Een filosoof stelt dat een AI geen kunstenaar kan zijn

MET DANK AAN DE ARTIESTEN

Op 31 maart 1913 brak in de Grote Zaal van het concertgebouw Musikverein in Wenen een rel uit tijdens een uitvoering van een orkestlied van Alban Berg. Chaos daalde neer. Meubilair was kapot. De politie arresteerde de organisator van het concert voor het slaan van Oscar Straus, een weinig herinnerde componist van operettes. Later, tijdens het proces, grapte Straus over de frustratie van het publiek. De punch, hield hij vol, was het meest harmonieuze geluid van de hele avond. De geschiedenis heeft een ander oordeel geveld: de dirigent van het concert, Arnold Schönberg, is de geschiedenis ingegaan als misschien wel de meest creatieve en invloedrijke componist van de 20e eeuw.

Je zult misschien niet genieten van de dissonante muziek van Schönberg, die conventionele tonaliteit verwerpt om de 12 noten van de schaal te rangschikken volgens regels die geen enkele overheersen. Maar hij veranderde wat mensen onder muziek verstaan. Dat maakt hem tot een werkelijk creatieve en vernieuwende kunstenaar. De technieken van Schönberg zijn nu naadloos geïntegreerd in alles, van filmmuziek en Broadway-musicals tot de jazzsolo's van Miles Davis en Ornette Coleman.

Dit verhaal maakte deel uit van ons nummer van maart 2019

• Zie de rest van het nummer
• Abonneren

Creativiteit is een van de meest mysterieuze en indrukwekkende prestaties van het menselijk bestaan. Maar wat is het?

Creativiteit is niet alleen nieuwigheid. Een peuter aan de piano kan een nieuwe reeks noten aanslaan, maar ze zijn in geen enkele betekenisvolle zin creatief. Ook creativiteit wordt begrensd door geschiedenis: wat in de ene periode of plaats als creatieve inspiratie geldt, kan in een andere tijd als belachelijk, dom of gek worden beschouwd. Een gemeenschap moet ideeën als goed accepteren om als creatief te gelden.

Zoals in het geval van Schönberg, of dat van een aantal andere moderne kunstenaars, hoeft die acceptatie niet universeel te zijn. Het kan inderdaad jaren niet komen - soms wordt creativiteit generaties lang ten onrechte afgewezen. Maar tenzij een innovatie uiteindelijk wordt geaccepteerd door een of andere praktijkgemeenschap, heeft het weinig zin om ervan te spreken als creatief.

Vooruitgang in kunstmatige intelligentie heeft velen ertoe gebracht te speculeren dat mensen binnenkort zullen worden vervangen door machines op elk gebied, inclusief dat van creativiteit. Ray Kurzweil, een futurist, voorspelt dat we in 2029 een AI zullen hebben geproduceerd die kan doorgaan voor een gemiddeld opgeleid mens. Nick Bostrom, een filosoof uit Oxford, is voorzichtiger. Hij geeft geen datum, maar suggereert dat filosofen en wiskundigen het werk aan fundamentele vragen uitstellen aan superintelligente opvolgers, die hij definieert als een intellect dat de cognitieve prestaties van mensen in vrijwel alle interessegebieden ver overtreft.

Beiden geloven dat zodra intelligentie op menselijk niveau in machines wordt geproduceerd, er een uitbarsting van vooruitgang zal zijn - wat Kurzweil de singulariteit noemt en Bostrom een ​​intelligentie-explosie - waarin machines ons zeer snel zullen vervangen door enorme maatregelen op elk gebied. Dit zal gebeuren, stellen ze, omdat bovenmenselijke prestaties hetzelfde zijn als gewone menselijke prestaties, behalve dat alle relevante berekeningen veel sneller worden uitgevoerd, in wat Bostrom speed superintelligentie noemt.

Dus hoe zit het met het hoogste niveau van menselijke prestatie: creatieve innovatie? Staan onze meest creatieve kunstenaars en denkers op het punt om massaal overtroffen te worden door machines?

Nee.

Menselijke creatieve prestaties zullen, vanwege de manier waarop ze sociaal zijn ingebed, niet bezwijken voor de vooruitgang in kunstmatige intelligentie. Anders zeggen is een verkeerd begrip van zowel wat mensen zijn als wat onze creativiteit inhoudt.

Deze bewering is niet absoluut: ze hangt af van de normen die we onze cultuur en onze verwachtingen van technologie laten bepalen. Mensen hebben in het verleden zelfs aan levenloze totems grote kracht en genialiteit toegeschreven. Het is heel goed mogelijk dat we kunstmatig intelligente machines gaan behandelen als zo enorm superieur aan ons dat we ze van nature creativiteit zullen toeschrijven. Mocht dat gebeuren, dan is dat niet omdat machines ons hebben ingehaald. Het zal zijn omdat we onszelf hebben gedenigreerd.

Menselijke creatieve prestaties zullen, vanwege de manier waarop ze sociaal zijn ingebed, niet bezwijken voor de vooruitgang in kunstmatige intelligentie.

Ik heb het ook voornamelijk over machine-ontwikkelingen van het soort dat we onlangs hebben gezien met het huidige deep-learning-paradigma, evenals de computationele opvolgers ervan. Andere paradigma's hebben in het verleden AI-onderzoek beheerst. Deze hebben hun belofte al niet waargemaakt. Er kunnen in de toekomst nog andere paradigma's komen, maar als we speculeren dat een fictieve toekomstige AI waarvan we de kenmerken niet op een zinvolle manier kunnen beschrijven, wonderen zal doen, dat is mythevorming, geen beredeneerde discussie over de mogelijkheden van technologie.

Creatieve prestatie werkt anders in verschillende domeinen. Ik kan hier geen volledige taxonomie van de verschillende soorten creativiteit bieden, dus om dit duidelijk te maken zal ik een argument schetsen met drie heel verschillende voorbeelden: muziek, games en wiskunde.

Muziek in mijn oren

In denkbeeldig landschap (2018)
Nao Tokui gebruikt een algoritme voor machine learning om panorama's te maken van afbeeldingen die zijn gevonden in Google Street View en vult deze aan met soundscapes die zijn gemaakt met kunstmatige neurale netwerken. MET DANK AAN DE ARITST

Kunnen we ons een machine voorstellen met zo'n bovenmenselijk creatief vermogen dat het veranderingen teweegbrengt in wat we onder muziek verstaan, zoals Schönberg deed?

Dat is wat ik beweer dat een machine niet kan. Laten we eens kijken waarom.

Compositiesystemen voor computermuziek bestaan ​​al geruime tijd. In 1965, op 17-jarige leeftijd, programmeerde Kurzweil zelf, met behulp van een voorloper van de patroonherkenningssystemen die tegenwoordig kenmerkend zijn voor deep-learning-algoritmen, een computer om herkenbare muziek te componeren. Varianten van deze techniek worden tegenwoordig gebruikt. Diepgaande algoritmen hebben bijvoorbeeld een aantal Bach-koralen als input kunnen nemen en muziek hebben gecomponeerd die zo kenmerkend is voor Bachs stijl dat zelfs experts voor de gek worden gehouden door te denken dat het origineel is. Dit is mimiek. Het is wat een kunstenaar als leerling doet: de stijl van anderen kopiëren en perfectioneren in plaats van met een authentieke, originele stem te werken. Het is niet het soort muzikale creativiteit dat we met Bach associëren, laat staan ​​met Schönbergs radicale vernieuwing.

Dus wat zeggen we? Zou er een machine kunnen zijn die, net als Schönberg, een geheel nieuwe manier van muziek maken uitvindt? Natuurlijk kunnen we ons zo'n machine voorstellen en zelfs maken. Met een algoritme dat zijn eigen compositieregels aanpast, zouden we gemakkelijk een machine kunnen maken die muziek maakt die net zo anders is dan wat we nu als goede muziek beschouwen, zoals Schönberg toen deed.

Maar hier wordt het ingewikkeld.

We beschouwen Schoenberg als een creatieve vernieuwer, niet alleen omdat hij erin slaagde een nieuwe manier van muziek componeren te creëren, maar omdat mensen er een visie in konden zien van hoe de wereld zou moeten zijn. De visie van Schönberg omvatte het spaarzame, schone, efficiënte minimalisme van de moderniteit. Zijn innovatie was niet alleen het vinden van een nieuw algoritme voor het componeren van muziek; het was om een ​​manier te vinden om na te denken over welke muziek is waardoor het kan praten met wat is er nu nodig? .

Sommigen zullen misschien beweren dat ik de lat te hoog heb gelegd. Beweer ik, zullen ze vragen, dat een machine een mystiek, onmeetbaar gevoel nodig heeft van wat sociaal noodzakelijk is om als creatief te gelden? Dat ben ik niet - om twee redenen.

Onthoud allereerst dat Schönberg ons begrip van wat muziek is, veranderde door een nieuwe, wiskundige techniek voor muzikale compositie voor te stellen. Alleen creativiteit van dit traditie-tartende soort vereist enige vorm van sociale gevoeligheid. Als luisteraars zijn techniek niet hadden ervaren als het vastleggen van het anti-traditionalisme in het hart van de radicale moderniteit die opkwam in Wenen aan het begin van de 20e eeuw, hadden ze het misschien niet als iets van esthetische waarde gehoord. Het punt hier is dat radicale creativiteit geen versnelde versie is van alledaagse creativiteit. Schönbergs prestatie is geen snellere of betere versie van het soort creativiteit waarvan Oscar Straus of een andere gemiddelde componist blijk geeft: het is fundamenteel anders van aard.

Ten tweede is mijn argument niet dat de ontvankelijkheid van de maker voor sociale noodzaak bewust moet zijn om het werk aan de normen van genialiteit te laten voldoen. Ik beweer in plaats daarvan dat we moeten het werk kunnen interpreteren alsof het op die manier reageert . Het zou een vergissing zijn om de samenstelling van een machine te interpreteren als onderdeel van een dergelijke visie op de wereld. Het argument hiervoor is eenvoudig.

Beweringen zoals die van Kurzweil dat machines intelligentie op menselijk niveau kunnen bereiken, gaan ervan uit dat het hebben van een menselijke geest gewoon een menselijk brein is dat een aantal computationele algoritmen volgt - een visie die computationalisme wordt genoemd. Maar hoewel algoritmen morele implicaties kunnen hebben, zijn ze zelf geen morele agenten. We kunnen de aap op een typemachine niet tellen die per ongeluk typt Othello als een groot creatief toneelschrijver. Als er grootsheid in het product zit, is het slechts een ongeluk. We kunnen het product van een machine misschien als geweldig beschouwen, maar als we weten dat de output slechts het resultaat is van een willekeurige handeling of algoritmisch formalisme, kunnen we het niet accepteren als de uitdrukking van een visie voor het welzijn van de mens.

Om deze reden, lijkt mij, kan niets anders dan een ander mens goed worden begrepen als een echt creatief kunstenaar. Misschien zal AI ooit verder gaan dan zijn computationalistische formalisme, maar daarvoor zou een sprong nodig zijn die op dit moment ondenkbaar is. We zouden niet alleen op zoek zijn naar nieuwe algoritmen of procedures die menselijke activiteit simuleren; we zouden op zoek gaan naar nieuwe materialen die de basis vormen van het mens-zijn.

Een molecuul-voor-molecuul duplicaat van een mens zou op de relevante manier mens zijn. Maar we hebben al een manier om zo'n wezen te produceren: het duurt ongeveer negen maanden. Op dit moment kan een machine alleen iets veel minder interessants doen dan wat een mens kan. Het kan bijvoorbeeld muziek maken in de stijl van Bach – misschien zelfs muziek waarvan sommige experts denken dat die beter is dan die van Bach. Maar dat is alleen omdat zijn muziek kan worden beoordeeld aan de hand van een reeds bestaande standaard. Wat een machine niet kan, is veranderingen teweegbrengen in onze normen voor het beoordelen van de kwaliteit van muziek of om te begrijpen wat muziek wel of niet is.

Dit wil niet ontkennen dat creatieve kunstenaars alle tools gebruiken die ze tot hun beschikking hebben, en dat die tools vormgeven aan het soort kunst dat ze maken. De trompet hielp Davis en Coleman hun creativiteit te realiseren. Maar de trompet is zelf niet creatief. Algoritmen voor kunstmatige intelligentie lijken meer op muziekinstrumenten dan op mensen. Taryn Southern, een voormalige Amerikaans idool deelnemer, heeft onlangs een album uitgebracht waarin de percussie, melodieën en akkoorden algoritmisch werden gegenereerd, hoewel ze de teksten schreef en herhaaldelijk het instrumentatie-algoritme aanpaste totdat het de resultaten opleverde die ze wilde. Begin jaren negentig deed David Bowie het andersom: hij schreef de muziek en gebruikte een Mac-app genaamd Verbalizer om zinnen pseudo-willekeurig te recombineren tot songteksten. Net als eerdere tools van de muziekindustrie - van opnameapparatuur tot synthesizers tot samplers en loopers - werken nieuwe AI-tools door de creatieve vaardigheden van de menselijke artiest te stimuleren en te kanaliseren (en de beperkingen van die capaciteiten weer te geven).

Games zonder grenzen

Er is veel geschreven over de prestaties van deep-learningsystemen die nu de beste Go-spelers ter wereld zijn. AlphaGo en zijn varianten hebben sterke claims dat ze een geheel nieuwe manier van spelen hebben gecreëerd. Ze hebben menselijke experts geleerd dat het openen van bewegingen waarvan lang werd gedacht dat ze ondoordacht waren, tot de overwinning kunnen leiden. Het programma speelt in een stijl die experts omschrijven als vreemd en buitenaards. Dit is hoe ik me games van ver in de toekomst voorstel, zei Shi Yue, een top Go-speler, over AlphaGo's spel. Het algoritme lijkt echt creatief te zijn.

In zekere zin is dat zo. Het spelen van games is echter iets anders dan het componeren van muziek of het schrijven van een roman: in games is er een objectieve maatstaf voor succes. We weten dat we iets te leren hebben van AlphaGo omdat we het zien winnen.

Maar dat is ook wat Go tot een speelgoeddomein maakt, een vereenvoudigde casus die slechts beperkte dingen over de wereld zegt.

Anna Ridler's De val van het huis van Usher (2017)
Een animatie van 12 minuten gebaseerd op de stomme film van Watson en Webber uit 1928. Ridler maakte de stills met behulp van drie afzonderlijke neurale netten: een getraind op haar tekeningen, een tweede getraind op tekeningen gemaakt van de resultaten van het eerste net, en een derde getraind op tekeningen gemaakt van de resultaten van de tweede. MET DANK AAN DE ARITST

De meest fundamentele vorm van menselijke creativiteit verandert ons begrip van onszelf omdat het ons begrip van wat we als goed beschouwen, verandert. Voor het spel Go daarentegen ligt de aard van goedheid gewoon niet voor het grijpen: een Go-strategie is goed als en alleen als het wint. Het menselijk leven heeft dit kenmerk over het algemeen niet: er is geen objectieve maatstaf voor succes in de hoogste gebieden van prestatie. Zeker niet in kunst, literatuur, muziek, filosofie of politiek. Overigens ook niet bij de ontwikkeling van nieuwe technologieën.

In verschillende speelgoeddomeinen kunnen machines ons misschien iets leren over een bepaalde zeer beperkte vorm van creativiteit. Maar de regels van het domein zijn voorgevormd; het systeem kan alleen slagen als het leert goed te spelen binnen deze beperkingen. De menselijke cultuur en het menselijk bestaan ​​zijn veel interessanter dan dit. Er zijn natuurlijk normen voor hoe mensen handelen. Maar creativiteit in de echte zin is het vermogen om die normen in een belangrijk menselijk domein te veranderen. Succes in speelgoeddomeinen is geen indicatie dat creativiteit van deze meer fundamentele soort haalbaar is.

Het is een knock-out

Een scepticus zou kunnen beweren dat het argument alleen werkt omdat ik games vergelijk met artistiek genie. Er zijn andere paradigma's van creativiteit op wetenschappelijk en wiskundig gebied. In deze sferen gaat de vraag niet over een visie op de wereld. Het gaat om hoe de dingen werkelijk zijn.

Zou een machine met wiskundige bewijzen kunnen komen die zo ver buiten ons liggen dat we ons gewoon moeten neerleggen bij zijn creatieve genie?

Nee.

Computers hebben al geholpen met opmerkelijke wiskundige prestaties. Maar hun bijdragen waren niet bijzonder creatief. Neem de eerste grote stelling die met een computer is bewezen: de vierkleurenstelling, die stelt dat elke platte kaart zo met maximaal vier kleuren kan worden gekleurd dat geen twee aangrenzende landen hetzelfde krijgen (dit geldt ook voor landen op het oppervlak van een wereldbol).

Bijna een halve eeuw geleden, in 1976, publiceerden Kenneth Appel en Wolfgang Haken van de Universiteit van Illinois een computerondersteund bewijs van deze stelling. De computer voerde miljarden berekeningen uit en controleerde duizenden verschillende soorten kaarten - zoveel dat het logistiek onhaalbaar was (en blijft) voor mensen om te verifiëren dat elke mogelijkheid overeenkwam met de mening van de computer. Sindsdien hebben computers geholpen bij een breed scala aan nieuwe bewijzen.

Elektrische ventilator (2018)
Tom White gebruikt perceptie-engines, algoritmen die de gegevens die zijn verzameld uit duizenden foto's van gewone objecten, distilleren om abstracte vormen te synthetiseren. Vervolgens toetst en verfijnt hij de resultaten tot ze herkenbaar zijn voor het systeem. Elektrische ventilator, met dank aan Tom White, mas '98, drib.net

Maar de supercomputer doet niets creatiefs door een groot aantal gevallen te controleren. In plaats daarvan doet het een enorm aantal keren iets saais. Dit lijkt bijna het tegenovergestelde van creativiteit. Bovendien is het zo verre van het soort begrip we denken normaal gesproken dat een wiskundig bewijs zou moeten bieden dat sommige experts deze computerondersteunde strategieën helemaal niet als wiskundige bewijzen beschouwen. Zoals Thomas Tymoczko, een wiskundefilosoof, heeft betoogd: als we niet eens kunnen verifiëren of het bewijs juist is, vertrouwen we alleen maar op een potentieel foutgevoelig rekenproces.

Zelfs als we de resultaten wel vertrouwen, zijn computerondersteunde bewijzen echter zoiets als de analoog van computerondersteunde compositie. Als ze ons een waardevol product opleveren, komt dat vooral door de bijdrage van de mens. Maar sommige experts hebben beweerd dat kunstmatige intelligentie meer kan bereiken dan dit. Laten we dus aannemen dat we het ultieme hebben: een zelfvoorzienende machine die op zichzelf nieuwe stellingen bewijst.

Zou een machine als deze ons massaal kunnen overtreffen in wiskundige creativiteit, zoals Kurzweil en Bostrom betogen? Stel bijvoorbeeld dat een AI een oplossing bedenkt voor een uiterst belangrijk en moeilijk openstaand probleem in de wiskunde.

Het vermogen tot echte creativiteit, het soort creativiteit dat ons begrip van de aard van het zijn actualiseert, ligt aan de basis van wat het is om mens te zijn.

Er zijn twee mogelijkheden. De eerste is dat het bewijs buitengewoon slim is, en wanneer experts in het veld het doornemen, ontdekken ze dat het correct is. In dit geval zou de AI die het bewijs ontdekte, worden toegejuicht. De machine zelf kan zelfs worden beschouwd als een creatieve wiskundige. Maar zo'n machine zou geen bewijs zijn van de singulariteit; het zou ons in creativiteit niet zo overtreffen dat we niet eens konden begrijpen wat het deed. Zelfs als het dit soort creativiteit op menselijk niveau had, zou het niet onvermijdelijk leiden naar het rijk van het bovenmenselijke.

Sommige wiskundigen zijn als muzikale virtuozen: ze onderscheiden zich door hun vloeiendheid in een bestaand idioom. Maar genieën als Srinivasa Ramanujan, Emmy Noether en Alexander Grothendieck hebben de wiskunde ongetwijfeld hervormd, net zoals Schönberg de muziek heeft hervormd. Hun prestaties waren niet alleen bewijzen van al lang bestaande hypothesen, maar nieuwe en onverwachte vormen van redeneren, die niet alleen vat kregen op de kracht van hun logica, maar ook op hun vermogen om andere wiskundigen te overtuigen van het belang van hun innovaties. Een fictieve AI die met een slim bewijs komt voor een probleem dat menselijke wiskundigen al lang in de war heeft gebracht, is verwant aan AlphaGo en zijn varianten: indrukwekkend, maar niets zoals Schönberg.

Dat brengt ons bij de andere optie. Stel dat het beste en slimste algoritme voor diep leren wordt losgelaten en na een tijdje zegt, heb ik een bewijs gevonden van een fundamenteel nieuwe stelling, maar het is te ingewikkeld voor zelfs je beste wiskundigen om te begrijpen.

Dit is eigenlijk niet mogelijk. Een bewijs dat zelfs de beste wiskundigen niet kunnen begrijpen, telt niet echt als een bewijs. Iets bewijzen houdt in dat je het bewijst iemand . Net zoals een muzikant haar publiek moet overtuigen om haar esthetische concept van goede muziek te accepteren, moet een wiskundige andere wiskundigen ervan overtuigen dat er goede redenen zijn om haar visie op de waarheid te geloven. Om als een geldig bewijs in de wiskunde te gelden, moet een bewering begrijpelijk en onderschreven worden door een onafhankelijke groep experts die in een goede positie verkeren om deze te begrijpen. Als de experts die het bewijs zouden moeten kunnen begrijpen dat niet kunnen, weigert de gemeenschap het als bewijs te onderschrijven.

Om deze reden lijkt wiskunde meer op muziek dan je zou denken. Een machine zou ons niet massaal kunnen overtreffen in creativiteit, omdat ofwel zijn prestatie begrijpelijk zou zijn, in welk geval hij ons niet enorm zou overtreffen, ofwel niet begrijpelijk zou zijn, in welk geval we hem niet zouden kunnen beschouwen als een creatieve vooruitgang.

Het oog van de toeschouwer

Engineering en toegepaste wetenschap bevinden zich in zekere zin ergens tussen deze voorbeelden. Er is zoiets als een objectieve, externe maatstaf voor succes. Je kunt niet winnen bij bruggenbouw of medicijnen zoals bij schaken, maar je kunt zien of de brug naar beneden valt of het virus is geëlimineerd. Deze objectieve criteria spelen pas een rol als het domein redelijk goed gespecificeerd is: het bedenken van sterke, lichtgewicht materialen bijvoorbeeld, of medicijnen die bepaalde ziekten bestrijden. Een AI kan helpen bij het ontdekken van medicijnen door in feite hetzelfde te doen als de AI die componeerde wat klonk als een goed uitgevoerde Bach-cantate of die een briljante Go-strategie bedacht. Net als een microscoop, telescoop of rekenmachine, wordt zo'n AI goed begrepen als een hulpmiddel dat menselijke ontdekking mogelijk maakt - niet als een autonome creatieve agent.

Het is de moeite waard om hier na te denken over de speciale relativiteitstheorie. Albert Einstein wordt herinnerd als de ontdekker van de relativiteitstheorie, maar niet omdat hij de eerste was die vergelijkingen bedacht die de structuur van ruimte en tijd beter beschrijven. Onder anderen George Fitzgerald, Hendrik Lorentz en Henri Poincaré hadden die vergelijkingen vóór Einstein opgeschreven. Hij wordt geprezen als de ontdekker van de theorie omdat hij een origineel, opmerkelijk en waar begrip had van wat de vergelijkingen bedoelde en dat begrip op anderen kan overbrengen.

Wil een machine natuurkunde doen die in enig opzicht vergelijkbaar is met die van Einstein in creativiteit, dan moet hij andere natuurkundigen minstens zo goed kunnen overtuigen van de waarde van zijn ideeën als hij deed. Dat wil zeggen, we zouden in staat moeten zijn zijn voorstellen te accepteren als zijnde gericht op: hun eigen geldigheid aan ons communiceren . Mocht zo'n machine ooit tot stand komen, zoals in de parabel van Pinocchio, dan zouden we hem moeten behandelen als een mens. Dat betekent onder meer dat we er niet alleen intelligentie aan zouden moeten toeschrijven, maar ook welke waardigheid en morele waarde ook voor de mens passend is. We zijn nog ver verwijderd van dit scenario, lijkt mij, en er is geen reden om te denken dat het huidige computationele paradigma van kunstmatige intelligentie - in zijn diepgaande vorm van leren of een andere - ons er ooit dichter bij zal brengen.

Creativiteit is een van de kenmerkende eigenschappen van de mens. Het vermogen tot echte creativiteit, het soort creativiteit dat ons begrip van de aard van het zijn vernieuwt, dat verandert de manier waarop we begrijpen wat het is om mooi of goed of waar te zijn - dat vermogen ligt aan de basis van wat het is om mens te zijn . Maar dit soort creativiteit hangt af van onze waardering en zorg ervoor als zodanig. Zoals de schrijver Brian Christian heeft opgemerkt, beginnen mensen zich minder te gedragen als wezens die creativiteit als een van onze hoogste mogelijkheden beschouwen, en meer als machines zelf.

Hoeveel mensen hebben tegenwoordig een baan waarbij ze een vooraf bepaald script moeten volgen voor hun gesprekken? Hoe weinig van wat we kennen als echte, authentieke, creatieve en open menselijke conversaties is er nog over in deze uitgeholde poppenkast? In hoeverre is het in plaats daarvan het soort regel-volgen dat een machine kan doen? En hoeveel van ons, voor zover we ons laten meeslepen in dit soort scriptuitvoeringen, worden ook ontdaan van ingewanden? Hoeveel van onze dag laten we vullen met effectief machine-achtige activiteiten: het invullen van geautomatiseerde formulieren en vragenlijsten, reageren op clickbait dat werkt op onze laagste, meest dierlijke impulsen, het spelen van games die zijn ontworpen om onze verslavende reactie?

We lopen ook het gevaar van deze verwarring in enkele van de diepste domeinen van menselijke prestaties. Als we onszelf toestaan ​​te zeggen dat machinebewijzen die we niet kunnen begrijpen echte bewijzen zijn, bijvoorbeeld het afstaan ​​van sociale autoriteit aan machines, zullen we de prestaties van de wiskunde behandelen alsof ze helemaal geen menselijk begrip vereisen. We zullen een van onze hoogste vormen van creativiteit en intelligentie nemen en het terugbrengen tot een enkel stukje informatie: ja of nee.

De zoon van de slager (2018)
Mario Klingemann gebruikte twee GAN's, een getraind op een dataset van menselijke poses en een getraind op pornografie, om duizenden composietafbeeldingen weer te geven. Na elk te hebben beoordeeld op pose en detail, koos hij er een uit om te verfijnen tot het voltooide werk. MET DANK AAN DE KUNSTENAAR

Zelfs als we die informatie hadden, zou het voor ons van weinig waarde zijn zonder enig begrip van de redenen die eraan ten grondslag liggen. We mogen het wezenlijke karakter van het redeneren, dat aan de basis ligt van wat wiskunde is, niet uit het oog verliezen.

Zo ook met kunst en muziek en filosofie en literatuur. Als we onszelf op deze manier laten afglijden, om machine-creativiteit te beschouwen als een vervanging voor die van onszelf, dan zullen machines inderdaad onbegrijpelijk superieur aan ons gaan lijken. Maar dat komt omdat we de fundamentele rol die creativiteit in het mens-zijn speelt, uit het oog zijn verloren.

Sean Dorrance Kelly is professor filosofie aan Harvard en co-auteur van het bestsellerboek van de New York Times Alle dingen schijnen .

zich verstoppen