Luova tekoäly

Termi ”tekoäly” on ollut käytössä jo 1950-luvulta lähtien, mutta vasta viimeisten 5—10 vuoden aikana on kehitetty algoritmeja ja tarpeeksi nopeita tietokoneita, jotka mahdollistavat monipuolisen kuvamateriaalin generoimisen. Puhumme generatiivisesta eli uutta sisältöä, kuten tekstiä, kuvaa, ääntä ja jopa liikkuvaa kuvaa eli videota, tuottavasta tekoälystä. Algoritmi voidaan tässä yhteydessä tulkita tietokoneohjelmaksi tai sille annetuksi ohjeistukseksi. 

Nykyiset tekoälymallit, jotka pystyvät tuottamaan kuvamateriaalia, on opetettu valtavalla määrällä kuvia. Esimerkiksi Laion-b-tietokanta koostuu lähes 6 miljardista kuvasta. Tämä tietokanta tai opetettu malli on monen kuvia tuottavan tekoälyohjelman taustalla. Toinen, kuvia tulkitseva tekoäly on käynyt läpi kerätyt kuvat tunnistaen ja luokitellen niissä esiintyviä kohteita, kuten kissat, pilvet, kukat, maisemat, mutta myöskin kuvaillen muun muassa, minkälainen tunnelma kuvassa on tai millä tyylillä kuva on tehty. Nykyisillä tekoälyohjelmistoilla voidaan luoda uusia kuvia käyttämällä kuva-aiheisiin ja esimerkiksi tyyliin liittyviä avainsanoja. 

Tämänkaltaisen kuvamateriaalipankin käyttöön liittyy kysymyksiä siitä, keitä ja mitä kuvissa esiintyy, ja mistä kuvat ovat peräisin. Kuvat on kerätty Internetistä, varsinkin sen eri kuvapalveluista, kuten Flickr-valokuvapalvelusta, ArtStationista, DeviantArtista, Instagramista ja Pinterestistä. Palveluihin ladattuja kuvia on käytetty uusien algoritmien opetusmateriaalina. On siis mahdollista, että tietokannat painottuvat länsimaisiin kuvastoihin, kulttuuriin, maisemiin, ihmisiin ja kaupunkielämään. Muiden kulttuurien, kuten afrikkalaisen tai eteläamerikkalaisen kulttuurin, kuvastoa ei välttämättä ole yhtä paljon saatavilla näissä palveluissa. Tämä vaikuttaa siihen, millaista kuvamateriaalia tekoälyalgoritmit tuottavat.  

Toinen ongelma, joka on noussut esiin, on tekijänoikeuskysymys. Tekoäly pystyy tuottamaan kuvia, jotka näyttävät tietyn taiteilijan tekemiltä opittuaan tyylin internetissä julkaistuista taiteilijan töistä. Tämä voi aiheuttaa ongelmia erityisesti niille taiteilijoille ja kuvittajille, jotka ovat vielä elossa. Jos tekoälyllä voidaan tuottaa kuvia, jotka muistuttavat hyvin paljon taiteilijoiden tai kuvittajien tekemiä töitä, se voi vaarantaa heidän ansaintamahdollisuutensa. 

Yksi mahdollinen ongelma on deepfake-materiaalin tuottaminen. On mahdollista tuottaa uusia kuvia, jotka näyttävät esittävän esimerkiksi kuuluisaa näyttelijää tai poliitikkoa tästä aiemmin julkaistujen kuvien pohjalta. Mediassa usein esillä olevista henkilöistä on paljon kuvamateriaalia, ja tekoälyalgoritmit ovat todennäköisesti oppineet miltä henkilö näyttää. Voimme opettaa tekoälylle paitsi miltä joku henkilö näyttää, myös miltä tämä kuulostaa.  

Nähtävissä on, että tekoälyalgoritmien käyttö on muuttumassa eettisempään suuntaan. Joissakin kuvien jakamispalveluissa (esim. ArtStation) on jo mahdollisuus estää omien kuvien käyttö tekoälyn opettamiseen. On myös mahdollista poistaa omia kuvia tietyistä tekoälyalgoritmeista. Keskustelua käydään myös tekoälymallien tasa-arvoisemmasta ihmiskuvasta, jotta eri sukupuolet, iät, etniset taustat ja muut seikat otettaisiin paremmin huomioon. 

Seuraava kehitysvaihe, josta on jo esiasteita, on luovalla alalla videokuvan tuottaminen tekoälyllä. Vaikka tällä hetkellä pystytään tekemään vaikuttavan näköisiä kuvia, valokuvia tai vaikkapa maalauksia, videokuvan tuottaminen on vielä haastavaa. Kuvia tuottavalla tekoälyllä on kuitenkin paljon positiivista potentiaalia. Suunnittelija voi esimerkiksi tuottaa useita kuvia eri tyyleillä ja tehdä eri versioita saadakseen nopeasti aikaan erilaisia esimerkkejä, joista lähteä liikkeelle työskentelyssä. Voisi myös olla hauskaa muuttaa omakuva esimerkiksi sarjakuvaksi, vesivärimaalaukseksi tai origamiksi. 

Tällä hetkellä kuvien tekemistä voi kokeilla erilaisilla nettipalveluilla ja sovelluksilla. Jotkut palveluista ovat ilmaisia ainakin aluksi, eikä niissä välttämättä tarvitse käyttää omia kuvia. Rahalla saa usein parempaa kuvamateriaalia ja kuvantuottaminen sujuu nopeammin.  

Kannattaa myös muistaa, että tekoälyä käytetään paljon arjessa. Se auttaa meitä esimerkiksi löytämään parhaan reitin karttasovelluksessa, kun liikumme paikasta A paikkaan B, tai ehdottaa meille elokuvia tai TV-sarjoja Netflixissä aiempien valintojen perusteella. Tekoäly auttaa myös esimerkiksi Alexan, Cortanan ja Sirin kaltaisia puheentunnistussovelluksia ymmärtämään, mitä sanomme. Eräs esimerkki kuvia muokkaavien tekoälyalgoritmien arkipäiväistymisestä on Photoshop-kuvankäsittelyohjelma: siinä on jo olemassa tekoälypohjaisia tapoja, ”neuraalifilttereitä”, muokata kuvia. Onkin todennäköistä, että tulevaisuudessa yhä useampi sovellus käyttää tekoälyä. Tekoäly tuo mukanaan monia haasteita, mutta myös mahdollisuuksia. 

Kaiken kaikkiaan generatiivinen tekoäly on mielenkiintoinen ja monipuolinen teknologia, joka tarjoaa lukemattomia mahdollisuuksia kuvien, äänen ja videon tuottamisessa. Kuitenkin on tärkeää ymmärtää, että sen käytössä on myös eettisiä ja käytännön haasteita ja siten huomioon otettavia seikkoja, kuten mm. tietosuoja, tekijänoikeudet ja kulttuurinen monimuotoisuus. On tärkeää, että opimme ymmärtämään tekoälyn potentiaalia ja rajoituksia, jotta voimme käyttää sitä vastuullisesti ja kestävästi tulevaisuudessa. 

Linkkejä:
Kuvia (ja videota) luovien eri tekoälymallien aikajana:  https://www.fabianmosele.com/ai-timeline 

Google Imagen Video: https://imagen.research.google/video/ 

CLIP: tekoäly, joka tulkitsee kuvia, auttaa luomaan yhteyden selittävän tekstin ja kuvan välille: https://www.pinecone.io/learn/zero-shot-object-detection-clip/ 

Teksti: Tomi Knuutila

Kuva: Siru Tirronen

Lasten ja nuorten mediamaisema muuttuu alati ja uudet ilmiöt seuraavat toisiaan. On tärkeää voida tarjota oppilaille välineitä ilmiöiden ymmärtämiseen ja käsittelemiseen. Tämä oppimiskokonaisuus kuuluu Polkuja uusiin mediailmiöihin – Tieto- ja tehtävämateriaalisarjaan. Materiaalisarja sisältää tietotekstit ja tehtävät opettajan ja oppilaiden käyttöön. Voit tutustua uusiin ilmiöihin mielekkäästi esimerkiksi “Miten käsitellä uusia medialukutaidon ilmiöitä pedagogisesti?” -toimintamallin avulla.