Definire l’arte AI può sembrare, a prima vista, un’operazione piuttosto semplice. La sigla AI (abbreviazione che sta per artificial intelligence, ovvero intelligenza artificiale) si riferisce a sistemi in grado di svolgere attività cognitive paragonabili a quelle umane – come, ad esempio, giocare una partita a scacchi o a go, riconoscere i soggetti nelle immagini, tradurre un testo in un’altra lingua, selezionare i migliori candidati per una posizione lavorativa sulla base dei loro CV. L’intelligenza artificiale viene solitamente intesa in questo modo, e lo stesso approccio può essere applicato al mondo dell’arte. Seguendo questa logica, l’epiteto di “arte AI” designerebbe la creazione, ad opera di computer programmati da esseri umani, di nuovi artefatti o esperienze con un grado di autonomia tale da poter essere riconosciuti come “arte contemporanea” dagli esponenti del mondo dell’arte. Oppure si potrebbe pensare di insegnare ai computer le tecniche degli artisti del passato, aspettandosi poi che gli storici dell’arte identifichino gli artefatti generati come plausibili.
In questo senso, si potrebbe pensare di adattare il famoso test di Turing all’arte AI. Se uno storico dell’arte scambia un oggetto generato da un computer per un’opera originale di una certa epoca, e se quell’oggetto non è solamente una copia leggermente modificata di un’opera esistente, allora il computer supera il “test di Turing per l’arte AI”. Questo semplice e logico ragionamento è la nostra proposta per una prima definizione di arte AI: il lavoro creato da un’intelligenza artificiale viene riconosciuto dai professionisti come un valido esempio di arte storica o contemporanea.
Un simile approccio logico non è però sufficiente: basta un esame approfondito per dimostrarne la fragilità. Oggi non esiste una definizione di arte accettata e condivisa da critici, teorici, filosofi o sociologi. Come possiamo quindi programmare un computer affinché crei autonomamente qualcosa che nemmeno noi umani sappiamo definire?
Lo sviluppo del XX secolo è segnato da una sistematica problematizzazione di ciò che può essere definito arte, e tale disputa ha consentito una costante espansione dei confini della disciplina — dai ready-made di Marcel Duchamp agli happening, dalle performance alla land art, dalle installazioni degli anni ’60 fino alla net art degli anni ’90. Ma per capire come sia davvero possibile ampliare i confini di ciò che chiamiamo arte in un dato momento occorre conoscerne la storia e lo sviluppo fino al presente. Fino ad ora, però, nessuno ha mai provato a programmare un computer con questo approccio.
Al contrario, la maggior parte delle sperimentazioni di tecniche AI in campo artistico si affida – di solito in modo implicito – a una concezione di arte in voga fino alla seconda rivoluzione modernista degli anni ’50 e ’60 (se consideriamo come prima rivoluzione il periodo compreso tra gli anni ’80 dell’Ottocento e gli anni ’20 del Novecento). In altre parole, gli artisti, gli scrittori, i compositori e gli informatici hanno insegnato ai computer a creare oggetti – immagini, poesie, composizioni musicali – facendo affidamento su tale concezione .
Questa tendenza persiste ancora oggi. Recentemente, la creazione di una serie di immagini simili ai dipinti modernisti è stata celebrata come una grande conquista nel campo delle arti visive. Esse simulano deliberatamente le caratteristiche formali di famosi artisti modernisti, o semplicemente somigliano a varianti dell’espressionismo, del cubismo, del post-impressionismo, ecc.
Seguendo questa tendenza conservatrice, dobbiamo accettare il fatto che l’arte AI sia solamente una simulazione dell’arte storica. Essa non è in grado di mettere in atto la più importante strategia modernista, ovvero espandere costantemente i confini di ciò che chiamiamo arte . Certo, è anche possibile sottolineare come all’inizio del XXI secolo questa espansione abbia perso la sua energia, entrando in un periodo di pluralismo, dove la creazione del “nuovo” non è più rilevante. Tuttavia, questo aspetto non invalida la questione centrale della mia argomentazione: ciò che negli ultimi sessant’anni è passato alla storia come un successo dell’arte AI non è altro che una simulazione dell’arte ad essa precedente.
Proviamo un altro approccio. Invece di esaminare gli output generati dalla “computer art”, prendiamo in considerazione il processo di creazione. Sebbene negli ultimi sessant’anni i computer siano stati utilizzati in campo artistico nei modi più diversi, è possibile individuare un carattere esclusivo dell’arte AI? È possibile tracciare una netta distinzione tra computer art (o arte digitale) e arte AI?
Solitamente il computer viene utilizzato in campo artistico o nel design attraverso la scrittura di programmi capaci di generare media diversi (testi, immagini, video, forme 3D, graphic design, loghi, progetti urbani, musica, ecc.). Questi programmi possono assumere una varietà di forme diverse: semplici istruzioni per disegnare una sequenza di figure, algoritmi che creano frattali, automi cellulari, algoritmi genetici (come quelli di Karl Sims), e così via. Per esempio, i pionieri dell’arte digitale degli anni ’60 – Vera Molnár, Desmond Paul Henry, Frieder Nake, Georg Nees, Michael Noll, Sonia Sheridan, e altri ancora – scrissero programmi che generavano motivi geometrici in bianco e nero seguendo istruzioni precise, a volte integrandoli con parametri casuali. Nel mondo dell’architettura e del design l’uso degli algoritmi è spesso definito design procedurale, generativo o parametrico. Questo approccio è oggi molto utilizzato in ambiti diversi, ed è all’origine di alcune delle creazioni culturali più famose del nostro tempo, come ad esempio i lavori di Zaha Hadid Architects.
Esiste davvero una distinzione essenziale tra i metodi della computer art che vengono impiegati da decenni, e il paradigma, diventato popolare a partire dal 2010, basato su machine learning e deep learning? Il campo dell’intelligenza artificiale include diversi approcci nati a partire dagli anni ’50. Tra questi troviamo il machine learning e le reti neurali, che da circa dieci anni occupano una posizione di rilievo nell’industria.
Il paradigma delle reti neurali include a sua volta diversi metodi, alcuni dei quali sono impiegati nella produzione di artefatti culturali. In uno di questi approcci, una singola rete viene allenata usando un set di immagini caratterizzate da un certo stile. Seguendo questo training, la rete impara a generare nuove immagini con lo stesso stile.
Un altro metodo, noto come GAN (Generative Adversarial Network), prevede la creazione di nuovi artefatti coinvolgendo due reti neurali. Una rete, allenata su un set di esempi, crea nuovi artefatti; questi, a loro volta, sono valutati da una seconda rete che seleziona solo quelli simili agli esempi dati durante il training.
In un altro approccio, chiamato style transfer, una rete impara a trasferire lo stile da una o più immagini ad altre – per esempio, trasformando una fotografia in un dipinto di van Gogh . Credo che alla base di questo approccio ci sia un problema concettuale: un artista come van Gogh non ha uno stile – se intendiamo come stile la possibilità che una forma esista indipendentemente dal contenuto di un’opera. Le trasformazioni del mondo che caratterizzano i suoi dipinti sono legate al loro stesso contenuto – il cielo si trasforma in un modo, gli alberi in un altro, e così via. Pertanto, le immagini che somigliano a dei quadri di van Gogh generate con il metodo dello style transfer non catturano la reale logica della produzione dell’artista. Questo ragionamento vale anche per altri esempi realizzati con lo stesso approccio.
Il metodo delle reti neurali si allontana da quelli precedenti della computer art e del design. Con questa tecnologia non programmiamo direttamente un computer per generare nuovi oggetti usando una sequenza di step, un sistema o delle regole, o secondo una modalità specifica definita in tutti i suoi dettagli. Al contrario, è la rete stessa ad estrarre autonomamente una struttura da un insieme di artefatti culturali per generarne di nuovi. È corretto quindi sostenere che abbiamo finalmente ottenuto una vera e propria “AI artistica”, cioè una vera e propria “intelligenza artistica”?
Forse no. In questa tipologia di processi, ci sono almeno tre momenti in cui un autore compie delle scelte esplicite e controlla le attività del computer. Per prima cosa, si occupa di progettare sia l’architettura neurale che l’algoritmo usato per allenare la rete (o ne seleziona uno tra quelli esistenti). In secondo luogo, crea il dataset per il training. Infine, tra i numerosi artefatti generati dalla rete, l’autore seleziona quelli che corrispondono o rientrano nella sua visione.
Se consideriamo tutte le volte in cui degli esseri umani intervengono nel processo – attraverso delle operazioni di cura e di controllo – non possiamo sostenere che la generazione di artefatti culturali attraverso il machine learning sia più “intelligente”, o che, per esempio, dimostri un più alto livello di autonomia rispetto a qualsiasi altro metodo adottato in precedenza nell’arte digitale. Ciascuno di questi approcci implica delle decisioni e delle scelte umane, e l’esecuzione di algoritmi. Quindi il machine learning non è una forma avanzata di AI artistica più di quanto non lo siano i disegni geometrici dei primi artisti digitali, le opere costituite da automi cellulari o le molte installazioni interattive gestite da computer. In realtà, penso che l’approccio del machine learning sia più restrittivo rispetto a quelli precedenti, poiché un essere umano è chiamato a prendere delle decisioni in diversi momenti del processo. Seguendo la nostra precedente argomentazione sull’espansione dei confini dell’arte, possiamo infatti affermare che le installazioni interattive sono più interessanti di un computer che genera immagini “alla van Gogh”.
Come possiamo riassumere questi argomenti in un’altra possibile definizione di arte AI? Possiamo dire che tutti i metodi sviluppati nella computer art a partire dagli anni ’50 sono esempi ugualmente validi di arte AI – da un programma in Processing per la generazione di schemi geometrici semplici o da codici 3D che generano una visualizzazione interattiva di dati, a una rete di deep learning allenata su big data. Per definire se qualcosa sia o meno un esempio di intelligenza artificiale, non dobbiamo valutare il metodo, ma la quantità e il tipo di controllo esercitati all’interno di un processo algoritmico.
Il terzo tentativo di trovare una definizione di arte AI si concentra sull’idea del machine learning supervisionato (supervised) – in cui il computer estrae automaticamente dei pattern comuni da un gruppo di artefatti. Questo aspetto del machine learning è un elemento assolutamente innovativo nella lunga storia dell’arte digitale. L’idea di un computer che impara autonomamente la struttura del mondo è una proposta degna di nota, anche se rimane ancora (e forse rimarrà sempre) qualcosa di diverso dal modo in cui un bambino apprende. Infatti, il mondo degli oggetti che compongono i dataset per il training delle reti neurali è gestito attentamente da ingegneri umani, ed è quindi un mondo artificiale, ben lontano dall’eterogeneità, dalla varietà e dal “rumore” del mondo reale a cui un bambino viene esposto. Inoltre, al contrario di una rete neurale biologica che si evolve e si “costruisce” autonomamente, siamo noi stessi a dover progettare i layer della rete artificiale per estrarre i pattern.
Dovremmo quindi entusiasmarci di fronte ad un computer che, dopo aver acquisito dei pattern da un dataset, riesce a generare nuovi artefatti seguendo quegli stessi pattern? In un primo momento parrebbe una proposta soddisfacente: ci troviamo di fronte ad un computer che sembra capace di replicare il comportamento culturale umano e di catturarne l’essenza. Ma qual è l’essenza del comportamento culturale umano? C’è un aspetto che accomuna le espressioni culturali che si sono sviluppate nel corso di migliaia di anni, in aree geografiche diverse, con materiali diversi e ad opera di gruppi anonimi o, più recentemente, da autori conosciuti. Ciascuna di queste manifestazioni, create in una certa area, in un determinato periodo storico o da un gruppo specifico, condivide dei modelli comuni. Gli ornamenti, gli abiti, le decorazioni, il design, la musica, i rituali di una cultura non variano in modo arbitrario, ma hanno uno “stile”, rispondono cioè a un sistema di regole, di vincoli e di possibilità. Questi sistemi stabiliscono ciò che è possibile, probabile o impossibile all’interno di un determinato stile. La coerenza di uno stile all’interno delle culture tradizionali è molto forte, ed è la ragione per cui gli archeologi lo utilizzano per datare le epoche delle civiltà e per comprenderne gli sviluppi.
Un particolare stilema è visibile non solo attraverso gli artefatti superstiti della civiltà cui appartiene (che, ad un’indagine ravvicinata, si dimostrano essere sempre il punto di incontro di vettori culturali di diversa provenienza), ma anche in un singolo artefatto. Consideriamo il pattern di un abito o di una nave appartenente ad una civiltà antica. Se sono caratterizzati da un qualche ornamento, lo stile di quest’ultimo non cambia drasticamente all’interno della stessa superficie. Infatti, se ne selezioniamo una piccola parte, possiamo ipotizzare di scrivere un programma capace di predire la parte restante dell’ornamento con buoni risultati.
La sistematicità di uno stile è un fenomeno presente in tutte le civiltà e in tutti i periodi storici di cui sono a conoscenza. È interessante notare come questo fenomeno non scompaia nell’arte e nel design moderni, nonostante la rivolta modernista contro l’estetica tradizionale (con il rifiuto della simmetria, ad esempio, o con l’adozione di una composizione dinamica, i testi senza maiuscole, la ricerca dello shock piuttosto che dell’armonia). Che si tratti di un dipinto di Sonia Delaunay, Lyubov Popova o Jackson Pollock, il sistema dello stile non cambia all’interno della superficie di uno stesso dipinto. Così come accade negli ornamenti e nelle decorazioni tradizionali dell’arte antica e popolare, qui i pattern che si sviluppano sulla superficie più ampia di un’immagine sono gli stessi che troviamo in altre parti del quadro. Come negli ornamenti tradizionali, anche nelle opere del periodo maturo dell’espressionismo astratto di Jackson Pollock una parte contiene il DNA dell’intero dipinto .
Perché, nel corso della storia, gli esseri umani hanno continuato a creare prodotti caratterizzati da un unico meta-pattern, cioè da uno stile sistematizzato e rigido, applicato sia all’interno di un gruppo che nei singoli artefatti? Perché non siamo interessati a creare immagini con un sistema estetico cha cambia completamente nello spazio di una stessa immagine? Come è già stato fatto notare, questa struttura profondamente radicata nella cultura umana non è stata messa in discussione dalle invenzioni moderniste, come le tecniche del collage e del montaggio sviluppate negli anni ’20. Le pratiche del remix, emerse a partire dagli anni ’80 – rese possibili dall’elettronica e, più tardi, dai computer digitali – non l’hanno scalfita. Ovviamente, un remix può muoversi tra campioni provenienti da contesti estetici altri. Ma se si ascolta con attenzione una frazione di un brano remixato, ci si accorge che il sistema stabilito entro una parte del pezzo non varia nel resto della canzone. Lo stesso vale per i video musicali.
Detto questo, è davvero così radicale insegnare ai computer ad estrarre dei pattern da set di artefatti appartenenti ad un unico sistema estetico, per poi generare nuovi artefatti rimanendo in quello stesso sistema? Stiamo insegnando ai computer a creare in un modo molto simile a quello che abbiamo seguito noi umani per migliaia di anni. Credo invece sarebbe più radicale utilizzare i computer per allontanarci da questo meta-pattern proprio della cultura umana. Dovremmo quindi insegnare loro a fare qualcosa che noi umani non sappiamo fare – muoverci tra diversi sistemi ed estetiche all’interno di una singola opera, o da un lavoro ad un altro in una stessa serie. La rivoluzione modernista, che ha avuto il suo apice un secolo fa, aveva già iniziato a mettere in discussione alcuni di questi assunti estetici di base. Forse i computer possono aiutarci a continuare questo processo.
Un esempio importante di ricerca sull’AI è MuseNet, “una rete di deep learning che può generare brevi composizioni musicali utilizzando fino a dieci strumenti diversi, combinando diversi stili, dal country, passando per Mozart e i Beatles”. Il sistema può creare un nuovo tipo di musica seguendo lo stile di un compositore specifico, o mischiando diversi stili. In un esempio che è stato creato, “il modello viene dato dalle prime sei note di un Notturno di Chopin, ma il brano viene poi generato seguendo uno stile pop con piano, batteria, basso e chitarra” .
Questa è solo una delle tante direzioni che possiamo esplorare affinché i computer riescano a creare qualcosa capace di attrarci, sia esteticamente che semanticamente, e che, allo stesso tempo, non sia mai stato realizzato prima nella storia della civiltà umana. Dire che è possibile programmare un computer per creare dell’arte nuova è un luogo comune, dato che non saremmo in grado di riconoscerla come arte o di comprenderla. E in ogni caso, forse, tutto ciò non sarebbe così interessante o innovativo. Potremmo invece concentrarci su ciò che sta tra questa “arte per i computer” – cioè le forme artistiche non comprensibili agli umani – e l’universo di tutte le possibilità estetiche già realizzate dalle civiltà umane (inclusa la nostra epoca modernista e contemporanea). All’interno di questo vasto spazio intersezionale si potrebbero così esplorare un’infinità di possibilità.
Questa è la mia terza definizione di arte AI: un tipo d’arte che noi umani non siamo capaci di creare a causa delle limitazioni del nostro corpo, del nostro cervello e di altri vincoli. Una delle possibilità, che ho cercato di abbozzare in questo testo, è rappresentata da oggetti, media, situazioni ed esperienze generate da computer che non hanno la sistematicità e la prevedibilità propria delle arti umane – ma che non sono nemmeno casuali, non giustappongono meccanicamente elementi solo allo scopo di creare scalpore, e non sono soltanto casi di “estetica del montaggio”. Questi artefatti saranno invece caratterizzati da una sistematicità altra, che non abbiamo ancora avuto occasione di esperire, neanche nella musica, nella scultura, nell’architettura, nella fotografia o in altre espressioni artistiche moderne e più radicali. Sarà qualcosa di cui ci innamoreremo profondamente quando l’incontreremo. Qualcosa che, come l’arte ha già saputo fare, espanderà i confini che ci definiscono come umani.
[testo pubblicato in AI & Conflicts. Volume 1, a cura di Andrea Facchetti e Francesco D'Abbraccio. Brescia: Krisis Publishing, 2021]
