Investigation of Art and Design Performances of Artificial Intelligence Systems with the Potential to Generate Images from Text

Yıl 2023, , 1049 - 1198, 31.12.2023

Tamer Aslan , Kemal Aydın

https://doi.org/10.7822/omuefd.1293657

Cited By: 3

Öz

The debate over whether artificial intelligence (AI)-based visual productions can possess artistic value or be considered part of digital art is becoming increasingly popular and garnering more attention in the last quarter of 2022. While AI algorithms have been utilized in new media studies as a component of the artistic content of the digital age for many years, the necessity for software knowledge has been eliminated due to the increasingly sophisticated content of AI, and related programs have reached a level where anyone can easily access and use them. AI systems that generate images from text, along with machine learning (ML) technologies that form the foundation of AI, take advantage of visual and textual data sets collected from various websites and can create images that have 'never existed before' based on the command written by the user. The text input, referred to as a prompt, plays a significant role in image formation, and each word written determines the path that AI will follow by altering different parameters. This visual output changes with every word entered into the program, and even minor details can create significant differences in the final result. The ability of people without any art education or artistic background to create an 'artwork' using AI raises questions about the position of contemporary art and the artist. As a result of AI-human interaction, it is crucial to examine the artistic dimensions of productions that are achieved through an experimental and iterative process. This research aims to address the questions of whether an artistic output can be achieved using AI systems that generate images from text and who can attain this output through which processes, using a qualitative research method/example case study.

Anahtar Kelimeler

Artificial intelligence, art, machine learning, text-to-image, prompt

Metinden Görüntü Üretme Potansiyeli Olan Yapay Zekâ Sistemleri Sanat ve Tasarım Performanslarının İncelenmesi

Öz

2022 yılının son çeyreğinde popülerliği artan yapay zekâ tabanlı görsel üretimlerin sanat eseri niteliğine sahip olup olamayacağı veya dijital sanat kapsamında değerlendirilip değerlendirilemeyeceği tartışmaları gündemde giderek daha çok yer almakta ve popülaritesini artırmaktadır. Yapay zekâ algoritmaları her ne kadar dijital çağın sanatsal bir içeriği olarak uzun yıllardır yeni medya çalışmalarında kullanılmaktadır. Ancak yapay zekânın giderek gelişen içeriğiyle ulaşılan son noktada, yazılım bilgisine sahip olmanın gerekliliği ortadan kalkmış, ilgili programlar herkesin rahatlıkla erişim sağlayıp kullanabileceği seviyeye gelmiştir. Metinden görüntü üreten yapay zekâ sistemleri, yapay zekânın temelini oluşturan makine öğrenme (machine learning, ML) teknolojileriyle birlikte çeşitli internet sitelerinden toplanan görsel ve yazınsal veri kümelerinden yararlanmakta ve kişinin yazacağı komut doğrultusunda daha önce ‘hiç var olmamış’ görseller oluşturabilmektedir. İstem olarak adlandırılan metin girdisi görüntü oluşumunda büyük rol oynamakta, yazılan her kelime farklı parametreleri değiştirerek yapay zekânın izleyeceği yolu belirlemektedir. Bu görsel çıktı, programa girilen her sözcük ile birlikte değişmekte ufak ayrıntılar bile sonuçta büyük farklılıklar oluşturabilmektedir. Geçmişte sanat eğitimi almamış veya hiçbir sanatsal faaliyette bulunmamış kişilerin yapay zekâya “eser” ürettirebilmesi, güncel sanatın ve sanatçının konumu ile alakalı soru işaretleri yaratmaktadır. Yapay zekâ-insan etkileşimi neticesinde, deneysel ve yinelemeli bir süreçten geçerek gerçekleştirilen üretimlerin sanatsal boyutlarına dair incelemelerin yapılması önemli görülmektedir. Bu araştırmada, nitel araştırma yöntemi/örnek olay incelemesiyle metinden görüntü üreten yapay zekâ sistemleri kullanılarak sanatsal bir çıktının elde edilebilirliği ve kimlerin, hangi süreçler doğrultusunda bu çıktıya ulaşabileceği sorularına cevap aranmıştır.

Anahtar Kelimeler

Yapay zekâ, sanat, makine öğrenmesi, metinden görüntüye, istem

Kaynakça

• Anadolu, B. (2022). Makineler film yapmayı düşler mi?: Jan Bot örneği. SineFilozofi Dergisi, 5(10), 682-703.
• Artut, S. (2019). Yapay zekâ olgusunun güncel sanat çalışmalarındaki açılımları. İnsan&İnsan, 6(22), 767-783. Bayhan, M. (1996). Yazılarla fotoğraf, İstanbul: Ege Yayınları.
• Baio, A. (2022). Exploring 12 million of the 2.3 billion images used to train stable diffusion’s image generator. Waxy. Erişim: 17 Aralık 2022, https://waxy.org/2022/08/exploring-12-million-of-the-images-used-to-train-stable- diffusions-image-generator/
• Boden, M. A. (2004). The creative mind: myths and mechanisms. London: Routledge.
• Bulut Kılıç, İ. (2022). Günümüzde dijitalleşen sergileme olanakları ve sanat yapıtının yitirilen aurası. Uluslararası İletişim ve Sanat Dergisi, 3(6). 1-19.
• Butterick, M. (2023). We’ve filed a lawsuit challenging Stable Diffusion, a 21st-century collagetool that violates the rights of artists. Erişim: 21 Ocak 2023, https://stablediffusionlitigation.com/
• 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
• 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.
• Epstein, Z., Levine, S., Rand, D. G. ve Rahwan, I. (2020). Who gets credit for ai-generated art? iScience, 23(9). 1-10.
• Erten, O. ve Göktepeliler, Ö. (2022). Yapay zekâ, makine ve sanat. Ankara Üniversitesi Sosyal Bilimler Dergisi, 13(2). 145-153.
• Fernandez, P. (2022). Technology behind text to image generators. Library Hi Tech News, 39(10). 1-3.
• Caroll, N. (1999). Philosophy of art: a contemporary introduction. London: Routledge.
• Galanter, P. (2019). “Artificial intelligence and problems in generative art theory”. J. Weinel, J. P. Bowen, G. Diprose ve N. Lambert (ed.). Proceedings of EVA London 2019. (s. 112-118). London: British Computer Society.
• Gere, C. (2018). Dijital kültür. Aydoğdu Akın (çev.), İstanbul: Salon Yayınları.
• Ghosh, A. ve Fossas, G. (2022). Can there be art without an artist? ArXiv. Erişim: 28 Kasım 2022, https://arxiv.org/ abs/2209.07667
• Goenaga, M. A. (2020). A critique of contemporary artificial intelligence art: who is edmond de belamy? AusArt Journal for Research in Art, 8(1). 51-66.
• Grba, D. (2022). Deep else: a critical framework for AI art. Digital, 2(1). 1-32.
• Hertzmann, A. (2018). Can computers create art? ArXiv. Erişim: 11 Aralık 2022, https://arxiv.org/abs/1801.04486
• Hristov, K. (2020). Artificial intelligence and the copyright survey. JSPG, 16(1). 1-18.
• İmançer, A. (2003). Fotoğraf sanat ilişkisi. Selçuk İletişim Dergisi, 3(1). 105-114.
• 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.
• McCormack, J., Gifford, T. ve Hutchings, P. (2019). Autonomy, authenticity, authorship and intention in computer generated art. ArXiv. Erişim: 13 Aralık 2022, https://arxiv.org/abs/1903.02166
• 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.
• Romero, A. (2022). Stable Diffusion 2 is not what users expected—or wanted. Erişim: 21 Ocak 2023, https://thealgorithmicbridge. substack.com/p/stable-diffusion-2-is-not-what-users
• 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
• 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.
• Scharf, A. (1974). Art and photography. Harmondsworth: Penguin Books.
• So, C. (2018). A pragmatic AI approach to creating artistic visual variations by Neural Style Transfer. ArXiv. Erişim: 13 Aralık 2022, https://arxiv.org/abs/1805.10852
• Soddu, C. (2018). “AI organic complexity in generative art”. C. Soddu, E. Colabella (ed.). XXI. Generative Art Conference. (s. 68–79). Verona.
• Stephensen, J. L. (2019). “Towards a philosophy of post-creative practices? – reading Obvious’ “Portrait Of Edmond De Belamy””. M. Søndergaard, L. Beloff, H. Choubassi ve J. Elias (ed.). Politics of the Machine Beirut 2019. (s. 21-30). Lebanon: The International University of Beirut.
• Şen, E. (2022). İllüstrasyon alanında yapay zekâ uygulamaları. Abant Sosyal Bilimler Dergisi, 22(3). 1320-1332.
• 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
• 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
• 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