Come l’IA può aiutare a potenziare la creatività

Dimenticate la creatività con un solo clic. Questi artisti e musicisti stanno trovando nuovi modi di fare arte utilizzando l’intelligenza artificiale, iniettando attrito, sfida e serendipità nel processo.

A volte Lizzie Wilson si presenta a un rave con la sua assistente AI.

Una sera dello scorso febbraio, Wilson ha collegato il suo computer portatile a un proiettore che proiettava il suo schermo sulla parete di un loft dal soffitto basso nell’East London. Una piccola folla si mescolava al bagliore delle fioche luci rosa. Wilson si è seduta e ha iniziato a programmare.

Dagli altoparlanti del locale provenivano scatti e ronzii techno. Il pubblico ha osservato, con la testa che annuiva, mentre Wilson batteva il codice riga per riga sullo schermo proiettato, modificando i suoni, mettendo in loop i beat, facendo una smorfia quando sbagliava.

Wilson è una live coder. Invece di utilizzare un software appositamente creato, come la maggior parte dei produttori di musica elettronica, i live coder creano musica scrivendo il codice per generarla al volo. Si tratta di un’arte performativa improvvisata nota come algorave.

“È un po’ noioso quando si va a vedere uno spettacolo e qualcuno se ne sta seduto sul suo computer”, dice. “Puoi goderti la musica, ma manca l’aspetto performativo. Con il live coding, tutti possono vedere cosa sto scrivendo. E quando il mio portatile si blocca, alla gente piace molto. Cominciano ad applaudire”.

Rischiare fa parte dell’atmosfera. Per questo Wilson ama alzare ulteriormente il livello delle sue esibizioni, utilizzando quello che lei chiama “live-coding agent”, un modello generativo di intelligenza artificiale che propone i propri ritmi e loop da aggiungere al mix. Spesso il modello suggerisce combinazioni di suoni a cui Wilson non aveva pensato. “Si ottengono questi elementi di sorpresa”, dice. “Devi solo andare a colpo sicuro”.

Wilson, ricercatrice presso il Creative Computing Institute della University of the Arts di Londra, è solo una dei tanti che lavorano su ciò che è noto come co-creatività o creatività più che umana. L’idea è che l’intelligenza artificiale possa essere usata per ispirare o criticare progetti creativi, aiutando le persone a realizzare cose che non avrebbero fatto da sole. Lei e i suoi colleghi hanno costruito l’agente di live-coding per esplorare il modo in cui l’intelligenza artificiale può essere usata per supportare gli sforzi artistici umani – nel caso di Wilson, l’improvvisazione musicale.

È una visione che va oltre la promessa degli strumenti generativi esistenti messi a punto da aziende come OpenAI e Google DeepMind. Questi strumenti possono automatizzare una serie impressionante di attività creative e offrire una gratificazione quasi istantanea, ma a quale costo? Alcuni artisti e ricercatori temono che questa tecnologia possa trasformarci in consumatori passivi di un’ulteriore sbobba dell’intelligenza artificiale.

Per questo stanno cercando un modo per reintrodurre la creatività umana nel processo. L’obiettivo è quello di sviluppare strumenti di intelligenza artificiale che aumentino la nostra creatività, anziché privarcene, spingendoci a essere più bravi a comporre musica, a sviluppare giochi, a progettare giocattoli e molto altro ancora, e di gettare le basi per un futuro in cui uomini e macchine creino cose insieme.

In definitiva, i modelli generativi potrebbero offrire ad artisti e designer un mezzo del tutto nuovo, spingendoli a realizzare cose che non si sarebbero potute fare prima e dando a tutti dei superpoteri creativi.

Esplosione di creatività

Non esiste un solo modo di essere creativi, ma tutti lo facciamo. Creiamo di tutto, dai meme ai capolavori, dagli scarabocchi per bambini ai progetti industriali. C’è un’errata convinzione, tipicamente tra gli adulti, che la creatività sia qualcosa che si perde crescendo. Ma essere creativi – che si tratti di cucinare, cantare sotto la doccia o mettere insieme dei TikTok super bizzarri – è ancora qualcosa che la maggior parte di noi fa solo per il gusto di farlo. Non deve essere per forza un’opera d’arte o un’idea che cambia il mondo (eppure può esserlo). La creatività è un comportamento umano di base; dovrebbe essere celebrata e incoraggiata.

Quando sono arrivati modelli generativi da testo a immagine come Midjourney, DALL-E di OpenAI e il popolare open-source Stable Diffusion, hanno dato il via a un’esplosione di quella che assomigliava molto alla creatività. Milioni di persone erano ora in grado di creare immagini straordinarie di qualsiasi cosa, in qualsiasi stile, con un semplice clic. Successivamente sono arrivati i modelli text-to-video. Ora startup come Udio stanno sviluppando strumenti simili per la musica. Mai prima d’ora i frutti della creazione sono stati alla portata di così tanti.

Ma per alcuni ricercatori e artisti, il clamore suscitato da questi strumenti ha distorto l’idea di cosa sia davvero la creatività. “Se chiedo all’intelligenza artificiale di creare qualcosa per me, non sono io a essere creativo”, afferma Jeba Rezwana, che lavora sulla co-creatività alla Towson University nel Maryland. “È un’interazione unica: si clicca, si genera qualcosa e basta. Non si può dire: ‘Mi piace questa parte, ma forse è meglio cambiare qualcosa qui’. Non si può avere un dialogo avanti e indietro”.

Rezwana si riferisce al modo in cui sono impostati la maggior parte dei modelli generativi. È possibile fornire agli strumenti un feedback e chiedere loro di fare un altro tentativo. Ma ogni nuovo risultato viene generato da zero, il che può rendere difficile ottenere esattamente ciò che si desidera. Come ha detto l’anno scorso il regista Walter Woodman dopo che il suo collettivo artistico Shy Kids ha realizzato per la prima volta un cortometraggio con il modello text-to-video di OpenAI: “Sora è una slot machine per quanto riguarda i risultati”.

Inoltre, le versioni più recenti di alcuni di questi strumenti generativi non utilizzano nemmeno il messaggio inviato così com’è per produrre un’immagine o un video (almeno non con le impostazioni predefinite). Prima di inviare il messaggio al modello, il software lo modifica, spesso aggiungendo decine di parole nascoste, per far sì che l’immagine generata appaia più curata.

“Vengono aggiunti elementi extra per aumentare il risultato”, afferma Mike Cook, ricercatore di creatività computazionale presso il King’s College di Londra. “Provate a chiedere a Midjourney di darvi un brutto disegno di qualcosa: non ci riuscirà”. Questi strumenti non ti danno quello che vuoi, ma quello che i loro progettisti pensano che tu voglia.

Tutto ciò va bene se avete bisogno di un’immagine veloce e non vi preoccupate troppo dei dettagli, dice Nick Bryan-Kinns, anch’egli del Creative Computing Institute: “Magari volete fare una cartolina di Natale per la vostra famiglia o un volantino per la vendita di torte della vostra comunità. Questi strumenti sono ottimi per questo”.

In breve, i modelli generativi esistenti hanno reso facile la creazione, ma non hanno reso facile la creatività. E c’è una grande differenza tra le due cose. Per Cook, affidarsi a questi strumenti potrebbe infatti danneggiare lo sviluppo creativo delle persone nel lungo periodo. “Sebbene molti di questi sistemi di intelligenza artificiale creativa siano promossi per rendere la creatività più accessibile”, ha scritto in un articolo pubblicato lo scorso anno, potrebbero invece avere “effetti negativi sui loro utenti in termini di limitazione della loro capacità di innovare, ideare e creare”. Considerando quanto i modelli generativi siano stati sostenuti per aver messo le capacità creative a portata di mano di tutti, il suggerimento che potrebbero in realtà fare il contrario è dannoso.

La ricercatrice Anne Arzberger ha sviluppato strumenti sperimentali di intelligenza artificiale per ideare giocattoli di genere neutro.

Il fatto di non accettare le ipotesi, o di essere messi in discussione, fa parte del processo creativo, sostiene Anne Arzberger, ricercatrice presso la Delft University of Technology nei Paesi Bassi. “Se penso alle persone con cui ho collaborato meglio, non sono quelle che si limitano a dire ‘Sì, fantastico’ a ogni idea che propongo”, dice. “Erano davvero critici e avevano idee opposte”.

Vuole costruire una tecnologia che fornisca una cassa di risonanza simile. Nell’ambito di un progetto chiamato Creating Monsters, Arzberger ha sviluppato due strumenti sperimentali di intelligenza artificiale che aiutano i designer a trovare pregiudizi nascosti nei loro progetti. “Ero interessata ai modi in cui potevo usare questa tecnologia per accedere a informazioni che altrimenti sarebbero state difficili da ottenere”, spiega l’autrice.

Per il progetto, lei e i suoi colleghi hanno affrontato il problema della progettazione di figure giocattolo che fossero neutre dal punto di vista del genere. Lei e i suoi colleghi (tra cui Giaccardi) hanno utilizzato Teachable Machine, un’applicazione web costruita dai ricercatori di Google nel 2017 che consente di addestrare facilmente il proprio modello di apprendimento automatico per classificare diversi input, come le immagini. Hanno addestrato questo modello con alcune decine di immagini che Arzberger aveva etichettato come maschili, femminili o neutre.

Arzberger ha poi chiesto al modello di identificare il genere dei nuovi progetti di giocattoli candidati. Si accorse che molti disegni erano stati giudicati femminili anche quando aveva cercato di renderli neutri rispetto al genere. Si sentiva come se la sua visione del mondo, i suoi pregiudizi nascosti, venissero smascherati. Ma spesso lo strumento aveva ragione: metteva in discussione le sue ipotesi e aiutava il team a migliorare i progetti. Secondo l’autrice, lo stesso approccio potrebbe essere utilizzato per valutare ogni tipo di caratteristica del progetto.

Arzberger ha poi utilizzato un secondo modello, una versione di uno strumento realizzato dalla startup Runway, che si occupa di immagini e video generativi, per creare progetti di giocattoli neutri dal punto di vista del genere. Per prima cosa i ricercatori hanno addestrato il modello a generare e classificare i progetti di giocattoli dall’aspetto maschile e femminile. Hanno poi chiesto allo strumento di trovare un disegno che fosse esattamente a metà strada tra i disegni maschili e femminili che aveva imparato.

I modelli generativi possono fornire un feedback sui progetti che i progettisti umani potrebbero non cogliere, afferma l’autrice: “Possiamo davvero imparare qualcosa”.

Assumere il controllo

La storia della tecnologia è piena di scoperte che hanno cambiato il modo di fare arte, dalle ricette per nuovi colori vivaci alla fotografia ai sintetizzatori. Negli anni ’60, John Chowning, ricercatore di Stanford, lavorò per anni a un algoritmo esoterico in grado di manipolare le frequenze dei suoni generati dal computer. Stanford concesse la tecnologia in licenza alla Yamaha, che la inserì nei suoi sintetizzatori, tra cui il DX7, il nuovo suono di tendenza alla base di successi degli anni ’80 come “The Best” di Tina Turner, “Take On Me” degli A-ha e “When Doves Cry” di Prince.

Bryan-Kinns è affascinato dal modo in cui artisti e designer trovano il modo di utilizzare le nuove tecnologie. “Se si parla con gli artisti, la maggior parte di loro non parla di questi modelli generativi dell’IA come di uno strumento, ma come di un materiale, come un materiale artistico, come una vernice o qualcosa del genere”, dice. “È un modo diverso di pensare a ciò che l’IA sta facendo”. Egli sottolinea come alcune persone stiano spingendo la tecnologia a fare cose strane per le quali non è stata progettata. Gli artisti spesso si appropriano di questo tipo di strumenti o ne fanno un uso improprio.

Bryan-Kinns indica il lavoro di Terence Broad, un altro suo collega del Creative Computing Institute, come esempio preferito. Broad impiega tecniche come il network bending, che prevede l’inserimento di nuovi strati in una rete neurale per produrre effetti visivi glitch nelle immagini generate, e la generazione di immagini con un modello addestrato sull’assenza di dati, che produce pennellate di colore astratte quasi alla Rothko.

Ma Broad è un caso estremo. Bryan-Kinns lo riassume così: “Il problema è che c’è un abisso tra gli strumenti generativi molto commerciali che producono risultati di altissima qualità, ma con un controllo molto limitato su ciò che fanno, e l’altra estremità in cui si ha un controllo totale su ciò che fanno, ma le barriere all’uso sono alte perché bisogna essere qualcuno che si sente a proprio agio sotto il cofano del computer”.

“È un numero esiguo di persone”, dice. “È un numero molto ridotto di artisti”.

Arzberger ammette che lavorare con i suoi modelli non è stato semplice. L’esecuzione ha richiesto diverse ore e non è sicura che lo strumento Runway che ha usato sia ancora disponibile. Bryan-Kinns, Arzberger, Cook e altri vogliono prendere il tipo di interazioni creative che stanno scoprendo e trasformarle in strumenti che possano essere utilizzati da persone che non sono codificatori incalliti.

Il ricercatore Terence Broad crea immagini dinamiche utilizzando un modello addestrato senza dati, che produce campi di colore astratti quasi simili a Rothko.

Trovare il giusto equilibrio tra sorpresa e controllo sarà comunque difficile. Midjourney può sorprendere, ma offre poche leve per controllare ciò che produce al di là del prompt. Alcuni hanno affermato che scrivere i suggerimenti è di per sé un atto creativo. “Ma nessuno lotta con un pennello come fa con una richiesta”, dice Cook.

Di fronte a questa difficoltà, Cook a volte osserva i suoi studenti che si accontentano dei primi risultati che uno strumento generativo fornisce loro. “Mi interessa molto l’idea che ci stiamo innescando per accettare che qualsiasi cosa esca da un modello sia ciò che abbiamo chiesto”, dice Cook. Sta progettando un esperimento che prevede la variazione di singole parole e frasi in messaggi simili, per verificare la discrepanza tra ciò che le persone si aspettano e ciò che ottengono.

Ma è ancora presto. Nel frattempo, le aziende che sviluppano modelli generativi di solito enfatizzano i risultati rispetto al processo. “I progressi algoritmici sono impressionanti, ma spesso si trascura la progettazione dell’interazione”, afferma Rezwana.

Per Wilson, la scelta cruciale in qualsiasi rapporto di co-creazione è cosa fare con ciò che ci viene dato. “Stai avendo un rapporto con il computer che stai cercando di mediare”, dice. “A volte va male, e questo fa parte del processo creativo”.

Quando l’intelligenza artificiale vi dà dei limoni, fate dell’arte. “Non sarebbe divertente avere qualcosa di completamente antagonista in una performance, come qualcosa che sta attivamente andando contro di te, e avere una specie di discussione?”, dice. “Sarebbe interessante almeno da guardare”.