THE RELATIONSHIP BETWEEN FORM AND CONTENT IN ARTIFICIAL INTELLIGENCE-BASED VISUAL PRODUCTIONS IN THE CONTEXT OF ART AND DESIGN

Öz

Form and content, which have established themselves as significant topics of debate within the framework of art and design, open the door to various interpretations in light of contemporary technologies. The form-content relationship constitutes a central element of art and design, and the recent inclusion of artificial intelligence technologies in this equation raises several questions. Particularly, the proliferation and popularization of AI-based visual productions on the internet in the last quarter of 2022 bring forth issues related to the role of the artist/designer. The purpose of this article is to evaluate the relationship between form and content through the visual outputs generated by experiencing the AI-based visual production process and to question the user's control over artificial intelligence. In this context, a literature review was conducted to sufficiently understand the working principles of AI systems capable of generating images. Additionally, the functions of parameters within relevant software were tested, and their effects on the outcome were observed. The research concluded that for the desired image to be generated, a text input that is accurately composed and comprehensible by the algorithm is necessary. While closely accurate results can sometimes be achieved, it was noted that realizing the design in one's mind solely with AI support is not easy. The form and content of the visual vary according to the details in the text input. Content often changes during the visual production process due to the influence of the AI algorithm, potentially leading the user in different directions. In this context, it can be stated that achieving full control in the form-content relationship is not possible, as AI acts as a co-creator in the production process.

Anahtar Kelimeler

• Form
• Content
• Artificial intelligence
• Prompt engineering

SANAT VE TASARIM BAĞLAMINDA YAPAY ZEKÂ TABANLI GÖRSEL ÜRETİMLERDE BİÇİM VE İÇERİK İLİŞKİSİ

Öz

Sanat ve tasarım çerçevesinde önemli bir tartışma konusu olarak kendine yer edinen biçim ve içerik, günümüz teknolojileri doğrultusunda farklı yorumlamalara kapı aralamaktadır. Biçim-içerik ilişkisi sanat ve tasarımın ana unsurlarından birini oluşturmakta, denkleme sonradan dâhil olan yapay zekâ teknolojileri ise bu kapsamda bazı soru işaretleri oluşturmaktadır. Özellikle 2022 yılının son çeyreğinde internette yapay zekâya dayalı görsel üretimlerin yaygınlaşması ve popülerleşmesi, sanatçı/tasarımcının rolüyle alakalı problemleri de beraberinde getirmektedir. Bu makalenin amacı, yapay zekâ tabanlı görsel üretim sürecinin deneyimlenerek oluşan görsel çıktıların biçim-içerik ilişkisinin değerlendirilmesi ve kullanıcının yapay zekâ üzerindeki hâkimiyetinin sorgulanmasıdır. Bu doğrultuda görüntü oluşturma kabiliyetine sahip yapay zeka sistemlerinin çalışma prensibinin yeterince anlaşılması hedeflenerek literatür taraması gerçekleştirilmiştir. Ayrıca ilgili yazılımlarda yer alan parametrelerin işlevleri test edilerek sonuç üzerinde yarattığı etkiler gözlemlenmiştir. Araştırmanın sonucunda, istenilen görüntünün oluşturulabilmesi için algoritmanın sorunsuz anlayabileceği, doğru kompoze edilmiş bir metin girdisinin gerekli olduğu tespit edilmiştir. Bazen çok yakın sonuçlara ulaşılabilse de zihindeki tasarımı sadece yapay zekâ desteğiyle gerçekleştirmenin kolay olmadığı belirtilmiştir. Görselin biçim ve içeriği metin girdisinde yer alan detaylara göre ile değişmektedir. İçerik çoğu zaman görsel üretim sürecinde yapay zeka algoritmasının etkisiyle değişebilmekte, kullanıcıyı farklı yönlere çekebilmektedir. Bu bağlamda biçim-içerik ilişkisinde tam hakimiyet sağlamanın mümkün olmadığı, yapay zekanın ortak yaratıcı olarak üretime dahil olduğu söylenebilmektedir.

Anahtar Kelimeler

• Biçim
• İçerik
• Yapay zekâ
• İstem mühendisliği

Kaynakça

1. Aslan, T. ve Aydın, K. (2023). Metinden görüntü üretme potansiyeli olan yapay zekâ sistemleri sanat ve tasarım performanslarının incelenmesi. Ondokuz Mayis University Journal of Education Faculty. 42(2). 1049-1198.
2. Brooks, C. (1957). Literary criticism: a short history. New Delhi, Calcutta: Oxford and IBH Publishing Co. Pvt. Ltd.
3. Eagleton T (2002). Marxism and literary criticism. New York: Routledge, Print.
4. Elgammal, A. (2019). Ai is blurring the definition of artist: advanced algorithms are using machine learning to create art autonomously. American Scientist. 107(1). 18–22.
5. Gombrich, E. H. (1997). Sanatın öyküsü. (Çev. E. Erduran, Ö. Erduran). İstanbul: Remzi Kitabevi
6. Kagan, M. (1982). Güzellik bilimi olarak estetik ve sanat. (Çev. A. Çalışlar). İstanbul: Altın Kitaplar Yayınevi
7. Lyu, Y., Wang, X., Lin, R. ve Wu, J. (2022). Communication in human–ai co-creation: perceptual analysis of paintings generated by text-to-image system. Applied Sciences. 12(22). 1-19.
8. Mishra, R. K. (2011). A study of form and content. Journal of English and literature. 2(7). 157-160.

9. Moran, B. (1972). Edebiyat kuramları ve eleştiri. İstanbul: İstanbul Üniversitesi Edebiyar Fakültesi Yayınları.
10. Oppenlaender, J. (2022). “The creativity of text-to-image generation”. Academic Mindtrek '22: Proceedings of the 25th International Academic Mindtrek Conference. (s. 192-202). New York: Association for Computing Machinery.
11. Robertson, D. (1967). The dichotomy of form and content. College English. 28(4). 273-279.
12. Russo, I. (2022). “Creative text-to-image generation: suggestions for a benchmark”. M. Hämäläinen, K. Alnajjar, N. Partanen ve J. Rueter (ed.). Proceedings of the 2nd International Workshop on Natural Language Processing for Digital Humanities. (s. 145-154). Taipei: Association for Computational Linguistics.
13. Sontag, S. (1966). Against İnterpretation, and Other Essays. New York: Farrar, Straus & Giroux.
14. Şen, E. (2022). İllüstrasyon alanında yapay zekâ uygulamaları. Abant Sosyal Bilimler Dergisi. 22(3). 1320-1332.
15. Wang, P. (2019). On defining artificial intelligence. Journal of Artificial General Intelligence. 10(2). 1-37.
16. Cetinic, E. ve She, J. (2021). Understanding and creating art with ai: review and outlook. ArXiv. Erişim: 28 Kasım 2022, https://arxiv.org/abs/2102.09109
17. Ghosh, A. ve Fossas, G. (2022). Can there be art without an artist? ArXiv. Erişim: 28 Kasım 2022, https://arxiv.org/abs/2209.07667
18. Hertzmann, A. (2018). Can computers create art? ArXiv. Erişim: 11 Aralık 2022, https://arxiv.org/abs/1801.04486
19. Hong, J. ve Curran, N. M. (2018). “Artificial ıntelligence, artists, and art: attitudes toward artwork”. R. W. Allen (ed.). Produced by Humans vs. Artificial IntelligenceArt Machines: International Symposium on Computational Media Art Proceedings. (s.76-77). Hong Kong: School of Creative Media
20. KADEM. (2024). YAPAY Zekâ Kullanıcıları Ve Meraklıları İçin Eşsiz Bir Fırsat! Kadem Sanat “Yapay Zekâ Ve Kadın” Temalı Afiş Yarışması Düzenliyor. Erişim: 26 Nisan 2024, https://kadem.org.tr/yapay-zeka-ve-kadin-temali-afis-yarismasi/
21. Roose, K. (2022, 2 Kasım). An A.I.-generated picture won an art prize. Artists aren’t happy. The New York Times. Erişim: 3 Aralık 2022, https://www.nytimes.com/2022/09/02/technology/ai-artificial-intelligence-artists.html
22. Shen, X., Qu, Y., Backes, M. ve Zhang, Y. (2023). Prompt stealing attacks against text-to-image generation models. ArXiv. Erişim: 13 Mayıs 2023, https://arxiv.org/abs/2302.09923
23. Vu-Quoc, L. ve Humer, A. (2022). Deep learning applied to computational mechanics: A comprehensive review, state of the art, and the classics. ArXiv. Erişim: 13 Aralık 2022, https://arxiv.org/abs/2212.08989
24. Wolfe, M. (2022). The emerging world of AI generated images. Towards Data Science. Erişim: 17 Aralık 2022, https://towardsdatascience.com/the-emerging-world-of-ai-generated-images-48228c697ee9
25. Zhou, K., Yang, J., Loy, C. C. ve Liu, Z. (2022). Learning to prompt for vision-language models. ArXiv. Erişim: 11 Aralık 2022, https://arxiv.org/abs/2109.01134
26. Görsel 1. AICAN + Ahmed Elgammal, “Faceless Portrait of a Scientist”, 2018, Creative Adversarial Network print on canvas. http://www.hgcontemporary.com/artists/aican-ahmed-elgammal?view=slider#2, Erişim tarihi: 10.04.2024
27. Görsel 2. Microsoft Bing Copilot Designer ile üretilmiş görseller, Kemal Aydın
28. Görsel 3. Stable Diffusion XL sampler denemeleri, Kemal Aydın
29. Görsel 4. 10. ve 35. adım karşılaştırması, Kemal Aydın
30. Görsel 5. Stable Diffusion XL DPM2 a örnekleyici adımları, Kemal Aydın
31. Görsel 6. Restart örnekleyicisi adımları, Kemal Aydın
32. Görsel 7. Guidance scale değer denemeleri, Kemal Aydın
33. Görsel 8. Farklı seed örnekleri, Kemal Aydın
34. Görsel 9. Stable Diffusion XL Mona Lisa denemesi, Kemal Aydın
35. Görsel 10. Microsoft Bing Copilot Designer Mona Lisa denemesi, Kemal Aydın
36. Görsel 11. Adobe Firefly Mona Lisa denemesi, Kemal Aydın
37. Görsel 12. Recraft Mona Lisa denemesi, Kemal Aydın