Bruk av kunstig intelligens i estetiske fag

I hvilken grad kan kunstig intelligens (KI) lette på tidspresset i skolen og løse faglige utfordringer på en effektiv måte? 

Jeg er professor i visuell kunst og underviser universitetsstudenter i estetiske fag. For å utforske effekten av KI-assistert undervisning ble et mini-eksperiment iverksatt i et 6 ukers malerikurs. Jeg er langt fra å være en KI-ekspert, men er opptatt av skapende prosesser og har et ønske om å utforske nye kreative verktøy for bruk i skolen.

 Observasjonene foregikk i klasserommet på tredje året på bachelorstudiet i lærerutdanning i kunst og design ved Institutt for estetiske fag ved OsloMet − storbyuniversitetet.

Kurset i maleri har som formål å gi studentene en bred teoretisk og praktisk forståelse av maleri i skapende prosesser og læringsprosesser. I fokus settes forskjellige todimensjonale uttrykk innen maling, farge og komposisjon, gjennom teori og praksis. Undervisningen handler om å oversette ideer til visuelt kommunikative bilder og forbedre studentenes malestil. Det inkluderer arbeid der visuelle virkemidler, meningsinnhold og uttrykk står sentralt. KI-verktøyene som ble benyttet, var DALL·E 2 (2022) og Midjourney (2022).

Kunstfag, og spesielt maleri, er uttrykk for menneskelige følelser. Maleri bidrar til å oversette tanker til visuelle representasjoner gjennom komplekse kognitive og psykomotoriske læringsprosesser. Å undervise i maleri er en vanskelig oppgave som krever motiverte og selvstendige studenter.

Systemer som DALL·E 2 og Midjourney blir lansert som kreative ved hjelp av generative tekst-til-bilde-modeller. Produsentene av disse systemene bringer lovnad om bistand til økte menneskelige kognitive evner, spesielt egnet for bruk i kunst og designfag (Qiao mfl., 2022). Imidlertid fører denne teknologiske utviklingen til både entusiasme og skepsis blant lærere og studenter. Så bør vi være for eller imot innføringen av KI-verktøy i klasserommet?

Observasjon av mini-eksperimentet

I maleklassen ble KI introdusert for å frembringe og bearbeide bildeinnhold, samt arbeid med stiloverføringer. DALL·E 2 og Midjourney har ulike funksjoner og kvaliteter og egner seg dermed til ulike oppgaver. Begge baserer seg på tekstlige beskrivelser som skaper bilder. Dette er intuitivt for DALL·E 2, mens Midjourney krever at brukeren setter seg inn i en bruksanvisning. 

Med DALL·E 2 var det mulig å fylle ut allerede eksisterende bilder, men vi hadde derimot varierende hell med hensyn til hvor dyktig den var til å etterligne stilen til de respektive kunstnerne. DALL·E 2 hadde også lettere for å henfalle til animasjoner, mens Midjourney i større grad valgte detaljert realisme i sine bilder. Bruksområdet for begge er i tillegg stiloverføring. 

Studentene fotograferte et motiv, og med KI-assistert undervisning ble det bearbeidet slik at det lignet på forskjellige kunststiler, som impresjonisme, surrealisme eller popart. Studentens valgte motiv ble presentert som om de eksempelvis var malt av Pablo Picasso, Salvador Dalí eller Banksy.

Begge nettressursene er gratis ved oppstart. Brukeren av DALL·E 2 får anledning til å lage opptil 50 ulike bilder før testperioden avsluttes og man går over til et betalt abonnement. Dette gjelder også for Midjourney, men her får du kun tilgang på 25 bestillinger. Det vi matet maskinen med, kom til å prege det resultatet studenten fikk . 

Enkelte beskrivelser av motiv ga langt flere variable komposisjoner og muligheter for videre forenkling. For eksempel gir «Hardanger» færre alternativ enn «lake view» eller «mountains» eller «ocean» eller «beautiful landscapes». Når studenten kombinerte dette med for eksempel «insane detail» eller «extreme detail», ga det flere varierte forslag enn kombinasjoner med «realistic». Studenten hadde mulighet til å legge inn faguttrykk i bestillingen for å velge motiv, stil, medium, stemning eller sjanger.

Ved bruk av KI-assistert metode transformeres bildeelementene på detaljnivå i bestemte stilretninger, og det er dataene som styrer inngangsfotografiet slik at det stemmer overens med stilen. Systemet er altså adaptivt. Den mest utfordrende faktoren var at studenter som hadde lite erfaring med tegning og maleri, ikke kunne forutse hvilke bildeforslag som er enkle, og hvilke som er vanskelige å arbeide videre med. På nybegynnernivå kan de fleste temaene visualiseres ved hjelp av KI-assisterte virkemidler. Å mestre avansert og personlig innhold krever derimot både intuisjon, analyse og tolkning av idéskissene, noe som er vanskeligere å automatisere.

Refleksjoner: entusiasme for bruk av KI-verktøy

For det første utvidet KI-verktøy studentenes tilgang på ideer i oppstartsfasen. De fikk mulighet til å automatisere produksjonen ved å bruke KI til å planlegge og innhente skisser. Dette bidro til å øke produksjonseffektiviteten blant studentene. Selv om det er algoritmer som forsøker å gjenskape de menneskelige kreative prosessene, kan studenten ved hjelp av KI-verktøy våge seg inn i kunstformer og uttrykk ved å kombinere kunstneriske stiler på nye måter. 

Forskerne Mazzone og Elgammal (2019) hevder at fantasifulle algoritmer kan kodes for å få KI-verktøy til å lære hva som er vanskelig å oppnå på tradisjonelle måter, noe som fører til estetiske innovasjoner i maleri. Følgelig, i stedet for å kopiere eksisterende malestiler, kan KI-verktøy bli bedt om å kombinere disse sjangrene for å lage nye komposisjoner, og dermed utvide studentenes fantasi. Studentene uttrykte stor begeistring og viste til visuell idéutvikling i en grad som hadde vært utenkelige før de brukte KI.

For det andre utforsket studentene kombinasjonen av menneskelig estetikk og maskinestetikk ved å analysere idéforslagene fra databasen. Dette var en krevende øvelse, da flere av bildeforslagene kom fra stiler og sjangere studentene ikke hadde planer om å jobbe med.

Slik ble bildene sendt frem og tilbake mellom studentene og systemene, mellom menneske og maskin. Ved å bruke KI-systemer ble studentene tvunget til å reflektere aktivt over forholdet mellom intensjon og resultat. Nå jobbet studenten mer selvstendig, og som lærer kunne jeg tilpasse veiledningen til den enkeltes ferdigheter og læringsstil. Dette reduserte belastningen på meg som læreren som forventes å gi individuell tilbakemelding på skissearbeidet for en større gruppe studenter samtidig. Følgelig ga det studenten anledning til å bruke mer tid og fokusere på de mer komplekse eller tekniske utfordringene i arbeidsprosessen.

For det tredje økte KI-verktøy tilgjengeligheten til kunst i klasserommet. Det kan være spesielt relevant for lærere som møter klasser med et mangfold av kunnskaps- og ferdighetsnivå, inkludert elever med god kjennskap til kunst. 

I en kinesisk-taiwansk studie undersøkte forskerne Lyu, Wang, Lin og Wu (2022) samspillet mellom menneske og maskin for å si noe om hvilken rolle kunnskap og erfaring spiller i interaksjonsprosessen. Informantene besto av to grupper, én gruppe med kunstnere og en annen med ikke-kunstnere. Alle deltagerne i eksperimentet brukte Midjourney til å lage malerier som skulle uttrykke temaet «Sweet Home». 

Deltagerne hadde ingen erfaring med bruk av KI i forkant. Resultatene viste at de hadde ulik holdning, aktivitetsfrekvens og tidsbruk. Gruppen med kunstnerisk bakgrunn viet mer tid og oppmerksomhet til bruk av visuelle virkemidler, som fargejustering, komposisjon, sjangere og teknikk, mens ikke-kunstnerne satte søkelys på meningsinnholdet (semantikk). 

Aktivitetsfrekvensen til amatørene var lavere, og bestillingene var basert på synonymer eller det de assosierte med temaet og ordenes betydning. Følelsen av tap av kontroll under prosessen ble registrert i begge gruppene. Midjourneys tilfeldigheter og variasjoner ble opplevd som negativ hos kunstnerne. De mistet gradvis tilliten til evnen til å kontrollere verktøyet. Ikke-kunstnerne opplevde også tap av kontroll, men da som noe positivt. I motsetning til tradisjonelle verktøy kan tap av kontroll bringe til torgs løsninger for å visualisere fantasi, også for de som stiller helt uten erfaring. Denne entusiasmen så vi også blant studentene på OsloMet − de var nybegynnere i maleri, ikke-kunstnere.

I eksperimentet ved OsloMet erfarte samtlige deltagere feiltolkning av fagbegreper. Komiske variasjoner oppsto. For å gjennomskue mangler kreves det en evne til å analysere materialet. Det gode var at studentene fikk et kritisk blikk på programmet og en bevissthet om hvorvidt maskinen forstår hva vi mener, eller om den bare gjentar det den har «lært». Systemenes feil og mangler vekker derfor bekymring når det gjelder bruk av KI-verktøy i skolen.

Skepsis til bruk av kunstig intelligens

Oppstartsfasen av kurset, som handlet om å samle ideer, ble mer autonom ved å bruke KI-verktøyet. Det vil si at studentene kunne utføre oppgaver i klasserommet uten kontinuerlig hjelp fra læreren. 

Utfordringene jeg først merket meg, var i hvilken grad KI la til rette for studentens egne verdier og meninger. Her registrerte vi en mangel på personlige løsninger. Mens smarte maskiner forbedrer idéutviklingen, bør de ikke betraktes som en erstatning for personlig interaksjon. Maleri har som formål å gi stemme til det uuttalte og kan brukes som ett av flere visuelle uttrykk for fantasi og verdensanskuelser. Ser vi på KI-verktøy som en mulig erstatning for læreren, fører det til en dehumanisering av kunstutdanningen. Å stole for mye på disse maskinene for oppgradering eller veiledning kan føre til pedagogiske fallgruver for studenter mer enn hjelp.

For det andre fjernet KI-verktøy grundighet fra arbeidsprosessen. Ved hjelp av tekst-til-bilde-algoritmer ble kompliserte komposisjoner laget på kortere tid enn med den tradisjonelle tilnærmingen. Etter hvert som slike teknologier ikke bare blir mer og mer avanserte, men også stadig mer tilgjengelige, blir det enkelt å produsere visuelle verk som ser overbevisende ut, og det vil bli nesten umulig å skille dem fra den opprinnelige kunstnerens verk. Dette utfordrer forestillingen om at vi kan stole på det vi ser, hva som er kunstig, og hva som er ekte. Evnen til å analysere bildeforslagene fra KI-assistert undervisning blir viktig.

For det tredje kan KI-verktøyet bygge overdreven tillit til teknologi. Blir vi avhengig av maskiner for å gjøre oppgaver mer effektivt eller som støtte i en beslutning, risikerer vi et ufritt forhold til teknologi. 

KI er avhengig av godt utformede data. Erfaringer fra forsøket viste at når dataene ikke var godt nok utformet, fungerte programmene ikke som forventet, og de fungerte ikke lenger som verktøy for å spare tid. Konsekvensen av de dårlige dataene i dette eksperimentet ble synlig i form av uskarpe bilder, perspektivfeil og upassende komposisjoner. Man sier gjerne innenfor den digitale verden at «søppel inn gir søppel ut», og dette gjelder fortsatt når vi snakker om maskinlæring. 

Kvalitetskravene til maskinlæring er høye, og programmene er i stadig utvikling. Verktøyalgoritmene må være godt designet og trent til å oversette brukerens inngangsdata til ønsket resultat. Derfor kan mangelfullt utformede algoritmer føre til at brukeren mottar utilsiktede skisser, noe som vil undergrave læringsprosessen i klasserommet.

Til slutt er det relevant å nevne prisnivået. I eksperimentet benyttet vi oss av fri programvare, men når du ser på kostnadene ved å installere, vedlikeholde og reparere mer avanserte programmer, ser vi at systemene kan bli kostbare. Bare de mest velfinansierte skolene vil ha mulighet til å tilby avansert KI-assistert undervisning.

Kan forbedre, men ikke erstatte kreativ intelligens

I hvilken grad kan KI lette på tidspresset i skolen og løse faglige utfordringer på en effektiv måte? Hvis målet med KI i klasserommet hadde vært å erstatte meg som lærer, så ville resultatet vært mislykket. Men gjorde programmene jobben min enklere? Ja, til en viss grad. Forsknings- og oppstartsfasen av kurset var langt enklere når studentene kunne gjennomføre dette på selvstendig grunnlag. Resultatene viste at studentenes læring gjennom KI la til rette for læringsprestasjoner når det gjaldt idémyldring, teknologiaksept, mestringstro, prestasjoner i bruk av visuelle verktøy og motivasjon.

KI kan bidra til å øke tilgjengeligheten til kunst i skolen. Dette gjelder ikke bare kunststudenter, men er også relevant på alle fagområder og i tverrfaglige sammenhenger. Elever i grunnskolen og studenter i høyere utdanning kan lære å uttrykke seg visuelt gjennom enkel bruk av kunstverk, noe som kan øke interessen for kunst.

KI-verktøyene utvider instruksjonsarsenalet for lærere og tilfanget av hjelpemidler for elevene, men dehumaniserer undervisnings- og læringsprosessen, noe som kan hemme kreativitet og motivasjon. Hvis vi forstår kreativitet som evnen til å sette sammen kjente elementer til noe nytt og unikt, så utfører KI-systemene et kreativt arbeid. Men selv om maskinens arbeid er kreativt, er det et grunnleggende skille mellom mennesket og systemet. 

Maskinen imiterte menneskets kreative metode, men den hadde ingen poetikk, ingen refleksjon over sin egen skapende praksis. Maskinen samler ikke forskjellige ideer fra forskjellige verdensanskuelser, slik et menneske kan. På lang sikt har KI-verktøyet et potensial for å kunne utvikles slik at studenter kan evaluere arbeidene i samhandling med programmene. Men på kort sikt, med dagens versjoner av Midjourney og DALL·E 2, kan i beste fall systemene bare kopiere uttrykk for den menneskelige psykologi. 

Basert på dette minieksperimentet er det derfor misvisende å kategorisere KI som intelligent, hvis vi snakker om kreativ intelligens. Innovasjoner i kunsthistorien som kubisme, som er en sammensmelting av ulike virkelighetsperspektiver, kunne ikke skapes med dette programmet, slik vi bruker den i dag. Konklusjonen er at KI i dette prosjektet i stor grad forbedret den menneskelige kreativiteten, men ikke kunne replisere eller erstatte den, og fungerte med andre ord som en form for co-kreativitet.

Litteratur

DALL·E 2. (2022). Hentet 09.01.2023. https://openai.com/dall-e-2/

Lyu, Y., Wang, X., Lin, R. & Wu, J. (2022). Communication in human – AI co-creation: Perceptual analysis of paintings generated by text-to-image system. Applied Sciences, 12(22), s. 1−19.

Mazzone, M. & Elgammal, A. (2019). Art, creativity, and the potential of artificial intelligence. I: Arts, 8(1), s. 26. MDPI.

Midjourney. (2022). Hentet 09.01.2023. https://www.midjourney.com/app/

Qiao, H., Liu, V. & Chilton, L. (2022). Initial images: Using image prompts to improve subject representation in multimodal AI generated art. I: Creativity and Cognition, C&C`22), s. 15−28. Association for Computing Machinery, New York, NY, USA. https://doi.org/10.1145/3527927.3532792

Om forfatteren

Ingeborg Stana er billedkunstner og professor i visuell kunst ved Institutt for estetiske fag, OsloMet – storbyuniversitetet. Som utøvende kunstner har hun gjennom hele sin karriere hatt et praksisnært fokus i sin forskning, og skrevet en rekke fagartikler om kreativitet og estetiske læringsprosesser.