جهان دیجیتال اخیراً شاهد لرزه دیگری از کانون توسعه هوش مصنوعی بود. OpenAI، نامی که اکنون مترادف با هوش مصنوعی پیشرفته است، از بهبود مدل چندوجهی خود، GPT-4o، رونمایی کرد که ظرفیت آن را برای تولید تصویر به طور قابل توجهی ارتقا داد. این صرفاً یک تغییر جزئی نبود؛ بلکه جهشی رو به جلو در توانایی ماشین برای تفسیر و خلق بصری بود که موجی از اشتیاق کاربران را به راه انداخت و همزمان سوالات پایدار و بغرنجی را در مورد خلاقیت، مالکیت و آینده حرفه‌های هنری برجسته کرد. تقریباً یک شبه، فیدهای رسانه‌های اجتماعی مملو از تصاویر عجیب و غریب تولید شده توسط هوش مصنوعی شد که نه تنها نشان‌دهنده ورود فناوری جدید، بلکه پذیرش فوری، گسترده و تا حدی بحث‌برانگیز آن بود.
رمزگشایی جهش فناورانه: چه چیزی به بینش بصری GPT-4o قدرت می‌بخشد؟
قابلیت‌های به‌روز شده تولید تصویر که در GPT-4o ادغام شده‌اند، پیشرفت قابل توجهی را نسبت به تکرارهای قبلی سنتز تصویر هوش مصنوعی نشان می‌دهند. از لحاظ تاریخی، مولدهای هوش مصنوعی اغلب هنگام تولید تصاویری که نیاز به وفاداری بصری (visual fidelity) بالا دارند، به ویژه در دستیابی به فوتورئالیسم واقعی یا ارائه متن منسجم و خوانا (coherent, legible text) در یک تصویر - وظیفه‌ای که برای الگوریتم‌ها بسیار دشوار است - دچار مشکل می‌شدند. OpenAI ادعا می‌کند که بهبودهای جدید به طور خاص این نقاط ضعف را برطرف کرده و مرزهای انتظارات کاربران از دستورات متنی به تصویر را جابجا می‌کند.
فراتر از صرف ایجاد تصویر، این به‌روزرسانی یک فرآیند پالایش تعاملی (interactive refinement process) پویاتر را معرفی می‌کند. کاربران اکنون می‌توانند از طریق رابط چت آشنا با هوش مصنوعی وارد گفتگو شوند تا به طور مکرر تصاویر تولید شده را تنظیم و تکمیل کنند. این نشان‌دهنده حرکتی به سمت یک مدل مشارکتی‌تر است، جایی که هوش مصنوعی کمتر شبیه یک دستگاه فروش خودکار عمل می‌کند که نتیجه ثابتی را بیرون می‌دهد و بیشتر شبیه یک دستیار دیجیتال پاسخگو به بازخوردهای ظریف است.
شاید چشمگیرترین پیشرفت، توانایی بهبود یافته مدل در حفظ ثبات سبکی (stylistic consistency) در چندین تصویر تولید شده بر اساس یک موضوع یا مفهوم شخصیت واحد باشد. OpenAI این قابلیت را با نمایش‌هایی مانند تولید شخصیت ‘پنگوئن جادوگر’ که در پردازش‌های هنری متنوع ارائه شده بود - از زیبایی‌شناسی کم‌چندضلعی یادآور بازی‌های ویدیویی اولیه گرفته تا پرداخت فلزی براق و بازتابنده و حتی تقلید از ظاهر یک مینیاتور جنگی نقاشی شده با دست - به نمایش گذاشت. این ظرفیت برای تنوع منسجم، به درک عمیق‌تر، یا حداقل تقلید پیچیده‌تر، از سبک‌های هنری در معماری مدل اشاره دارد.
این جهش توسط ماهیت مدل‌هایی مانند GPT-4o که ذاتاً چندوجهی (multimodal) هستند، امکان‌پذیر شده است. آنها نه تنها برای پردازش و تولید متن، بلکه برای درک و تعامل با سایر اشکال داده، از جمله تصاویر و صدا، طراحی شده‌اند. این امکان درک یکپارچه‌تری از دستوراتی را فراهم می‌کند که توضیحات متنی را با درخواست‌های سبکی ترکیب می‌کنند و منجر به خروجی‌هایی می‌شود که قصد کاربر را در ابعاد مختلف بهتر منعکس می‌کنند. تکامل سریع در این فضا نشان می‌دهد که شکاف بین شهود هنری انسان و اجرای ماشینی در حال کاهش است، هرچند به روش‌هایی که واکنش‌های پیچیده‌ای را برمی‌انگیزد. توانایی تولید نه فقط یک تصویر، بلکه مجموعه‌ای از تصاویر مرتبط که هویت بصری منسجمی دارند، امکانات جدیدی را برای داستان‌سرایی، نمونه‌سازی طراحی و ایجاد محتوای شخصی‌سازی شده باز می‌کند، در حالی که همزمان نگرانی‌های موجود را تقویت می‌کند.
پدیده Ghibli: شیفتگی ویروسی با مهارت فنی روبرو می‌شود
در حالی که زیربنای فنی به‌روزرسانی GPT-4o قابل توجه است، این توانایی عجیب مدل در تکرار سبک‌های هنری خاص و محبوب بود که واقعاً تخیل عمومی را به تسخیر خود درآورد و طوفانی ویروسی را شعله‌ور ساخت. تقریباً بلافاصله پس از عرضه، به ویژه در میان مشترکین پریمیوم ChatGPT که دسترسی اولیه را به دست آوردند، یک زیبایی‌شناسی متمایز شروع به تسلط بر پلتفرم‌های اشتراک‌گذاری آنلاین کرد: تصاویری که به سبک غیرقابل انکار Studio Ghibli، استودیوی انیمیشن افسانه‌ای ژاپنی که توسط Hayao Miyazaki تأسیس شده است، ارائه شده بودند.
فیدهای رسانه‌های اجتماعی به گالری‌هایی تبدیل شدند که صحنه‌ها، شخصیت‌ها و حتی سلفی‌های شخصی تولید شده توسط هوش مصنوعی را به نمایش می‌گذاشتند که از طریق لنز نرم، نقاشی‌گونه و اغلب عجیب و غریب مرتبط با شاهکارهای Ghibli مانند همسایه من توتورو یا شهر اشباح بازآفرینی شده بودند. حجم و محبوبیت محض این تصاویر به سبک Ghibli ظاهراً حتی برای خود OpenAI نیز طاقت‌فرسا بود. مدیر عامل شرکت، Sam Altman، تقاضای انفجاری را در پلتفرم اجتماعی X (توییتر سابق) تأیید کرد و اظهار داشت: ‘تصاویر در ChatGPT بسیار محبوب‌تر از آن چیزی هستند که انتظار داشتیم (و انتظارات بسیار بالایی داشتیم)’. این افزایش ناگهانی، عرضه تدریجی را ضروری ساخت و دسترسی کاربران سطح رایگان را به تأخیر انداخت، زیرا شرکت احتمالاً برای مدیریت بار سرور و تخصیص منابع تلاش می‌کرد.
چه چیزی این شوق سبکی خاص را تغذیه کرد؟ چندین عامل احتمالاً نقش داشته‌اند:
- نوستالژی و ارتباط عاطفی: فیلم‌های Studio Ghibli جایگاه ویژه‌ای در قلب میلیون‌ها نفر در سراسر جهان دارند و احساسات شگفتی، نوستالژی و عمق عاطفی را برمی‌انگیزند. دیدن این سبک که در زمینه‌های جدید، حتی عکس‌های شخصی، به کار گرفته می‌شود، به آن ارتباط قدرتمند موجود ضربه می‌زند.
- جذابیت زیبایی‌شناختی: سبک Ghibli به خاطر زیبایی، جزئیات و ترکیب منحصر به فرد رئالیسم و فانتزی مشهور است. زبان بصری آن فوراً قابل تشخیص و به طور گسترده‌ای مورد تحسین است، و آن را به هدفی جذاب برای تکرار تبدیل می‌کند.
- دسترس‌پذیری: سهولتی که کاربران می‌توانستند با استفاده از دستورات ساده این تصاویر را تولید کنند، مانع ورود به بیان خلاق (یا حداقل، تقلید سبکی) را کاهش داد و به هر کسی اجازه داد در این روند شرکت کند.
- تازگی و قابلیت اشتراک‌گذاری: شگفتی و لذت اولیه از دیدن سبک‌های آشنا که توسط هوش مصنوعی تولید می‌شوند، همراه با قابلیت اشتراک‌گذاری ذاتی تصاویر در پلتفرم‌های اجتماعی، ترکیبی قوی برای انتشار ویروسی ایجاد کرد.
بنابراین، پدیده Ghibli به عنوان یک مطالعه موردی قدرتمند در تلاقی قابلیت‌های پیشرفته هوش مصنوعی، تمایل کاربر و طنین فرهنگی عمل می‌کند. این نه تنها مهارت فنی GPT-4o را در ثبت ظرایف سبکی نشان می‌دهد، بلکه تأثیر عمیقی را که چنین فناوری می‌تواند هنگامی که به سنگ بناهای فرهنگی عمیقاً ریشه‌دار دست می‌زند، داشته باشد، آشکار می‌سازد. پاسخ قاطع کاربران بر اشتهای عمومی قابل توجهی برای ابزارهای هوش مصنوعی که امکان ایجاد و شخصی‌سازی بصری را فراهم می‌کنند، تأکید می‌کند، حتی در حالی که همزمان معضلات اخلاقی و کپی‌رایت را به کانون توجه می‌آورد.
پیمایش در هزارتوی کپی‌رایت: بندبازی OpenAI
انفجار تصاویر به سبک Ghibli، در کنار تکرار سایر زیبایی‌شناسی‌های هنری و شرکتی متمایز (مانند Minecraft یا Roblox)، بلافاصله زنگ خطر را در مورد نقض کپی‌رایت به صدا درآورد. این اتفاق علی‌رغم ادعاهای OpenAI مبنی بر اینکه به‌روزرسانی شامل فیلترهای کپی‌رایت (copyright filters) پیشرفته‌ای بود که برای جلوگیری از تکثیر غیرمجاز مطالب محافظت شده طراحی شده بودند، رخ داد. وجود و کارایی این فیلترها به سرعت به موضوع بحث تبدیل شد.
گزارش‌هایی منتشر شد که نشان می‌داد فیلترها در زمینه‌های خاصی عمل می‌کنند. به عنوان مثال، TechSpot اشاره کرد که ChatGPT درخواستی برای ارائه نسخه‌ای به سبک Ghibli از جلد آلبوم نمادین Abbey Road گروه The Beatles را رد کرد. طبق گزارش‌ها، هوش مصنوعی با پیامی پاسخ داد که به سیاست محتوای خود مبنی بر محدود کردن ‘تولید تصاویر بر اساس محتوای دارای کپی‌رایت خاص’ اشاره می‌کرد. این نشان‌دهنده آگاهی و تلاش برای کاهش نقض مستقیم آثار دارای کپی‌رایت بسیار قابل تشخیص و خاص است.
با این حال، موفقیت فراگیر کاربران در تولید تصاویر به سبک Studio Ghibli یا سایر خالقان قابل تشخیص، محدودیت‌ها یا قابلیت دور زدن ظاهری این پادمان‌ها را نشان داد. مهندسی دستور (prompt engineering) - هنر ساخت ورودی‌های متنی برای هدایت هوش مصنوعی - احتمالاً نقش داشته است، به طوری که کاربران راه‌هایی برای تداعی یک سبک بدون فعال کردن بلوک‌های کلمات کلیدی خاص مرتبط با عناوین یا شخصیت‌های دارای کپی‌رایت پیدا کردند. حتی به نظر می‌رسید مدیر عامل OpenAI، Sam Altman، در این امر مشارکت داشته است و به طور موقت عکس پروفایل X خود را به تصویری با شباهت قابل توجه به زیبایی‌شناسی انیمه محبوب تولید شده توسط محصول شرکتش تغییر داد.
این تناقض تمایز حیاتی در قانون کپی‌رایت و اخلاق هوش مصنوعی را برجسته می‌کند: تفاوت بین کپی کردن یک اثر خاص و تقلید از یک سبک هنری. در حالی که قانون کپی‌رایت به طور قوی از خلاقیت‌های فردی (مانند جلد آلبوم یا طراحی شخصیت خاص) محافظت می‌کند، سبک هنری (artistic style) خود در یک منطقه خاکستری قانونی بسیار بزرگتر قرار دارد و به طور کلی قابل کپی‌رایت در نظر گرفته نمی‌شود. مدل‌های هوش مصنوعی که بر روی مجموعه داده‌های وسیعی آموزش دیده‌اند، در شناسایی و تکرار الگوهای سبکی برتری دارند.
اظهارات عمومی OpenAI تلاش می‌کند تا در این زمین پیچیده حرکت کند. این شرکت در پاسخ به سوالات، مجدداً تأکید کرد که مدل‌هایش بر روی ‘داده‌های در دسترس عموم’ و مجموعه داده‌های دارای مجوز، مانند داده‌های حاصل از مشارکت با شرکت‌های عکس استوک مانند Shutterstock، آموزش دیده‌اند. مدیر ارشد عملیاتی OpenAI، Brad Lightcap، بر موضع شرکت در گفتگو با Wall Street Journal تأکید کرد: ‘ما به حقوق هنرمندان از نظر نحوه انجام خروجی احترام می‌گذاریم و سیاست‌هایی داریم که ما را از تولید تصاویری که مستقیماً کار هر هنرمند زنده‌ای را تقلید می‌کنند، باز می‌دارد.’
با این حال، این بیانیه جای تفسیر و انتقاد دارد.
- ‘داده‌های در دسترس عموم’: این عبارت بحث‌برانگیز است. بسیاری از داده‌های در دسترس عموم آنلاین، از جمله میلیاردها تصویر، هنوز تحت کپی‌رایت هستند. قانونی بودن استفاده از چنین داده‌هایی برای آموزش مدل‌های هوش مصنوعی بدون اجازه صریح یا جبران خسارت، موضوع دعاوی حقوقی متعدد در حال انجام است که توسط هنرمندان، نویسندگان و شرکت‌های رسانه‌ای علیه توسعه‌دهندگان هوش مصنوعی مطرح شده است.
- ‘تقلید از کار هر هنرمند زنده‌ای’: تمرکز بر ‘هنرمندان زنده’ قابل توجه است. در حالی که به طور بالقوه محافظت‌هایی را برای خالقان معاصر ارائه می‌دهد، به طور ضمنی از مسئله تقلید از سبک‌های هنرمندان متوفی یا، به طور پیچیده‌تر، سبک جمعی مرتبط با استودیویی مانند Ghibli، که چهره کلیدی آن، Hayao Miyazaki، در واقع هنوز زنده است، طفره می‌رود. علاوه بر این، مرز بین ‘تقلید از یک سبک’ و ‘تقلید از کار’ می‌تواند مبهم باشد، به خصوص زمانی که هوش مصنوعی خروجی‌هایی تولید می‌کند که به شدت از زیبایی‌شناسی امضای یک هنرمند خاص مشتق شده‌اند.
سهولتی که کاربران با آن پادمان‌های ظاهری را برای تولید تصاویر به سبک Ghibli دور زدند، نشان می‌دهد که سیاست‌ها و فیلترهای فنی OpenAI، در حالی که شاید کپی‌برداری آشکار از آثار خاص را مسدود می‌کنند، در مهار تکرار سبک‌های هنری متمایز با مشکل مواجه هستند. این امر شرکت را در یک بندبازی مخاطره‌آمیز قرار می‌دهد و محبوبیت و قابلیت عظیم ابزارهایش را در برابر چالش‌های قانونی فزاینده و انتقادات اخلاقی از سوی جامعه خلاق متعادل می‌کند. معمای کپی‌رایت هنوز حل نشده است و به‌روزرسانی GPT-4o تنها بحث را تشدید کرده است.
سایه عمیق‌تر: هنرمندان با عصر تکرار هوش مصنوعی روبرو می‌شوند
شگفتی فنی قابلیت‌های تولید تصویر GPT-4o، برای بسیاری از هنرمندان و متخصصان خلاق شاغل، تحت‌الشعاع حس فزاینده‌ای از ناراحتی و اضطراب اقتصادی قرار گرفته است. ترس شخصی نویسنده مقاله اصلی - اینکه این به‌روزرسانی ‘بدترین مشتریان آنها را جسورتر خواهد کرد’ و ‘مجموعه مهارت‌های خلاق را بی‌ارزش خواهد کرد’ - عمیقاً در جامعه هنری طنین‌انداز می‌شود. این صرفاً نگرانی انتزاعی نیست؛ بلکه به معیشت و ارزش درک شده افرادی مربوط می‌شود که سال‌ها را صرف تقویت مهارت خود کرده‌اند.
مسئله اصلی حول پتانسیل استفاده از تولید تصویر هوش مصنوعی به عنوان جایگزینی برای خلاقیت انسانی، به جای مکملی برای آن، به ویژه در زمینه‌های تجاری می‌چرخد. ترس این است که مشتریان، به ویژه آنهایی که بودجه را بر کیفیت یا اصالت اولویت می‌دهند، ممکن است به طور فزاینده‌ای برای وظایفی که قبلاً به تصویرگران، طراحان و هنرمندان مفهومی محول می‌شد، به هوش مصنوعی روی آورند. چرا یک قطعه منحصر به فرد سفارش دهیم وقتی تصویری به اندازه کافی خوب در سبک دلخواه را می‌توان تقریباً بلافاصله با حداقل هزینه تولید کرد؟
این پتانسیل برای اختلال به چندین روش آشکار می‌شود:
- فشار نزولی بر قیمت‌گذاری: در دسترس بودن جایگزین‌های ارزان یا رایگان هوش مصنوعی می‌تواند فشار نزولی قابل توجهی بر نرخ‌هایی که هنرمندان حرفه‌ای می‌توانند دریافت کنند، اعمال کند. مشتریان ممکن است از تصاویر تولید شده توسط هوش مصنوعی به عنوان اهرمی در مذاکرات استفاده کنند و قیمت‌های پایین‌تری را برای کارهای خلق شده توسط انسان مطالبه کنند.
- جایگزینی کارهای سطح ورودی: وظایفی که اغلب به هنرمندان تازه‌کار یا کسانی که در حال ورود به صنعت هستند محول می‌شود - مانند ایجاد تصاویر ساده، آیکون‌ها، عناصر پس‌زمینه یا تصاویر مود برد - ممکن است به طور فزاینده‌ای خودکار شوند. این می‌تواند کسب تجربه و ساخت پورتفولیو را برای استعدادهای جدید دشوارتر کند.
- ظهور ‘لجن هوش مصنوعی’ (AI Slop): با فراگیر شدن تولید تصویر هوش مصنوعی، نگرانی در مورد تکثیر تصاویر بی‌کیفیت، مشتق شده یا از نظر زیبایی‌شناختی نامنسجم که فضاهای دیجیتال را پر می‌کنند، وجود دارد. این ‘لجن هوش مصنوعی’، همانطور که نویسنده اصلی آن را نامید، نه تنها می‌تواند استانداردهای بصری کلی را پایین بیاورد، بلکه باعث می‌شود که کارهای انسانی واقعاً خلاقانه و با کیفیت بالا سخت‌تر برجسته شوند.
- تغییر الزامات مهارتی: در حالی که برخی از هنرمندان ممکن است راه‌هایی برای گنجاندن هوش مصنوعی در گردش کار خود به عنوان ابزارهای قدرتمند برای ایده‌پردازی، تکرار یا تکمیل پیدا کنند، مجموعه مهارت‌های اساسی مورد نیاز ممکن است تغییر کند. مهارت در مهندسی دستور و مدیریت هوش مصنوعی می‌تواند به اندازه مهارت‌های سنتی طراحی یا نقاشی اهمیت پیدا کند و به طور بالقوه هنرمندانی را که مایل یا قادر به انطباق نیستند، به حاشیه براند.
- فرسایش ارزش درک شده: شاید موذیانه‌تر از همه، سهولتی که هوش مصنوعی می‌تواند سبک‌های پیچیده را تقلید کند، ممکن است منجر به بی‌ارزشی گسترده‌تر اجتماعی مهارت، زمان و بینش هنری دخیل در خلقت انسانی شود. اگر ماشینی بتواند در چند ثانیه منظره‌ای به سبک Ghibli را تکرار کند، آیا کار طاقت‌فرسای هنرمندان واقعی Ghibli به نوعی کمتر قابل توجه به نظر می‌رسد؟
در حالی که طرفداران استدلال می‌کنند که هوش مصنوعی می‌تواند نیرویی دموکراتیک‌کننده برای خلاقیت باشد و به کسانی که مهارت‌های هنری سنتی ندارند امکان تجسم ایده‌ها را می‌دهد، تأثیر فوری که توسط بسیاری از متخصصان درک می‌شود، تهدید است. نگرانی لزوماً این نیست که هوش مصنوعی به طور کامل جایگزین خلق هنری سطح بالا شود، بلکه این است که به طور قابل توجهی پایه‌های اقتصادی صنایع خلاق را، به ویژه برای اکثریت قریب به اتفاق هنرمندان شاغل که به جای فروش گالری به کمیسیون‌های تجاری متکی هستند، فرسایش دهد. به‌روزرسانی GPT-4o، با در دسترس‌تر کردن تقلید سبکی پیچیده از همیشه، به این اضطراب‌ها دامن زده و بحث در مورد نقش هوش مصنوعی در هنر را به قلمرویی فوری سوق داده است.
روحی در ماشین: پارادوکس Miyazaki و یکپارچگی هنری
محبوبیت ویروسی تصاویر به سبک Studio Ghibli تولید شده توسط GPT-4o، هنگامی که در کنار دیدگاه‌های مستند خود Hayao Miyazaki در نظر گرفته شود، طنزی خاص و تامل‌برانگیز دارد. کارگردان افسانه‌ای انیمیشن، که بینش هنری‌اش مترادف با زیبایی‌شناسی Ghibli است، شک و تردید عمیق و حتی تحقیر خود را نسبت به هوش مصنوعی، به ویژه در زمینه خلق هنری، ابراز کرده است. این کنار هم قرار گرفتن چیزی را ایجاد می‌کند که می‌توان آن را ‘پارادوکس Miyazaki’ نامید - وضعیتی که در آن فناوری‌ای که او ظاهراً از آن بیزار است، به دلیل توانایی‌اش در تکرار جوهره کار زندگی او مورد تحسین قرار می‌گیرد.
حادثه‌ای که به طور گسترده در سال 2016 نقل شده است، موضع Miyazaki را به وضوح نشان می‌دهد. در طی یک ارائه، توسعه‌دهندگان یک هوش مصنوعی ابتدایی را به نمایش گذاشتند که یک مدل سه بعدی زشت و شبیه زامبی را متحرک می‌کرد و پیشنهاد می‌کردند که چنین فناوری‌ای روزی می‌تواند ‘ماشینی بسازد که بتواند مانند انسان نقاشی بکشد’. واکنش Miyazaki غریزی و بدون ابهام بود. طبق گزارش‌ها، او این نمایش را ‘توهین به خود زندگی’ خواند و افزود: ‘من هرگز آرزو نمی‌کنم که این فناوری را در کارم بگنجانم’. او همچنین انتقاد خود را بر اساس تجربه شخصی، با ذکر دوستی با معلولیت، استوار کرد و تلویحاً بیان داشت که حرکت ناشیانه و غیرطبیعی هوش مصنوعی، فقدان اساسی احترام به پیچیدگی‌ها و مبارزات وجود بیولوژیکی، چه رسد به ظرایف بیان انسانی را نشان می‌دهد.
به زمان حال برگردیم، و اکنون یک مدل هوش مصنوعی قادر است تصاویری را تولید کند که به طور قانع‌کننده‌ای گرما، جزئیات و طنین عاطفی مشخصه استودیوی Nibariki میازاکی را، که بسیاری از فیلم‌های Ghibli را تولید کرده است، تکرار می‌کند. این اتفاق علی‌رغم سیاست اعلام شده OpenAI علیه تقلید از کار هنرمندان زنده رخ می‌دهد - Miyazaki کاملاً زنده است و همچنان یک چهره تأثیرگذار است. این وضعیت سوالات اخلاقی عمیقی را مطرح می‌کند که فراتر از نگرانی‌های صرفاً قانونی کپی‌رایت است:
- احترام به قصد خالق: آیا از نظر اخلاقی صحیح است که از هوش مصنوعی برای تکرار سبک هنرمندی استفاده شود که صراحتاً مخالفت خود را با استفاده از چنین فناوری برای اهداف خلاقانه ابراز کرده است؟ آیا قصد یا فلسفه هنرمند در مورد سبک خود، پس از ورود به حوزه عمومی نفوذ، اهمیتی دارد؟
- اصالت در مقابل تقلید: وقتی ماشینی می‌تواند به طور قانع‌کننده‌ای سبکی را که طی دهه‌ها از طریق تجربه انسانی، احساسات و مهارت طاقت‌فرسا توسعه یافته است، شبیه‌سازی کند، برای هنر چه معنایی دارد؟ آیا تصویر تولید شده توسط هوش مصنوعی دارای ارزش هنری است، یا صرفاً نوعی جعل پیچیده و عاری از ‘زندگی’ است که Miyazaki احساس می‌کرد نمایش قبلی هوش مصنوعی به آن توهین کرده است؟
- ماهیت سبک: پدیده Ghibli بر دشواری تعریف و محافظت از سبک هنری تأکید می‌کند. این چیزی بیش از تکنیک است؛ یک جهان‌بینی، انباشتی از انتخاب‌ها، روشی منحصر به فرد برای دیدن و تفسیر واقعیت است. آیا یک الگوریتم واقعاً می‌تواند این را ثبت کند، یا صرفاً نشانه‌های بصری سطحی را تکرار می‌کند؟
- تأثیر فرهنگی: آیا تکثیر تصاویر به سبک Ghibli تولید شده توسط هوش مصنوعی، تأثیر و منحصر به فرد بودن آثار اصلی را کمرنگ می‌کند؟ یا شاید، به عنوان نوعی ادای احترام عمل می‌کند و مخاطبان جدیدی را با این سبک، هرچند از طریق لنز مصنوعی، آشنا می‌کند؟
پارادوکس Miyazaki تنش بین قابلیت فناورانه و یکپارچگی هنری را در بر می‌گیرد. توانایی GPT-4o در تقلید از سبک Ghibli گواهی بر قدرت تشخیص الگوی آن است. با این حال، از دریچه فلسفه خود Miyazaki، این نشان‌دهنده تهی شدن بالقوه عنصر انسانی - مبارزه، نقص، تجربه زیسته - است که به هنر عمیق‌ترین معنای خود را می‌بخشد. این ما را با سوالات ناراحت‌کننده‌ای در مورد آنچه در هنر ارزش قائل هستیم، روبرو می‌کند: محصول نهایی، فرآیند خلق، قصد هنرمند، یا ترکیبی از آنها؟ با ادامه پیشرفت هوش مصنوعی، این پارادوکس احتمالاً در حوزه‌های مختلف هنری تکرار خواهد شد و درک اساسی ما از خود خلاقیت را به چالش می‌کشد.
قلمرو ناشناخته: سوالات باقی‌مانده و راه پیش رو
عرضه قابلیت‌های پیشرفته تولید تصویر GPT-4o نه نقطه پایانی، بلکه شتابی به سوی قلمرویی عمدتاً ناشناخته است. در حالی که تأثیرات فوری - روندهای ویروسی، بحث‌های کپی‌رایت، اضطراب‌های هنرمندان - در حال روشن‌تر شدن هستند، پیامدهای بلندمدت در هاله‌ای از ابهام باقی مانده‌اند. این پیشرفت فناورانه آبشاری از سوالات باقی‌مانده را برمی‌انگیزد که جامعه، فناوران، هنرمندان و سیاست‌گذاران باید در سال‌های آینده با آنها دست و پنجه نرم کنند.
تعریف اصالت و نویسندگی در عصری که همکاری انسان و هوش مصنوعی امری عادی می‌شود، چگونه تکامل خواهد یافت؟ اگر هنرمندی به طور گسترده از هوش مصنوعی برای ایده‌پردازی، پالایش یا حتی رندر نهایی استفاده کند، خالق کیست؟ آیا کیفیت دستور، ورودی خلاقانه‌ای است که شایسته نویسندگی باشد؟ چارچوب‌های قانونی فعلی برای رسیدگی به این ظرایف مجهز نیستند و نیاز به انطباق یا پارادایم‌های کاملاً جدید را نشان می‌دهند.
چه مکانیسم‌هایی می‌توان برای تضمین جبران خسارت منصفانه برای هنرمندانی که سبک‌ها یا آثارشان، به طور مستقیم یا غیرمستقیم، به داده‌های آموزشی که این مدل‌های مولد را قدرت می‌بخشند، کمک می‌کنند، توسعه داد؟ مشارکت‌های OpenAI با کتابخانه‌های عکس استوک یک مسیر بالقوه را نشان می‌دهد، اما آنها به انبوه داده‌های استخراج شده از وب باز، که اغلب بدون رضایت صریح انجام می‌شود، رسیدگی نمی‌کنند. آیا مدل‌های صدور مجوز جدیدی ظهور خواهند کرد؟ آیا بلاک‌چین یا فناوری‌های دیگر می‌توانند به ردیابی منشأ و توزیع حق امتیاز کمک کنند؟ یا وضعیت موجود - که در آن شرکت‌های هوش مصنوعی عمدتاً از داده‌های ایجاد شده توسط دیگران سود می‌برند - پابرجا خواهد ماند و تنش‌ها را بیشتر تشدید خواهد کرد؟
صنایع متکی بر خلق بصری چگونه سازگار خواهند شد؟ فراتر از نگرانی‌های فوری جابجایی شغلی برای تصویرگران و طراحان، پیامدهای آن را برای تبلیغات، تولید فیلم، توسعه بازی و نشر در نظر بگیرید. آیا تصاویر تولید شده توسط هوش مصنوعی برای انواع خاصی از محتوا به هنجار تبدیل خواهند شد و هنر انسانی را برای پروژه‌های ممتاز و سفارشی محفوظ خواهند داشت؟ آیا این می‌تواند منجر به دو شاخه شدن بازار شود، به طوری که هوش مصنوعی بر تصاویر بازار انبوه تسلط یابد در حالی که خالقان انسانی بر روی جایگاه‌های سطح بالا تمرکز کنند؟ چه نقش‌ها و مهارت‌های جدیدی در تقاطع خلاقیت انسانی و ابزارهای هوش مصنوعی ظهور خواهند کرد؟
علاوه بر این، توانایی تولید آسان تصاویر در سبک‌های خاص و قابل تشخیص، نگرانی‌هایی فراتر از کپی‌رایت را ایجاد می‌کند. پیامدهای آن برای اطلاعات نادرست و گمراه‌کننده (misinformation and disinformation) چیست؟ آیا بازیگران مخرب می‌توانند از این ابزارها برای ایجاد تصاویر جعلی اما از نظر سبکی قانع‌کننده برای جعل هویت افراد، سازمان‌ها یا حتی دوره‌های تاریخی استفاده کنند و اعتماد به رسانه‌های بصری را از بین ببرند؟ مکانیسم‌های تشخیص چگونه می‌توانند با پیچیدگی فزاینده محتوای تولید شده همگام شوند؟
در نهایت، تأثیر فرهنگی گسترده‌تر دموکراتیک کردن توانایی ایجاد تصاویر جذاب بصری چیست؟ آیا خلاقیت واقعی و سواد بصری را در سراسر جمعیت پرورش می‌دهد، یا تعامل سطحی با زیبایی‌شناسی را تشویق می‌کند و تقلید را بر بیان واقعی اولویت می‌دهد؟ آیا حجم انبوه محتوای تولید شده توسط هوش مصنوعی منجر به نوعی خستگی فرهنگی خواهد شد، یا الهام‌بخش اشکال جدیدی از هنر و ارتباطات خواهد بود که هنوز نمی‌توانیم پیش‌بینی کنیم؟
به‌روزرسانی تصویر GPT-4o OpenAI نمونه کوچکی از تحولات اجتماعی بزرگ‌تری است که توسط هوش مصنوعی هدایت می‌شود. این پیشرفت فنی نفس‌گیر را در کنار معضلات عمیق اخلاقی، اقتصادی و فرهنگی به نمایش می‌گذارد. هیچ پاسخ آسانی وجود ندارد و مسیر پیش رو نیازمند بررسی دقیق، گفتگوی باز و تمایل به انطباق هنجارها و مقررات تثبیت شده است. بوم‌های دیجیتال در حال گسترش هستند، اما قوانین حاکم بر آنها و پیامدهای آن برای کسانی که بر روی آنها نقاشی می‌کنند، هنوز در حال نوشته شدن هستند.