本文将新兴人类与数字技术关系的理论和实证讨论应用于我们对艺术家与人工智能 (AI) 合作艺术创作过程的兴趣。到目前为止,理论重点主要放在中介(代码)和融合(机器人)人类与技术关系上,相互(协同)关系尚未得到充分探索。为了解决这个问题,我们对理论讨论进行了细致入微的探讨,并扩展了实证研究,通过对 18 位使用人工智能的芬兰艺术家进行视频采访,分析了空间协同创作艺术创作过程。借鉴巴拉德的作品,我们认为人类和人工智能从根本上是交织在一起的,通过相互作用获得他们的代理权。在此基础上,我们展示了艺术家和人工智能的代理权如何在创作过程的三个阶段出现并相互发展:(1)编码和数据,(2)学习和训练,以及(3)策划结果。因此,通过我们对艺术家和人工智能如何创造新材料和有意义的艺术世界的实证研究,我们能够细致入微地理解协同作为一个空间过程。关键词:代理、艺术、人工智能、共同创造、数字地理。
尽管网络最初的设计目的是帮助研究人员共享信息,方便且易于使用,但过去 30 年里出现了一波又一波的“经济化”浪潮,经济活动已成为推动在线参与的主要动力。电子商务改变了商品的查找和销售方式;音乐、电影和电视剧的流媒体平台改变了这些行业的报酬方案;各种在线服务已成为工作流程的核心部分。过去十年中,发展最为迅速的在线活动之一就是“创作者”或“影响者”经济。这些术语源于 2000 年代中期 Web 2.0 的出现,涉及用户生成内容日益经济化或商业化,即“创作者”或“影响者”通过各种货币化方案收取收入。尽管创作者经济的范围难以界定,但一份报告(Shapiro & Aneja,2019,第 19 页)声称“估计有 1480 万美国人通过在 Instagram、WordPress、YouTube、Tumblr 和其他五个平台上发布自己的作品来赚取收入”。
过去几年,人工神经网络架构的重大发展促进了自动音乐创作模型的广泛应用。然而,大多数现有系统都采用基于硬代码和预定义规则的算法生成结构,通常不包括交互式或即兴行为。我们提出了一种基于运动的音乐系统 MoMusic,作为 AI 实时音乐生成系统。MoMusic 具有部分随机谐波排序模型,该模型基于音调和弦进展的概率分析,通过音乐集合论进行数学抽象。该模型针对二维网格呈现,通过姿势识别机制产生结果声音。摄像头捕捉用户手指的运动和轨迹,创造出连贯的、部分即兴的和声进程。MoMusic 集成了多个音色音域,从钢琴等传统古典乐器到使用语音转换技术创建的新型“人声乐器”。我们的研究证明了 MoMusic 的互动性、激发音乐家灵感的能力以及使用各种音色音域生成连贯音乐材料的能力。MoMusic 的功能可以轻松扩展,以结合不同形式的姿势控制音色变换、节奏变换、动态变换甚至数字声音处理技术。
大型语言模型 (LLM),例如生成式预训练 Transformer 3 (GPT-3) [ 3 ],因其生成文本内容的能力而引起了研究人员和从业人员的极大关注。ChatGPT 1 的迅速成功——推出仅两个月后月活跃用户就达到 1 亿,创下了历史上增长最快的消费者应用记录 2——不仅凸显了生成式 AI 在生成精确和个性化文本内容方面的潜力和能力,而且凸显了界面和交互在与 AI 通信中的关键作用。由于 ChatGPT 是针对对话任务进行了微调的 GPT-3 变体,因此技术基础保持相似;相反,主要区别似乎是人机交互范式的转变,
摘要 人工智能为内容制作提供了有前景的应用。然而,它们的开发面临着重大的版权问题,因为它涉及受保护主题的复制,并且需要非常大的数据集,以至于无法从所有权利人那里获得许可。这些问题可能会阻碍技术发展和内容制作。另一方面,一些人工智能应用程序可能会威胁到创作受相关权利保护的作品和主题的人的利益和激励。本文探讨了欧盟版权和反垄断法是否有能力应对这些挑战。它确定了将文本和数据挖掘 (TDM) 和临时复制的例外应用于人工智能 (AC) 应用程序开发的可能性和障碍。本文还研究了欧盟反垄断法促进获取受版权保护的培训材料和许可证的机制——这是版权例外的重要补充。虽然版权法和反垄断法在某些情况下允许人工智能的发展,但它们的工具仅限于特定类型的人工智能应用、某些类别的主题和特定的市场条件,并且受制于与开发过程有关的要求以及相当大的法律不确定性。版权法和反垄断法在合同和技术限制方面也基本上无能为力,而欧盟最近关于数据访问的举措也在这方面没有提供多少缓解。
• 由于训练过程中存在偏见,ChatGPT 和其他 AI 工具并不总是提供合乎道德、公正的答案,并且可能提供导致偏见和歧视的答案,例如文化、种族、性别歧视。 • 由于数据中的这些偏见,AI 工具可能提供导致种族主义、性别歧视、残疾歧视和其他有害歧视形式的答案。 • 媒体报道表明,创建这些工具的公司的劳动实践有时存在问题,依赖低薪或无薪劳动力对数据集中的内容进行人工检查。还值得记住的是,当您使用这些工具的免费版本时,您正在向公司提供无偿劳动,公司将利用您的问题和回答进一步训练该工具并回应其他工具。
据TAdviser称,大量受访者认为开源解决方案和保证一定SLA水平的付费技术支持(78%)是大数据分析最有前景的平台。优先考虑部署在私有云中并使用自己的基础设施的商业平台,这些平台完全由客户控制(64%)。从安全角度来看,大公司不会考虑使用开源平台。