Generatieve AI is een tak van kunstmatige intelligentie (AI) die zich richt op systemen die nieuwe content kunnen genereren, zoals afbeeldingen, tekst en audio, die menselijke creativiteit nabootsen. In tegenstelling tot andere vormen van AI, zoals machine learning, die zich richten op het analyseren van en voorspellen op basis van bestaande data, creëert generatieve AI volledig nieuwe content vanaf nul.
Een van de belangrijkste tools in generatieve AI is het neurale netwerk, een machinelearning-algoritme dat is ontworpen om de werking van het menselijk brein na te bootsen. Deze netwerken bestaan uit veel onderling verbonden knooppunten die informatie kunnen verwerken, en ze hebben talloze spannende toepassingen in creatieve domeinen zoals kunst, muziek en literatuur.
Voorbeelden van generatieve AI zijn deepfake-video’s, die een opname laten lijken alsof iemand iets doet of zegt wat diegene anders niet heeft gedaan of gezegd, of AI-gegenereerde muziek, die kan losbreken van traditionele structuren.
De samenleving is nog steeds aan het bepalen hoe deze technologie te integreren. Tot die tijd blijft generatieve AI een spannend en snel evoluerend veld met het potentieel om hoe we content maken en consumeren te transformeren. In dit artikel verkennen we manieren waarop deze tools je creativiteit een boost kunnen geven.
Creatieve toepassingen van generatieve AI
Generatieve AI gebruikt verschillende methoden om diverse soorten content te produceren – van kunst, muziek en tekst.
Door deze technieken te begrijpen, kun je betere prompts en resultaten ontwikkelen. Als je helemaal nieuw bent met AI-toepassingen, bekijk dan onze cursus Introduction to ChatGPT.
AI en creatief schrijven
Poëzie en literatuur
Natural language generation (NLG) is een techniek binnen generatieve AI waarbij tekst wordt gegenereerd die de structuur van menselijke taal nabootst. Deze techniek is gebruikt om nieuwe literaire werken en gedichten te creëren.
Het basisidee is om een neuraal netwerk te trainen om de regels en structuur te leren, zodat het nieuwe tekst kan genereren die grammaticaal correct is en stilistisch consistent met menselijke taal.
Schrijvers en dichters hebben NLG gebruikt om nieuwe literaire werken en poëzie te maken. Net als bij andere media kan een auteur NLG inzetten om een roman te genereren die elementen uit bestaande werken bevat, maar met een unieke verhaallijn en personages. Een dichter kan NLG gebruiken om nieuwe gedichten te genereren die verschillende thema’s en stijlen verkennen.
De Aum Golly-reeks poëziebundels is een AI-commentaar op de mensheid, gegenereerd door Finse uitgevers in 2021 en 2023. Volledig geïllustreerd en verkrijgbaar op Amazon; de makers zijn volledig transparant geweest over de kosten en tijd die nodig waren om de werken te maken: “24 uur en $2,64” in het geval van de eerste uitgave.
Hoewel poëzie wat toegankelijker kan zijn voor machines die nog werken aan hun vermogen om Engelse grammatica te imiteren, blijken romans en langer proza een uitdaging voor NLG. In 2017 probeerde schrijver Ross Goodwin AI te gebruiken om een versie te maken van On the Road, de roman van Jack Kerouac. Goodwin publiceerde het resultaat, 1 the Road, voor onderzoeksdoeleinden, ondanks dat het fragmentarisch en grotendeels onbegrijpelijk was.
Naast literatuur en poëzie is NLG ook gebruikt in andere creatieve toepassingen. Zo is het ingezet om productbeschrijvingen en marketingteksten voor websites en e-commerceplatforms te genereren.
Chatbots en virtuele assistenten
Chatbots en virtuele assistenten gebruiken natural language processing en machinelearning-algoritmen om gesprekken met mensen te simuleren en hulp te bieden bij uiteenlopende taken.
In de kunstwereld zijn chatbots gebruikt als interactieve tentoonstellingen in galerijen en musea. Bezoekers kunnen de chatbot vragen stellen over de expositie of de kunstenaar, wat zorgt voor een meer boeiende en interactieve ervaring.
Virtuele assistenten zijn op hun beurt ingezet in creatieve sectoren zoals reclame en marketing. Deze assistenten kunnen bedrijven helpen bij het opzetten en beheren van sociale media-accounts, het genereren van contentideeën en het contact met klanten.
Zo kan het gebruik van een virtuele assistent om te reageren op klantvragen op sociale media helpen om een meer betrokken relatie met klanten op te bouwen, terwijl de hoge werkdruk beheersbaar blijft.
Naast de kunst- en creatieve sector zijn chatbots en virtuele assistenten ook gebruikt in allerlei andere toepassingen. Zo is Woebot een chatbot die cognitieve gedragstherapie gebruikt om gebruikers te helpen hun mentale gezondheid te beheren.
Sentimentanalyse en tekstclassificatie
Sentimentanalyse en tekstclassificatietechnieken worden gebruikt om het sentiment of de categorie van tekst te begrijpen. Deze technieken zijn toegepast in diverse creatieve toepassingen, waaronder het genereren van nieuwe literaire werken en het bepalen van de emotionele toon van tekst.
Je kunt een neuraal netwerk trainen om te herkennen of een tekst positief, negatief of neutraal van toon is. Schrijvers kunnen dit vervolgens gebruiken om nieuwe literaire werken te ontwikkelen die een specifieke emotionele reactie oproepen.
Tekstclassificatie houdt daarentegen in dat tekst in categorieën wordt ingedeeld. Je zou bijvoorbeeld een neuraal netwerk kunnen trainen om artikelen in te delen op verschillende onderwerpen, zoals politiek, sport of entertainment. Dat kan vervolgens worden gebruikt om nieuwe artikelen te genereren die vergelijkbare onderwerpen en thema’s verkennen.
Kunstenaars en schrijvers hebben sentimentanalyse en tekstclassificatie gebruikt om nieuwe literaire werken te creëren die verschillende emotionele tonen en thema’s onderzoeken.
Tips voor AI en creatief schrijven
Als je AI wilt gebruiken om je geschreven creativiteit te ondersteunen, zorg dan dat je vertrouwd raakt met prompt engineering voor tools zoals ChatGPT en Google Bard. Voor hoogwaardige resultaten kun je generatieve AI-modellen sturen door gedetailleerde instructies te geven. In het geval van GPT-3.5 kun je het bijvoorbeeld vragen een sonnet over de lente te schrijven, of een verhaal voort te zetten in de stijl van een bepaalde auteur met een specifieke prompt.
Bekijk onze ChatGPT-cheat sheet voor meer details over het gebruiken van de juiste prompts.
AI en kunst: stilstaande beelden & video
Generatieve modellen kunnen zowel statische als realtime data verwerken, zoals bij kunstenaar Rafael Lozano-Hemmers installatie “Pulse Room,” die generatieve AI gebruikt om een unieke lichtshow te creëren op basis van de hartslagen van deelnemers.
De installatie gebruikt sensoren om de hartslagen van deelnemers te detecteren, en generatieve algoritmen creëren een uniek lichtpatroon op basis van hun hartslag. We behandelen deze en vele andere technieken die je kunt verwachten te gebruiken met verschillende open, generatieve AI-tools voor digitale media.
Stijloverdracht
Stijloverdracht is een techniek waarmee een kunstenaar de stijl van het ene beeld kan toepassen op een ander.
Het basisidee achter stijloverdracht is een neuraal netwerk trainen om de onderscheidende stijl van een bepaalde kunstenaar te herkennen door het netwerk te voeden met een grote dataset afbeeldingen met de gewenste stijl. Het leert vervolgens de karakteristieke kenmerken te identificeren die op andere beelden kunnen worden toegepast.
Het netwerk krijgt daarna twee beelden als input: een ‘content’-afbeelding en een ‘stijl’-afbeelding. Door de geleerde stijl toe te passen op de contentafbeelding, wordt een nieuwe afbeelding gegenereerd die de inhoud van de oorspronkelijke afbeelding combineert met de stijl van de ‘stijl’-afbeelding.
Kunstenaars hebben stijloverdracht gebruikt om nieuwe werken te creëren die de karakteristieke stijlen van verschillende kunstenaars combineren. Zo kan een kunstenaar stijloverdracht gebruiken om de stijl van een Picasso-schilderij te combineren met de inhoud van een foto. Dit levert een nieuwe afbeelding op met de karakteristieke kenmerken van het Picasso-schilderij en de foto.
De Mona Lisa in de stijlen van Picasso, Van Gogh en Monet
Beeld-naar-beeldvertaling
Beeld-naar-beeldvertaling is een techniek binnen generatieve AI waarmee een kunstenaar een afbeelding van het ene domein naar het andere kan vertalen. Zo kan een kunstenaar een netwerk trainen om afbeeldingen van paarden te mappen naar afbeeldingen van zebra’s. Het netwerk neemt de karakteristieke kenmerken van elk domein en kan deze informatie vervolgens gebruiken om afbeeldingen van het ene domein naar het andere te vertalen.
Het bekendste voorbeeld van deze technologie is misschien wel de hype rond de Lensa AI-app op sociale media eind 2022. De app neemt in feite je selfies en verandert ze in digitale avatars die verschillende artistieke stijlen repliceren.
Vergelijkbare varianten zijn overal op internet verschenen. Zo geeft Media.io je wat meer controle doordat je de beeldstijl kunt kiezen die je op elke selfie toepast – van Barbie tot stripboek en geanimeerde karikatuur – je ziet duidelijk hoe beeld-naar-beeldvertaling in deze app werkt.
Naast kunst is beeld-naar-beeldvertaling ook gebruikt in andere creatieve toepassingen. Zo is het ingezet om nieuwe visuele content voor websites en sociale media te genereren. Door beelden van het ene domein naar het andere te vertalen, kunnen bedrijven gevarieerde visuele content creëren die een breder publiek aanspreekt.
Via dit proces leert de generator steeds realistischer beelden te maken. Kunstenaars kunnen GAN’s gebruiken om nieuwe beelden te creëren geïnspireerd op bestaande kunstwerken, of volledig nieuwe beelden te maken.
Data-augmentatie
Data-augmentatie is een techniek waarbij transformaties worden toegepast op bestaand artistiek materiaal. Dit proces helpt nieuwe inputs te creëren, die vervolgens de outputs van een neuraal netwerk kunnen verbeteren. Het basisidee is om de nauwkeurigheid en robuustheid van het netwerk te verhogen, wat leidt tot betere resultaten.
Er zijn veel soorten transformaties die op bestaande data kunnen worden toegepast: rotaties, translaties of spiegelingen. Het wijzigen van de helderheid of het contrast van de afbeelding, het toepassen van filters, en meer: het zijn allemaal variaties die een robuuste set artistieke inputs kunnen creëren. Nadat de transformaties zijn toegepast, kun je de resulterende afbeeldingen gebruiken om een neuraal netwerk te trainen. Vervolgens kunnen kunstenaars nieuw werk maken dat elementen van bestaande stukken incorporeert met unieke variaties en transformaties.
Kunstenaars hebben data-augmentatie gebruikt om nieuwe kunstwerken te creëren die de grenzen van stijlen en technieken verkennen. Zo kan een kunstenaar data-augmentatie gebruiken om een reeks variaties te genereren op een bepaalde schilderstijl, waarbij verschillende kleurpaletten, penseelstreken en composities worden onderzocht.
Een voorbeeld is de collectie van Mario Klingemann, “Memories of Passerby I,” die is getraind op een dataset van portretten uit de 17e en 19e eeuw en is aangevuld met transformaties van deze beelden.
Tips voor AI en kunst
Onthoud bij het gebruik van AI-tools in kunst dat het hulpmiddelen zijn om je creativiteit te versterken. Het is essentieel om te experimenteren en te itereren met verschillende inputs, parameters en stijlen om een kunstwerk te creëren dat past bij jouw creatieve visie. Uiteindelijk moet de kunst die je maakt een uitdrukking zijn van jouw ideeën en verbeelding, waarbij AI dient als een krachtig hulpmiddel om die visies tot leven te brengen.
AI en audio: geluid & muziek
Muzikanten gebruiken generatieve AI’s ook om nieuwe muziek te maken. Zo kunnen neurale netwerken bestaande nummers analyseren en de patronen en structuur van de muziek identificeren om nieuwe melodieën en akkoordenschema’s te genereren. Deze technologie stelt elke niet-muzikant in staat om nieuwe muziek te creëren die is geïnspireerd op bestaande werken en toch uniek is.
Algoritmische muziekcompositie
Een andere toepassing van generatieve AI in muziek is algoritmische muziekcompositie. Generatieve muziek kan in realtime worden gemaakt met algoritmen die zo zijn geprogrammeerd dat ze elke keer uniek zijn wanneer ze worden afgespeeld. Een voorbeeld hiervan is de app Endel, die generatieve muziek maakt op basis van de voorkeuren, locatie en het tijdstip van de gebruiker.
Andere voorbeelden zijn het genereren van een reeks melodieën die allemaal hetzelfde akkoordenschema of ritme volgen. De resulterende muziek kan dienen als startpunt voor een nieuwe compositie, of worden gecombineerd met andere elementen om een compleet stuk te creëren.
Er zijn veel algoritmen die kunnen worden gebruikt voor muziekcompositie, elk met zijn eigen sterke en zwakke punten. Sommige algoritmen genereren bijvoorbeeld muziek op basis van regels of patronen, terwijl andere machinelearningtechnieken gebruiken om te leren van bestaande composities en daar nieuwe uit te genereren.
Zo maken vertaalmodellen het mogelijk dat een algoritme informatie verzamelt uit niet-muzikale media (zoals een afbeelding) en die vertaalt naar een muzikaal resultaat. Een tool waarmee je kunt experimenteren is CLIP Interrogator, die een korte track of loop ontwikkelt als reactie op een enkele afbeelding die je uploadt.
Muzikale stijloverdracht
Net als in andere media maakt stijloverdracht het mogelijk om belangrijke artistieke variabelen toe te passen op verschillende muziekstukken. Deze techniek is gebruikt in diverse creatieve toepassingen, waaronder het ontwikkelen van nieuwe muziekwerken en het remixen van bestaande tracks.
Zo kan een muzikant een netwerk trainen om klassieke muziek naar elektronische muziek te mappen. Het netwerk identificeert de karakteristieke kenmerken van elke stijl en kan deze informatie vervolgens gebruiken om de stijl van het ene muziekstuk over te dragen op een ander.
Naast muziek is stijloverdracht ook gebruikt in andere audiotoepassingen, zoals spraak en compositie. Door de stijl van het ene stuk content over te dragen op een ander, kunnen makers nieuwe manieren verkennen om zichzelf uit te drukken en de grenzen van traditionele mediavormen op te rekken.
Geluidseffecten en sferen genereren
Geluidsgeneratie met AI is de afgelopen jaren een groeiend vakgebied, met toepassingen in muziek, film en gaming. Door een netwerk te trainen op een grote dataset met geluidseffecten kan het leren nieuwe geluiden te genereren die qua stijl en textuur vergelijkbaar zijn. Deze techniek kan nuttig zijn in uiteenlopende creatieve toepassingen, zoals het creëren van geluidseffecten voor videogames of het toevoegen van omgevingsgeluid aan film.
Een andere benadering voor het genereren van geluidseffecten en sfeer is via procedurele audio. Procedurele audio is een techniek waarbij geluidseffecten in realtime worden gegenereerd op basis van een set regels en parameters. Dit maakt zeer aanpasbare en adaptieve geluidseffecten mogelijk die dynamisch kunnen veranderen afhankelijk van de context van het project.
Tips voor muziek en AI
AI inzetten bij geluid en muziek ontsluit enorme creatieve mogelijkheden. Van het genereren van originele composities die verschillende stijlen en sferen mengen, tot de spannende mogelijkheden van audiostijloverdracht en het creëren van meeslepende, gepersonaliseerde soundscapes: AI biedt legio opties.
AI strekt zich ook uit tot geautomatiseerd mixen en masteren voor resultaten van hoge kwaliteit, en genereert unieke geluidseffecten om een onderscheidende sound identity neer te zetten. Als digitale muze bij het songwriten kan AI een schat aan ideeën voor melodieën en harmonieën aanreiken. Onthoud: deze tools zijn er om je creativiteit te verrijken, niet om die te vervangen.
Tot slot & bronnen
Het creatieve proces kan soms lastig zijn. Met generatieve AI kan echter iedereen inspiratie opdoen voor zijn projecten. En met de tools en technieken die we hier hebben besproken, kunnen zelfs gevestigde kunstenaars hun werk op schaal uitbreiden.
Terwijl de samenleving blijft onderzoeken hoe deze technologie cultuur zal beïnvloeden en onze toekomst zal vormen, is dit een goed moment om deze tools te begrijpen en je eigen mening te ontwikkelen.
Hier zijn enkele bronnen om meer te leren over generatieve AI en op de hoogte te blijven van de ontwikkelingen:
