Jette Sundbøll, "Dino i København", KI-genereret billede, 2024
Kunstige billeder og kunstig kunst?
Når maskiner skaber billeder, hvem bestemmer så, hvad vi ser? Kunstig intelligens former en ny visuel kultur – men bag algoritmerne gemmer sig etnocentriske, ekskluderende og hierarkiske strukturer. Det rejser vigtige spørgsmål om, hvordan vi lærer børn og unge at forstå og forholde sig kritisk til en ny visuel virkelighed skabt af maskiner.
Tekst: Jette Sundbøll, bildekunstlærer og PLC-medarbeider (pedagogisk læringssenter i dansk folkeskole), Søndre Skole i Køge
En dinosaur går rundt i, hvad der ligner København med de karakteristiske farvede huse og brolagte gader. En by ligger i ruiner, i hvad en dansker vil se som en dansk by. På et splitsekund kan vi omdanne ord til alle mulige og umulige billeder med brug af kunstig intelligens. Disse billeder er en del af den visuelle kultur som børn og unge færdes i. Hvordan klæder vi dem på til at navigere i den kunstige visuelle verden?
Skal det nu være kunst?
I november 2024 blev et portræt malet af den menneskelignende robot Ai-Da sat på aktion. Det var vurderet til 1 million kr. Det viste sig, at vurderingen var et skud under mål, og da aktionen sluttede, lød den endelige pris på lidt over 7,5 millioner kroner. Den tyrkiske kunstner Refik Anadol har skabt opsigt og fascination på mange internationale kunstscener med hans store og farverige “AI-datamalerier”. Hvem er egentlig kunstneren, når værket er skabt af en robot eller en algoritme, som har skrabet nettet for billeder? Hvad synes vi egentlig om disse værker skabt af kunstig intelligens og er det kunst eller er det ren databehandling?
De AI-genererede billeder udfordrer vores forestillinger om kunst som smuk, teknisk dygtig og ikke mindst – udført af et menneskes hånd. Disse klassiske kunsthistoriske krav lever samtidskunsten ikke altid op til, og tidligere har man også diskuteret, om værker udført af kunstnere som bruger readymades og værker fra kunstneriske bevægelser som The Picture Generation nu også var kunst. Da Marcel Duchamp foreslog, at et porcelænsurinal betragtes som kunst, og indsendte det til udstilling i begyndelsen af det 20. århundredes New York, provokerede det kunstverdenen. Han argumenterede for, at alt kunne betragtes som kunst, hvis det blev valgt af kunstneren og stemplet som sådan af kunstinstitutionerne. Kunstnere i The Picture Generation i 1970erne brugte samtidens visuelle udtryk og andres billeder og rammesatte dem på ny. De lavede billeder af billeder. I dag er det at bruge den visuelle kultur helt uomgængeligt for rigtig mange kunstnere – ikke mindst kunstnere, der bruger kunstig intelligens.
Et gennemgående træk ved disse tidligere bevægelser og vores tids konceptuelle samtidskunst er deres undersøgende, nysgerrige og ikke mindst kritiske tilgang til genstande, billeder og kunstverden i deres samtid. Den samme tilgang kan vi have for øje, når vi planlægger og udfører vores undervisning med kunstig intelligens. Vi kan ikke jonglere med algoritmer og kodning, men vi kan undersøge, hvordan kunstnere arbejder med kunstig intelligens og forsøge at sætte os ind i og forstå principperne bag for at kunne bidrage til både kritisk refleksion, men også til en undersøgende og nysgerrig tilgang til teknologien i vores undervisning.
Hvordan ser maskinen vores verden?
De billedgenerende AI-modeller tager udgangspunkt i enorme billeddatabaser, som er organiserede i utallige kategorier. Vi forestiller os, at disse kategorier en dag består af alle ting i verden og at jo mere data og jo mere AI-modellerne trænes, jo bedre bliver de til at give os et billede af verden som den er. Men som den amerikanske kunstner Travor Paglen afdækker i sine værker, er datasættene ikke en kulturel smeltedigel men er etnocentriske, ekskluderende og har en indlagt usynlig hierarkisk struktur. Hans værker kredser om dataindsamling. Han giver et kig ind bag kulisserne i de billeder og datasæt, som AI-modellerne er trænet på – og dermed de antagelser, der ligger til grund for det, de skaber. Han deltog på en tema-udstilling på Louisiana i 2023 med to værker: The Treachery of Object Recognition, 2019 (Objektgenkendelsens forræderi) og From ‘Apple’ to ‘Abomination, 2023 (Fra ‘Æble’ til ‘Vederstyggelighed’). Det sidstnævnte værk består af tusindvis af billeder installeret som et stort patchworktæppe på flere vægge. Værket begynder med billedkategorien og tilhørende etikette for “æble”. Derefter bevæger værket sig til andre kategorier som “æbletræer” og “frugt”. I løbet af værket, bliver etiketterne og de tilhørende billeder mere og mere fordomsfulde og farvede, som når billeder af mennesker har fået etiketten racist, hjemløs eller kriminel alene ud fra deres udseende. Du begynder at se hvordan forholdet mellem billeder og etiketter ikke er neutralt, og hvordan fordomme og værdidomme har sneget sig ind i kategoriseringerne.
Vi bygger maskiner, som skaber billeder. Hvad betyder det for vores væren i verden med hinanden, når de billeder vi ser, bygger på fordomsfulde kategorier? For at forstå den side af vores visuelle verden i dag må vi undersøge, hvordan teknologien fungerer og former vores hverdag. Den undersøgelse og samtale skal vi inddrage børn og unge i.
“Jeg kan ikke tegne – men jeg kan prompte”
Alle kan nu lave billeder med en af de mange billedgenerende AI-modeller uden at kunne tegne eller male. Du skriver en sætning (en prompt), som så får et stykke kunstig intelligens til at lave et billede. Du kan vælge stilarter, farver og formater og kan være lige så detaljeret i din beskrivelse, som du har lyst til. Teknologien er imponerende, men det er billederne ikke altid. De kan være sjove, pudsige og ind imellem også flotte, men bliver også lidt ensformige, når du fx imiterer en kunstnerisk stilart som Van Gogh, og den hver gang tager udgangspunkt i hans “The Starry Night”. Mange af billederne har et skær af noget kunstigt, sært og forvrænget – noget, der afslører, at modellerne intet kender til verden, kun til alverdens billeder høstet fra nettet. Noget går tabt i tekst-til-billedfortolkningen. Men teknologien stormer frem og udvikler sig konstant i retning af at blive nemmere, mere tilgængelig og bedre til at skabe virkelighedstro billeder.
De billedegenererende AI-modeller fodres med mange millioner billeder med tilhørende billedtekst høstet fra nettet. Teksterne kan være beskrivelser, titler på værker og så videre. Gennem en proces, der kaldes diffusion, finder de mønstre i alt det og skaber nye unikke billeder. Trænes modellerne eksempelvis i mange billeder af en kanin sammen med ordet «kanin», vil de begynde at forstå, hvad fællestrækkene er for ordet “kanin”. De begynder derefter pixel for pixel at genskabe mønstret af en kanin. De ved ikke, hvad en kanin er, men finder alligevel nogle mønstre og variationsmuligheder i, hvilke billeder, der hører til ordet “kanin”. Så hvis de for eksempel genererer et billede af en kanin med fire ører, forstår de ikke, at det ikke giver mening for et billede af en kanin.
«Coloring book page for kids motif of a rabbit and a mouse, line art, white background”, Jette Sundbøll, 2024
Menneske og maskine
Er disse maskinskabte billeder enden på alt, der var godt og fint ved billeder, eller er det en mulighed for at flere kan skabe billeder? Lige nu har vi svært ved at anerkende, at det er godt håndværk, fordi vi har bedt en maskine om at lave det.
Refik Anadol siger i et portræt på Louisiana Channels, at han ikke kan tegne og ser brugen af AI til at skabe billeder som en mulighed for at lave ting, han ikke kunne før – et nyt redskab, han kan bruge ligesom en pensel. Den canadiske kunstner Sougwen Chung træner AI på sine egne tegninger, og får den til at overføre det, den har lært om hendes stil, til en robotarm, der arbejder sammen med hende. Resultatet er en slags penselduet, et samspil mellem en kunstner og hendes maskine.
For ovennævnte kunstnere er assistancen fra kunstig intelligens en ny mulighed for at være kreativ – en ny mulighed for at visualisere ideer og skabe billeder.
En styrke ved billedegenereringsmodellerne er, at de kan komme med overraskende resultater, som ikke lige var det, man forestillede sig, men som man af samme grund heller ikke selv ville have fundet på. De er enormt gode til at variere og lave variationer på mange forskellige parametre.
En bekymring kan være, at hvis alle kan lave flotte billeder på et splitsekund ved bare at trykke på en knap, hvad så med den dannelse, der ligger i at lære at se og tegne det man ser?
Måske skal vi ikke tænke dette som mennesket mod maskinen, men snarere som et nyt redskab, der ser billeder anderledes, end vi gør, og derfor kommer med overraskende og indimellem vilde løsninger men også indimellem lidt for shiny pixel-agtige billeder.
Jeg tror ikke, at folk vil holde op med at tegne og male. Jeg tror, at der stadig vil ligge en særlig værdi for os i, at man selv skaber noget fra bunden.
Billedkunstundervisningen i en kunstig visuel verden
Vi lever i en misinformationstidsalder, hvor en stor del af de informationer, børn og unge møder online, vil være produceret af kunstig intelligens og ikke faktatjekket. Med kunstig intelligens’ hastige indgriben i alle hjørner af vores verden, også den visuelle, bliver et påtrængende spørgsmål: Hvordan klæder vi børn og unge på til at begå sig i den kunstige visuelle verden? Hvordan kan vi tænksomt og undersøgende undervise med teknologien? Hvilke krav kan vi stille til værker skabt med kunstig intelligens?
Mit bud er:
Vi skal have fokus på billedet og billedfremstillingen.
Vi skal undervise børnene i at være kritisk opmærksomme på AI-genererede billeder og på hvordan AI-modellerne fremstiller billeder.
Vi skal give eleverne mulighed for at reflektere over teknologiens visuelle udtryk.
Vi skal give eleverne mulighed for at udtrykke sig kreativt og æstetisk med teknologien. Give dem en forståelse og erfaring med teknologiens muligheder og begrænsninger.
Vi skal klæde eleverne godt på billedfagligt, så de kvalificeret kan tilvælge og fravælge i de forslag de får tilbage og for at kunne påpege det gode og det mindre gode i et billede.
Vi skal give eleverne mulighed for at fortælle om vejen hen til billedet de har skabt og om deres intention med billedet.
Vi skal være meget tydelige over for elever, om hvad vi bruger AI-modellen til og hvad vi ikke bruger den til.
Vi skal starte den reflekterende samtale med eleverne, så de får mulighed for at udtrykke deres holdninger og forventninger til teknologien.
Referencer
Anadol, R. (n.d.). AI is an extension of my mind [Video]. Louisiana Channel. Refik Anadol: AI Is an Extension of My Mind – Louisiana Channel
Chung, S. (愫君). (n.d.). Works by Sougwen [Website]. Sougwen Chung (愫君) – works by sougwen
Paglen, T. (n.d.). At the expense of everybody else [Video]. Louisiana Channel. Trevor Paglen: At the Expense of Everybody Else – Louisiana Channel
