Kiedy brytyjski artysta Harold Cohen spotkał swój pierwszy komputer w 1968 roku, zastanawiał się, czy ta maszyna może pomóc rozwiązać zagadkę, która od dawna go intrygowała: jak możemy spojrzeć na rysunek, kilka małych bazgrołów i zobaczyć twarz? Pięć lat później wymyślił artystę-robota o imieniu AARON, aby zbadać ten pomysł. Wyposażył go w podstawowe zasady malarstwa i tego, jak przedstawiane są części ciała w portretach — a następnie uwolnił, tworząc sztukę.
Niedaleko był kompozytor David Cope, który ukuł frazę „inteligencja muzyczna”, aby opisać swoje eksperymenty z kompozycją wykorzystującą sztuczną inteligencję. Cope powiedział kiedyś, że już w latach 60 wydawało mu się „idealnie logiczne jest robić kreatywne rzeczy za pomocą algorytmów”, a nie mozolnie rysować ręcznie każde słowo opowieści, nutę kompozycji muzycznej czy pociągnięcie pędzla na obrazie. Początkowo majstrował przy algorytmach na papierze, a następnie w 1981 przeniósł się do komputerów, aby pomóc rozwiązać sprawę blokady kompozytora.
Cohen i Cope należeli do garstki ekscentryków, którzy popychali komputery wbrew ich naturze jako zimne, kalkulujące rzeczy. Wciąż rodząca się dziedzina sztucznej inteligencji koncentrowała się bezpośrednio na solidnych koncepcjach, takich jak rozumowanie i planowanie, lub na zadaniach, takich jak gra w szachy i warcaby lub rozwiązywanie problemów matematycznych. Większość badaczy sztucznej inteligencji sprzeciwiała się koncepcji kreatywnych maszyn.
Powoli jednak, gdy Cohen i Cope stworzyli strumień artykułów naukowych i książek na temat ich pracy, wokół nich wyłoniła się dziedzina: kreatywność obliczeniowa. Obejmowała badanie i rozwój autonomicznych systemów twórczych, interaktywnych narzędzi wspierających ludzką kreatywność oraz matematycznych podejść do modelowania ludzkiej kreatywności. Pod koniec lat 90. kreatywność obliczeniowa stała się sformalizowanym obszarem badań z rosnącą grupą badaczy i ostatecznie własnym czasopismem i corocznym wydarzeniem.
Wkrótce — dzięki nowym technikom zakorzenionym w uczeniu maszynowym i sztucznych sieciach neuronowych, w których połączone węzły komputerowe próbują naśladować pracę mózgu — kreatywne AI mogą absorbować i internalizować dane ze świata rzeczywistego oraz identyfikować wzorce i reguły, do których mogłyby się zastosować ich kreacje.
Informatyk Simon Colton, wówczas w Imperial College London, a teraz na Queen Mary University of London i Monash University w Melbourne w Australii, spędził większość 2000 roku na budowaniu głupca malarskiego. Program komputerowy przeanalizował tekst artykułów prasowych i innych prac pisanych w celu określenia sentymentu i wyodrębnienia słów kluczowych. Następnie połączył tę analizę z automatycznym przeszukiwaniem witryny fotograficznej Flickr, aby wygenerować malarskie kolaże w klimacie oryginalnego artykułu. Później Malarz nauczył się malować portrety ludzi, których spotkał w czasie rzeczywistym za pomocą dołączonego aparatu, ponownie stosując swój „nastrój” do stylu portretu (lub w niektórych przypadkach odmawiając malowania czegokolwiek, ponieważ był w złym nastroju).
Podobnie na początku 2010 roku kreatywność obliczeniowa zwróciła się w stronę gier. Badacz AI i projektant gier Michael Cook poświęcił swój doktorat. W Goldsmiths na Uniwersytecie Londyńskim w Goldsmiths i we wczesnych badaniach naukowych współpracował przy tworzeniu ANGELINA — która stworzyła proste gry na podstawie artykułów z The Guardian, łącząc analizę tekstów bieżących spraw z zakodowanymi na stałe technikami projektowania i programowania.
W tej epoce, mówi Colton, sztuczna inteligencja zaczęła wyglądać jak kreatywni artyści — zawierała elementy kreatywności, takie jak intencjonalność, umiejętności, uznanie i wyobraźnia. Ale to, co nastąpiło później, to skupienie się na mimice, wraz z kontrowersją na temat tego, co to znaczy być kreatywnym.
Nowe techniki, które celowały w klasyfikowaniu danych z wysokim stopniem precyzji poprzez powtarzaną analizę, pomogły sztucznej inteligencji opanować istniejące style twórcze. Sztuczna inteligencja mogła teraz tworzyć dzieła podobne do dzieł kompozytorów klasycznych, znanych malarzy, powieściopisarzy i nie tylko.
Jeden obraz autorstwa AI, wzorowany na tysiącach portretów namalowanych między XIV a XX wiekiem, sprzedano na aukcji za 432 500 dolarów. W innym przypadku uczestnicy badania mieli trudności z odróżnieniem fraz muzycznych Jana Sebastiana Bacha od tych stworzonych przez program komputerowy o nazwie Kulitta, który został wyszkolony na kompozycjach Bacha. Nawet IBM wziął udział w zabawie, zlecając swojemu systemowi Watson AI przeanalizowanie 9000 przepisów w celu opracowania własnych pomysłów na kuchnię.
Ale naukowców, a także obserwatorów, zastanawiało się, czy te AI naprawdę wykazały kreatywność. Choć wyrafinowane w swojej mimice, te kreatywne AI wydawały się niezdolne do prawdziwej innowacji, ponieważ brakowało im zdolności do włączania nowych wpływów ze swojego środowiska. Colton i jego kolega opisali je jako wymagające „wielkiej interwencji człowieka, nadzoru i wysoce technicznej wiedzy” w celu uzyskania kreatywnych rezultatów. Ogólnie rzecz biorąc, jak ujął to kompozytor i badacz muzyki komputerowej Palle Dahlstedt, te AI zbiegają się w kierunku środka, tworząc coś typowego dla tego, co już istnieje, podczas gdy kreatywność ma się oddalać.
Aby zrobić krok w kierunku prawdziwej kreatywności, zasugerował Dahlstedt, AI „musiałoby modelować przyczyny muzyki, warunki jej powstania – a nie rezultaty”.
Prawdziwa kreatywność to poszukiwanie oryginalności. Jest to rekombinacja odmiennych pomysłów na nowe sposoby. To nieoczekiwane rozwiązania. Może to być muzyka, malarstwo lub taniec, ale także przebłysk inspiracji, który pomaga prowadzić do postępu w kolejności żarówek, samolotów i układu okresowego pierwiastków. W opinii wielu osób zajmujących się kreatywnością obliczeniową nie jest to jeszcze możliwe do osiągnięcia przez maszyny.
W ciągu zaledwie kilku ostatnich lat kreatywne sztuczne inteligencje rozszerzyły się na wymyślanie stylu — na autorstwo, które jest zindywidualizowane, a nie imitacyjne, i które projektuje znaczenie i intencjonalność, nawet jeśli ich nie ma. Dla Coltona ten element intencjonalności — skupienie się na procesie, bardziej niż na ostatecznym wyniku — jest kluczem do osiągnięcia kreatywności. Zastanawia się jednak, czy znaczenie i autentyczność są również istotne, ponieważ ten sam wiersz może prowadzić do bardzo różnych interpretacji, jeśli czytelnik wie, że został napisany przez mężczyznę kontra kobietę kontra maszynę.
Jeśli sztucznej inteligencji brakuje samoświadomości, aby zastanowić się nad swoimi działaniami i doświadczeniami oraz komunikować swoją twórczą intencję, to czy jest ona naprawdę kreatywna? A może twórczość jest nadal z autorem, który nakarmił ją danymi i pokierował do działania?
Ostatecznie przejście od próby maszyn myślących do próby maszyn twórczych może zmienić nasze rozumienie siebie. Siedemdziesiąt lat temu Alan Turing — czasami określany mianem ojca sztucznej inteligencji — opracował test, który nazwał „grą w imitację”, aby zmierzyć inteligencję maszyny w porównaniu z naszą własną. „Największe spostrzeżenie Turinga”, pisze filozof technologii Joel Partemore z Uniwersytetu w Skövde w Szwecji, „jest w postrzeganiu komputerów cyfrowych jako lustra, przez które ludzki umysł może postrzegać siebie w sposób, który wcześniej nie był możliwy”.
