💬 NLP

When Algorithms Meet Artists: Semantic Compression and Stake-holder Marginalisation in Public AI-Art Discourse (2013-2025)

Dit artikel onthult dat het publieke discours over AI en kunst kunstenaars systematisch marginaliseert door middel van "semantische compressie", een proces waarbij de diverse zorgen van belanghebbenden worden teruggebracht tot een beperkt aantal onderwerpen die worden gedomineerd door brede clichés over creativiteit, waardoor de specifieke juridische claims en geleefde ervaringen van kunstenaars grotendeels afwezig blijven in de narratieven die het AI-bestuur vormgeven.

Oorspronkelijke auteurs: Ariya Mukherjee-Gandhi, Oliver Muellerklein

Gepubliceerd 2026-07-29

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ariya Mukherjee-Gandhi, Oliver Muellerklein

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een enorme, luidruchtige dorpsplein binnenloopt waar iedereen schreeuwt over een nieuwe uitvinding: Kunstmatige Intelligentie. In dit dorpsplein zijn er twee hoofdgroepen mensen. De ene groep zijn de "Builders" (de bouwers), de technologiebedrijven en wetenschappers die de AI maken. De andere groep zijn de "Users" (de gebruikers), de kunstenaars wiens werk de AI leert. De Builders zijn luid en duidelijk; ze praten over hoe geweldig, snel en revolutionair de nieuwe machines zijn. Zij zijn degenen die de megafoons vasthouden.

Maar hier komt het lastige deel: Hoe weten we wat de Users eigenlijk vinden? In de wetenschap, vooral wanneer men onderzoekt hoe mensen met technologie interageren, kijken onderzoekers vaak naar "publiek discours". Dit is gewoon een chique manier om te zeggen: "wat mensen zeggen in het nieuws, in juridische processtukken, in podcasts en in onderzoeksartikelen." Ze gebruiken een hulpmiddel genaamd "topic modeling", wat een soort super slimme sorteermachine is. Het leest duizenden zinnen en groepeert ze in bakjes op basis van waar ze over gaan. Als het nieuws vooral praat over "AI als een cool hulpmiddel" en "AI als een eng monster", dan zet de machine die zinnen in twee grote bakken.

De grote vraag die dit artikel stelt is: Als we naar het hele dorpsplein luisteren, horen we de Users dan wel echt? Of overstemt het lawaai van de Builders hun stem? De onderzoekers wilden zien of de complexe, rommelige en gevarieerde meningen van echte kunstenaars een eerlijk deel van de microfoon kregen, of dat hun stemmen werden platgedrukt in een klein, onherkenbaar hoekje van het gesprek.

De Grote Stem-samendrukking

In dit onderzoek besloten twee onderzoekers een spelletje "semantische tagging" te spelen om te zien wat er werkelijk aan de hand was in de wereld van AI en kunst tussen 2013 en 2025. Ze verzamelden een enorme stapel publieke gesprekken—1.736 tekstfragmenten uit nieuwsartikelen, podcasts, rechtszaken en onderzoeksartikelen. Ze gebruikten hun sorteermachine om deze stapel te organiseren in 20 verschillende onderwerpen. Sommige onderwerpen gingen over de geschiedenis van de technologie, sommige over de filosofie van creativiteit, en sommige over de juridische rechten van kunstenaars.

Vervolgens brachten ze de echte kunstenaars binnen. Ze namen de antwoorden van 252 praktiserende kunstenaars in de VS (schilders, fotografen, schrijvers, muzikanten en meer) die waren ondervraagd over hun gevoelens tegenover AI. Deze kunstenaars hadden zeer specifieke, genuanceerde meningen. Sommigen vonden AI een geweldig hulpmiddel maar een slecht bedrijfsmodel. Sommigen wilden betaald worden voor hun werk; anderen waren bereid het gratis te doneren. Sommigen waren bang; anderen waren nieuwsgierig. In totaal uitten deze kunstenaars 70 unieke standpunten (of "frames") verspreid over vijf hoofdcategorieën: Dreiging, Nut, Eigendom, Transparantie en Compensatie.

De onderzoekers namen deze 70 unieke standpunten van kunstenaars en probeerden deze te "projecteren" op dezelfde kaart met 20 onderwerpen die ze uit het publieke nieuws hadden opgebouwd. Ze wilden zien: Waar landen de kunstenaars op de kaart?

Het Schokkende Resultaat: Een Klein Eiland in een Grote Oceaan

Het antwoord was verbijsterend. De kaart van het publieke discours was groot en gevarieerd, gevuld met 20 verschillende onderwerpen. Maar toen de onderzoekers de stemmen van de kunstenaars op deze kaart plaatsten, verspreidden ze zich niet. Ze landden niet in de bak "Juridische Rechten" of de bak "Eerlijke Betaling". In plaats daarvan werd 94,9% van alle zorgen van de kunstenaars samengeperst in slechts twee onderwerpen.

Denk er zo over na: Stel je een enorme bibliotheek voor met 20 verschillende kamers. Het publiek praat over alles van de geschiedenis van penseel tot de wiskunde achter de AI. Maar wanneer de kunstenaars proberen te spreken, worden ze allemaal in Kamer 1 en Kamer 2 gedwongen.

Kamer 1 draagt het label "AI als Creatieve Collaborateur".
Kamer 2 draagt het label "AI Art Authenticiteit en Menselijke Creativiteit".

De andere 15 kamers in de bibliotheek, die 58,2% van het volledige gesprek vormen, zijn volledig leeg van de stemmen van kunstenaars. Dit zijn de kamers waar het publiek praat over "AI-Auteursrecht en Juridische Bescherming", "Verdedigingsinstrumenten voor Kunstenaars" en "Debatten over AI-Auteurschap". Het publiek voert een enorme discussie over kunstenaars in deze kamers, maar de kunstenaars zelf zijn daar niet. Het is alsof er een buurtvergadering is over jouw buurt waar de burgemeester, de politie en de projectontwikkelaars allemaal praten, maar de werkelijke bewoners buiten de deur worden gehouden.

Het is Niet Alleen een Stijlverschil

Je zou kunnen denken: "Nou, misschien klinken de kunstenaars gewoon anders. Misschien gebruiken ze korte, eenvoudige zinnen in enquêtes, terwijl het nieuws lange, chique paragrafen gebruikt. Misschien is dat waarom ze niet overeenkomen."

De onderzoekers controleerden dit. Ze namen de publieke nieuwsberichten en hakten ze in korte, eenvoudige zinnen die precies klonken als de antwoorden van de kunstenaars in de enquête. Ze probeerden de stijl gelijk te maken. Maar zelfs toen de stijl identiek was, pasten de kunstenaars nog steeds niet in het plaatje. Het gat ging niet over hoe ze spraken; het ging over waar ze het over hadden. Het publieke discours negeerde simpelweg de specifieke, actiegerichte eisen van de kunstenaars.

De Vier Manieren waarop de Samendrukking Gebeurt

Het artikel stelt dat deze "compressie" op vier sluwe manieren plaatsvindt:

Topicale Uitsluiting: De kunstenaars worden simpelweg niet uitgenodigd voor het feestje. Zoals eerder vermeld, hebben 15 van de 20 onderwerpen nul stemmen van kunstenaars, ook al gaan die onderwerpen letterlijk over de rechten en de juridische verdediging van kunstenaars.
Frame-Redirection (Heroriëntatie van het Frame): Dit is het meest verwarrende deel. Wanneer kunstenaars praten over Eigendom (wie bezit de kunst?) of Nut (is dit hulpmiddel bruikbaar?), worden hun woorden omgeleid. In plaats van te landen in een onderwerp over "Geld" of "Rechten", worden hun woorden in de "Authenticiteit"-kamer gedumpt. Zo wordt de specifieke eis voor eigendom verloren in een debat over esthetiek; een kunstenaar die zegt: "Ik wil mijn werk bezitten," wordt gegroepeerd met een filosoof die vraagt: "Is dit überhaupt wel echte kunst?"
Binaire Simplificatie: Het publiek houdt van een simpel verhaal: Is AI een "Bedreiging" of een "Hulpmiddel"? De onderzoekers ontdekten dat het publieke discours kunstenaars in deze twee hokjes dwingt. Als een kunstenaar zegt: "AI is een bedreiging voor mijn baan," plaat het publieke gesprek hen in de "Bedreiging"-box. Maar als ze zeggen: "AI is geen bedreiging," worden ze in de "Authenticiteit"-box geplaatst. De nuance is verdwenen. Het publieke gesprek heeft geen plek voor een kunstenaar die zegt: "Het is een bedreiging voor mijn baan, maar ik gebruik het ook om coole dingen te maken."
Stem-Collaps (Voice Collapse): Dit is het lastigste punt. Het publieke discours groepeert mensen samen simpelweg omdat ze hetzelfde klinken, zelfs als ze het tegenovergestelde bedoelen. Bijvoorbeeld: de kamer "Creatieve Collaborateur" bevat zowel kunstenaars die van AI houden als kunstenaars die het haten, simpelweg omdat ze allebei dezelfde toon van een "bezorgde kunstenaar" gebruiken. Het publiek ziet een groep kunstenaars praten, maar kan niet onderscheiden dat de helft van hen de technologie wil verbieden en de andere helft het wil verkopen.

Waarom Dit Ertoe Doet

De onderzoekers zijn heel duidelijk: dit is niet zomaar een vreemde statistische afwijking. Het is een structureel probleem. Wanneer beleidsmakers, rechters en bedrijven naar het nieuws kijken om te bepalen wat kunstenaars willen, kijken ze naar een vertekend beeld. Ze zien een simpel debat over "AI versus Mens" of "Kunst versus Technologie". Ze zien niet de complexe realiteit waarin kunstenaars 70 verschillende, specifieke eisen hebben over hoe zij betaald moeten worden, hoe hun data gebruikt mag worden en wat hun rechten zijn.

Het artikel suggereert dat deze "semantische compressie" betekent dat de primaire mensen die door AI worden beïnvloed (de kunstenaars), naar de rand van het gesprek worden gedrukt. Zij zijn het onderwerp van het gesprek, maar zij zijn niet degene die het woord voeren. De publieke sfeer heeft het idee van AI en kunst toegeëigend, maar is er niet in geslaagd de realiteit van de zorgen van de kunstenaars te vatten. Het resultaat is een bestuurssysteem dat wetten kan maken op basis van een vereenvoudigde, gecomprimeerde versie van de waarheid, waarbij de werkelijke behoeften van de mensen die het te beschermen heeft, volledig worden gemist.

Technische Samenvatting: Semantische Compressie en de Marginalisering van Stakeholders in het Publieke AI-Kunstdiscours

Probleemstelling
Het artikel adresseert een kritieke lacune in het bestuur van generatieve AI: het gebrek aan empirisch bewijs over de vraag of de zorgen van primaire stakeholders (kunstenaars) een evenredige representatie bereiken in het publieke discours dat het AI-beleid vormgeeft. Hoewel kunstenaars de primaire auteurs zijn van trainingsdata en het meest vatbaar zijn voor de disruptieve effecten van generatieve systemen, worden hun complexe, multidimensionale standpunten vaak gereduceerd tot binaire narratieven (bijv. "AI als Dreiging" versus "AI als Instrument") in de media en het publieke debat. De auteurs stellen dat het publieke discours de diverse zorgen van stakeholders systematisch kan comprimeren tot een smalle regio van de "betekenisruimte", waardoor primaire stakeholders perifeer worden door mechanismen van epistemische marginalisering in plaats van expliciete censuur. Dit fenomeen, getermd semantische compressie, brengt het risico met zich mee dat beleidssignalen worden vertekend als het bestuur afhankelijk is van het publieke discours als proxy voor de prioriteiten van stakeholders.

Methodologie
De studie maakt gebruik van een computationele sociale wetenschappelijke benadering om het semantische landschap van het publieke AI-kunstdiscours (2013–2025) in kaart te brengen en kunstenaarsperspectieven in deze gedeelde ruimte te projecteren om convergentie en divergentie te kwantificeren.

Corpusconstructie:
- Publiek Discours: Een multimodale corpus van 125 documenten (nieuws, podcasts, juridische documenten, onderzoeksartikelen) werd samengesteld via gerichte Google Search-queries, gesegmenteerd in 1.736 tekstfragmenten (~250 woorden).
- Enquêtegegevens Kunstenaars: Afgeleid van Lovato et al. (2024), met gegevens van 252 in de VS werkende kunstenaars. Respons werd omgezet in 1.259 korte declaratieve "probes" die 70 unieke frames beslaan over vijf dimensies van zorgen: Dreiging, Nut, Eigendom, Transparantie en Compensatie.
- Stijlcontroles: Om substantieel semantische divergentie te onderscheiden van stilistische mismatch (enquête versus mediaformaten), werden 750 "stijl-gematchte" publieke probes (korte declaratieve zinnen geëxtraheerd uit publieke documenten) gegenereerd via embedding-gelijkenis.
Semantische Mapping en Projectie:
- Embedding: Alle teksteenheden werden gecodeerd met behulp van sentence-transformers/e5-large-v2 (1.024 dimensies).
- Consensusgeometrie: Om stabiliteit te garanderen, werden 30 UMAP-projecties gegenereerd met verschillende random seeds, en hun paarsgewijze Euclidische afstandmatrices werden gemiddeld om een consensus 5-dimensionale ruimte te creëren.
- Projectie: Een Multi-Layer Perceptron (MLP) werd getraind om de 1.024-dimensionale embeddings te mappen naar de 5-dimensionale consensuscoördinaten. Kunstenaarsprobes en stijl-gematchte publieke probes werden geprojecteerd in deze vaste geometrie na de training om datalekken te voorkomen.
- Clustering: De 1.736 publieke fragmenten werden geclusterd in 20 verschillende onderwerpen met behulp van KMeans ( $k=20$ ), geselecteerd via een hyperparameter-validatieproces dat een balans zocht tussen silhouette scores en onderwerp-validiteit.
Analyse-framework:
- Distributionele Analyse: Chi-kwadraattoetsen, Cramér's V en Jensen-Shannon divergentie vergeleken de distributie van kunstenaarsprobes tegenover het publieke discours en de stijl-gematchte controles over de 20 onderwerpen.
- Geometrische Analyse: Centroid-afstanden en $k$ -nearest-neighbour ratio's maten de ruimtelijke scheiding in de 5D-consensusruimte.
- Compressiematrics: De studie berekende distributionele entropie, onderwerp-dekking en een Frame-naar-Onderwerp Compressieratio (unieke frames gedeeld door bezette onderwerpen) voor elke dimensie van zorgen.
- Onderwerpinterpretatie: Een multi-annotator aanpak (2 menselijke coders + 4 LLM's) synthetiseerde labels voor de 20 onderwerpen, waarbij deze werden behandeld als door panels afgeleide interpretaties in plaats van de absolute waarheid.

Belangrijkste Resultaten
De analyse onthult een systematische semantische compressie van de zorgen van kunstenaars, waarbij diverse standpunten van stakeholders instorten tot een smalle subset van publieke discours-onderwerpen.

Extreme Concentratie: 94,9% van alle kunstenaarsprobes concentreert zich in slechts twee van de 20 publieke discours-onderwerpen: "AI Art Authenticity and Human Creativity" (T13) en "AI as Creative Collaborator" (T1). De overige 15 onderwerpen (die 58,2% van het publieke discoursvolume beslaan) bevatten nul perspectieven van kunstenaars.
Thematische Exclusie: Zes onderwerpen die door het annotatorpanel expliciet als betrekking hebbend op kunstenaarsrechten werden gelabeld (bijv. "AI Copyright and Legal Protection," "Artist Defense Tools Against AI"), bevatten geen kunstenaarsprobes, ondanks dat ze 532 publieke discours-fragmenten bevatten.
Frame-heroriëntatie:
- Eigendom en Nut: Alle 24 unieke eigendomsframes en alle nutsposities mappen volledig naar Onderwerp T13 ("AI Art Authenticity..."). Substantiele claims over eigendomsrechten en arbeid worden omgeleid naar een discoursregio die vooraf geframed is als een filosofisch debat over esthetische authenticiteit.
- Binaire Vereenvoudiging: De "Dreiging"-dimensie splitst zich helder op in twee onderwerpen, maar de bestemmingen inverteren de substantiele posities: kunstenaars die stellen "AI is een dreiging" landen in het onderwerp "AI as Creative Collaborator", terwijl zij die stellen "AI is geen dreiging" landen in het onderwerp "Authenticity".
- Stem-instorting (Voice Collapse): Heterogene posities (bijv. eisen van compensatie versus het aanbieden van gratis donaties) klappen in tot hetzelfde onderwerp omdat ze een "bezorgde, eerste-persoons kunstenaarsregister" delen, wat de substantiele beleidsverschillen maskeert.
Stilistisch versus Semantisch: De divergentie is voornamelijk semantisch. Zelfs wanneer er wordt gecontroleerd voor stijl (vergelijking van kunstenaarsprobes met stijl-gematchte publieke probes), vergroot de geometrische scheiding zich (centroid afstand neemt toe van 2,003 naar 3,754 eenheden) en blijft het effect (Cramér's V) hoog (0,734).

Significantie en Claims
Het artikel claimt de eerste empirische meting te bieden van epistemische marginalisering in het AI-kunstdiscours, en laat zien dat de onderrepresentatie van kunstenaars structureel van aard is en niet incidenteel.

Structureel Mechanisme: De studie identificeert dat marginalisering opereert via een gelaagd pakket aan mechanismen: thematische exclusie, frame-heroriëntatie, binaire vereenvoudiging en stem-instorting. Dit creëert een "beschrijvingskloof" waarbij de claims van kunstenaars worden verwerkt als bijdragen aan gesprekken (bijv. esthetische filosofie) waar zij zelf niet op zijn ingestapt.
Governance Risico: De auteurs betogen dat het vertrouwen op het publieke discours als proxy voor de prioriteiten van stakeholders een direct risico vormt voor het bestuur van AI. Beleidsmakers die het publieke sentiment interpreteren, zullen de interne politieke complexiteit van de eisen van kunstenaars missen (bijv. de onderscheid tussen opt-out mechanismen, licenties en compensatie), wat leidt tot regelgeving die gekalibreerd is tegen een "gecomprimeerd signaal".
Methodologische Bijdrage: Het artikel biedt een reproduceerbaar framework voor het auditeren van representatieve gelijkwaardigheid door de frames van stakeholder-enquêtes te projecteren in de semantische ruimte van het publieke discours. Deze aanpak gaat verder dan normatieve claims over het "horen van stemmen" door een meetbare demonstratie te leveren van waar deze stemmen zich bevinden (of juist afwezig zijn) binnen het discursieve ecosysteem.

De studie concludeert dat hoewel de publieke sfeer het onderwerp van AI en kunst heeft toegeëigend, zij er niet in is geslaagd de realiteit van de zorgen van kunstenaars te vatten, waardoor de primaire stakeholders perifeer worden in precies het discours dat hun praktijkvoorwaarden vormgeeft.