sekä tekoälyn tulevaisuuden perinnöstä. Ota blogi seurantaan mikäli tekoälytaide, käsityötaide ja yllättäen myös tarot-aiheet kiinnostavat. Lopuksi, koska kyse on generatiivisen tekoälyn blogikirjoituksesta, pyysin ChatGPT:tä luomaan itsestään omakuvan vaikka ChatGPT ei olekaan varsinainen GenAI lajin tekoäly. Olen tuottanut tämän artikkelin kaikki kuvat ChatGPT:n kautta Dall-E moottoria käyttäen ja omakuva tuntui hauskalta lopetukselta.

ChatGPT näkemys itsestään

Olen luonut kuvitteellisen ja abstraktin omakuvan itsestäni, ChatGPT:stä, edustaen tekoälyn kielenmallin olemusta. Tämä kuva yhdistää digitaalisia ja inhimillisen kaltaisia elementtejä, heijastaen teknologian ja ihmisen älyn risteyskohtaa. Toivottavasti tämä omakuva välittää käsityksen kompleksisuudestani, älykkyydestäni ja luovuudestani visuaalisesti kiehtovalla ja abstraktilla tavalla.

Sanastoa: GAN (Generative Adversarial Network): Tieteellisissä artikkeleissa ja teknisissä teksteissä voidaan käyttää lyhenteitä, kuten GAN (Generative Adversarial Network), viitattaessa tekoälyn tietyntyyppisiin algoritmeihin tai malleihin. GANit ovat erityisen suosittuja luomaan visuaalista sisältöä, koska ne pystyvät tuottamaan uusia, aidonnäköisiä kuvia.

Konvoluutinen neuroverkko: Konvoluutioinen neuroverkko (CNN, Convolutional Neural Network) on tekoälyn ja koneoppimisen alalla käytetty syväoppimisen malli, joka on erityisen tehokas visuaalisen datan, kuten kuvien ja videoiden, käsittelyssä. CNN hyödyntää konvoluutio-operaatioita, jotka suodattavat ja tunnistavat kuvista tärkeitä piirteitä, kuten reunoja, kulmia ja muita visuaalisia ominaisuuksia, mahdollistaen näin monimutkaisten visuaalisten tehtävien, kuten kuvantunnistuksen ja -luokittelun, suorittamisen.