A mesterséges intelligencia (MI) mint az ipari giccs előállításának leghatékonyabb eszköze
Weiler Péter írása

Ikonkép és borítókép:
„.” parancsra generált nem-kép

Az MI hiába hagyományos, emberek által készített fotókon és képeken tanulta meg a képalkotást, a rendszerutasítás és irányítás nélküli „nem-képeket”, azaz kontextust és kulturális mélységet nélkülöző képnek látszó jelenségeket állít elő.
A giccsről szóló értekezések elsősorban esztétikailag közelítik meg a témát, holott a kifejezés lényege nem a formában, hanem a szándékban van. A kereskedelmi céllal készült alkotások óhatatlanul a megrendelők ízlését és értékesítési céljait szolgálják ki. A giccset a megfelelés szándéka teszi azzá, és minden olyan vizuális vagy akár szöveges alkotást is idesorolnék, amire formailag nem mondanánk azt, hogy giccs.

Jeff Koons művei sok esetben formailag a giccs kategóriába tartoznak, de azok célja nem a tömegtermelés, hanem egy vásári, kereskedelmi esztétikába csomagolt léptékváltás. Mivel szándékosan giccset hoz létre, és azt több millió dollárért árulja, majd a legnagyobb múzeumok állítják ki, így Koons parodizálja a jelenséget. Roger Scruton szerint ez a pop-art művészetben népszerű, „megelőző giccs”1 attitűd: szándékosan giccset készítek, nehogy az véletlenül sikerüljön. Koons forgalomképes műalkotásokat hoz létre, ez nem is kérdés, mégis érezzük, hogy ezek inkább az áruknál és a kivitelezés minőségénél fogva kritikus tükröt állítanak a magas kultúra templomainak számító kortárs intézményeknek és a gyűjtők dollármillióban mérhető kiadásainak. Tehát ha a megelőző giccset egy Koonshoz hasonlóan híres és befolyásos művész hozza játékba, akkor meg tudja ezt a minőségi léptékváltást valósítani.

Mi a helyzet a Jeff Koons-hamisítványokkal, amik megtévesztésig hasonlóak az eredetivel, és méretben azonosak a művész által forgalomba hozott számozott replika sorozatokkal? Érdekes határmezsgye, mert elég egy Jeff Koons atest (hozzá a sok ezer dolláros számla), és máris egy műalkotásról beszélünk. Mert a művész eredeti célja ebben az alkotásban is megtestesül, és így be lett vonva a Koons-műtárgyak körébe. E nélkül a viszont egy dekorációs giccstárgyról beszélünk, bár esztétikailag a hasonlóság az eredeti és a másolat között megkérdőjelezhetetlen. Amennyiben tehát nem a giccs esztétikájából indulunk ki, hanem az azt létrehozó szándékból, megnyílik egy új terület, ahol a mesterséges intelligencia domináns szerephez juthat.

Mivel az MI bármilyen stílust ölthet, a giccs definícióját időszerű lenne a formáról végleg leválasztanunk. Amennyiben csak a szándék mentén osztályozzuk a tartalmakat, és eltekintünk azok formai vizsgálatától, akkor kijelenthetjük, hogy az MI a tökéletes önműködő giccsüzem. Az MI által kereskedelmi céllal készített képek az azokat előállító rendszer természetéből fakadóan lesznek giccsek függetlenül azok esztétikájától. Az MI a figyelem ökonómiára2 optimalizálva megtanulja, hogy milyen képekkel lehet a legnagyobb hatást kelteni, milyen kompozíció, stílus és effektek használatával tudja a legrövidebb idő alatt kielégíteni a megrendelők igényeit. Az így keletkező képek az interneten terjesztve további alapanyagot adnak az MI-rendszereknek, így várhatóan mindez egy öngerjesztő folyamatban erősödik és gyorsul.

Tomas Kulka Giccs és művészet3 című könyvében egy tájképen keresztül tesz kísérletet, hogy elmondja mi a giccs: ez a gondolatkísérlet fontos minőségi különbségre mutat rá a valóság (természet), a fotográfia és a festészet viszonylatában. Képzeljünk el három keretet, az egyikben egy naplementét ábrázoló fotó van, a másik ugyanerről készült festmény, és a harmadik egy nyílás, amin keresztül magát a természeti jelenséget látjuk. Az utóbbiról kizárhatjuk, hogy giccs, hiszen a természet nem lehet giccses. A fotó és a festmény közül sokkal többen mondanák a festményre, hogy giccs. De vajon miért? A fotó realizmusa közelebb áll a természethez és a valósághoz, mint a legrészletesebb festményé. André Bazin szerint4 a fotó maga a valóság, és ezt érezzük. A médiumban rejlik a különbség. Így a naplementét ábrázoló fotóval megbocsátóak vagyunk, még ha a retinánkra ugyanaz a látvány is vetül, mint a giccsképnek megfestett verzió esetén. A fotó közelebb visz minket a természethez, a festménynél valami más hátsószándékra gyanakszunk.

Ez nem azt jelenti, hogy egy fotó ne lehetne giccses. Leginkább kereskedelmi reklám célra készült fotóknál érezhetjük ezt. Roger Scruton szerint5 viszont ebben az esetben a giccs már a fénykép elkattintása előtt beállt, nem a fotó maga teszi majd a látványt giccsé. Az érzelmi hullámok keltésére megrendezett jelenet önmagában lesz giccses, a fotó azt csak reprodukálja. Utómunkánál, manipulációval és effektekkel lehet giccses fényképeket nagy biztonsággal előállítani. Még ebben az esetben is, ha egy manipulált fotót festményként látunk, sokkal könnyebben mondjuk rá, hogy giccs.

Képzeljük el egy gondolatkísérlet alapján, hogy a szobában nem három, hanem négy képet látunk: nyíláson keresztül látható naplementét, fotót a naplementéről, festményt a naplementéről, egy MI által generált naplementét (tételezzük fel, hogy pont ugyanazt le tudjuk generálni). Az MI látványban a fotóval lesz azonos, minél természetesebben ábrázolja a naplementét, annál kevésbé gondoljuk azt formailag giccsesnek. Ugyanakkor, ha lefuttatunk egy MI detektor szoftvert a képen, azt kapjuk, hogy bár az a fotóval azonos, mégis ezt a példányt a mesterséges intelligencia kreálta. Ha a fotóról nem gondoljuk, hogy giccs, itt most mégis érezzük, hogy nem lehet értékben azonos a fotóval, hiszen ez egy szimulált kép, ami olyan akar lenni, mint a valóság, de ahhoz nincsen semmi köze. Ez az MI fotó egy stock adatbázisba feltöltve vagy egyéb kereskedelmi tevékenységet támogatva teljesíti be aztán a giccs misszióját.

Milan Kundera szerint „a lét határozott igenlésének az esztétikai eszményképe az olyan világ, mely tagadja a szart, és mindenki úgy tesz benne, mintha a szar nem létezne. Ezt az esztétikai eszményképet giccsnek nevezzük.”6 „A giccs birodalmában a szív diktatúrája uralkodik.”7 A giccs kiváltotta érzelemnek azonban olyannak kell lennie, hogy sokan osztozhassanak benne. Ezért a giccs nem építhet egy szokatlan helyzetre, alapképletekből kell kiindulnia, melyek az emberek fejébe vannak sulykolva. Az MI képgeneráló rendszerek működési elve, hogy a felhasználó kiválasztás révén jut el a végső változatig. A szöveges utasítások módosítása, finomítása és a felkínált változatok Tinder-szerű osztályozása tanítja a rendszert, hogy idővel minél hatékonyabban jusson el a megrendelő ahhoz a minőséghez, ami már forgalomba hozható.

Ha egy kép elkészítésének a szándéka kereskedelmi, akkor az számít jó képnek, ami a kitűzött kereskedelmi célt megvalósítja. Nincs más szempont, aminek meg kellene felelni, mint a fogyasztás növelése vagy adott esetben egy politikai üzenet célba juttatása. Az MI révén személyre szabottan lesz generálható minden kép, egy politikai üzenet úgy juttatható el a fogyasztóhoz, hogy mindenki a saját ízlésének, koncentrációs képességének, emlékeinek és tartalmi preferenciáinak megfelelővel találkozzon. Technikailag megoldható lesz, hogy ugyanaz a kereskedelmi vagy politikai termék mindenki számára különböző vizuális tartalommal és stílusban jusson el.
Az MI visszacsatolást kap, hogy melyik kép kapta a több like-ot, melyiket osztották meg többen. A végeredménynek a legnagyobb hatást kell kiváltania, így a legfelismerhetőbb és leglátványosabb képi elemekből kell építkeznie. Az MI segítségével a végtelenségig hatásoptimalizált képi kommunikáció a médiában, a politikában és a közéletben egy olyan új eszköz, aminek a következményét még nem ismerjük.

Marc Augé Non Places című, 1995-ben megjelent könyvében a szupermodernitást úgy írja le8, mint a mértéktelenséget időben, térben és egóban. Az első kiadás óta eltelt csaknem 30 évben ez a folyamat az internetnek köszönhetően csak gyorsult. Egy olyan korban élünk, amikor folyamatosan megosztjuk a figyelmünket, és több képernyőn (okos óra, ipad, laptop, TV) multitaskingban követjük a világ eseményeit. Habár úgy tűnik, hogy időnk egyre kevesebb, mégis több és több történést és információt préselünk bele egységnyi időbe. A fizikai határok eltűnnek, az információ szabad áramlásával a minket körülvevő, minket befolyásoló tér is nagyobb lett. Ez a felfokozott életvitelt kiszolgáló infrastruktúra teremti meg a nem-helyeket, amik mentesek a történelmi és kulturális gyökerektől, generikusan személytelenek. Az okos telefonjaikba feledkezett emberek között élve, egyforma plázák, városok, repterek, szállodák és irodaházak hatására erősödő vágyat érzünk, hogy saját személyiségünket kiemeljük. Ha már a világ személytelen, akkor a tetoválásom, a piercingem, a graffitim, a selfie-m és az instaprofilom különböztessen meg a többiektől.

Augé a szupermodernitással összefüggésben megjelenő nem-helyekre úgy tekint, mint annak az épített környezetünkben tetten érhető fizikai leképezésére. A szupermodernitással járó, gyorsan terjedő infrastrukturális massza minden nagyvárost hasonlóvá tesz. A globális kereskedelmi láncok, szállodák, kávézók leszűkítették a távolságot, mert tizenkét óra repülés után is pont azt és úgy vásárolhatjuk meg New Yorkban vagy Dubaiban, mint Budapesten. De ezért minek is repülnénk, hiszen az online kereskedelmet kiszolgáló automata csomagpontok megtöltik az aluljárókat, plázákat, parkolóházakat. A one-click shopping az ujjbegyünkből indítható, reflexszerű vásárlással a várost átadjuk a robogós futároknak és a fehér csomagszállító furgonoknak.

Mark Fisher az időről, pontosabban a jövő eltűnéséről ír9 a Ghost of My Life című könyvében. Mintha a jövő kulturális szempontból nem kezdődött volna el; elhomályosodott, hogy mit várhatunk a következő évtizedektől, így nem is teszünk kísérletet, hogy ezt a jövőt a mában megvalósítsuk. Fisher szerint jó példa erre a Kraftwerk német zenekar, amely a 70-es években előremutató módon a jövő zenéjét alkotta meg. Semmihez nem hasonlítottak, eredeti és új, mindenben formabontóak voltak. Ma nincs a Kraftwerkhez hasonló, úttörő együttes, mintha a jövő nem üzenne már semmit a jelennek. A jövő inkább a múlt, ami már megtörtént újra és újra. A biztos kereskedelmi siker, a profit az egyetlen mérce, amivel egy alkotó releváns tud lenni a mában. Spotify, Netflix vagy a Blue Chip galériák hálózata a kockázatvállalás helyett a múltban kipróbált és sikeres paneleket gyártatják újra. Nosztalgia és múltidézés a meghatározó irány. A képzőművészetben a pop-artot vagy az absztrakt expresszionizmust, a hard edge és a colorfield festészetet mintha nem váltotta volna fel semmi.

Zombie formalizmusként hivatkozik10 az Artnet cikke arra a jelenségre, hogy a művészeti oktatás magas költségei, így az arra felvett diákhitelek nyomasztó terhei arra ösztönzik a frissen végzett művészeket, hogy a biztos kereskedelmi sikert részesítsék előnyben. Fisher szerint11 a neoliberális kapitalizmus fokozatosan és szisztematikusan vette el a művészektől az új ötletekhez szükséges forrásokat. Azt kell gyártaniuk, amire igény van, és ezt a múlt sikereiből lehet a legbiztosabban megjósolni. Így nem vagyunk képesek túllépni a múlt izmusain. Augé szerint az időhorizontunk kitágult, de mintha ez kulturális szempontból csak a jelen és a múlt közti térre vonatkozna.

Roy Brand, az izraeli Bezalel Egyetem filozófia professzora12 2024. április 3-án a MOME meghívására tartott előadást a doktori iskolában. Arról beszélt, hogy a „contemporary” egy új jelenség, ami soha korábban nem volt ennyire domináns. A művészettörténetben izmusok határozták meg az egyes időben is elváló korokat, ma ezt felváltotta a „contemporary” mint egy mindent a jelen időben magába olvasztó fogalom. A művészetben a jövőbe tekintés korábban izgalmasabb volt, mint az aktuális. A contemporary, azaz kortárs művészet a jelenre koncentrál, mert a jövőtől nincs mit remélnie. A jelenben kell lennünk, ezért non-stop minden képernyőn követjük a híreket, vagy spirituálisan, a történéseket kizárva próbálunk a pillanatra koncentrálni. Brand szerint ez a két attitűd egy tőről fakad. Ha nincs jövő, akkor felértékelődik a jelen, és mindenki azt a művészi nyelvet és témát keresi, ami mai.

Adorno és Horkheimer a híres Kultúripar című fejezetükben13 már 1947-ben rávilágítottak a bestsellercentrikus hollywoodi termelésre, ahol az ismételt sikerszériákban minden felcserélhető. Európában még volt néhány jó évtizede a filmművészetnek, de mára a központilag algoritmizált streaming technológiával a bátor és kísérletező művészetet kiszorítják a „tartalmak”, azaz csak az időt lekötő, kommersz sorozatok és filmek.

Fredric Jameson ugyanerre a következtetésre jut,14 szerinte, amikor már új stílust nem vagyunk képesek létrehozni, a posztmodern művészet imitálni (pastiche) kénytelen a letűnt korok stílusait. A művészet múltba merengve egy nosztalgikus üzemmódban éli át újra a már megtörtént izmusokat. A nosztalgia világjelenség, magyar képzőművészként én is az internet előtti időkre (80-as és 90-es évek) emlékszem vissza legszívesebben az életemből. Egyrészről természetesen a saját fiatalságára és gyerekkorára mindenki egyfajta idilli állapotként tekint vissza, de szerintem ennél most többről van szó.

Vilém Flusser szerint15 a világunk átalakult, és a minket körülvevő dologi környezet elhalványodik, hogy mindent kiszorítson az információ. Tárgyak helyett adatokat gyűjtünk. Az analóg kép helyett hozzáférésünk van a felhőbe mentett pixelekhez. Egészen addig, míg a havidíjat fizetjük, mert utána minden megsemmisül. Ez a ködként terebélyesedő információ a non-things (nem-dolgok), amiknek az értelmezésére, fekete dobozként működő algoritmusok általi feldolgozására a mesterséges intelligencia az új eszközünk. A nem-dolgok a nem-helyekhez hasonlóan egy feje tetejére állított, magából kiforduló jelenség. Az információéhségünket egyre több adattal csillapítjuk (például okos órán követjük a testünk rezdüléseit), de a több adattól okosabbak nem lettünk, az okos otthonaink, okos óráink és telefonjaink a saját okos börtönünk falai.

A koreai filozófus, Byung-Chul Han Flusser tézisének egy egész könyvet szentelt.16 Szerinte a kéz nélküli ember, a phono sapiens, az okos telefonján keresztül alakítja a világot játszótérré. Az élvezeteket és élményeket részesítjük előnyben, és így elveszítjük a tettel járó szabadságot. A cselekedet szabadsága helyett ma a fogyasztás szabadságát éljük. Ezt a minket körülvevő technológiát nem értjük, és mivel a technológia átalakította a világunkat, abban sem találjuk a helyünket. Erre világít rá Wim Wenders Tökéletes napok című új filmje, ami óhatatlanul is nosztalgiát kelt egy régi, analóg világ iránt. A rendező egy interjúban kifejtette,17 hogy a COVID után meglepte, hogy semmit nem tanult az emberiség a kétévnyi izolációból, a halálból és a megszorításokból. A járvány után még hektikusabban és gyorsabban élünk, mint előtte. A film főszereplője az egyszerű élet nyújtotta boldogságot éli át minden nap. Saját kezében van életének minden eleme. A film 4:3-as képaránya, a zenei válogatás, a kazetták és könyvek, az analóg fényképezőgép és az előhívott papírfotók olyan elemei a filmnek, amiket már el is felejtettünk.

Olyan gyorsan történt, hogy a zene a Spotify, a barátok a Facebook, a fénykép az Apple Photos, a mozi a Netflix, az internet a Google, és minden más a TikTok. Egy-egy márka váltotta ki a korábbi diverz világunkat. Az egyre csak erősödő győztes látszólag mindent visz, mindenki másnak marad a szűkülő tér. Pont ellenkezőleg kellett volna történnie, az internet ígérte nekünk a színesebb életet. Wenders nagyon finom eszközökkel, egy minimalista forgatókönyvvel mondja el, hogy a növekedéscentrikus életünk rossz. Nem vezet boldogsághoz, csak mentális betegségekhez. A jövő, az egy vakító fény lett, amibe kellemetlen belenézni, további növekedés, még gyorsabb technológia, még átláthatatlanabb algoritmusok, megfigyelő cégek és államok, egyre kevesebb egyéni kontrol.

Baudrillard azt mondja,18 hogy a világ egy szimuláció, de nem azért, mert egy láthatatlan program fut a háttérben, hanem mert mi emberek tettük azzá. Magunk választottuk a technológiát, ami szimulációvá és szimulakrummá alakított át mindent, beleértve minket is.

Egy 2023-as kutatás szerint a 18–64 év közötti amerikai lakosság 27 százaléka19 heti 20 óránál is több időt tölt számítógépes játékokkal. A PriceWaterhouseCoopers előrejelzése szerint a globális játékipar 2027-re több mint 300 milliárd dolláros bevételt érhet el,20 és már 2022-ben is hétszeresét produkálta a teljes filmipar 26 milliárd dolláros forgalmának.21 A legnépszerűbb játékokban,22 mint a Fortnite vagy a GTA, megrajzolt, de mégis realisztikus világokban lehet a túlélésért harcolni, és a valódi világunkból kiszakadni. A mesterséges intelligenciára építve ezek a játékvilágok egyre több olyan interaktív elemet tartalmaznak majd, amik a szereplőket emberi (beszéd, szöveg, videó) dimenziókkal ruházzák fel. Egyetlen cél a játékban eltöltött idő és az ott beszedhető bevétel növelése.

Baudrillard a média társadalomra gyakorolt hatásának eredményére vezeti vissza a hiperrealitás elméletét. A metaverzum egyelőre nem váltotta be a készítőinek a hozzá fűzött reményeit. Valószinűleg azért sem, mert ugyanezt a hiperrealitás élményt már átélhetjük a minket körülvevő világban. Maga a világ lett a metaverzum. Baudrillard azt írja, hogy a saját realitásunk már megszűnt létezni. Bekövetkezhet a tökéletes bűntény, a világunkat nyom és tanuk nélkül felszámoljuk.

Philip Wang szoftverfejlesztő 2019-ben Ian Goodfellow által létrehozott GAN (general adversial networks) mesterséges intelligencia rendszeren indította el a This Person Does Not Exists (Ez az ember nem létezik) című weboldalt.23 A szolgáltatás minden lapletöltésre új arcot generál, ami a legtöbb esetben megtévesztően hasonlít az emberi arcra. Gyakorlatilag nem tudjuk megállapítani, hogy ezek nem valódi emberek. A weboldal célja, hogy felhívja a figyelmet a mesterséges intelligencia megtévesztő erejére, miközben persze alapanyagot is szolgáltat az online visszaélésekhez. Ez az oldal egy kirakat, ami betekintést enged abba, hogy mennyire képes a technológia minket, embereket mesterségesen megteremteni. Őszinte tekintetek szegeződnek ránk, a szemünk és az agyunk azt mondja, hogy ők valódiak. Van ebben valami mélyen megérintő, hogy szinte azt kívánjuk, megérdemelnék, hogy éljenek. De ők nem léteznek, nem születtek meg, és sosem fognak a mi világunkon osztozni. Nem emberek, mindössze pixelekből felépített illúziók.

MI-detektor szoftverrel ellenőrizve két ellenkező eredményt kaptam. A Huggingface szerint a fotót ember készítette, míg az Isitai meg tudta állapítani, hogy mesterséges képről van szó. Semmiben nem lehetünk már biztosak, ha az MI az emberi test legfontosabb, legérzékenyebb elemét, az arcot is képes szintetizálni, ráadásul azt könnyedén, gyorsan és végtelen mennyiségben.

Egyszerre élünk a Baudrillard-féle hiperrealitásban és az Augé-féle szupermodernitásban. A társadalomtudománynak nehéz már fokozó jelzőt találnia, hogy leírja az emberiségre ható technológiai erőket. Szerettem volna megkeresni a képekben a nem-helyek megfelelőjét. Milyen az a kép, ami megfelel Marc Augé-féle definíciónak? Személytelenek és mentesek a történelmi és kulturális gyökerektől. A feladat nem olyan egyszerű, mert még a legszemélytelenebb Google streetview képek is lefednek egy konkrét földrajzi helyet, tartalmaznak ember alkotta házakat, utcákat és lokációhoz köthető információt, jeleket. A streetview képeket is el tudjuk helyezni a kulturális térben.

A mesterséges intelligencia szintetizáló képességére hagyatkozva ugyanakkor előállíthatóak olyan képnek látszó anyagok, amik szerintem kimerítik Augé definícióját. Ha a mesterséges intelligenciát szabadon engedem, azaz semmilyen instrukciót nem adok neki, így azt csinálhat, amit akar, akkor egy furcsa, mégis ismerősnek látszó világ tárul elénk. Az alábbi próbálkozások úgy készültek, hogy a Midjourneynek egyetlen szót (bármi, semmi, csinálj, amit akarsz) vagy egyetlen karaktert (pont és kettőspont) adtam meg. Ezekre azért volt szükség, mert teljesen üresen hagyott mezővel nem indul el a képgenerálás. Az így létrejött, képeknek látszó anyagokat nem-képeknek definiálnám. Ezeket emberi kéz nem érintette, sem szellemi munka és elképzelés nem volt szükséges az előállításukhoz. Igaz, hogy a rendszer többségében hagyományos fotók és képek segítségével tanulta meg a mesterséges képalkotást, mégis ez a tudás emberi irányítás nélkül egy kontextust és kulturális mélységet nélkülöző világot tükröz vissza.

A nem-képek hiperrealista hallucinációk, amelyek személytelenségükben mentesek a kulturális gyökerektől. Mintha egy autót kivennénk a sebességből, kioldanánk a kéziféket, és csak a gravitációs erőre bízva engednék gurulni. Ez a tehetetlenség játszódik le itt is, csak a képalkotásban. Ahogy guruló autónál is valamilyen irányba húzni fog a kormány az útviszonytól vagy a keréknyomástól függően, úgy az MI is tart egy bizonyos irányba. Ezt a belső iránytűjét leplezhetjük le a nem-képek generálásával. A fenti sorozaton látszik, hogy női arcok, virág és egyéb organikus minták dominálnak. Zagyva és negédes fantáziavilág, aminek kivétel nélkül mindegyik eleme ízléstelen. Ha létezik szomorú és depresszív látvány, akkor ezt megtaláltuk. Emberinek álcázza magát, próbál úgy hízelegni, hogy befogadjuk, és pontosan ezt a görcsösséget látva fog el minket az azonnali vágy a természetes és igaz képek után.