AI en crreativiteit, gaat het samen? Ik had het er over van de week met iemand (dank S.!) uit de creatieve sector. Het ging over de vraag of generatieve AI creatief kan zijn. We dachten allebei van niet.
Creativiteit wordt vaak gezien als iets voor specifieke beroepen. Kunstenaars, muziekanten, schrijvers. Reclamemensen. Ontwerpers.
Maar eigenlijk moeten heel veel mensen in hun werk iets creeëren. Of je nu een e-mail typt over iets moeilijks, een antwoord verzint voor een klantvraag die niet eerder is gesteld, een beleidsnota schrijft over een nieuw onderwerp, voor het eerst een businessplan moet schrijven, een nieuwe jingle verzint of moet bedenken hoe je klanten beter kunt bereiken: het is iets waarvoor je je creativiteit moet inzetten.
Hoeveel creativiteit hebben we eigenlijk nodig?
Niet iedereen vindt zichzelf creatief. En we krijgen meestal weinig tijd om onze creativiteit echt aan te boren. We hebben haast. We moeten presteren, produceren en oplossingen vinden.
Logisch dat we snel naar AI grijpen in plaats van dat we zelf nadenken. Het is een makkelijke oplossing voor iedereen die iets niet kan, iets denkt niet te kunnen, geen tijd en vertrouwen heeft om zich iets eigen te maken of gewoon haast heeft.
Dat is op zich al jammer, natuurlijk, want het leren van een vaardigheid, het opdoen van ervaring en het verwerken van kennis is iets dat voldoening geeft. Je zou kunnen zeggen dat leren prompten dat ook is, maar ergens denk ik toch dat het niet hetzelfde is.
Maar het is wel logisch dat we naar tools grijpen, want het is ook opzienbarend, wat je kunt doen met (generatieve) AI. Het is een geschenk uit de hemel, als je onder druk staat om meer te presteren en produceren. Of het nou gaat om tekst, onderzoek, beeld of geluid: je kunt opeens dingen creeëren die je niet voor mogelijk houdt. En binnen een oogwenk, ook nog. What’s not to like?
Een heleboel, natuurlijk. Hoe meer we overal dezelfde generieke AI-tools voor gebruiken, hoe meer alles afvlakt. Maar het is logisch dat mensen er naar grijpen.
Toch vind ik van alle toepassingen waarvan de duizenden nieuwe tips over hoe je ‘e er goed ‘AI’ (generatieve AI) voor kunt gebruiken, de brainstorm-tips het ergste. De mensen die beweren dat je creativiteit kunt vervangen door een prompt.
Ik zal niet ontkennen dat je output krijgt. En misschien ook output waar je iets aan hebt. Ik weet ook dat er mensen zijn die met AI waanzinnige dingen doen, in een proces dat heel wat verder gaat dan 1 simpele prompt. Maar dat is natuurlijk niet de belofte. De belofte is dat je met een slimme prompt hele creatieve processen in een keer kunt vervangen.
En je krijgt ook output. Maar als het er echt toe doet, als je echt op zoek bent naar dingen die nog niet bedacht zijn, dan is AI volgens mij niet de oplossing. En dat heeft twee redenen.
De eerste is dat je een systeem van gemiddelden vraagt om iets nieuws te bedenken. Dat maakt de kans op echte creativiteit en op unieke ideeën eigenlijk al nihil. Hoeft niet erg te zijn. Maar soms heb je échte creativiteit nodig.
De tweede is dat echte creativiteit vraagt om divergentie. Maar door AI te gebruiken, ga je zonder het te weten direct al convergeren. Je gaat al naar een oplossing toe, voordat je überhaupt begonnen bent met het bedenken van nieuwe mogelijkheden.
Het hele punt van AI is dat het niet creatief mag zijn
Om met dat eerste te beginnen: generatieve AI levert per definitie een gemiddelde. Het enige dat een chatbot, beeld- of audiomodel kan doen, is voorspellen wat het meest vaak voorkomt op basis van de data die gebruikt zijn om het model te trainen. En het probleem met voorspelling is dat je er gemiddeldes voor nodig hebt.
Dat is wat AI doet: voorspellen hoe groot de kans is op een bepaalde uitkomst. Hoe meer voorbeelden (data) je er in stopt, hoe beter het gaat voorspellen. Althans, op basis van die data.
In theorie zouden daar dingen uit kunnen komen die bijzonder zijn. Als je een waanzinnig grote en vooral goede dataset zou gebruiken, zou het kunnen dat een AI-model patronen gaan herkennen die we zelf nooit zouden zien. En dus bijzondere dingen kan voorspellen. Dat is een beetje de belofte van speciale AI-modellen voor het ontwerpen van nieuwe moleculaire verbindingen en medicijnen, waarvan het schijnt dat die al waar wordt gemaakt. Maar meestal is de kwaliteit van de dataset niet zodanig dat je er veel nieuws van kunt verwachten, denk ik. Zeker niet de algemene generatieve modellen die wij allemaal gebruiken.
In het geval van die chatbots, bijvoorbeeld, voorspelt de tool voor ieder stukje van een woord (dat heet een ’token’) de kans dat een bepaald stukje het volgende moet zijn, en kiest dan het stukje met de hoogste kans. Het meest waarschijnlijke stukje tekst, op basis van de data waarop het systeem is getraind.
Dus hoe meer je er dit blog in stopt, de groter de kans dat er iets uitkomt dat op dit blog lijkt. Hoe meer seksitische Reddit-threads je er in stopt (een populaire dataset voor grote taalmodellen), hoe groter de kans dat diezelfde insteek er uitkomt als je het een vraag stelt. Hoe meer je er het gemiddelde internet in stopt, hoe meer het middelmatige dingen voorspelt.
Dat het steeds indrukwekkender wordt, komt omdat deze modellen zoveel data hebben gebruikt in hun training, dat ze steeds grotere sets van tokens kunnen voorspellen. Dat voelt een beetje alsof ze context gaan begrijpen, al blijft het simpelweg een statistische voorspelling van sets van woorden.
Het doel van zo’n model is dat al die stukjes woorden bij elkaar kloppen en dat wij blij zijn met de uitkomst. Dat we die herkennen. Het laatste dat we willen is dat zo’n chatbot onzin gaat verkopen. Als je favoriete bot zo maar wat tokens achter elkaar gaat zetten, heb je er niets aan. Je traint een AI-model tenslotte om voorspelbaar te zijn. Om het meest voor de hand liggende als output te geven.
Dat hoeft niet erg te zijn (behalve die vooroordelen). Voor heel veel toepassingen is het genoeg om het gemiddelde, het gewone, het meest voor de hand liggende uit zo’n systeem te krijgen. Een veelgebruikt business plan, een gemiddeld bezwaarschrift, een standaard e-mailtekst, een blog zoals we blogs gewend zijn (al zijn er consequenties, maar dat is een andere discussie).
Waar het op neer komt, is dat je eigenlijk niet kunt verwachten dat een AI chatbot je iets echt creatiefs gaat geven.
Want het kan best zijn dat AI je een uitomst geeft die je zelf niet bedacht zou hebben. Maar dat maakt het nog niet creatief. Wat dat betreft is ‘creatief’ een subjectief begrip.
Je ziet dat op LinkedIn (en andere social media): de berichten gaan meer en meer op elkaar lijken en zijn minder en minder onderscheidend. Overal waar massaal generatieve AI wordt gebruikt, ga je dit krijgen. Denk maar aan de AI-gegenereerde afbeeldingen die je overal online ziet. Wanneer ze het zelfde thema hebben, zie je dat ze in grote mate hetzelfde zijn.
De ‘experts’ zullen zeggen dat dat aan de prompt ligt. En zijn vast ingewikkelde prompts waarmee je meer variëteit zou kunnen krijgen in de output. Maar mensen maken het zichzelf makkelijk. En al zouden die er zijn, zou het principe hetzelfde blijven: generatieve AI-modellen zijn gemaakt om voorspelbare, plausibele output te genereren.
Langzaam wordt alle content gemiddeld. En steeds minder creatief.
Voor creativiteit heb je divergentie nodig, met met AI krijg je juist convergentie
Dat brengt me op de tweede reden dat (generatieve) AI volgens mij niet geschikt is voor creatieve processen. Zeker niet om als startpunt te gebruiken. Door je creatieve proces te starten met AI, ga je meteen convergeren. Maar voor creativiteit heb je juist eerst divergentie nodig:
Divergent denken richt zich op het ontwikkelen van ideeën en het combineren van verschillende cognitieve categorieën. Het gaat om flexibiliteit en het vermogen om diverse oplossingen voor een probleem te bedenken. Convergent denken daarentegen is meer systematisch en zoekt naar één of enkele beste oplossingen binnen een enkele cognitieve categorie.
Creatieve processen vereisen een integratie van divergent en convergent denken. Deze processen wisselen elkaar af, en soms vinden ze tegelijkertijd plaats. Divergent denken onderzoekt problemen vanuit meerdere invalshoeken, terwijl convergent denken gericht zoekt naar de meest effectieve oplossing.
(bron)
Om echt nieuwe dingen te bedenken moet je met een open blik opties gaan verkennen. Divergeren.
Ik had daarbij altijd een soort boom voor ogen, waarbij je telkens nieuwe takken maakt. Maar van S. leerde ik dat er zoiets is als het ‘double diamond model‘ bij brainstorms. Het idee is dat je eerst de ruimte neemt om heel veel ideeën te genereren (divergeren), dan ga je ze groeperen (convergeren) en dan doe je het nog een keer. Zie ook divergent thinking.
Generatieve AI-tools zijn er op gericht je het gemiddelde te geven van alle antwoorden op je vraag. Dus als je je creatieve proces start met een generatieve AI-tool, sla je eigenlijk al de weg in van convergentie: het zoeken naar een oplossingsrichting. Je gaat al een kant op, nog voordat je creatieve proces begonnen is. Daarmee sluit je al het andere al uit.
Het is een beetje alsof je je licht laat schijnen op een wereldbol in een hele kleine, afgemeten bundel en de rest in het donker laat.
Vaak geeft dit niets. We hoeven niet altijd iets nieuws te bedenken. Het is fijn om te kunnen gebruiken wat anderen al lang bedacht hebben als je een business plan moet maken, snel een afbeelding nodig hebt, van je broer een stripfiguur wilt maken of een soundtrack nodig hebt waar geen rechten op zitten van beroemde artiesten.
Maar soms is het wel degelijk belangrijk dat je vernieuwd bent. Als je nieuwe vraagstukken wilt oplossen die nog nooit zijn opgelost. Als je naar echt nieuwe manieren zoekt om een probleem aan te pakken. Als je wilt opvallen op social media met je nieuwe campagne. Of als je een manier zoekt om jezelf, je merk of je bedrijf onderscheidend te maken.
Creativiteit en AI
Zoals ik al zei, er zijn kunstenaars die bijzondere dingen doet met beeldmodellen. Met behulp van geavanceerde, complexe code genereren ze bijzondere afbeeldingen. Ze divergeren met AI als doek.
Maar de meesten van ons zoeken helemaal niet naar creatieve oplossingen, ideeën of content. Vaak is wat generatieve AI ons geeft met simpele prompts, voor ons al een verbetering, of zo lijkt het althans. Voor een groep collega’s die moet nadenken over een nieuwe salesstrategie, studenten die een paper moeten schrijven, of een zzp’er die een presentatie of afbeelding nodig heeft, lijkt wat een AI-model ze voorschotelt een verbetering op wat ze zelf denken te kunnen verzinnen.
En bovendien zijn er heel veel fasen in een creatief proces. Bij sommige van die fases is het gebruik van AI tools interessant. Zoals deze tip: geef de tool de persoonlijkheid van een bekend personage. Of door met behulp van een chatbot vragen te genereren die je moet beantwoorden over je eerste ideeën. Of door een tool te laten helpen met het categoriseren van die ideeën.
Maar de output zal altijd standaard en gemiddeld blijven.
Nee: als je echt op zoek bent naar iets nieuws, zul je toch echt je eigen creativiteit moeten gaan gebruiken.
Reageren?