Η τεχνητή νοημοσύνη στην Pop Culture είναι πλέον γεγονός

Τον περασμένο μήνα, ένας χρήστης του YouTube με το όνομα demonflyingfox ανέβασε ένα βίντεο με τίτλο "Harry Potter by Balenciaga". Έδειχνε χαρακτήρες από τις ταινίες Harry Potter -τον Hagrid, τον Ron, την Hermione, τον Snape, τον McGonagall, τον Dobby- ως λιπόσαρκα μοντέλα με τονισμένα ζυγωματικά (ελαφρώς στιλιζαρισμένα), ντυμένα με gothic κάπες και δερμάτινα μπουφάν. Σε ένα ρυθμό electronica που ταιριάζει σε πασαρέλα, οι ηθοποιοί ανοιγοκλείνουν τα μάτια, γνέφουν και λένε ατάκες από τα βιβλία που έχουν αναμειχθεί με αναφορές στη μόδα. "You are Balenciaga, Harry", λέει ο Hagrid, αντί να του πει ότι είναι μάγος. Το βίντεο είναι παράξενο και ξεκαρδιστικά άβολο. Μέσα σε τρεις εβδομάδες έχει λάβει σχεδόν πέντε εκατομμύρια προβολές- μια συνέχεια, που κυκλοφόρησε πριν από λιγότερο από μια εβδομάδα, έχει αποφέρει πάνω από ενάμισι εκατομμύριο προβολές. Τα mashups της ποπ-κουλτούρας ενός διάσημου γεγονότος με ένα άλλο είναι ένα αρχέτυπο της δημιουργίας μιμιδίων στο Διαδίκτυο. Το ασυνήθιστο στο "Harry Potter by Balenciaga" είναι ότι δημιουργήθηκε με εργαλεία τεχνητής νοημοσύνης. Όπως μου είπε ο δημιουργός του βίντεο, ο φωτογράφος Alexander Niklass με έδρα το Βερολίνο, ο οποίος έφτιαξε το κανάλι demonflyingfox, το βίντεο αποδεικνύει μια νεοαποκτηθείσα ικανότητα της τεχνητής νοημοσύνης να "δημιουργεί κινηματογραφικές στιγμές".

Τα εργαλεία A.I. συμμετείχαν σε κάθε βήμα της διαδικασίας του Niklass και σε κάθε στοιχείο του βίντεο. Δημιούργησε τις βασικές στατικές εικόνες με το Midjourney, προκαλώντας τους ηθοποιούς και τα ρούχα του Harry Potter μέσω text prompts όπως "αρσενικό μοντέλο, γκροτέσκο, διαφήμιση balenciaga". Στη συνέχεια, χρησιμοποίησε το ElevenLabs -ένα εργαλείο "κλωνοποίησης φωνής" - για να δημιουργήσει μοντέλα των φωνών των ηθοποιών με βάση προηγουμένως ηχογραφημένο ήχο. Τέλος, τροφοδότησε τις εικόνες σε μια υπηρεσία που ονομάζεται D-ID, η οποία χρησιμοποιείται για τη δημιουργία "βίντεο με άβαταρ" - πορτρέτα με υποβολιμαία κινούμενα σχέδια, που δεν απέχουν και πολύ από αυτά που εμφανίζονται στις εφημερίδες του κόσμου του Πότερ. Το D-ID πρόσθεσε τον χαρακτηριστικό συγχρονισμό των χειλιών και τα νεύματα του κεφαλιού, τα οποία ο Niklass εξήγησε ότι ήταν μια αναφορά στα μοντέλα μόδας που γέρνουν το πηγούνι τους για τις κάμερες. Ο συνδυασμός φιλικής προς τα παιδιά ταινίας και πολυτελούς μόδας για ενήλικες δεν εμπεριείχε ιδιαίτερο συμβολισμό ούτε εξέφραζε κάποια καλλιτεχνική πρόθεση. Πρόκειται για "ψυχαγωγία", δήλωσε ο Niklass. Ωστόσο, η πιο συναρπαστική πτυχή του βίντεο μπορεί να είναι η κενότητά του, μια χωρίς νόημα σύγκρουση πολιτιστικών συμβόλων. Η ανοησία είναι το ζητούμενο.

Μπορεί τα εργαλεία τεχνητής νοημοσύνης να ήταν σε θέση να αντιγράψουν τα πρόσωπα των ηθοποιών και να δημιουργήσουν μοντέρνα ρούχα, αλλά μόνο ο Niklass θα μπορούσε να σκεφτεί την ιδέα, η οποία απαιτούσε έντονη παρατήρηση τόσο της υψηλής μόδας όσο και του μαγικού κόσμου -και επίσης μια πολύ συγκεκριμένη, εξαιρετικά "διαδικτυακή" αίσθηση του χιούμορ. Με εργαλεία όπως το Midjourney δημόσια διαθέσιμα σε όλους στο διαδίκτυο, "όλοι μπορούν πλέον να δημιουργήσουν κάτι οπτικά ελκυστικό", είπε. "Αλλά η τεχνητή νοημοσύνη δεν μπορεί ακόμη να δημιουργήσει γούστο", συνέχισε. Με τον όρο "γούστο", εννοούσε "καλή αισθητική κρίση" - γνώση του υπόβαθρου αυτού που δημιουργείτε και αίσθηση του τι φαίνεται καλό, χωρίς να πέφτει πολύ μακριά στην κοιλάδα του αλλόκοτου. Για να το θέσουμε αλλιώς, η εκτέλεση μπορεί να είναι κτήμα της generative τεχνητής νοημοσύνης, αλλά οι ιδέες δεν έχουν γίνει ακόμα κτήμα της. Ο άνθρωπος εξακολουθεί να είναι ο δημιουργός, ο συντάκτης και ο επιμελητής των αποτελεσμάτων της τεχνητής νοημοσύνης. Η απόδειξη του γούστου του Niklass μπορεί να βρεθεί στις πολλές αντιγραφές των βίντεο του στο YouTube: Οποιοσδήποτε μπορεί να έχει πρόσβαση στην ίδια τεχνολογία και να επιχειρήσει ένα αντίγραφο ακολουθώντας τη φόρμουλα που έθεσε. (Ένα εκπαιδευτικό βίντεο που δημιουργήθηκε από ένα κανάλι εκπαίδευσης στην Α.Ι. που ονομάζεται PromptJungle δείχνει την ακριβή διαδικασία). Υπάρχουν βίντεο "Matrix by Gucci", "Star Wars by Balenciaga" και "The Office by Balenciaga", αλλά κανένα από αυτά δεν είναι τόσο ελκυστικά παράξενο όσο το πρωτότυπο.

Ενώ κανείς δεν θα μπορούσε να μπερδέψει το "Harry Potter by Balenciaga" με πραγματικό υλικό -εκτός, ίσως, από μια πραγματική διαφημιστική καμπάνια μόδας-, μια άλλη εικόνα που δημιουργήθηκε από τεχνητή νοημοσύνη έγινε πρόσφατα πρωτοσέλιδο στις ειδήσεις επειδή πολλοί νόμιζαν ότι ήταν πραγματική. Ήταν, ή φαινόταν να είναι, μια φωτογραφία του Πάπα Φραγκίσκου να περπατά στον δρόμο φορώντας μια μπαρόκ εκδοχή ενός puffer jacket, μεταξένιο λευκό, με ψηλό γιακά και κουκούλα. Ένα κολιέ με σταυρό κρεμόταν από το λαιμό του και κρατούσε ένα takeaway καφέ. Η λεπτομέρεια και η υφή της εικόνας την έκαναν να φαίνεται απόλυτα ρεαλιστική. Αλλά δημιουργήθηκε χρησιμοποιώντας το Midjourney από έναν άνδρα από το Σικάγο που αυτοπροσδιορίστηκε ως Pablo Xavier όταν ήταν - όπως είπε στην Chicago Tribune - μαστουρωμένος από μανιτάρια. Χρησιμοποίησε προτροπές με φράσεις όπως "Καθολικός Πάπας Φραγκίσκος. Balenciaga φουσκωτό παλτό. Δρόμοι του Παρισιού". "Απλώς σκέφτηκα ότι ήταν αστείο να βλέπω τον Πάπα με ένα αστείο σακάκι", δήλωσε ο Xavier στο BuzzFeed News.

Οι εικόνες δημιουργήθηκαν χωρίς κάποια ιδιαίτερη πρόθεση και ήταν τόσο ισχυρές, επειδή έμοιαζαν τόσο φωτογραφικές, μια ικανότητα που μπορεί πλέον να έχει ο καθένας στο διαδίκτυο, όχι μόνο εξειδικευμένοι άνθρωποι που κάνουν ρετούς σε φωτογραφίες. Η τεχνητή νοημοσύνη αυτοματοποιεί τις δημιουργικές παρορμήσεις, αναιρώντας την εργασία που απαιτείται για την παραγωγή μιας εικόνας ή ενός βίντεο. (Μια πραγματική έκδοση των βίντεο "Harry Potter by Balenciaga" θα κόστιζε πιθανότατα εκατομμύρια δολάρια μόνο για το σχεδιασμό του). 

Σε μια συνέντευξη του 2022, ο David Holz, ιδρυτής της Midjourney, χρησιμοποίησε τη φράση "αισθητικός επιταχυντισμός" (aesthetic accelerationism) για να περιγράψει την πληθώρα των παραγόμενων εικόνων που επιτρέπουν τα δημόσια εργαλεία Α.Ι.. Προκαλεί έναν κόσμο στον οποίο κάθε στυλ, κάθε ιδέα και κάθε πιθανό remix παράγεται όσο το δυνατόν πιο γρήγορα και χωρίς τριβές, και τα επιτυχημένα κολλάνε και τραβούν την προσοχή, όπως ο "Harry Potter by Balenciaga" και ο "τράππερ" Πάπας. Αυτό μπορεί να συμβαίνει λιγότερο επειδή είναι καλλιτεχνικά σπουδαίες παρά επειδή έλυσαν κάποια φόρμουλα προσοχής. Ίσως η επιτυχημένη δημιουργία να είναι αφάνταστα παράξενη, η απρόσκοπτη συγχώνευση δύο άσχετων πραγμάτων. Ή οδηγείται από τη γοητεία του τέλειου αντίγραφου, κάτι που ξέρουμε ότι δεν είναι αληθινό αλλά είναι εύκολο να το δούμε ή να το αντιληφθούμε για λίγο ως τέτοιο, όπως ένας πίνακας οφθαλμαπάτης.

Τις τελευταίες μέρες, έχει κυκλοφορήσει ένα νέο χιπ-χοπ κομμάτι που λέγεται "Savages", από το γαλλικό συγκρότημα AllttA. Το τραγούδι είναι γλυκά νοσταλγικό, με συνθετικά έγχορδα και ένα snare backbeat- ακούγεται σαν τον Jay-Z να ανταλλάσσει στίχους με τον Mr. J. Medeiros των AllttA σε ένα throwback στυλ. Αλλά, φυσικά, δεν είναι ο Jay-Z- είναι ένα A.I. μοντέλο της φωνής του, που χρησιμοποιήθηκε, προφανώς, χωρίς την άδεια του καλλιτέχνη. Είναι άλλο ένα παράδειγμα απατηλού ρεαλισμού aesthetic accelerationism). Το τραγούδι που γράφτηκε από άνθρωπο είναι καλό από μόνο του και θα ήταν μια χαρά και χωρίς τον ψεύτικο Jay-Z, αλλά η οικεία φωνή προσθέτει κάτι απερίγραπτα συναρπαστικό στο κομμάτι, κάνοντάς το να ακούγεται σαν ένα ακυκλοφόρητο B-side από τη δεκαετία του '90. Έχει περισσότερες από διακόσιες χιλιάδες αναπαραγωγές στο YouTube. "Η σκέψη του να το απολαμβάνω αυτό και να είναι τεχνητή νοημοσύνη είναι πέρα από μένα", έγραψε ένας χρήστης στα σχόλια. Δεν δεν είναι τόσο το ότι δεν είναι στην πραγματικότητα ο Jay-Z, σε μεγάλο βαθμό επειδή η ποιότητα της τεχνητής νοημοσύνης είναι αρκετά καλή ώστε ο μη ειδικός μέσος άνθρωπος, μόλις και μετά βίας να μπορεί να καταλάβει τη διαφορά. Αλλά φαίνεται ότι έχουμε φτάσει πλέον στο σημείου που απλώς να τα απολαύσουμε γι' αυτό που είναι. Συνέβη πιο γρήγορα από ό,τι ίσως να περιμέναμε, αλλά τώρα που η ποπ κουλτούρα που παράγεται από Α.Ι. έχει εισέλθει στην επικρατούσα τάση, φαίνεται απίθανο να την ξεφορτωθούμε ποτέ.