Kreatív-e az AI? Nem szeretnék egyértelmű választ adni a kérdésre, célom inkább az, hogy némi háttérismerettel és összefüggésekkel kiegészítve olyan szempontokra hívjam fel a figyelmet, amelyek segíthetnek az erről szóló diskurzusban, és árnyalhatják a sokszor felszínesen kialakított véleményeket. Remélem, hogy az írás végére mindenki az eddiginél megalapozottabb következtetésre jut. Annak, akinek még ezután is maradnak kételyei, vagy szívesen megismerne további szempontokat és véleményeket, ajánlom a Kreatív Tudomány és Innováció Konferencia előadásait és kerekasztal-beszélgetését október 20-án délután, amik regisztráció után ingyenesen látogathatók.

A címben feltett kérdés problematikái

Először is, a mesterséges intelligencia nem egyetlen dolog, hanem gyűjtőfogalom. Bár az AI sokak számára egyet jelent a ChatGPT-vel, esetleg az olyan generatív modellekkel, mint a kép-, videó- vagy zenegenerátorok, valójában az AI ennél sokkal tágabb fogalom: magába foglalja nemcsak a gépi tanulás és a mélytanulás módszereit, amelyek a jelenlegi technológiai forradalom fő hajtóerejét adják, hanem számos más megközelítést és alkalmazást is. Egy dolgot azonban különösen fontos tudatosítani: hajlamosak vagyunk megszemélyesítve beszélni róla, mintha egyetlen entitás volna, pedig nincsen olyan, hogy „az” AI, azaz nincs minden jelenleg megvalósítható kognitív funkcióhoz egyszerre értő, azonos technológiát használó gépi intelligencia, hanem különböző, speciális célokra fejlesztett rendszerek és alkalmazások léteznek. Ezeket a szakirodalom gyenge vagy szűk mesterséges intelligenciának nevezi (angolul weak AI vagy narrow AI). Így tehát már a címben szereplő kérdés is helytelen, mégis meghagytam ilyen formában, mert számos helyen ezt a kérdést teszik fel. A helyes kérdés viszont inkább így hangozna: Lehet-e egy gép (vagy szoftver) kreatív?

Ugyanakkor azt is érdemes tudatosítani, hogy nem minden területen kívánatos, hogy a gép kreatív legyen. A kreativitás kérdése leginkább a generatív modelleknél merül fel. Ezekkel kapcsolatban gyakran várjuk el, hogy legyenek kreatívak: írjanak eredeti szöveget, hozzanak létre egyedi képet. Máskor viszont ugyanennek a technológiának a használatakor éppen az ellenkezőjét szeretnénk: pontos utasításkövetést, hűséges megvalósítást. Vegyük azonban észre, hogy az elképzeléseinknek való megfelelés és a teljes automatizáltság, azaz önállóság valójában két egymással konfliktusban lévő igény, amelyeket teljes mértékben nem lehet egyszerre kielégíteni. Gondoljunk bele, az AI-t éppen azért használjuk, mert időt szeretnénk spórolni vele, ezért viszont szükségszerűen adnunk kell neki valamekkora szabadságot, nem beszélve arról, hogy egy szöveges prompt soha nem tudja teljesen precízen leírni az elképzeléseinket. Szöveges prompt alapján képet generálni például egy eredendően sztochasztikus feladat, ahol nincs egyetlen jó válasz. Mindig lesznek a képen olyan részletek, amiket nem határoztunk meg – csak akkor nem lennének, ha pixelre pontosan leírnánk, hogy mit szeretnénk, de akkor az AI használata már értelmét vesztené. Másrészt viszont vannak olyan területek is, ahol kifejezetten nem kívánatos, hogy az AI kreatívkodjon; gondoljunk csak az önvezető autókra, ahol a biztonság és a megbízhatóság a cél. Senki sem szeretne „kreatív” megoldásokat a forgalomban. Ez is jól mutatja, hogy a kreativitás megítélése mindig kontextustól függ, és nem minden helyzetben érték, sőt olykor kifejezetten veszélyes is lehet.

A harmadik probléma az emberhez való viszonyítás. Természetes, hogy az AI-t az emberhez mérve próbáljuk értelmezni, hiszen végső soron éppen az emberi képességeket próbáljuk vele utánozni. Ugyanakkor fontos látni, hogy a jelenleg létező AI-modellek, amellett, hogy eleve szűkebb funkcionalitással rendelkeznek, mint az ember, az adott területen is többnyire különféle korlátozásokkal működnek. Például eltérhet, hogy milyen típusú információkat képesek feldolgozni, és kapacitásbeli okokból az emlékezőképességük is korlátozott lehet. Egy hagyományos, szöveges chatbot például csak szöveges adatokon tanult, és szöveges választ állít elő: nem érzékeli közvetlenül a környezetét, nem tapasztalja meg a világot úgy, ahogyan az ember. Bár egyre több a multimodális modell, amelyek képek, hangok vagy akár videók feldolgozására is képesek, ez önmagában még nem jelenti azt, hogy az emberéhez hasonló, a fizikai világot átfogóan leképező világmodellel rendelkeznek. Többnyire még mindig szöveges adatokból tanulnak a legtöbbet, a tapintás, a szaglás és a közvetlen fizikai tapasztalatszerzés pedig a jelenlegi rendszerek többségénél még mindig nincs jelen.

A kreativitás ugyanakkor olyan összetett, többdimenziós emberi képesség, amelyet még a pszichológusok is nehezen tudnak pontosan meghatározni. Gondoljunk bele, vajon van-e értelme megkérdezni, mennyire kreatív egy kutya? Talán lehet róla beszélni, de elsősorban más kutyákhoz érdemes viszonyítani, nem az emberhez. A kutya teljesen más környezetben mozog, más módon érzékeli a világot, és más eszközei vannak a számára felmerülő problémák megoldására. Természetesen a fejlesztők célja – akár tetszik ez nekünk, akár nem – az, hogy a mesterséges intelligencia előbb-utóbb minden tekintetben elérje majd az emberi képességeket. Egyelőre azonban még nem tartunk ott, hogy ez megvalósuljon. Ezért az emberrel való párhuzam sokszor félrevezető, a kreativitás mérése pedig problematikus: más típusú rendszerekről beszélünk, amelyeknél a kreativitás is más módon, más korlátok között és más tartományokban jelenhet meg.

Szélsőségek a gépi kreativitás megítélésében

Persze vannak, akik a kreativitásnak még a lehetőségét is kizárják az AI kapcsán. E szélsőséges nézet képviselőinek leggyakoribb érve, hogy mindent, amit az AI tud, tőlünk tanulta: mi tápláltuk bele az adatokat, ezért csak azt adhatja vissza, amit korábban látott. Ez az egyszerű érvelés azonban éppen a gépi tanulás lényegét hagyja figyelmen kívül. A gépi tanulási algoritmusok sajátossága a klasszikus programozáshoz képest éppen az, hogy a programozó nem tudást kódol a gépbe, hanem csak a tanulás képességét. Számtalan példát ismerünk arra, hogy egy gépi tanuló modell olyasmit is képes felismerni vagy megtanulni, amit az ember nem.

A gépi tanuló modellek az adatok alapján statisztikai összefüggéseket sajátítanak el, tehát az sem igaz, hogy csupán a tanításhoz használt adatokat adnák vissza – nem is tudnák, mert a modell a tanító adatokat nem tartalmazza, azok között keresni nem tud. A betanított modell működése tehát nem olyan, mint egy adatbázisé, amelyben megkereshetjük a korábban eltárolt példákat, hanem a modell a rengeteg példa alapján elsajátított statisztikai megfigyeléseit használja új válaszok generálásához. Van például olyan mélytanuló hálózat, amely egy fénykép alapján meglepően jól meg tudja becsülni, hol készült a felvétel. A PIGEON nevű rendszer a GeoGuessr játékhoz hasonló feladatban a tesztképek több mint 40 százalékánál 25 kilométeren belülre teszi a helyszínt. Ez nem egyszerű képfelismerés és keresés: a modell a táj, az épületek, az útburkolati jelek és más vizuális részletek alapján következtet, vagyis nemcsak visszamond nekünk valamit, hanem mintákból általánosít.

Az sem komoly érv, hogy az AI az emberektől tanul, ezért nem lehet kreatív, hiszen az ember is részben így működik. Egy művész, író vagy zeneszerző sem a semmiből alkot: mindannyian abból építkezünk, amit korábban láttunk, hallottunk, tapasztaltunk és más emberektől tanultunk.

A másik véglet természetesen az, amikor valakit lenyűgöznek például az AI által létrehozott képek, vagyis maga a végtermék, és ezt azonosítja a kreativitással. A kreativitás azonban nem az eredményben, hanem a folyamatban rejlik. Egy valóban kreatív folyamat a motivációnál kezdődik, magába foglalja a rugalmas attitűdöt, a kockázatvállalást, a divergens gondolkodást, sőt azt a közeget is, amelyben mindez létrejöhet. Ráadásul a kreatív ötleteknél nem áll meg a folyamat: a sok lehetőség közül ki kell választani a megvalósításra legérdemesebbeket, és az eredménynek valamilyen értéket is kell képviselnie a befogadók, azaz a társadalom számára. A kreativitás megítélésében tehát az újdonság mellett az érték, a hasznosság vagy az esztétikai hatás is szerepet játszik.

Az AI az ember által megfogalmazott promptok hatására valóban remekül tud ötletelni. Képes meglepő asszociációkra, képes széles körben átlátni a témát, és olyan összefüggéseket is fel tud vetni, amelyekre ember talán nem is gondolna. Ez önmagában óriási segítség lehet egy alkotó munkafolyamatban. Ugyanakkor a sok ötlet közül a megfelelő kiválasztásában még többnyire szükség van az emberre. Fontos azonban szem előtt tartani, hogy mindez csak a jelenlegi állapotot tükrözi. Az AI-fejlesztések rendkívül gyorsan haladnak, és semmi akadálya annak, hogy a jövőben ezek a rendszerek a kreatív folyamat egyre több elemére rátanuljanak, például a divergens gondolkodásra vagy a műértő válogatásra. Miért gondoljuk azt, hogy ha egy gépi tanuló rendszer képes felismerni és utánozni, azaz megtanulni egy művész stílusát, akkor lehetetlen lenne az, hogy rátanuljon a művészet egésze alapján egy emberhez hasonló esztétikai érzékre? Valószínűleg sok embernél már most kifinomultabb az esztétikai érzéke, de mi szeretjük az AI-t minden területen a legkiválóbb emberhez viszonyítani. Egyelőre persze az üzleti modell nem ezt az irányt diktálta, de egy új startup, egy új célfüggvény, egy újfajta neurális architektúra ezt bármikor megváltoztathatja – gondoljunk csak az érvelő modellekre, amikben semmi technikai újdonság nem volt, de az az egyszerű ötlet, hogy a nyelvi modell diskuráljon önmagában egy kicsit, mielőtt a végső választ megadja, számos esetben jelentős mértékben javította a válasz minőségét.

Azt is érdemes tudni, hogy mivel a modellek statisztikai alapon működnek, azt próbálják megjósolni, ami a korábbi minták alapján a legvalószínűbb, és ez első hallásra épp nem a kreativitás irányába tereli a produktumot. Ugyanakkor az AI-modellekben létezik egy úgynevezett hőmérséklet paraméter, amely szabályozza ezt a jósolhatóságot. Ha alacsonyra állítjuk, a modell kiszámíthatóbb, konzervatívabb válaszokat ad, ha magasra, akkor bátrabb, meglepőbb eredményeket produkál. Ez jól szemlélteti egyébként, hogy a kreativitás mindig egy kényes egyensúlyban bontakozik ki: ha valami túlságosan hasonlít a régire, azaz megjósolható, nyilvánvalóan nem számít kreatívnak, ha viszont túlzottan elüt tőle, akkor már nem lesz befogadható a többség számára, és nem tud hasznosulni. A társadalom számára is elfogadott kreatív megoldások valahol a kettő között születnek.

Ezt az egyensúlyt egyébként a gépi tanulásba is megpróbálták már közvetlenül beépíteni. A Rutgers Egyetem professzora, Ahmed Elgammal és munkatársai 2017-ben olyan neuronhálózatot fejlesztettek, amelynek célja nem pusztán a korábban látott művészeti stílusok utánzása volt, hanem az azoktól való eltérés is, úgy, hogy a létrehozott képek továbbra is a művészet tartományán belül maradjanak. A Creative Adversarial Network (CAN) nevű rendszer egyszerre törekedett az újdonságra és arra, hogy az eredmény felismerhetően művészeti alkotás legyen. Bár az ilyen megközelítések a mai, elsősorban piaci igényekhez igazodó generatív rendszerekben még nem terjedtek el, ezért még gyerekcipőben járnak, de a példa jól mutatja, hogy elvileg más irányokba is továbbfejleszthetők a modellek, olyan irányokba akár, amik jobban le tudnak írni egy kreatív folyamatot.

Kreativitásunk az utolsó bástya?

Összességében, ha kreativitásról van szó, még ma is sokan úgy vélik, hogy az ember ezen a téren még fölényben van a mesterséges intelligenciával szemben. Ez lehet, hogy jelenleg még így van a legtöbb területen, de nagyon fontos látni, hogy ez szinte az utolsó mentsvárunk, amibe kapaszkodhatunk. Az ember legfontosabb, legmagasabb szintű tulajdonsága a logikus, absztrakt gondolkodási képessége, amire méltán lehetünk büszkék. Ennek kicsúcsosodását sokan a sakkban látták, de ebben már rég megvert minket a gép, pedig ezt akkoriban sokan elképzelhetetlennek tartották. Mikor ez az IBM által kifejlesztett Deep Blue szuperszámítógép 1997-ben mégis legyőzte az akkori világbajnokot, Garri Kaszparovot, azt gondolhattuk, hogy a gép a sebességével győzött le minket, de nyugtattuk magunkat azzal, hogy a számítógép még egy baba szintjét se éri el képfelismerésben és egy csomó más dologban. Aztán ezekben is sorra elérte az emberi szintet: megtanult arcokat felismerni, szövegeket írni, képeket és zenét alkotni, orvosi vizsgát letenni és olimpiai matekpéldákat megoldani.

A játékok világában a sakk után a gó játék volt a következő nagy mérföldkő, az egyik legősibb játék, amiben a játszható állások száma 10^170, ami több, mint a megfigyelhető világegyetemben lévő atomok száma (10^80). Erről a játékról is azt hittük, hogy ez már tényleg túl komplex és intuitív egy gép számára. De jött az AlphaGo, és sorra győzte le a világ legjobbjait, sőt rövid időn belül sok klasszissal emelkedett az emberi játékosok fölé. A világ legerősebb gojátékosának tartott 9 danos profi, Ko Csie veresége után úgy nyilatkozott, hogy az AlphaGo úgy játszik, mint a gó istene, és azóta lényegében az emberek tanulnak tőle, profi játékosok tanulmányozzák a gép kreatív lépéseit. Meg kell jegyezni, hogy ennek az „isteni” szintnek az eléréséhez emberi adatokra, azaz emberi játszmákra nincs is szükség, később ugyanis az AlphaGo Zero verzió csak magával játszva, és ezáltal önmagát tanítva, túl tudta szárnyalni minden korábbi játékos és gép szintjét.

Ha más nem, az AlphaGo története mindenképpen rávilágít arra, hogy a kreativitás nem kizárólag emberi kiváltság, hiszen a világ legjobbjai ismerték el az AlphaGo kreativitását. És bár ez más esetben is megtörtént már, amikor például egy pályázatra benevezett, AI által generált műalkotásnak ítélt egy szakértő zsűri művészeti díjat, legyen szó digitális képről vagy fotográfiáról, az AlphaGo esetében viszont még az sem lehet mérvadó kifogás, hogy a generatív folyamatban ember is részt vett a promptolás és a válogatás által, hiszen az AlphaGo teljesen önállóan játszik, sőt az AlphaGo Zero még önállóan is tanult.

De mi is a kreativitás valójában?

A legtöbb meghatározás szerint a kreativitás az új és hasznos ötletek létrehozásának képessége. De mi számít újnak és hasznosnak? Szegedy Balázs matematikus egy előadásában frappánsan fogalmaz: az nem elegendő a kreativitáshoz, hogy valami új, mert egy véletlenszerű 0–1 sorozat is teljesen új, de nincs jelentősége. A kreativitás inkább új nézőpontok felfedezése. Mivel viszont a lehetséges nézőpontokat fel lehet fedezni, ezek bele vannak kódolva a bennünket körülvevő világba, tehát a struktúrák és összefüggések megtalálásáról van szó. Mármost a gépi tanuló algoritmusok pont ebben jók, nevezetesen abban, hogy nagy mennyiségű információnak megtalálják a hasznos nézőpontját, másképp fogalmazva, egy kompakt reprezentációját, akár olyat is, amit mi még nem vettünk észre.

Ha így tekintünk a kreativitásra, akkor a gépi tanulás maga is egyfajta kreatív folyamat. Hiszen pontosan abban erős, hogy hatalmas mennyiségű adat segítségével új reprezentációkat fedezzen fel, azaz korábban nem ismert, akár az emberek számára váratlan mintázatokat találjon. Ez persze másfajta kreativitás, mint az emberé – kevésbé érzelmi, kevésbé szándékolt, de az eredmény szempontjából sokszor hasonló hatású. Ami még különbség szokott lenni, hogy az AI-nak nagyon sok adatra van szüksége a tanuláshoz, az ember viszont sok esetben kevés adatból is jól tud általánosítani, releváns összefüggéseket kihámozni, akár tudattalanul, intuitív módon. Tudatos szinten viszont sokféle kognitív torzítás is felléphet, ami adott esetben akár nagy hátrányt is jelenthet.

A kreativitás szintjei és az AI helye ezen a skálán

Sokan azt gondolják, hogy az AI csak az ember által összegyűjtött tanuló adatok teréből tud dolgozni, de az AlphaGo Zero esetében is láthattuk, hogy ez általánosságban nem igaz. Azt is említettük már, hogy az AI a tanuló adatokhoz nem is fér hozzá, hanem egy statisztikai modellt készít, vagyis a korábbi adatok alapján általánosít. A szöveg-, kép-, videó- vagy zenegenerátorok esetében talán jó elképzelés az, hogy az AI a tanuló adatok által kifeszített térben tud mozogni, és ilyen módon nem tud out of the box megoldással szolgálni, de ha nem is lép ki ebből a térből, attól még képes a téren belül olyan pontokat és irányokat találni, amik a korábbiakhoz képest újdonságnak számítanak, és a legtöbb esetben az ember is ezt teszi: összekapcsol egymással létező dolgokat.

Ezzel kapcsolatban érdemes tudni, hogy az újdonságnak és a kreativitásnak is több szintje lehetséges. James Kaufman és Ronald Beghetto pszichológusok 2009-ben megalkotott, Four-C elnevezésű modelljükben például négy szintet különböztetnek meg a hatás szempontjából: mini-c (személyes kreativitás), little-c (hétköznapi kreativitás), Pro-C (szakmai kreativitás), Big-C (kiemelkedő, forradalmi alkotás). De említhetjük az Irving Taylor által már ötven évvel korábban definiált kreativitás-szinteket is: kifejező, produktív, feltaláló, újító és teremtő kreativitás. Bármelyiket is nézzük, a legmagasabb szint csak nagyon kevesek kiváltsága az embereknél, viszont vitathatatlan, hogy különböző területeken az AI már képes lehet elérni az alacsonyabb szinteket: új kombinációkat tud alkotni, váratlan asszociációkat tud előhozni, sőt egyes szakmai területeken – például a gyógyszerkutatásban vagy az anyagtudományban – valódi innovációt is képes létrehozni. A legmagasabb szint, vagyis a világot alapvetően megváltoztató, önálló célok által vezérelt kreativitás azonban még továbbra is az emberhez kötődik, bár azon is nagy erőkkel dolgoznak a kutatók, hogy mesterséges matematikust, fizikus, kémikus, biológust és mindenféle kutatót hozzanak létre.

Ne feledjük továbbá azt sem, hogy amikor az AI-t az emberhez hasonlítjuk, mindig hajlamosak vagyunk a legjobbakhoz – a zsenikhez, a világbajnokokhoz – mérni. Ha viszont az átlagember szintjéhez viszonyítjuk, az AI sok esetben már most is kreatívabb partner lehet. A kulcs talán éppen ebben rejlik: nem az emberi kreativitás helyettesítéséről kell gondolkodnunk, hanem arról, hogy miként tudjuk a gépi kreativitást kiegészítő, inspiráló társként használni. Ehhez viszont elengedhetetlen, hogy értsük is a működését, és tudatosan irányítsuk.

Kitekintés az oktatásra

Ha a kreativitás valóban az utolsó bástyánk, akkor éppen ez az, amit a leginkább fejlesztenünk kell – egyénileg és társadalmilag is. Az AI korában a kreatív folyamat továbbra is az egyik legnehezebben automatizálható emberi tevékenység. A kreativitás lényegében problémamegoldó képességünk része, egyesek szerint emberi mivoltunk lényege. Nem véletlen, hogy az AI-val való összevetésben is ezt tartjuk a végső mérföldkőnek. Ha viszont ez így van, akkor az oktatásban ennek sokkal hangsúlyosabban kellene megjelennie. Az iskolarendszer sajnos már az AI-korszak előtt sem állt jól ezen a téren. A tanulók teljesítményének értékelése – egyszerűsége miatt – ma is jórészt az egy helyes válasszal rendelkező feladatokra épül, miközben az élet során felmerülő problémák ritkán ilyenek. Sokkal több teret kellene kapniuk azoknak az óráknak, ahol a diákok valódi problémákat oldanak meg, akár csapatban, akár önállóan, ahol kísérletezhetnek, tévedhetnek és új utakat kereshetnek. A kreativitás fejlesztése mellett a tanulásmódszertan, a memória és a kritikus gondolkodás fejlesztésének, a csapatmunkának és a közösségi innovációnak is nagyobb teret kellene kapnia.

A kreativitásról sokan még mindig azt gondolják, hogy velünk született adottság. A kreativitás azonban fejleszthető, gyakorolható, kibontakoztatható, és ami talán a legfontosabb, közösségben is megélhető. A közös alkotás, a közös gondolkodás és az esetleges flow élmény megtapasztalása meghatározó lehet egy gyerek életében: segíthet abban, hogy felfedezze, miben tehetséges, mit szeret igazán csinálni, és hogyan tud másokkal együttműködve kiteljesedni. Az ilyen élmények alapozzák meg azt a nyitott, rugalmas és kíváncsi gondolkodást, amire a jövőben a legnagyobb szükségünk lesz abban a világban, ahol az embernek és a mesterséges intelligenciának nem versenytársaknak, hanem kreatív partnereknek kell lenniük.

Az AI egy új eszköz – talán a legösszetettebb, amit eddig alkottunk. A világ a hatására még gyorsabban fog változni, mint eddig, és nekünk is tanulnunk kell vele együtt változni. Ehhez azonban nem elég egyszerűen használni: meg kell értenünk, és ismernünk kell a működését ahhoz, hogy felismerjük a korlátait és a lehetőségeit. Sokan hangoztatják, hogy nem az AI veszi el a munkádat, hanem azok, akik jól tudják használni. Csakhogy a jó használatot sokan még mindig a megfelelő promptok megírására és az eszközök ismeretére szűkítik le. Pedig az igazi különbséget az jelenti majd, hogy ki mennyire képes kreatívan gondolkodni ezekkel az eszközökkel: felismerni, mikor és mire érdemes bevetni egy adott modellt, hogyan lehet a segítségével új problémákat megoldani, vagy akár olyan dolgokat létrehozni, amelyekre korábban nem is gondoltunk. Legyen szó egy ötlet továbbgondolásáról, egy munkafolyamat újraszervezéséről akár vibe kódolás bevetésével, a lényeg nem pusztán az eszköz ismerete, hanem a benne rejlő lehetőségek felismerése és kreatív kiaknázása. Lehet, hogy a kreativitás valóban az utolsó bástya, de talán éppen erről a bástyából nyílik majd kilátás valami egészen újra.

Forrás