Arvuti loovus ja selle mõju kultuurile

OLIVER LAAS

Viimase kümne aasta edusammud tehis-intellekti ja ennekõike süvaõppe (deep learning)[1] vallas on sillutanud teed tehnoloogiale, mille laialdane levik võib lähitulevikus meie kultuuri ja ühiskonda põhjalikult muuta. Siinses essees esitan kaks arvutusliku loovusega seotud teesi: (a) loovad tehisintellekti rakendused võivad esile kutsuda kontseptuaalse nihke meie autorsusega seotud arusaamades; (b) loovad tehisintellekti rakendused võivad esile kutsuda episteemilise kriisi heli- ja videosalvestiste tõendistaatuse osas. Need esmapilgul erinevad väited on omavahel seotud, sest mõlemas kirjeldatud muutuste aluseks on sarnane tehnoloogia. Vaatlen neid muutusi ennekõike kujutiste ja kunstilise kujutamise kontekstis, kuid sarnased trendid on täheldatavad ka heli ja teksti puhul.

Kuna mõlemad teesid põhinevad praeguste trendide ekstrapoleerimisel, siis on oluline täpsustada kriteeriumid, mille alusel olemasolevaid andmeid hindame. Seetõttu tutvustan alustuseks põgusalt arvutuslikku loovust, eristan loovuse tüüpe ja pakun välja kriteeriumi, mille järgi tehisintellekti rakenduste loovust hinnata. Seejärel vaatlen mõningaid arvutusliku loovuse näiteid ning püüan nende abil näidata, et esimene tees on usutav. Järgmiseks käsitlen mõningaid kujutistega seotud episteemilisi norme, millele me neid tõenditena kasutades praegu toetume. Edasi püüan süvavõltsingute varal näidata teise teesi usutavust. Essee eesmärgiks on lahenduste pakkumise asemel tähelepanu pööramine lähitulevikus ees seista võivatele ja tehisintellektist tulenevatele kultuurimuutustele, mille tõstatatud väljakutsetele tuleks senisest rohkem tähelepanu pöörata. Kõik järgnevad arutlused eeldavad, et kõnealuste tehnoloogiate areng jätkub üldjoontes praeguses tempos ning valdkonda ei taba uus „tehisintellekti talv“ ehk huvi ja rahastuse kokkukuivamine.

Arvutuslik loovus, tüpoloogia ja kriteeriumid

Arvutuslik loovus on „tehisintellekti (TI) esilekerkiv valdkond, mis uurib ja kasutab ära arvutite potentsiaali olla midagi enamat kui tööriistad ja käituda autonoomsete loojate ning kaasloojatena“.[2] Distsipliinina kombineerib arvutuslik loovus uurimistööd sellistest valdkondadest nagu tehisintellekt, kognitiivteadus, psühholoogia ja sotsiaalantropoloogia. Eesmärgiks on nii arvutite loovuse üle teoretiseerimine kui ka inimestega samaväärsete ning nende silmis loovalt tegutsevate arvutisüsteemide loomine.

See kõik tõstab aga küsimuse, mis on loovus? Vastusest sõltub suuresti ka see, kas arvutid saavad loovad olla. Enne sellele küsimusele vastamist tuleks aga peatuda kahel levinud arusaamal, millest on loovuse mõistmisel rohkem kahju kui kasu. Esimene neist on inspiratsiooniline, sest väidab, et loovus on mingis mõttes jumalik nähtus. Varajase näite sellest leiame Platonilt: „Sa tead, ükski eepilistest poeetidest, kui nad on head, ei ole oma aine peremehed: nad on inspireeritud, seestunud ja nii nad kõiki neid kauneid luuleteoseid lausuvad. Sama kehtib ka lüüriliste poeetide kohta, kui nad on head … ei ole nad täie mõistuse juures, kui nad kauneid laulusõnu loovad, vaid niipea kui nad harmooniasse ja rütmi sisenevad, haarab neid Bakchose hullus. … Sest poeet on õhuline olend, tiibadega ja püha, ja ta ei suuda poeesiat luua, kuni teda ei ole haaranud inspiratsioon ja ta ei ole hullunud ning tema mõistus ei ole enam temaga.“[3]

Romantilise käsituse järgi on loovus kaasasündinud ja haruldane anne või intuitsioon. Mõlemad vaatekohad võib siin kõrvale jätta, sest need müstifitseerivad loovust ja nende tõesust sageli eeldatakse, selle asemel et neid põhjendada.[4]

Loovuse üksikasjaliku definitsiooni esitamine ja kaitsmine ületaks käesoleva essee piirid. Selguse huvides ütleme lihtsalt, et tegu x on loov siis, kui selle tagajärjed on mingisuguses kultuurikontekstis või muus raamistikus uudsed, üllatavad ja väärtuslikud. Selle määratluse järgi sooritavad loovaid tegusid toimijad.[5] Uudsus ja üllatuva publiku või vaatleja olemasolu näivad olevat loova teo olulised komponendid, sest ootuspäraseid tagajärgi enamasti loovaks ei peeta ning millegi uudseks pidamine eeldab hindaja olemasolu. Samuti paistab loov tegu eeldavat mingisugust reeglitest, stiilidest, teostest ja varasematest loovatest tegudest moodustunud kultuurikonteksti, mille taustal tegu kellegi jaoks loov ning üllatav tundub.

Selline loovuse määratlus sobib ka Allen Newelli ja teiste poolt pakutud kriteeriumidega probleemidele pakutud lahenduste loovuse hindamiseks:

  1. Lahendus peab (indiviidi või ühiskonna jaoks) olema kasulik ja uudne.
  2. Lahendus nõuab, et me lükkaksime tagasi eelnevalt aktsepteeritud ideed.
  3. Lahendus sünnib suure motivatsiooni ja püsivuse tulemusel.
  4. Lahendus tuleneb algselt ebaselge probleemi täpsustamisest.[6]

Need kriteeriumid väljendavad mõningaid levinud intuitsioone loovuse osas: (1) väidab, et loovad lahendused peaksid olema uudsed; (2) rõhutab, et loovus peaks viima aktsepteeritud mõtteviisidest kaugemale; (3) väidab, et loovus nõuab pingutust; (4) märgib, et loovus eeldab mingisugust probleemi ja samas aitab seda läbi näha. Ühtlasi kasutatakse neid kriteeriume ka arvutusliku loovuse valdkonnas.[7]

Tehisintellekti loovuse ja selle mõju analüüsimist hõlbustab loovuse tüüpide eristamine. Ühe mõjuka tüpoloogia on välja pakkunud Margaret Boden,[8] kes eristab kahte loovuse tüüpi:

  • Psühholoogiline loovus (P-loovus): seisneb looja jaoks uue, üllatava ja väärtusliku idee genereerimises.
  • Ajalooline loovus (A-loovus): seisneb teadaolevalt esimesena ajaloos uue, üllatava ja väärtusliku idee genereerimises.

Boden väidab, et A-loovus on P-loovuse erijuht. Lisaks eristab ta kolme loovuse vormi:

  • Kombinatoorne loovus: seisneb olemasolevate ideede uuel või vähetõenäolisel viisil kombineerimises.
  • Uurimuslik loovus: seisneb olemasolevas kontseptuaalses ruumis[9] mingisuguse uue idee loomises.
  • Teisendav loovus: seisneb olemasoleva kontseptuaalse ruumi reeglite sellises muutmises, et võimalikuks saab uute ideede loomine.

Kombinatoorse loovuse näideteks on kollaažid ja Rutherfordi aatomimudel. Uurimusliku loovuse näiteks on Johann Sebastian Bachi kompositsioonid, mis kompasid barokkmuusika kontseptuaalse ruumi piire. Teisendava loovuse näideteks võiks olla Arnold Schönbergi atonaalne muusika.[10] A-loovus näib eeldavat teisendavat loovust. Hoolimata Bodeni tüpoloogia puudustest[11] kasutan seda siinkohal tehisintellekti loovuse näidete analüüsimiseks.

Enne esimest teesi toetavate näidete juurde asumist tuleb meil vastata veel ühele küsimusele: kas arvuti saab olla loov? See küsimus on lähedaselt seotud Alan Turingi küsimusega arvutite intelligentsuse võimalikkusest,[12] sest loovus ja intelligentsus näivad olevat tihedalt seotud. Turingi vastus käsitas intelligentsust teatava vaadeldava käitumismustrina, mille hindamiskriteeriumid võtab kokku tema järgi nime saanud Turingi test: kui meil on eri asjaosalised A, B, C, kus A ja B on inimesed ning C on arvuti, siis C on intelligentne siis ja ainult siis, kui pärast B ja C-ga arvuti vahendusel ning teksti teel suhtlemist ei suuda A otsustada, kas B või C on arvuti.

Turingi testil on mitmeid puudusi, millest on siinkohal asjakohane mainida kahte, sest need juhatavad sisse allpool kasutusele tuleva alternatiivi. Esiteks ei ole kindel, et Turingi testi läbimine, vähemalt selle esialgsel kujul, oleks intelligentsuse piisav tingimus, sest selle ranged nõuded – ainult kirjalik kommunikatsioon, ainult jah-ei küsimused jne – taandavad inimesed masinate tasemele, selmet näidata masinate intelligentsust mingisuguses inimlikus mõttes.[13] Teiseks, Ada Lovelace, analüütilise mootori loonud Charles Babbage’i sõber, väitis, et arvutid ei saa loovad olla, sest nad järgivad oma programmi reegleid, aga loovus eeldab reeglite rikkumist.

Viimasest vastuväitest lähtub Turingi testi asemele pakutud Lovelace’i test: arvuti C on intelligentne siis ja ainult siis, kui C loob objekti o selliselt, et o aluseks ei ole mitte juhus või viga, vaid protsess, mida C suudab korrata ning mille puhul C-d tundev H (või keegi, kellel on H-ga samaväärsed teadmised) ei suuda seletada, kuidas C lõi o.[14] See on metatest, sest o võib olla lause mingis loomulikus keeles, teoreemi tõestus või visuaalne kujutis. Kui Turingi testi läbimiseks piisab imiteerimisest, siis Lovelace’i test nõuab loovust. Seetõttu võiks see sobida ka masinate loovuse hindamise kriteeriumiks. Jätan siin kõrvale küsimuse, kas loovus eeldab kavatsusi või teisi vaimuseisundeid, sest see nihutaks essee fookuse vaimufilosoofiasse ning ma ei soovi aprioorsete filosoofiliste argumentide varal juba eos välistada masinate loovuse võimalikkust.

Autorsusega seotud kontseptuaalsed muutused

Autori surmast rääkis juba Roland Barthes,[15] kelle jaoks oli siiski pigem tegemist inimeste poolt kirjutatud tekstide muutunud tõlgendamise tagajärjega. Praeguste tehnoloogiliste trendide jätkumisel võivad arvutusliku loovuse rakendused (inim)autorluse ja sellega seotud moraalsed ning õiguslikud normid suurema kahtluse alla seada kui muutused tekstide tõlgendusviisides.

Arthur Milleri väitel oli Bell Labsi juures töötanud insener A. Michael Noll tõenäoliselt üks esimesi arvutusliku loovuse vallas katsetajaid, sest tema 1962. aasta püüdlused panna IBM 7090 suur-arvuti juhuslikke visuaalseid mustreid looma viisid ootamatult kunstipäraste tulemusteni.[16] Sihipärasem varajane katsetus arvutusliku loovuse vallas oli ajavahemikus 1973–2016 kunstnik Harold Coheni poolt loodud arvutiprogramm AARON, mis lõi nii abstraktseid kui ka figuratiivseid, nii mustvalgeid kui ka värvilisi pilte. Esialgsed versioonid genereerisid juhuslikust punktist alustades ja keerukaid KUI-SIIS reegleid järgides abstraktseid kujutisi. Hilisemad versioonid valisid alguspunkti ise ja lõid figuratiivseid kompositsioone. Iga versioon töötas aga võrdlemisi piiratud stiili raames ning Cohen pidi iga stiilimuutuse ise programmeerima. Seega saame siin parimal juhul rääkida uurivast ja P-loovusest, sest programm kaardistas eelnevalt piiritletud kontseptuaalset ruumi. Tõenäoliselt ei läbiks AARON Lovelace’i testi, sest Cohen või mõni teine sarnaste teadmistega isik suudaks AARON-i loomingut seletada.

Obvious – prantsuse kunstnikest ja masinõppe ekspertidest koosnev sõpruskond – avaldas 2018. aastal 11 tehisintellekti poolt loodud portreemaalist koosneva seeria. Üks maalidest, „Edmond de Belamy“, müüdi Christie oksjonimajas 432 500 USD eest.

Generatiivsed võistlusvõrgud on süvaõppe mudelid, mis koosnevad kahest mudelist – generatiivsest mudelist G ja detekteerivast mudelist D. G õpib inimeste sildistatud andmetes (näiteks portreedest koosnevas andmebaasis) leiduvaid mustreid tuvastama ning D püüab tuvastada, kui suure tõenäosusega kuulub G genereeritud väljund treeningandmete hulka. G ja D mängivad kahe mängijaga nullsumma mängu, milles G püüab maksimeerida D eksimise tõenäosust. Nüüdseks suudavad sellised mudelid genereerida portreefotosid mitteeksisteerivatest inimestest, mida inimsilm ei suuda eristada päris inimeste fotodest.[17] Obvious kasutas maaliseeria loomisel loovaid võistlusvõrke, kus G treeniti Lääne kunstiklassikasse kuuluvate portreemaalide peal genereerima pilte, mida treeningandmete seas ei leidu, aga mis imiteerivad neid piisavalt hästi, et D ei suudaks neid treeningandmetest eristada. Vähemalt masina enda seisukohalt võiks öelda, et tegemist on P-loovusega, sest tegemist oli iseenda tulufunktsiooni maksimeerimisega. Kuna A-loovus näib eeldavat teisendavat loovust ja teisendavaks loovuseks piisaks sellest, et publik tunneb ära asjakohase kontseptuaalse ruumi reeglite muutmise, siis saaks kõnealust rakendust nii teisendavalt loovaks kui ka A-loovaks pidada, sest vähemalt üks kirjutaja on saavutuse olulisust võrrelnud Marchel Duchampi ready-made objektide poolt esile kutsutud muutusega kaasaegse kunsti mängureeglites.[18] Sellest hoolimata ei ole selge, kas antud rakendus läbiks Lovelace’i testi, sest ei ole teada, kas Obvious või nendega samu teadmisi omavad isikud suudaksid rakenduse väljundid ära seletada.

Kui näidete ringi laiendada, siis leiab veel piiripealseid rakendusi, mille puhul pole selge, kas nad Lovelace’i testi läbiksid. Näiteks AIVA (Artificial Intelligence Virtual Artist) – masinõppel baseeruv programm, mis treeniti õhtumaise muusika kaanoni peal ise eri stiilides muusikat komponeerima – on nüüdseks andnud välja kaks albumit ning saanud esimeseks Prantsuse heliloojate ja autorite ühingu SACEM poolt tunnustatud virtuaalseks heliloojaks. AlphaGo, 2016. aastal lauamängus go Lee Sedolit võitnud süvaõppel põhinev rakendus, avastas võistluse ajal uue strateegia, mis Marcus du Sautoy arvates näitab, et see rahuldab Lovelace’i testi.[19] Selmer Bringsjord, üks Lovelace’i testi loojatest, leiab aga, et siiani ei ole veel loodud seda läbida suutvat rakendust.

Ühelt poolt on hetkel tõenäoliselt veel vara rääkida tehisintellekti rakendustest, mis suudaksid Lovelace’i testi ilmselgelt läbida. Praeguste tehnoloogiliste trendide valguses ei saa aga selliste rakenduste võimalikkust ka täielikult välistada. Teiselt poolt ei saa välistada sedagi, et Lovelace’i test on vale kontseptuaalne tööriist masinate intelligentsuse ja loovuse hindamiseks ning mõningaid eespool toodud rakendustest saaks juba loovaks pidada.

Hoolimata sellest, kas masinate loovusest on veel vara rääkida või mitte, võivad edusammud arvutusliku loovuse vallas kaasa tuua muutusi, mille tagajärjel muutuvad meie arusaamad autorsusest ja loomingust. Esiteks tõuseb senisest teravamalt autorsuse olulisuse küsimus. Kui on tõsi, et nüüdisajal mängib kunstiteose hindamisel ja tõlgendamisel olulist rolli (teadaoleva) autori olemasolu,[20] siis kuidas mõjutab teose esteetilist retseptsiooni teadmine, et selle on loonud masin? Kui loojad vastutavad oma loomingu eest, siis kes vastutab iseseisvalt õppiva masina loomingu eest? Milliseks kujuneb loovtöö tulevik, kui loovad masinad peaksid ühel hetkel hakkama inimestele konkurentsi pakkuma? Need ja teised (filosoofilised) küsimused tõusevad tänu arvutusliku loovuse edusammudele lähitulevikus senisest teravamalt päevakorrale.

Salvestistega seotud episteemilised normid

Individuaalsete tunnetuslike ja ressurssidega seotud piirangute tõttu tuleneb märkimisväärne osa meie maailma kohta käivast teadmisest teiste tunnistustest. Me oleme tunnistuse alusel õigustatud midagi uskuma seni, kuni tunnistuse allikas on usaldusväärne. Allika usaldusväärsust kahtluse alla seadvate tõendite ilmnemisel kaotab tunnistus oma usaldusväärsuse ja ei saa enam meie uskumusi põhjendada.

Alates filmi, fotograafia ja teiste salvestustehnoloogiate leiutamisest on just kõikvõimalikud salvestised saanud meie kultuuris üheks tunnistuse kontrollimise vahendiks. Seda kinnitab kasvõi tõsiasi, et me parandame tunnistusi salvestiste põhjal ja mitte vastupidi. Näiteks kohtupraktikas on turvakaamera lindistus pealtnägija tunnistusest usaldusväärsem. Regina Rini leiab, et salvestistega on seotud teatud episteemilised normid, mille varal nad saavad meie avalikke sündmusi puudutavaid tunnistuslikke praktikaid reguleerida.[21] Salvestised teevad seda kahel moel: nad võimaldavad tunnistusi akuutselt korrigeerida, sest tunnistuste tõesust ja täpsust saab salvestise varal kontrollida; nad võimaldavad tunnistusi passiivselt korrigeerida, sest taustateadmine, et läheduses võib leiduda salvestustehnoloogiaid, peaks vähemalt avaliku elu tegelaste hulka kuuluvaid allikaid mõjutama pigem siiraid ja pädevaid tunnistusi andma.

Salvestised moodustavad episteemilise varuplaani, millele me saame toetuda, et avalike sündmuste kohta käivaid tunnistusi kontrollida. Kendall Waltoni poolt fotode kohta esitatud ja kriitika osaliseks saanud läbipaistvuse teesi[22] üldistades võiksime öelda, et salvestised saavad episteemilise varuplaani rolli täita, sest nad on läbipaistvad: salvestise kaudu me tajume selle põhjuseks olnud objekti ennast. Seega heli- ja videosalvestised ning fotod loovad tajupõhist teadmist objektidest endist.[23] Passifoto episteemiline eelis portreemaali ees seisneb läbipaistvuse teesi järgi selles, et esimene võimaldab kujutatud isikut ennast näha, kuid teine on kunstniku visuaalne tunnistus kujutatud isikust, sest sõltub kunstniku tõlgendusest ning võib sellisena osutuda kallutatuks.

Süvavõltsingud ja episteemiliste normide kriis

Süvavõltsingud (deepfakes) on masinõppe abil loodud sünteetilised pildid, heli- või videoklipid, milles ühe isiku hääl, nägu või keha asendatakse kellegi teise omaga. Nende loomiseks kasutatakse praegusel hetkel valdavalt kahte tehnoloogiat – eespool mainitud generatiivseid võistlusvõrke ja autoenkoodereid ehk tehisnärvivõrke, mis püüavad sisendiks oleva pildi analüüsimise järel võimalikult sarnast väljundit luua. Mõlemad tehnoloogiad on laialdaselt levinud, tavatarbijale tasuta kättesaadavad ja nende kasutamine muutub aja jooksul üha lihtsamaks.

Süvavõltsingute aluseks olev tehnoloogia on masinnägemise valdkonnas väljatöötamisel olnud alates 1990. aastatest. Üheks varaseks näiteks on 1997. aastast pärinev projekt, mis võimaldas varem salvestatud videolõiku muuta selliselt, et kõneleja suu liikus videost erineval heliribal olevate sõnade järgi. 2017. aastal tegi BuzzFeed hoiatava näitena midagi sarnast Barack Obamat kujutava videoga.[24] 2018. aastal jõuti juba tervet keha kujutavate videote manipuleerimiseni.[25] Esimesed teated kõne süvavõltsingutest pärinevad 2019. aastast.[26] Vähemalt ühel juhul on seda tehnoloogiat ka edukalt raha väljapetmiseks kasutatud.[27] Teisalt on süvavõltsingute tehnoloogial suur potentsiaal näiteks meelelahutustööstuses, kus seda on juba kasutatud näiteks surnud näitlejate kinolinale toomiseks või elavate näitlejate digitaalseks noorendamiseks.[28]

Nimetus deepfake pärineb samanimelisest ja nüüdseks suletud Redditi kogukonnast, milles eespool kirjeldatud tehnoloogiat kasutati peamiselt (tuntud) naistest võltspornograafia loomiseks. Ühe raporti järgi oli 2018. aastaks internetis rohkem kui 14 000 süvavõltsitud videot, millest 98% olid pornograafilised. Kõik need kujutasid naisi, kellest 99% töötasid meelelahutustööstuses.[29] Üks hiljuti ilmunud uuring leidis, et süvavõltsingud on järgmise 15 aasta suurim tehisintellektiga seotud risk.[30] Üheks murettekitavaks riskistsenaariumiks on süvavõltsingute kasutamine poliitilistel eesmärkidel. Esimesed näited on juba olemas. India ajakirjaniku Rana Ayyubi vaigistamiseks loodi ja levitati sotsiaalmeedias 2018. aastal teda kujutavat süvavõltsitud pornograafiat.[31] Indias kasutati käesoleva aasta kevadel valimiskampaanias süvavõltsitud videot, mis jättis mulje, et kandidaat pöördub valijaskonna poole keeles, mida ta tegelikult ei oska,[32] ning Belgias ringles süvavõltsitud video peaministrist, kes seostas Covid-19 pandeemiat kliimasoojenemisega.[33] Tehnoloogia arengu ja kasvava kasutajasõbralikkuse tõttu võime tõenäoliselt oodata selliste intsidentide arvu tõusu. Mõningatel andmetel on poliitilise sisuga süvavõltsingute hulk viimase aasta jooksul märkimisväärselt kasvanud.[34] Lähiaastatel suureneb see tõenäoliselt veelgi.

Rini väidab, et süvavõltsingud ähvardavad õõnestada salvestistega seotud episteemilisi norme.[35] Esiteks, kui süvavõltsingud muutuvad ajapikku niivõrd tõetruuks, et inimesed ei suuda neid enam autentsetest salvestistest eristada, siis muutub senisest oluliselt lihtsamaks sotsiaalmeediasse paisatud süvavõltsitud klippide abil valeinformatsiooni edastada ja poliitilist ebastabiilsust tekitada. Teiseks, mis veel enam muret tekitab, isegi kui süvavõltsingud ei saavuta inimeste süstemaatiliseks eksitamiseks vajalikku tehnilist täiust, võib ainuüksi üldine teadmine kõigi salvestiste potentsiaalsest võltsitavusest suurendada „valetajate dividendi“ ehk tekitada olukorra, kus inimesed püüavad oma sõnade ja tegude eest vastutamist vältida väitega, et asjakohased problemaatilised salvestised on süvavõltsingud.[36] Sellist tendentsi võib täheldada juba praegu. Nina Schick kirjutab 2019. aastal Malaisias aset leidnud juhtumist, kus homoseksuaalsesse seksiskandaali sattunud tollane majandusminister Mohamed Azmin Ali väitis, et skandaali põhjustanud video, mis kujutas teda koos teise mehega, on süvavõltsing.[37] Uurimine näitas, et video on ehtne. Sõltumata sellest, kas süvavõltsingud muutuvad autentsetest salvestistest eristamatuks või suurendavad nad valetajate dividendi, tagajärjeks on salvestiste episteemilise varuplaani funktsiooni lagunemine ning läbipaistvuse teesi vääraks muutumine. Vastu võiks väita, et fototöötlus on juba ammu fotode läbipaistvuse kahtluse alla seadnud. Rini aga ütleb, et heli- ja videosalvestiste episteemiline staatus meie kultuuris on fotode omast erinev, sest me üldiselt kontrollime fotode usaldusväärsust videosalvestiste abil. Süvavõltsingud ähvardavad muuta heli- ja videosalvestised sama ebausaldusväärseks, kui seda on Photoshopi tõttu fotod.

Kui eespool kirjeldatud trendid peaksid jätkuma ning kaasa tooma loetletud kultuurimuutused, siis võib oodata sügavate erimeelsuste – ühiste episteemiliste standardite, faktide ja tõendite puudumisest[38] tingitud ning seetõttu võib-olla ratsionaalselt lahendamatute erimeelsuste[39] – sagenemist ühiskonnas, sest koos heli- ja videosalvestiste usaldusväärsusega kaob ka üks vahend erimeelsuste ratsionaalse lahendamise eelduseks oleva, ühistest faktidest koosneva arutluskonteksti kujundamiseks. Arengud arvutusliku loovuse vallas võivad samal ajal kaasa tuua loometöö järkjärgulise automatiseerimise, mille mõjul võivad hakata muutuma nii meie arusaamad autorsusest kui ka loominguga seotud väärtushinnangud. Eespool kirjeldatud tehnoloogiate keelustamine ei oleks tõhus lahendus, sest sellisel juhul jätaksime ennast ilma nendega seotud hüvedest ning eiraksime tõsiasja, et asjakohane teadmine on juba avalik. Tõenäoliselt peaks vastus neile komplekssetele väljakutsetele hõlmama nii tehnoloogilisi lahendusi ja seadusandlikke vahendeid kui ka individuaalsel tasandil kriitilise meediakirjaoskuse arendamist.

 

[1] Süvaõpe on masinõppe algoritmide klass, mis kasutab mitut tehisnärvivõrkude kihti treeningandmetest järjest keerukamate mustrite tuvastamiseks.

[2] T. Veale, F. A. Cardoso, R. Pérez y Pérez, Systematizing Creativity: A Computational View. Rmt-s: Computational Creativity. The Philosophy and Engineering of Autonomously Creative Systems. Toim. T. Veale, F. A. Cardoso. Chaim, 2019, lk 2.

[3] Platon, Ion, 533e–534b, rmt-s: Plato, Complete Works. Toim. J. M. Cooper. Indianapolis; Cambridge, 1997, lk 941–942.

[4] M. Boden, The Creative Mind: Myths and Mechanisms. 2. tr. London; New York, 2003, lk 14–15.

[5] Selline „toimijakeskne“ arusaam loovusest justkui välistab keerukate süsteemide või looduse loovuse. Soovimata siinkohal neis küsimustes seisukohta võtta piirdun praegu „toimijakeskse“ arusaamaga, sest keskendun ennekõike tehislike toimijate loovusele ning käsitlen tehisnärvivõrke ja teisi tehisintellekti loovaid rakendusi tehislike toimijatena (artificial agents).

[6] A. Newell, J. C. Shaw, H. A. Simon, The Process of Creative Thinking. Santa Monica, 1959, https://www.rand.org/pubs/papers/P1320.html.

[7] T. Veale, F. A. Cardoso, R. Pérez y Pérez, Systematizing Creativity, lk 3.

[8] M. Boden, The Creative Mind.

[9] „Kontseptuaalset ruumi“ võib siinkohal mõista mõistete, näidete ja reeglite kogumina, mis suunab tegevust mingis valdkonnas. Näiteks eukleidilise geomeetria kontseptuaalne ruum koosneb selle aksioomidest, teoreemidest ning nende poolt lubatud kujunditest.

[10] M. du Sautoy, The Creativity Code: Art and Innovation in the Age of AI. Harvard, 2019, lk 9.

[11] Vt G. A. Wiggins, A Framework for Description, Analysis and Comparison of Creative Systems. Rmt-s: Computational Creativity, lk 21–47.

[12] A. Turing, Computational Machinery and Intelligence. Mind, 1950, kd 59, nr 236, lk 433–460.

[13] L. Floridi, Philosophy and Computing: An Introduction. London; New York, 1999.

[14] S. Bringsjord, P. Bello, D. Ferrucci, Creativity, the Turing Test, and the (Better) Lovelace Test. Minds and Machines, 1999, kd 11, nr 3, lk 3–27.

[15] R. Barthes, Autori surm: valik kirjandusteoreetilisi esseid. Toim. M. Tamm. Tallinn, 2002.

[16] A. I. Miller, The Artist in the Machine: The World of AI Powered Creativity. Cambridge, 2019.

[17] Näiteks järgmisel internetileheküljel näeb iga värskenduse järel uut sellisel meetodil genereeritud fotot.

[18] A. Rolez, The Mechanical Art of Laughter. Arts, 2019, kd 8, nr 1, lk 2.

[19] M. du Sautoy, The Creativity Code, lk 205–206.

[20] M. Foucault, Mis on autor? Tlk K. Talviste. Vikerkaar, 2000, nr 11/12, lk 156–172.

[21] R. Rini, Deepfakes and the Epistemic Backstop. Philosopher’s Imprint, 2020, kd 20, nr 24, lk 1–16.

[22] K. L. Walton, Transparent Pictures: On the Nature of Photographic Realism. Noûs, 1984, kd 18, nr 1, lk 67–72.

[23] D. Cavedon-Taylor, Photographically Based Knowledge. Episteme, 2013, kd 10, nr 3, lk 283–297.

[24] S. Suwajanakorn, S. M. Seitz, I. Kemelmacher-Schlizerman, Synthesizing Obama: Learning Lip Sync from Audio. ACM Transactions on Graphics, 2017, kd 36, nr 4.

[25] C. Chan, S. Ginosar, T. Zhuo, A. A. Efros, Everybody Dance Now. arXiV, 2019, https://arxiv.org/pdf/1808.07371.pdf.

[26] J. Vincent, This Is What a Deepfake Voice Clone Used in a Failed Fraud Attempt Sounds Like. The Verge, 27.07.2020, https://www.theverge.com/2020/7/27/21339898/deepfake-audio-voice-clone-scam-attempt-nisos.

[27] C. Stupp, Fraudsters Used AI to Mimic CEO’s Voice in Unusual Cybercrime Case. The Washington Post, 30.08.2019.

[28] E. Winick, How Acting as Carrie Fisher’s Puppet Made a Career for Rogue One’s Princess Leia. MIT Technology Review, 16.10.2018, https://bit.ly/3mJzWZl.

[29] H. Ajder, G. Patrini, F. Cavalli, L. Cullen, The State of Deepfakes: Landscape, Threats, and Impact. Deeptrace, september 2019, https://regmedia.co.uk/2019/10/08/deepfake_report.pdf.

[30] M. Caldwell, J. T. A. Andrews, T. Tanay, L. D. Griffin, AI-enabled Future Crime. Crime Sciences, 2020, kd 9, nr 14.

[31] R. Ayyub, I Was the Victim of a Deepfake Porn Plot Intended to Silence Me. HuffPost, 21.11.2018, https://www.huffingtonpost.in/rana-ayyub/deepfake-porn_a_23595592/.

[32] N. Christopher, We’ve Just Seen the First Use of Deepfakes in an Indian Election Campaign. Vice, 18.02.2020, https://www.vice.com/en_in/article/jgedjb/the-first-use-of-deepfakes-in-indian-election-by-bjp.

[33] G. Galindo, XR Belgium Posts Deepfake of Belgian Premiere Linking Covid-19 with Climate Crisis. The Brussels Times, 14.04.2020.

[34] J. Koetsier, Fake Video Election? Deepfake Videos „Grew 20X“ Since 2019. Forbes, 09.09.2020.

[35] R. Rini, Deepfakes and the Epistemic Backstop, lk 7–8, 11–13.

[36] R. Chesney, D. K. Citron, Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security. California Law Review, 2018, kd 107, lk 1753–1820.

[37] N. Schich, Deepfakes: The Coming Infocalypse. New York, 2020.

[38] Sügavate erimeelsuste näideteks on erimeelsused abordi või eutanaasia moraalse lubatavuse üle.

[39] Vt R. J. Fogelin, The Logic of Deep Disagreements (1985). Informal Logic: Reasoning and Argumentation in Theory and Practice, 2005, kd 25, nr 1, lk 3–11.

Leia veel huvitavat lugemist

Täheke
Õpetajate leht
Muusika
Kunstel
Akadeemia
Keel ja kirjandus
LR
Looming
Hea laps
Värske Rõhk