¹⁾

Wir beschäftigen uns mit folgenden Fragen:

• Was ist Kreativität im Kontext von Künstlicher Intelligenz?
• Wie können neuronale Netze, wie GANs neue kreative Werke schaffen?
• Wie können wir mit Kunst-generierenden Anwendungen selber kreativ werden?

Einstiegsvideo:

Im Allgemeinen wird Kreativität als die Fähigkeit definiert, etwas Neues oder Originelles zu schaffen, das gleichzeitig nützlich oder brauchbar ist, und wird in erster Linie mit der schöpferischen Fähigkeit eines Menschen in Verbindung gebracht.

In einer Welt, in der Machine Learning Modelle aber nun Bilder im Stil von Rembrandt malen, Gedichte im Stil von Shakespeare schreiben und Musik von Beethoven vollenden können, stellt sich die Frage, ob diese KI-Systeme auch kreativ sind.

Um darüber ein besseres Verständnis zu erlangen, möchten wir eine Beschreibung des Begriffs Kreativität anbieten, die sich nicht nur auf gestalterische Themen bezieht.

Marcus du Sautoy, Mathematiker und Professor an der University of Oxford, beschreibt in seinem Buch „The Creativity Code“ drei Arten von Kreativität, die wir nutzen möchten, um den Begriff zu umrahmen:

• Explorative Kreativität
  Diese Form der Kreativität nutzt bekannte Regeln und findet in deren Rahmen neue Lösungen für bestehende Probleme. Beispiele dafür sind z.B. Wege aus einem Labyrinth zu finden oder neue Kombinationen von Schachzügen.
  \\KI & Explorative Kreativität? Explorative Kreativität scheint wie gemacht für Computer: Auf Basis gelernter Regeln finden Algorithmen die bestmögliche Lösung für ein bestehendes Problem. Für KI-Systeme ist es Dank der zur Verfügung stehenden Rechenleistung relativ einfach, diese Art von Kreativität zu simulieren. Beispiele dafür sind z.B. Schachcomputer, die gegen Menschen spielen.

• Kombinatorische Kreativität
  Hierbei werden zwei komplett unterschiedliche Ideen miteinander verknüpft, um Neues zu erschaffen.
  
  Ein Beispiel für KI und kombinatorische Kreativität im Bereich Musik ist das Projekt „Amper Music“, das eine KI-Plattform zur Erstellung von Musik anbietet. Die Plattform ermöglicht es Benutzer:innen, Musik zu erstellen, indem sie verschiedene Stile, Instrumente und Beats kombiniert.
  
  Ein weiteres prominentes Beispiel ist das 2018 veröffentlichte Portrait von „Edmond de Belamy“ – ein Gemälde, das den Werken Rembrandts zum Verwechseln ähnlich sieht, aber von einem Algorithmus aus dem Datensatz von 15.000 echten Portraits aus dem 14. und 20. Jahrhundert geschaffen wurde.

• Transformative Kreativität
  Diese Variante ist wohl am schwierigsten zu beschreiben. Sie scheint aus dem Nichts zu kommen und bricht mit bestehenden Regeln. Ein berühmtes Beispiel hierfür ist Einsteins Relativitätstheorie.
  
  KI & Transformative Kreativität? Aktuell ist die vorherrschende Meinung unter Expert:innen, dass KI niemals transformative Kreativität erreichen kann und eine Science-Fiction Fantasie bleibt. Ein KI-System macht häufig nur das, was ihm seine Programmierung durch den Menschen vorgibt. Die darin festgelegten Regeln und Datensätze bestimmen die mögliche Leistung und Kreation. Natürlich gibt es auch Algorithmen, die sich selbst verbessern, um näher an ein gewünschtes Ergebnis zu gelangen. Doch das verdeutlicht auch, dass aktuelle Machine Learning Methoden nicht komplett ergebnisoffen sind.

Ja, aber die Fähigkeit von KI-Systemen, Kunstwerke zu schaffen oder musikalische Kompositionen zu generieren, basiert auf erlernten Regeln und Datensätzen, während menschliche Kreativität oft durch emotionale und soziale Intelligenz, Erfahrung und die Fähigkeit, abstrakt zu denken, geprägt ist.

https://moodle.ki-campus.org/mod/page/view.php?id=5121

(Login bei KI-Campus nötig)

Praxisübung: KI oder Mensch

https://moodle.ki-campus.org/mod/h5pactivity/view.php?id=12417

(Login bei KI-Campus nötig)

Wem gehört KI-generierte Kunst?

https://moodle.ki-campus.org/mod/h5pactivity/view.php?id=5709

(Login bei KI-Campus nötig)

Nachdem wir einen Einblick in die Verbindung von Künstlicher Intelligenz und Kunst gewonnen haben, wenden wir uns in der nächsten Übung einer ausgewählten Variante neuronaler Netze zu.

Die so genannten Generative Adversarial Networks (GANs) spielen eine wichtige Rolle in der kreativen Anwendung von KI. In Modul 3 haben wir uns bereits mit generativen KI-Anwendungen beschäftigt, nun vertiefen wir unser Verständnis am Beispiel der Generativen Adversarial Networks.

GANs sind eine Art künstliche Intelligenz, die auf unüberwachtem Lernen basiert und aus zwei neuronalen Netzen besteht: einem Generator und einem Diskriminator.

Wie funktioniert das?

Der Generator erzeugt neue Inhalte auf der Basis von Trainingsdaten, während der Diskriminator diese Daten mit seinen eigenen Trainingsdaten vergleicht und versucht, zwischen echten und generierten Daten zu unterscheiden. Dieser „Wettbewerb“ führt dazu, dass der Generator im Laufe der Zeit immer überzeugendere Ergebnisse kreiert, indem er auf das Feedback des Diskriminators reagiert.

Der Einsatz von GANs birgt ein großes Potenzial, um künstlerische Werke in verschiedenen Stilen zu schaffen, Bewegungsmuster zu modellieren oder sogar 3D-Modelle aus 2D-Bildern zu generieren.

Dies wirft jedoch auch kritische Fragen auf. Die Möglichkeit, fotorealistische Bilder zu manipulieren, hat zu Diskussionen über Deepfakes geführt. Beeindruckend realistische Bilder von Menschen, die von KI-Anwendungen erstellt wurden und nicht echt sind, sind auf der Seite „This Person Does Not Exist“ zu sehen.

https://this-person-does-not-exist.com/en