The Art That Poses Back: Assessing AI Pastiches after Contemporary Artworks

Deze studie toont aan dat AI-generaties van hedendaagse kunstwerken, ondanks visuele overeenkomsten, door de oorspronkelijke kunstenaars worden ervaren als gebrek aan diepgang, context en intentie, wat pleit voor een meerdimensionale evaluatie in plaats van het gebruik van één enkele stijlmetriek.

De kern

🎨 De Kunst die Terugkijkt: Wat AI Eigenlijk doet met Kunst

Stel je voor dat je een meesterwerk van een beroemde schilder hebt. Nu vraag je aan een super-slimme robot (in dit geval ChatGPT): "Maak iets nieuws, maar dan precies in de stijl van die schilder. Geen kopie, maar iets anders."

Dat is precies wat dit onderzoek deed. De auteurs vroegen 12 moderne kunstenaars om drie van hun werken te laten zien. Vervolgens liet de computer AI-gemaakte "nabootsingen" (pastiche's) van die werken maken. De vraag was: Hoe goed is die robot eigenlijk?

De uitkomst is verrassend: de robot is een uitstekende imitator van oppervlak, maar een mislukte verteller van het verhaal.

1. De "Smaakmaker" vs. De "Chef-kok"

De onderzoekers gebruikten vijf verschillende slimme computersystemen om de AI-kunst te meten. Je kunt dit vergelijken met het beoordelen van een gerecht:

• De Smaakmaker (AdaIN-Style): Deze kijkt alleen naar de kleuren en de textuur. Is het gerecht even rood als het origineel? Is het even korrelig?
  • Resultaat: De AI scoort hier perfect. De robot kan de "smaak" (kleur en textuur) van het origineel bijna exact nabootsen. Het is alsof je een perfecte kopie van de verfkleur maakt.
• De Chef-kok (VGG19 & DINOv2): Deze kijken naar de structuur, de compositie en de diepte. Is het gerecht goed opgebouwd? Zitten de ingrediënten op de juiste plek? Is er een verhaal?
  • Resultaat: Hier faalt de AI. De robot weet niet hoe je een gerecht "opbouwt". De kunstwerken zien er weliswaar kleurrijk uit, maar ze missen de logica en de diepte van het origineel.

De conclusie: De AI is als iemand die een schilderij kan namaken met de perfecte verf, maar die niet begrijpt waarom de schilder die verf op die plek heeft gezet.

2. Wat de Kunstenaars Zagen (De Menselijke Oordeel)

De echte kunstenaars kregen hun eigen AI-nabootsingen te zien en moesten ze beoordelen. Hun reactie was duidelijk: teleurstelling.

• De "Geest" ontbreekt: De kunstenaars vonden dat de AI-werken leken op een "parafase" (een herschrijving) in plaats van een nieuw kunstwerk. Het was alsof iemand een boek leest en de woorden in een andere volgorde zet, maar de betekenis en het gevoel kwijt raakt.
• Geen ziel: Een kunstenaar noemde het werk "te veel van de oude academie uit 1900" – mooi getekend, maar zonder ziel. Een ander zei dat de AI de "hand" miste: de menselijke imperfectie en de organische aanraking die een kunstwerk levend maakt.
• De "Bedekking": Een kunstenaar liet een schilderij zien van een beddengoed dat een diep emotioneel verhaal vertelde. De AI maakte een prachtig beddengoed, maar miste het verhaal erachter. Het was alsof de AI alleen de "huid" van het kunstwerk zag, maar niet de "ziel".

3. De "Stijl-Dashboard" (De Oplossing)

Omdat één cijfer niet genoeg is om te zeggen of iets "kunst" is, stellen de onderzoekers voor om een dashboard te gebruiken.

Stel je voor dat je een auto koopt. Je kijkt niet alleen naar de kleur (dat is de AI die goed is), maar ook naar de motor, de veiligheid en het comfort.

• Kleur/Textuur: De AI is hier goed in.
• Betekenis/Context: De AI is hier slecht in.
• Compositie: De AI is hier vaak verward.

Je moet dus meerdere meters gebruiken om te zien of een AI-kunstwerk echt goed is.

4. Waarom is dit belangrijk?

Dit onderzoek laat zien dat AI momenteel nog geen kunstenaar is, maar eerder een zeer bedreven fotograaf van stijlen.

• AI kan een "simulacrum" maken: een leeg beeld dat er mooi uitziet, maar geen gevoel of idee heeft.
• Mensen maken kunst omdat ze iets willen zeggen. De AI weet niet wat ze zeggen, ze doen alleen alsof.

Kort samengevat:
De AI is als een acteur die de kleding van een beroemd persoon perfect kan nabootsen en dezelfde stem kan imiteren, maar die niet begrijpt wat die persoon voelt of waarom hij die woorden zegt. Het is een prachtige "vermomming", maar het is nog geen echte mens.

De boodschap van de auteurs is: laten we AI gebruiken als een hulpmiddel om te meten en te vergelijken, maar laten we niet vergeten dat echte kunst altijd een stukje menselijke ziel, intentie en context nodig heeft.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "The Art That Poses Back: Assessing AI Pastiches after Contemporary Artworks" in het Nederlands.

Probleemstelling

De snelle ontwikkeling van Large Language Models (LLMs) en generatieve AI-systemen heeft de mogelijkheid om kunst te imiteren en te creëren in verschillende modaliteiten uitgebreid. Dit roept fundamentele vragen op over de aard van stijlimitatie in computergestuurde kunstcreatie en het begrip van kunstmatige artistieke creatie.
Het centrale concept in deze discussie is de pastiche: een werk dat elementen van bestaande, herkenbare kunstwerken combineert om iets nieuws te maken zonder een nieuwe substantie toe te voegen. Hoewel de term historisch negatief werd geassocieerd met gebrek aan creativiteit, wordt hij nu gezien als een eerbetoon. De kernvraag van dit onderzoek is: In hoeverre kan ChatGPT succesvolle pastiches genereren van hedendaagse kunstwerken, en hoe kunnen we de gelijkenis tussen de originele werken en de AI-generaties objectief en subjectief meten? Bestaande evaluatiemethoden gebruiken vaak slechts één metriek, wat onvoldoende is om de complexe multidimensionaliteit van artistieke stijl te vatten.

Methodologie

Het onderzoek combineert kwantitatieve computationele analyse met kwalitatieve menselijke evaluatie.

1. Dataset en Data-Generatie:

• Deelnemers: 12 hedendaagse kunstenaars uit verschillende landen (Roemenië, Bulgarije, Frankrijk, Oostenrijk, VK) die werken in diverse media (tekenen, schilderen, sculptuur, installatie).
• Input: Elke kunstenaar leverde drie originele kunstwerken in (totaal 36 werken).
• AI-Generatie: Met een specifieke prompt ("Maak iets in de geest, techniek en stijl van de kunstenaar, maar met een andere compositie en concept...") vroeg men ChatGPT om twee nieuwe werken te genereren per origineel. Dit resulteerde in 72 AI-generaties (totaal 108 afbeeldingen).

2. Computationele Evaluatie (Kwantitatief):
Om de gelijkenis te meten, werden vijf state-of-the-art (SOTA) computer vision-modellen gebruikt om high-dimensional embeddings (vectorvoorstellingen) van de afbeeldingen te extraheren. Voor elke groep (origineel + 2 pastiches) werden de cosine-afstanden berekend in de vectorruimte:

• AdaIN-Style: Extrahert 1920-dimensionale statistieken (gemiddelde en standaardafwijking per kanaal) via VGG19. Meet textuur en kleur, onafhankelijk van ruimtelijke compositie.
• ResNet50-Style: 2048-dimensionale embeddings voor artistieke stijlclassificatie (categorisch).
• CLIP-ViT-L: 768-dimensionale vision-language embeddings voor semantisch begrip (concept, thema).
• DINOv2: 1024-dimensionale zelf-supervised features voor fijnkorrelige visuele patronen en structuur.
• VGG19: 4096-dimensionale perceptuele features die correleren met menselijke waarneming en hoge-level visuele representaties.

3. Menselijke Evaluatie (Kwalitatief):
De originele kunstenaars beoordeelden de AI-generaties op een schaal van 1 tot 10 op basis van:

• Herkenning van hun persoonlijke artistieke taal.
• Esthetische of artistieke waarde.
• Open vragen over inspiratie en gedachten die het werk oproept.

Belangrijkste Bijdragen

1. Multidimensionale Stijlanalyse: Het artikel demonstreert dat "stijl" geen monolithisch concept is, maar een multidimensionale eigenschap. Het introduceert een raamwerk waarbij verschillende modellen verschillende aspecten van stijl meten (textuur, semantiek, compositie, perceptie).
2. Integratie van Mens en Machine: Een unieke benadering waarbij de originele kunstenaars actief betrokken zijn bij de evaluatie van de AI-generaties, wat zeldzaam is in dit type onderzoek.
3. Advies voor een "Stijl Dashboard": De auteurs pleiten tegen het gebruik van één enkele metriek (zoals LPIPS of FID) en bepleiten een dashboard van complementaire metrics om pastiches volledig te evalueren.

Resultaten

Kwantitatieve Bevindingen:

• Textuur vs. Compositie: Er is een groot verschil in gelijkenis afhankelijk van het model.
  • AdaIN-Style toonde de laagste afstand (gemiddeld 0,063), wat aangeeft dat de AI-generaties zeer succesvol zijn in het nabootsen van textuur en kleurenpalet.
  • VGG19 en DINOv2 toonden de hoogste afstanden (respectievelijk 0,674 en 0,463). Dit duidt op een groot falen in het repliceren van ruimtelijke relaties, compositie en fijnkorrelige details.
• De "Compositional Gap": De studie identificeert een fundamentele kloof: AI kan textuur perfect kopiëren, maar faalt in het behoud van de structurele en compositie-elementen die essentieel zijn voor de artistieke intentie.
• Modelovereenstemming: Er is een matige positieve correlatie tussen de modellen, wat betekent dat ze unieke informatie vangen. DINOv2 en VGG19 vertonen de sterkste overeenstemming.

Kwalitatieve Bevindingen (Kunstenaars):

• Lage Scores: De gemiddelde score voor herkenning van de eigen stijl was laag (3,58/10) en voor artistieke waarde (4,83/10).
• Correlatie met VGG19: De menselijke beoordeling van stijlgelijkenis (3,58) correleerde perfect met de VGG19-afstand (0,648), wat aantoont dat menselijke waarneming sterk wordt beïnvloed door perceptuele features die door VGG19 worden gemeten.
• Kritiek: Kunstenaars merkten op dat de AI-generaties vaak ontbeerden aan:
  • Context en betekenis (de theoretische structuur van conceptuele kunst ontbreekt).
  • Dimensie en intentioneel gevoel.
  • Origineelheid; ze werden gezien als "parafrases" of "ongeveer quotes" in plaats van emotioneel waardevolle kunst.
  • Specifiek voorbeeld: Bij werken die gebaseerd zijn op handmatige texturen (zoals gewist en herhaald getekend) miste de AI de organische "hand" en de diepte.

Betekenis en Conclusie

De studie concludeert dat generatieve AI-systemen, ondanks hun vermogen om textuur en kleur statistisch perfect te kopiëren, nog niet het niveau van menselijke creatie bereiken wat betreft betekenis, context en compositie.

• Voor AI-onderzoek: Het is onvoldoende om pastiche-kwaliteit te beoordelen met één metriek. Een "style transfer dashboard" met meerdere modellen is noodzakelijk om zowel textuele als semantische en structurele aspecten te evalueren.
• Voor Kunstgeschiedenis en Analyse: Deze tools kunnen helpen bij het kwantificeren van stilistische consistentie binnen het oeuvre van een kunstenaar of het meten van de invloed van kunstenaar op kunstenaar.
• Filosofische Implicatie: De studie benadrukt dat kunst meer is dan visuele imitatie; het vereist een theoretische en intentionele laag die huidige AI-modellen niet kan repliceren. De AI produceert een "droog simulacrum" zonder de emotionele en conceptuele diepgang van het origineel.

Beperkingen: Het onderzoek gebruikte slechts één AI-model (ChatGPT) en een beperkt aantal kunstenaars. Ook kan de gebruikte prompt de resultaten hebben beïnvloed. Toekomstig werk zal gericht zijn op het vergelijken van meerdere modellen en het betrekken van kunstenaars bij het ontwerpen van de prompts.