Jak wykorzystać zbiory dziedzictwa do ilustrowania pojęć związanych ze sztuczną inteligencją

Wprowadzenie

Wyniki wyszukiwania obrazów dla frazy sztuczna inteligencja bardzo dobrze ilustrują problem, jaki mamy ze społecznymi wyobrażeniami tego - przecież bardzo szerokiego - katalogu metod i narzędzi.

Roboty, sztuczne mózgi, kolor niebieski to metafory AI, które nakładają na ten nurt rozwoju technologii niepotrzebne cechy i przypisują jego wytworom fałszywe wartości. W żadnym wypadku AI nie myśli, nie ma postaci fizycznej (a więc nie może być robotem, tym bardziej humanoidalnym), może z powodzeniem wykonywać wyłącznie konkretne, niespektakularne zadania i nie musi być jedynie elementem komercyjnej oferty wielkich firm. Niestety, dominujące wizualizacje różnych koncepcji, związanych ze sztuczną inteligencją, bardzo sugestywnie to sugerują.

Florian Cramer w tekście What Is ‘Post-Digital’? (2014) pisze, że już samo użycie koloru niebieskiego w ilustrowaniu technologii może być uznane za przekaz idei cyfrowego postępu, hight-tech i wyrażanie oczekiwań na stworzenie doskonałej reprezentacji rzeczywistości w przestrzeni cyfrowej (s. 14):

Czy można się temu jakoś przeciwstawić, zanim zmęczeni uznamy, że takie przedstawienia AI to kolejne slopy, generowany maszynowo spam, śmieciowa estetyka, którą po prostu należy ignorować, bo nie niesie ze sobą żadnego komunikatu? Autorzy opracowania Archival Images of AI Playbook (2024) przekonują, że tak: po prostu wykorzystajmy zdigitalizowane zbiory kultury i dziedzictwa! Jak to zrobić? Przeczytajmy wspólnie ten podręcznik 🤓.

Część merytoryczna

Obrazy kształtują nasze myślenie, sposób rozumienia i mówienia o świecie. Jednak obrazy przedstawiające sztuczną inteligencję często budzą wątpliwości - wprowadzają w błąd, są nieprzydatne lub po prostu nieprawdziwe. Popularne tropy wizualne rozświetlonych mózgów, humanoidalnych robotów czy ścian kodu źródłowego wypaczają nasze spojrzenie na AI, nadając jej mistyczne, niemal boskie przymioty. Zniekształcają społeczne i branżowe debaty na temat sztucznej inteligencji i negatywnie wpływają na nasze rozumienie jej prawdziwej natury. I będzie coraz gorzej. Generowane przez AI obrazy przedstawiające AI stają się coraz bardziej powszechne, utrwalając i intensyfikując wpływ tych szkodliwych schematów, których akurat chcielibyśmy uniknąć (s. 02).

W opracowaniu Better Images of AI: A Guide for Users and Creators (2023), na które powołują się autorzy podręcznika, znajdziemy wiele przykładów negatywnych efektów tego typu obrazów na społeczne rozumienie i odbiór sztucznej inteligencji.

Negatywne efekty złych obrazów AI

Dlaczego tak duża część wizerunków AI jest zupełnie nieprzydatna? Oto kilka argumentów:

• obrazy przedstawiające AI jako groźną, tajemniczą siłę, mogą odrzucać tych, którzy jeszcze nie korzystali z tego typu rozwiązań, promować myślenie dystopijne i tworzyć kulturę strachu i braku zaufania wobec sztucznej inteligencji,
• mogą wywoływać błędne oczekiwania i dawać niespełnialne obietnice wobec znaczenia, efektywności i jakości narzędzi AI,
• mogą powodować, że przekaz o AI będzie zunifikowany i ignorujący rzeczywistą różnorodność świata (płeć, kolor skóry, miejsce zamieszkania, kultura i dziedzictwo itp.),
• brak niezbędnego realizmu w niskiej jakości przedstawieniach AI może utrudniać dostrzeżenie i zrozumienie roli, jaką sztuczna inteligencja już odgrywa w codziennym życiu,
• mało wartościowe przedstawienia AI wpływają negatywnie na wyobrażenia, jakie ludzie mają na temat technologii i ograniczają zdolność do zrozumienia jej możliwości i wpływu.

Złe obrazy AI powstają, ponieważ nie zwraca się uwagi na ich negatywny wpływ, trudno też zdobyć lepsze, szczególnie kiedy brakuje czasu i kompetencji graficznych. Nie bardzo wiadomo też, jakich obrazów należałoby użyć, także dlatego, że nie zawsze odpowiednio zna się grupę docelową, do której miałyby być kierowane.

Jedną z propozycji tego, skąd brać dobrej jakości obrazy AI, jest właśnie Archival Images of AI Playbook.

Dlaczego cyfrowe zbiory kultury?

Szukanie w cyfrowych zbiorach muzeów i archiwów wizerunków opisujących sztuczną inteligencję wydaje się zupełnie nieefektywne. Przecież zgromadzone tam obiekty zazwyczaj są stare, a tematy, które podejmują, są bardzo dalekie od tematów związanych z współczesną technologią. Rzeczywiście, korzystanie z nich nie miałoby sensu, gdybyśmy mieli używać tych wizerunków bezpośrednio i odnosić się do ich dosłownego czy oryginalnego przekazu. Nie powinno to być naszym celem, przecież nawet współczesne grafiki nie są w stanie bezpośrednio i w pełni oddać to, czym jest sztuczna inteligencja we wszystkich jej przejawach. Ilustrując tematy związane z AI nie tylko pracujemy z wizerunkami AI, ile szukamy języka wizualnego, żeby coś o niej powiedzieć.

Skoro tak, to z powodzeniem możemy użyć wizerunków nawet sprzed tysięcy i setek lat:

Cyfrowe kolekcje dziedzictwa proponują język wizualny, który pomaga nam na nowo wyobrazić sobie przedstawienia sztucznej inteligencji, wykraczające poza dystopijne lub wyalienowane obrazy, do których jesteśmy przyzwyczajeni. Korzystając ze znanych historycznych i kulturowych wizualności, możemy przedstawiać AI jako bardziej przystępną i skoncentrowaną na człowieku, a także opowiadać bardziej świadome historie o jej społecznym znaczeniu. Odwołując się do cyfrowych kolekcji dziedzictwa i remiksując je, możemy zbudować pomost między przeszłością a współczesnym, szybko zmieniającym się światem i stworzyć nowe możliwości przedstawiania ludzkich doświadczeń i wizji przyszłości (s. 04).

Tyle teoria: w praktyce cyfrowe zbiory instytucji kultury i dziedzictwa to po prostu zazwyczaj dobrze zorganizowane i opisane obiekty, wiarygodne i udostępniane za darmo w plikach dobrej jakości, gotowe do komercyjnego wykorzystania bez żadnych ograniczeń (domena publiczna). To dzieła, tematy i metafory, które wciąż nie zużyły się w publicznej komunikacji online, do tego bogate w szczegóły, gotowe do reinterpretacji i pokazania w nowym kontekście.

Prosta ingerencja w obraz pozwala zilustrować problem cenzury mediów na platformach społecznościowych lub ograniczeń modeli text-to-image w generowaniu wizerunków nagich ciał (MW).

Jak wybrać dobry materiał źródłowy?

Wybierając obiekt wizualny z muzeum czy archiwum, powinniśmy pamiętać, że został on wytworzony w określonej kulturze i tradycji, na określony temat i z konkretną intencją. Planując przetworzenie takiego obiektu do ilustracji, opisującej jakąś koncepcję związaną ze sztuczną inteligencją, musimy zadać sobie kilka pytań:

• Jaka jest najbardziej oczywisty komunikat, wypływający z obrazu?
• Kto lub co jest centralną treścią obrazu?
• Jak sceneria lub tło kształtuje opowiadaną historię?
• Czyja perspektywa jest reprezentowana?
• Jakie części historii zostały pominięte? Czyje głosy są nieobecne?
• Czy obraz wzmacnia, kwestionuje, czy może podważa istniejące narracje?
• Czy istnieje kontekst historyczny lub kulturowy, który nie jest odzwierciedlony w obrazie, ale zmieniłby jego przesłanie, gdyby został uwzględniony? (s. 06).

Pamiętajmy, że obrazy zawierać mogą nawiązania do przemocy, nagości czy religii. Wykorzystanie wizerunków o takiej treści może być podwójnie ryzykowne. Po pierwsze, może wywoływać negatywne reakcje wśród niektórych odbiorców, po drugie - może być blokowane przez algorytmy filtrujące platform społecznościowych.

Jak znaleźć dobry materiał źródłowy?

Szukając dobrych obrazów, możemy korzystać z licznych zbiorów kultury i dziedzictwa, choćby tych prowadzonych przez europejskie muzea, archiwa i biblioteki, i agregowanych na portalu Europeana. Warto sięgnąć także do zbiorów polskich instytucji, przeszukiwalnych w Federacji Bibliotek Cyfrowych oraz do zasobów Wikimedia Commons, szczególnie tych udostępnianych w ramach projektu współpracy tych instytucji z Wikipedią.

Autorzy Archival Images of AI Playbook zachęcają do swobodnego przeglądania tych zbiorów. Kluczem wyboru nie musi być wcale określony twórca, okres powstania czy nawet temat, ale pewna estetyczna i komunikacyjna spójność, którą będziemy chcieli przetworzyć tak, aby powiedzieć coś o sztucznej inteligencji.

Warto szukać w niszowych kategoriach, korzystać z egzotycznych słów kluczowych, swobodnie poruszać się między gatunkami i epokami. Przy wyszukiwaniu za pomocą fraz lub słów kluczowych można eksperymentować z synonimami i alternatywnymi wyrażeniami (np. zamiast słowa robot użyć automatyzacja albo maszyna) oraz odwoływać się do stylu.

Cztery główne wątki wizualizacji sztucznej inteligencji

Wyszukując materiały źródłowe i planując pracę, możemy poruszać się w czterech głównych wątkach czy kierunkach wizualizowania sztucznej inteligencji. W ten sposób ułatwiamy sobie wypracowanie podstawowej koncepcji naszego remiksu. Te cztery obszary, zidentyfikowane przez autorów opracowania, to:

• podstawy sztucznej inteligencji: wizualne przedstawianie podstaw metod i narzędzi AI i podkreślanie znaczenia infrastruktury, ludzkiej pracy, dostępności zasobów energetycznych itp. oraz wpływu sztucznej inteligencji na nasze życie (np. AI fatigue czy wpływ na rynek pracy),
• narracje o sztucznej inteligencji: wizualne opowieści, które kształtują nasze rozumienie sztucznej inteligencji, wypełnione pojęciami takimi jak black box, chmura obliczeniowa, frontiers models (modele najbardziej zaawansowane i nowoczesne),
• wyjaśnianie sztucznej inteligencji: wizualne przedstawienia naukowych i technicznych pojęć i koncepcji, opisujących metody działania AI, m.in. computer vision, rozpoznawanie obrazów, dane, model, systemy rekomendacyjne, generatywna AI itp.,
• zagrożenia ze strony sztucznej inteligencji: wizualne przedstawienia takich problemów jak deepfake, nieetyczne i bez wynagrodzenia wykorzystywanie twórczości w trenowaniu modeli, problemy z poszanowaniem prywatności, koszt ekologiczny, ograniczenia metod obliczeniowych w interpretacji kultury wizualnej (computional gaze) itp. (s. 09).

Taktyki przygotowania wizualizacji AI na bazie obrazów ze zbiorów kultury

W jaki sposób można przygotować grafiki ilustrujące rozmaite koncepcje AI na podstawie zbiorów kultury i dziedzictwa? Autorzy opracowania proponują kilka taktyk, które mogą pomóc nam tworzyć własne projekty:

Side-by-side

Ta taktyka polega na zestawianiu ze sobą dwóch kontrastujących ze sobą obiektów wizualnych. Zestawienie takie opisywać mogą relacje: historyczna (kiedyś/teraz), przestrzenna (tutaj/tam) czy sekwencyjna (przed/po). Pierwsza porównuje przeszłość i teraźniejszość, pokazując zmiany w czasie. Druga wskazuje zmiany w przestrzeni lub lokalizacji, trzecia - podkreśla następstwo w czasie lub wskazuje na kolejność etapów.

Zestawienie emotikona z fragmentem ikonicznego wizerunku Mona Lizy pozwala zilustrować ograniczenia interpretacji maszynowej wobec uważnego studiowania dzieła przez człowieka (close reading). Narzędzia analizy sentymentu proponują opis złożony wyłącznie z kilku podstawowych kategorii emocji - ludzka interpretacja jest zdecydowanie głębsza.

Nakładki

Ta taktyka polega na dodawaniu do oryginalnego obrazu nowych warstw i elementów (overlay).

Dodanie do oryginalnego obrazu elementów charakterystycznych dla efektów działania modeli rozpoznawania obiektów pozwala nie tylko zilustrować sposób ich funkcjonowania, ale także pokazać ich ograniczenia, nawet wskazać na problem interpretowania kultury i sztuki wyłącznie za pomocą danych.
Źródło: Muzeum Narodowe w Warszawie

Zasłonięcie emotikonkami twarzy dzieci na starym portrecie rodzinnym w oczywisty sposób odnosi się do problemu prywatności online i wykorzystywania wizerunków dzieci w mediach społecznościowych oraz w trenowaniu modeli uczenia maszynowego.
Autorka remiksu: Dominika Čupková

Z pomocą tej taktyki możemy opisywać to, w jaki sposób sztuczna inteligencja widzi i interpretuje rzeczywistość oraz ilustrować wspólne ludzkie doświadczenia wobec tej technologii, choćby łączenie się światów fizycznego i cyfrowego, odczuwanie zmęczenia, obcości, strachu lub nadziei związanych ze spodziewaną rewolucją AI.

Loga narzędzi i firm AI nie muszą być traktowane dosłownie, ale wykorzystane jako symbole pokazujące chaotyczny nadmiar możliwości technicznych, z których trudno skorzystać ze względu na skalę i ograniczenia ludzkiej percepcji (AI fatigue).
Autorka remiksu: Nadia Piet

Kolaż

Kolaż pozwala na więcej niż nakładki (overlay), ponieważ przygotowując go, nie jesteśmy ograniczeni tłem głównego obrazu. Możemy swobodnie wybierać elementy składające się na kolaż z bogatych zbiorów ikonograficznych, z różnych styli i różnych epok.

Fragment fotografii przedstawiającej rybaków, połączony z fragmentem ilustracji artystycznej pozwala na zbudowanie przekazu wizualnego o problemie pozyskiwania i przetwarzania danych, także tych prywatnych.
Autorka remiksu: Zeina Saleem

Gradientowe tło, warstwy mikroczipów, przewody i wieże telekomunikacyjne w scenie zdobywania Mont Blanc (John MacGregor, 1885) to komentarz wizualny, wkazujący na ludzką pracę i koszty środowiskowe, nieodłączne w rozwoju sztucznej inteligencji.
Autorka remiksu: Hanna Barakat

Zniekształcenia

Zniekształcenie (distortion) polega na takiej modyfikacji źródłowego obrazu, w której zachowuje się częśc jego oryginalnych elementów, a część poddaje się rozmaitym, nieraz przypadkowym zmianom. W odróżnieniu od kolażu, gdzie elementy obrazu mogą zostać od niego oderwane i umieszczone w zupełnie nowym kontekście, zniekształcenie jest pracą na jego pierwotnej postaci, bez całkowitego jej wymazania.

Obraz ilustruje problem rozumienia zasad działania modeli generujących obrazy. Wydawać by się mogło, że modele text-to-image składają, na podstawie promptów, obrazy z gotowych elementów. Bardzo często przekładamy nasze rozumienie pracy i twórczości na sposoby działania narzędzi AI.
Autor remiksu: Eryk Sylvaggio

Zamiana części wizerunku na piksele nawiązuje estetycznie do struktury zbroi portretowanego człowieka i ilustruje proces digitalizacji, będący niezbędnym warunkiem w produkcji modeli uczenia maszynowego.
Źródło: Muzeum Narodowe w Krakowie

Ciekawą inspiracją w przygotowywaniu ilustracji bazujących na zniekształceniach mogą być prace z nurtu glitch art, także te bazujące na przekształceniach video. Warto obejrzeć też zasoby profilu Glitch Artists Collective i ᴀsᴛʜᴇɴɪᴀ.

Niszczenie porządku może być twórcze i pozytywne:

Masz setki milionów kombinacji w każdym jednym obrazie, których połączenie jest zawsze wielką niespodzianką. Tu od razu szybko dodam, że są techniki na kontrolowanie hacków oraz, że my nie działamy bez koncepcji. Ale ostateczny efekt jest zawsze w dużym stopniu dziełem przypadku. Dlatego to uzależnia. Trochę jak zdrapki LOTTO, tylko że tu zawsze wygrasz. Jest to także świetny wstęp do zajęcia się problematyką z zakresu programistyki i technologii informatycznych. Eksperymentowanie z programami, formatami, językami programowania wbrew pozorom jest naprawdę świetną rozrywką!

Narzędzia

W Archival Images of AI Playbook znajdziemy wiele propozycji narzędzi, które pozwolą nam na twórczą pracę ze zbiorami kultury i dziedzictwa i przygotowywanie autorskich ilustracji AI. Nie trzeba być mistrzem Photoshopa! Oto kilka propozycji:

• Canva - duży pakiet narzędzi do pracy z grafiką w przeglądarce (niektóre zasoby są płatne),
• przestrzenie na Hugging Face, pozwalające na pracę z grafiką,
• FlossCross - alternatywa dla standardowego efektu pikselizacji,
• Constraint Systems - 32 przeglądarkowe narzędzia do tworzenia kolaży i glitch art,
• Removal.ai - usuwanie tła (jedno z wielu narzędzi),
• glitch image generator,
• MOSH - zaawansowane narzędzie do generowania przekształceń obrazów i video.

Podsumowanie

Warto skorzystać z Archival Images of AI Playbook i zastanowić się, czy wizualizacje AI, które umieszczamy na własnych stronach, w publikacjach czy prezentacjach na konferencjach nie manipulują naszymi odbiorcami? Czy nie przedstawiają AI jako groźną, tajemniczą siłę, nie pokazują jej jako jeden zunifikowany nurt albo sugerują, że jest w stanie zrealizować wszystkie zadania? Czy nie powielamy naszymi ilustracjami ideologii AI, w której znajdzie się przekonanie o nieustannym postępie, prawdziwej rewolucji i wyłącznie minimalnych kosztach?

Używając twórczo zbiorów muzeów, archiwów i bibliotek cyfrowych, możemy tworzyć lepsze ilustracje rozmaitych pojęć i problemów związanych ze sztuczną inteligencją, promując przy tym polskie dziedzictwo i wzmacniając ponowne wykorzystanie zdigitalizowanych obiektów ze zbiorów polskich instytucji.

Archival Images of AI Playbook może być też podstawą warsztatów, podczas których praca z cyfrowymi zbiorami kultury będzie okazją do dyskusji o podstawach AI i problemach z nią związanych. Jeśli interesują Cię takie warsztaty, napisz 😎.