LLMs Generate Kitsch
Dit artikel betoogt dat de waargenomen generieke en holle aard van output van Large Language Models (LLM) voortvloeit uit hun systematische productie van kitsch als gevolg van trainingsmethodieken, een bewering die wordt ondersteund door empirisch bewijs waaruit blijkt dat lezers door LLM gegenereerde verhalen als kitscheriger ervaren dan menselijke werken.
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
Het Grote Idee: De "Perfecte" Kopie versus Het Echte Ding
Stel je voor dat je een museum binnenloopt. Aan de ene kant hangt een schilderij van een beroemde kunstenaar die jarenlang worstelde met zijn emoties, en iets vreemds en moeilijks schilderde dat je aan het denken zet. Aan de andere kant hangt een schilderij dat er precies zo uitziet als een klassiek meesterwerk, maar dat is gemaakt door een machine die miljoenen andere schilderijen heeft bestudeerd en besloot: "Mensen houden van zonsondergangen en trieste gezichten, dus ik maak een perfecte zonsondergang met een triest gezicht."
Het schilderij van de machine is technisch perfect. Het heeft geen fouten. Het is mooi. Maar het voelt een beetje leeg, als een wenskaart die je bij een tankstation koopt. De auteurs van dit artikel noemen dit gevoel "Kitsch."
Kitsch is kunst die eruitziet als kunst, maar eigenlijk gewoon een goedkope, massaproductie-nabootsing is die ontworpen is om iedereen een snelle, gemakkelijke emotie te bezorgen (zoals "aww, wat schattig" of "oh, wat triest") zonder dat je er te hard over na hoeft te denken.
Het artikel betoogt dat Grote Taalmodellen (LLM's) zoals degene waarmee je nu praat, in feite "Kitsch-machines" zijn. Ze creëren geen echte kunst; ze creëren hoogwaardige, holle kopieën.
Waarom Maken LLM's Kitsch?
De auteurs zeggen dat dit geen toeval is; het zit zo in de machines gebouwd. Ze geven drie redenen, met behulp van enkele eenvoudige analogieën:
1. De Machine Heeft Geen Ziel (Geen Intentie)
Stel je een papegaai voor die elke zin die je zegt kan herhalen. Als je de papegaai vraagt om een gedicht te schrijven over hartzeer, zal hij woorden zeggen die klinken als hartzeer, omdat hij ze eerder heeft gehoord. Maar de papegaai voelt zich niet echt verdrietig. Hij heeft geen innerlijk leven.
- Het punt van het artikel: LLM's werken op dezelfde manier. Ze voorspellen het volgende woord op basis van wat er meestal op volgt. Ze hebben geen gevoelens, herinneringen of een reden om te schrijven. Ze imiteren alleen de vorm van menselijke emotie zonder de inhoud.
2. De Machine Speelt Op Zekere Grond (Conventioneel Oppervlak)
Stel je een chef-kok voor die alleen gerechten kookt die gegarandeerd populair zijn. Hij zal nooit een vreemde, experimentele smaak proberen die mensen misschien in de war brengt. Hij maakt alleen de "klassieke" lasagne, omdat hij weet dat iedereen ervan houdt.
- Het punt van het artikel: LLM's zijn getraind om het meest waarschijnlijke volgende woord te voorspellen. Dit betekent dat ze van nature vreemde, riskante of innovatieve ideeën vermijden. Ze houden zich aan de "standaard" manier om een verhaal te vertellen of een gedicht te schrijven. Dit maakt hun output makkelijk te lezen en te begrijpen (wat goed is!), maar het betekent ook dat het de unieke, verrassende vonk van echte menselijke creativiteit mist.
3. De Machine Wil Gehaakt Worden (Massa-aanbod)
Stel je een komiek voor die grappen vertelt. Als hij ervoor wil zorgen dat iedereen lacht, zal hij veilige, generieke grappen vertellen over katten en pizza. Als hij een grap vertelt die te specifiek of te vreemd is, zullen maar een paar mensen lachen.
- Het punt van het artikel: LLM's worden vaak getraind met een methode die "Versterkend Leren op Basis van Menselijke Feedback" (RLHF) heet. Dit is als een leraar die de robot een gouden ster geeft elke keer dat een mens zegt: "Ik vind dat antwoord leuk." De robot leert dat hij, om gouden sterren te krijgen, dingen moet zeggen die de breedst mogelijke publiek aanspreken. Dit dwingt de robot om "veilige", generieke inhoud te produceren die gemakkelijke emoties (zoals nostalgie of romantiek) opwekt, in plaats van complexe, uitdagende emoties.
Het Experiment: Merken Mensen Het Op?
De auteurs hebben niet zomaar gegokt; ze hebben een test uitgevoerd.
De Opzet:
Ze namen 10 korte verhalen die door mensen waren geschreven (uit een schrijfwedstrijd) en vroegen een AI om een nieuw verhaal te schrijven op basis van hetzelfde idee, maar zonder het origineel te zien. Vervolgens vroegen ze aan meer dan 100 mensen om de paren te lezen en te raden welke "Kitsch" was (nep, hol of overdreven sentimenteel).
De Resultaten:
- Mensen Zagen De Nep: Toen mensen werden gevraagd om "Kitsch" te definiëren als "sentimenteel" of "makkelijk te lezen", identificeerden ze de AI-verhalen correct als Kitsch in ongeveer 85% van de gevallen. Ze konden zien dat de AI-verhalen de "tankstation-wenskaarten" waren.
- Maar Mensen Vonden De Nep Leuker: Hier komt de twist. Hoewel mensen wisten dat het AI-verhaal "Kitsch" was, vonden ze het nog steeds leuker om te lezen. Ongeveer 67% van de tijd gaven mensen aan dat ze het AI-verhaal meer genoten dan het menselijke.
De Analogie:
Het is als het eten van een perfect ontworpen, suikerrijke reep versus een complexe, bittere pure chocolade.
- De suikerreep (AI/Kitsch) is zoet, makkelijk te eten en geeft je een directe suikerpiek. Je geniet er meer van op dat moment.
- De pure chocolade (Menselijke Kunst) is misschien moeilijker te verteren, een beetje bitter en vereist dat je er van geniet. Het heeft meer "voedingswaarde" (artistieke diepgang), maar het is niet zo direct bevredigend.
Wat Betekent Dit?
Het artikel concludeert met een paar belangrijke lessen:
- Het "AI Slop" Probleem: We zien een overstroming aan AI-inhoud die er geweldig uitziet maar leeg aanvoelt. Dit komt omdat de AI ontworpen is om populair te zijn, niet om diepgaand te zijn.
- Vraag Niet Alleen "Vond Je Het Leuk?": Als onderzoekers willen weten of AI goed is in het maken van kunst, kunnen ze niet gewoon mensen vragen: "Welke vond je leuker?" Omdat mensen vaak de "Kitsch" leuker vinden. Ze moeten diepere vragen stellen over de kwaliteit en originaliteit van het werk.
- De Menselijke Aanraking Is Nog Steeds Nodig: De auteurs suggereren dat AI geweldig is in de "saaiere" delen van creativiteit (zoals het schrijven van een standaard codefragment of een basisverhaallijn), maar als je iets echt artistiek, wetenschappelijk of innovatiefs wilt, moet een mens achter het stuur zitten. Als je de machine de hele rit laat rijden, krijg je gewoon een zeer soepele, zeer saaie rit naar nergens.
Kortom: LLM's zijn uitstekend in het maken van "perfecte" kopieën die ons direct goed laten voelen, maar ze zijn slecht in het maken van de rommelige, moeilijke en unieke dingen die ons aan het denken zetten. Ze zijn de ultieme meesters van Kitsch.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.