Τεχνητή Νοημοσύνη στην Τέχνη: Νέα Εποχή ή Τελευταίος Σταθμός;

Του Δημήτρη Κομνηνού

Είναι «Ζούμε σε μια κοινωνία απολύτως εξαρτώμενη από την επιστήμη και την τεχνολογία,

όπου κανείς σχεδόν δεν ξέρει τίποτα για την επιστήμη και την τεχνολογία»

Καρλ Σαγκάν, Αμερικάνος αστρονόμος (1934 – 1996)

Το 1912 ο Marcel Duchamp, γάλλος ζωγράφος, γλύπτης, σκακιστής και συγγραφέας, από τους πιο σημαντικούς καλλιτέχνες του 20ού αιώνα, παραβρέθηκε σε μια έκθεση αεροναυπηγικής λίγο έξω από το Παρίσι. Εκεί είδε μια μεγάλη ξύλινη προπέλα ενός αεροπλάνου και σχολίασε: «Η ζωγραφική έχει τελειώσει» και δείχνοντας την προπέλα, πρόσθεσε: «Ποιος μπορεί να φτιάξει κάτι καλύτερο από αυτό;».

Το 2016 στο Rijksmuseum του Άμστερνταμ παρουσιάστηκε ένα άγνωστο έργο του Rembrandt. Ο πίνακας είναι το πορτρέτο ενός άνδρα με γένια. Ο άνδρας φοράει ένα σκούρο καπέλο και ένα λευκό πουκάμισο. Zωγραφισμένος σε λάδι σε καμβά, ο πίνακας έχει διαστάσεις 127 x 102 εκατοστά. Ονομάστηκε «The next Rembrandt». Αλλά θα μπορούσε κάλλιστα να είχε ονομαστεί και meta-Rembrandt, καθώς δημιουργήθηκε ακριβώς 347 χρόνια μετά το θάνατο του μεγάλου ζωγράφου. Οι κριτικοί τέχνης επαίνεσαν την ακρίβειά και την ομοιότητά του πίνακα με τα έργα του Rembrandt. Μια ομάδα μηχανικών, επιστημόνων και καλλιτεχνών συνεργάστηκε στο εργαστήριο του Rijksmuseum για τη δημιουργία του, χρησιμοποιώντας μια τεχνική με την ονομασία "Generative Adversarial Network" (GAN*). Η τεχνική του τροφοδοτήθηκε με ένα σύνολο δεδομένων από 346 έργα του Rembrandt, που περιείχαν πληροφορίες, όπως η ένταση και η φορά που έφερε συνήθως το πινέλο στο χέρι του μεγάλου ζωγράφου, η σύνθεση, το ύψος, ή και το πάχος της μπογιάς, καθώς και οι αποχρώσεις που είχε χρησιμοποιήσει στα έργα του. Η δημιουργία του πίνακα διάρκεσε μόλις έναν χρόνο: 2015 - 2016 και πουλήθηκε αμέσως μετά την αποκαλυπτήρια εμφάνιση του, προς 1,7 εκατομμύρια ευρώ.

Πράγματι, η ικανότητα του GAN να αναπαράγει την ένταση και την τεχνική του Rembrandt τρεισήμισι αιώνες μετά το θάνατο του αποτελεί ένα συναρπαστικό γεγονός, όμως θέτει θέτει ένα σοβαρό ζήτημα. Αν η Τεχνητή Νοημοσύνη μπορεί να αποκωδικοποιήσει με τέτοια ακρίβεια τα μυστικά του παρελθόντος και να προσομοιάσει έναν ζωγράφο αυτού του μεγέθους, γιατί να μην μπορεί να κάνει το ίδιο και σε άλλες μορφές τέχνης; Μήπως θα έπρεπε, δηλαδή, να περιμένουμε σύντομα το «καινούριο» έργο του Shakespeare, ή μήπως ακόμα και του ίδιου του Ευριπίδη;

Ας πάρουμε τα πράγματα από την αρχή.

Τα Thinking Μachines (σκεπτόμενες μηχανές) κατασκευάζονται κι εξελίσσονται από μερικές εκατοντάδες άνδρες (και μια χούφτα γυναίκες), που επικοινωνούν σε μια γλώσσα που μόνο αυτοί και οι υπολογιστές τους γνωρίζουν, σ’ ένα κομμάτι γης μερικών χιλιάδων στρεμμάτων, γνωστό ως Silicon Valley. Και είτε καταλαβαίνουμε τι είναι αυτό που κάνουν, είτε όχι, είμαστε σε μεγάλο βαθμό έρμαια της δημιουργίας τους. Δεν έχουμε φωνή, ούτε γνώμη για την ηθική πίσω από την εφεύρεσή τους. Δεν ξέρουμε καν αν θα έπρεπε να υπάρχει αυτή η εφεύρεση εξαρχής.

Τα πρώτα θεωρητικά θεμέλια της Τεχνητής Νοημοσύνης τέθηκαν με τον αλγόριθμο της Ada Lovelace (οραματίστρια του ηλεκτρονικού υπολογιστή) στη δεκαετία του 1840 και το τεστ Turing του μαθηματικού Alan Turing στη μέση του 20ού αιώνα, το οποίο ερευνούσε την ικανότητα των υπολογιστών να προσομοιάζουν τους ανθρώπους. Με τη γέννηση του ηλεκτρονικού υπολογιστή το 1946 και την εισαγωγή των γραφικών υπολογιστών από τον Ivan Sutherland, δημιουργήθηκε η ζωγραφική υπολογιστών (digital media art), η τέχνη των ψηφιακών μέσων (computer painting) και η τέχνη νέων μέσων (new media art).

Για να κατανοήσουμε το πώς η τέχνη της Τεχνητής Νοημοσύνης εντάσσεται στον χώρο των εικαστικών τεχνών, θα πρέπει πρώτα να κατανοήσουμε το πώς οι ίδιοι οι καλλιτέχνες χρησιμοποιούν την Τεχνητή Νοημοσύνη στην δουλειά τους.

Αν και όχι όλοι, οι περισσότεροι καλλιτέχνες χρήστες της Τεχνητής Νοημοσύνης, χρησιμοποιούν το GAN*. Δηλαδή, αποκωδικοποιημένα νευρωνικά δίκτυα που έχουν μετατραπεί σε αλγόριθμους προκειμένου να προσομοιάσουν τον ανθρώπινο εγκέφαλο. Αυτοί οι αλγόριθμοι αποτελούνται από δύο κύρια μέρη: τον γεννήτορα (generator) και τον διακριτή (discriminator). Ο γεννήτορας δημιουργεί νέα δεδομένα, όπως εικόνες, βίντεο ή ήχους, ενώ ο διακριτής προσπαθεί να καταλάβει αν τα δεδομένα που του παρουσιάζει ο γεννήτορας είναι αυθεντικά ή είναι κατασκευασμένα από τον ίδιο. Καθώς αυτά τα δύο μέρη ανταγωνίζονται μεταξύ τους, σε μια διαδικασία εκπαίδευσης, το δίκτυο δημιουργεί ολοένα και πιο ρεαλιστικά δεδομένα.

Ένα άλλο δίκτυο είναι το CAN* ή αλλιώς το Creative Adversarial Network - μια παραλλαγή του GAN που ενώ λειτουργεί με παρόμοιο τρόπο με το GAN, το δημιουργικό του δίκτυο είναι σχεδιασμένο να κατασκευάζει πιο δημιουργικά και πρωτότυπα έργα τέχνης - ενθαρρύνει το αποτέλεσμα να είναι παρόμοιο με την αισθητική των δεδομένων. Οι καλλιτέχνες έχουν τη δυνατότητα να προσαρμόσουν τους αλγόριθμους προκειμένου να ελέγχουν το τελικό αποτέλεσμα των έργων τους.

Ωστόσο, η κατανόηση της πολυπλοκότητας του αλγοριθμικού συστήματος που εμπλέκεται στη δημιουργία εικαστικών έργων τέχνης με τη χρήση της τεχνητής νοημοσύνης είναι μόνο ένα από τα βήματα προς την κατανόηση αυτού του πεδίου στον ευρύτερο τομέα των τεχνών. Το επόμενο βήμα είναι η κατανόηση του τρόπου μέτρησης της καλλιτεχνικής αξίας ενός έργου, ώστε να οριστεί αντικειμενικά αν αυτό συνιστά τέχνη.

Πέρα από τις δεξιότητες και τη δημιουργικότητα, η καλλιτεχνική αξία ενός έργου καθορίζεται με διάφορους τρόπους: μέσω των προθέσεων του δημιουργού, της αποδοχής του από τα καλλιτεχνικά ιδρύματα, αλλά και της αντίληψης των θεατών.

Πολλοί καλλιτέχνες ακολουθούν τον ορισμό του Marcel Duchamp, κατά τον οποίο: «Η τέχνη εστιάζεται κυρίως στον εαυτό της και η αξία της αναφέρεται στην καινοτομία και τη διεύρυνση του πεδίου της».

Ο Leonel Moura, πρωτοπόρος στην εφαρμογή της ρομποτικής ζωγραφικής, δημιουργός του "Robotic Action Painter", αντλώντας έμπνευση από τον ορισμό της τέχνης του Duchamp, πίστευε πως με τις κατάλληλες παραμέτρους το σύστημα έχει τη δυνατότητα μιας αυθεντικής δημιουργίας.  Σε αντίθεση, με τον φωτογράφο Trevor Paglen, που ασχολείται κυρίως με τη μαζική παρακολούθηση των πολιτών και τη συλλογή δεδομένων, τα οποία έπειτα μετατρέπει σε έργα τέχνης, και περιγράφει την πρακτική της Τεχνητής Νοημοσύνης ως παρεμφερή με την «εννοιολογική τέχνη».

Αυτή η προσέγγιση συμβαδίζει με την άποψη ορισμένων καλλιτεχνών της τεχνητής νοημοσύνης, οι οποίοι θεωρούν ότι η αληθινή τέχνη της τεχνητής νοημοσύνης αναπτύσσεται εντός του νευρωνικού δικτύου και της αλγοριθμικής διαδικασίας, και όχι κατ’ ανάγκη στο αποτέλεσμα. Αυτή η οπτική αντιμετωπίζει την Τεχνητή Νοημοσύνη ως μέσο έκφρασης, όπου η ιδέα και η διαδικασία αποτελούν την ουσία, ενώ η φυσική παρουσία του έργου είναι δευτερεύουσας σημασίας.

Top of Form

Bottom of Form

Είναι σημαντικό - αν μη σημαντικότερο - να καταλάβουμε πως αντιλαμβάνονται την τέχνη της Τεχνητής Νοημοσύνης οι ίδιοι οι θεατές. Οι αποδέκτες των έργων. Υπάρχουν αρκετοί που είναι εντελώς απρόθυμοι να αποδεχτούν την ιδέα ότι η Τεχνητή Νοημοσύνη θα μπορούσε ποτέ να δημιουργήσει τέχνη. Υπάρχουν, ωστόσο ορισμένα ερευνητικά εργαλεία που παρακάμπτουν αυτήν τη προκατάληψη και καταφέρνουν να εξάγουν αντικειμενικά συμπεράσματα για το πως αντιλαμβάνονται την Τεχνητή Νοημοσύνη οι θεατές.

Πολλοί ερευνητές έχουν χρησιμοποιήσει μια ενημερωμένη μορφή του Τεστ Turing. Τι είναι, όμως, το τεστ Turing; Αρχικά Tο τεστ Turing έθετε σ’ έναν συμμετέχοντα να κάνει ερωτήσεις σε δύο αφανή πρόσωπα, εκ των οποίων το ένα ήταν άνθρωπος και το άλλο υπολογιστής. Από τις απαντήσεις, ο ερωτώμενος έπρεπε να ξεχωρίσει ποιος από τους δύο ήταν  ο άνθρωπος και ποιος ο υπολογιστής.

Το σύγχρονο τεστ Turing, λοιπόν, καλεί τους θεατές να προσδιορίσουν εάν ένα έργο τέχνης δημιουργήθηκε από «μηχανή» ή από ανθρώπινο χέρι.

Top of Form

Σύμφωνα με μια μελέτη του Ahmed Elgammal, διευθυντή του Εργαστηρίου Τέχνης και Τεχνητής Νοημοσύνης στο Πανεπιστήμιο Rutgers, το 75% των επισκεπτών μιας έκθεσης που περιλάμβανε ισάριθμα έργα Τεχνητής Νοημοσύνης και ανθρωπογενή, είπαν πως τα έργα της Τεχνητής Νοημοσύνης ήταν αποκλειστικά ανθρώπινης προέλευσης.

Παρομοίως, σε μια άλλη μελέτη της Rebecca Chamberlain, ερευνήτριας ψυχολόγου στο τομέα της νευροεπιστήμης, οι θεατές δεν κατάφεραν να διακρίνουν τη διαφορά μεταξύ των δύο ειδών τέχνης τα βρήκαν εξίσου ελκυστικά και τα αναγνώρισαν όλα ως έργα τέχνης.

Σε μια τρίτη έρευνα των Joo-Wha Hong και Nathaniel Ming Curran, ερευνητές του Google AI, οι συμμετέχοντες κλήθηκαν να αξιολογήσουν την καλλιτεχνική αξία των έργων που θα έβλεπαν, αφού όμως είχαν εκ των προτέρων ενημερωθεί ποια από αυτά ήταν ανθρωπογενή και ποια όχι. Παρά το γεγονός ότι πολλοί απ’ αυτούς δεν κατάφεραν να διακρίνουν τη διαφορά, οι περισσότεροι αναγνώρισαν την αισθητική αξία όλων των έργων που είδαν. Όμως, η συγκεκριμένη μελέτη κατέληξε πως ένα μεγάλο μέρος των θεατών δυσκολεύτηκε να αποδεχτεί τη τέχνη της Τεχνητής Νοημοσύνης ως ισότιμη της ανθρώπινης

Ποιος είναι, λοιπόν, ο ρόλος της Τεχνητής Νοημοσύνης στην τέχνη; Είναι η Τεχνητή Νοημοσύνη ο πραγματικός δημιουργός ή είναι απλά ένα εργαλείο στα χέρια των ανθρώπων; Η απάντηση σε αυτό το ερώτημα εξαρτάται από το πώς αλληλεπιδρούν καλλιτέχνης, μηχανή, τέχνη και διαδικασία.

Στο ένα άκρο του φάσματος η καλλιτέχνης της Τεχνητής Νοημοσύνης Anna Ridler, θεωρεί την Τεχνητή Νοημοσύνη ως ένα εργαλείο για να βελτιώσει την δουλειά της. Αν και αναγνωρίζει την αυτόνομη δυνατότητα της συσκευής που χρησιμοποιεί, διατείνεται πως χωρίς την καθοδήγησή της, η συσκευή δεν θα μπορούσε να δημιουργήσει τίποτα από μόνο του.

Σε παρόμοιο άκρο βρίσκεται ο Harold Cohen και η μηχανή του, το AARON* που μπορεί μεν να δημιουργήσει έργα αναλόγως των κατευθύνσεων και των παραμέτρων που του δίνονται, όμως, όπως ο ίδιος ο Cohen θα περιγράψει αργότερα, «η δεκαετής δουλειά μου με τον AARON ήταν ένα είδος κυβερνο-οργανισμού χωρίς αυτόνομη δημιουργική ικανότητα».

Ο Leonel Moura έχει μια διαφορετική άποψη: Τα Artbots* της Τεχνητής Νοημοσύνης διαθέτουν κάποιο επίπεδο δημιουργικότητας, όμως δεν διαθέτουν καλλιτεχνικές «ανησυχίες». Θεωρεί, επομένως,  την αλληλεπίδρασή μαζί τους ως μια διαδικασία διδασκαλίας και μάθησης.

Bottom of Form

Ο Ahmed Elgammal, επιστήμονας που ερευνά τη δημιουργική δύναμη της Τεχνητής Νοημοσύνης στην τέχνη, αναγνωρίζει τη δημιουργικότητα του συστήματός AICAN*, ως έναν καινοτόμο δημιουργό έργων τέχνης. Το AICAN έχει δημιουργήσει έργα που προκαλούν σκέψη και συζήτηση στον κόσμο της τέχνης και της Τεχνητής Νοημοσύνης.

Κοινή συνισταμένη όλων των παραπάνω, είναι πως η Τεχνητή Νοημοσύνη, στις δαιδαλώδεις εκδοχές της, είναι ένα εργαλείο με τεράστιες και συχνά συναρπαστικές δυνατότητες, που όμως δεν μπορεί να λειτουργήσει ανεξάρτητα από την ανθρώπινη συνθήκη.

Οι επενδυτές της Τεχνητής Νοημοσύνης υποστηρίζουν ότι τα προϊόντα τους, θα κάνουν τους καλλιτέχνες πιο δημιουργικούς. «Οι δημιουργικές τέχνες θα εισέλθουν σε μια χρυσή εποχή, καθώς οι καλλιτέχνες, μουσικοί, συγγραφείς και κινηματογραφιστές με την υποστήριξη της Τεχνητής Νοημοσύνης θα αποκτήσουν την ικανότητα να πραγματοποιούν τα οράματά τους πολύ πιο γρήγορα, με μεγαλύτερη ακρίβεια και σε μεγαλύτερη κλίμακα από ποτέ», έγραψε πρόσφατα ο δισεκατομμυριούχος επενδυτής Marc Andreessen.

Παρέλειψε όμως να αναφέρει ότι όταν αυτό συμβεί, ο ίδιος θα γίνει πλουσιότερος κατά μερικά δισεκατομμύρια, αφού έχει ήδη επενδύσει εκατοντάδες εκατομμύρια δολάρια σε εταιρείες Τεχνητής Νοημοσύνης, συμπεριλαμβανομένης της μεγαλύτερης όλων, του OpenAI, όπου κατέχει το 10%.

Σύμφωνα με τον διαδικτυακό επενδυτικό ιχνηλάτη Crunchbase, σήμερα υπάρχουν περισσότερες από 14.700 νεοφυείς επιχειρήσεις τεχνητής νοημοσύνης μόνο στις Ηνωμένες Πολιτείες (υπολογίζονται σε 58.000 παγκοσμίως). Από αυτές, μόνο οι κορυφαίες συγκεντρώνουν περί τα 3 δισεκατομμύρια δολάρια τον μήνα σε χρηματοδότηση. Πέρυσι, τα έσοδα από τα προϊόντα εταιρειών Τεχνητής Νοημοσύνης, υπολογίστηκαν σε 51,27 δισεκατομμύρια δολάρια. Η διεθνής εταιρεία παροχής υπηρεσιών λογιστικής, PwC, με παρουσία σε πάνω από 150 χώρες, προβλέπει ότι σε 8 χρόνια από τώρα, η Τεχνητή Νοημοσύνη θα αντιπροσωπεύει 15,7 τρισεκατομμύρια δολάρια της παγκόσμιας οικονομίας – δηλαδή, περισσότερο από τρεις φορές το συνολικό ΑΕΠ της Ιαπωνίας.

Οι «ονειροπόλοι» της Τεχνητής Νοημοσύνης, όπως ο Marc Andreessen, υποστηρίζουν ότι η επερχόμενη επανάσταση της Τεχνητής Νοημοσύνης θα αντικατοπτρίζει τη Βιομηχανική Επανάσταση, που μπορεί μεν να καταργήσει «κάποιες» θέσεις εργασίας, αλλά θα δημιουργήσει νέες και πολύ καλύτερες.

Και πράγματι, η Βιομηχανική Επανάσταση προώθησε μεγάλη παραγωγικότητα και οικονομική ανάπτυξη. Βελτίωσε το βιοτικό επίπεδο και μείωσε την πείνα. Κατά τη διάρκεια της, η μηχανοποίηση και οι νέες τεχνολογίες μετέφεραν την παραγωγή και την κατανάλωση σε μαζική κλίμακα. Αν και οι μηχανές μπορούσαν να παράγουν αγαθά σε πρωτοφανείς ρυθμούς, αυτό που δεν μπορούσαν να αντιγράψουν ήταν η ανθρώπινη δημιουργικότητα, η δεξιοτεχνία, οι εμπειρίες και τα συναισθήματα των εργατών που αντικατέστησαν.

Σκεφτείτε τον ανθρώπινο αντίκτυπο στα υφαντουργεία της Αγγλίας. Τα χέρια που έγιναν μηχανές, οι ζωές που αντλούσαν έμπνευση από τη ρουτίνα, και η αναζήτηση της υπαρξιακής οντότητας σε έναν μηχανοκίνητο κόσμο. Αυτή η εποχή είδε τη γέννηση των πρώτων εργατικών κινημάτων, καθώς οι άνθρωποι πάλευαν για την αναγνώριση της ανθρώπινης αξίας τους σε έναν κόσμο που φαινόταν να τους υποτιμά.

Καθώς η τεχνολογία προχωρούσε, οι καλλιτέχνες και οι συγγραφείς της εποχής αναζητούσαν να ανακαλύψουν την ανθρώπινη ουσία που διέφευγε των μηχανών. Οι ρομαντικοί ποιητές της εποχής, όπως ο Wordsworth και ο Coleridge, αναζητούσαν το ανθρώπινο στον φυσικό κόσμο, στον κόσμο πέραν των ατμομηχανών και των εργοστασίων.

Παρότι δεν υπάρχει ακριβής ορισμός για την 'χαρά', τη 'θλίψη', το 'θυμό' ή την 'αγάπη', οι αλγόριθμοι της μηχανικής μάθησης έχουν τη δυνατότητα να επεξεργάζονται τεράστιες ποσότητες δεδομένων προκειμένου να εντοπίσουν μοτίβα που ενδέχεται να υποδεικνύουν μια συγκεκριμένη συναισθηματική κατάσταση.

Το αληθινό μέγεθος της πολύχρωμης βεντάλιας των συναισθημάτων, όμως, παραμένει άβατο για την Τεχνητή Νοημοσύνη, η οποία παραμένει περιορισμένη στα δυαδικά της.

Αλλά για πόσο ακόμα;

_________________________________________________________________________________________________________________________________________________________________________________________________________________________

*Εδώ παραθέτω τις συντομεύσεις των όρων που διαβάσατε  παραπάνω, καθώς και τις ερμηνείες τους:

GAN (Generative Adversarial Network) – Τα GANs είναι μια κατηγορία αλγόριθμων μηχανικής μάθησης που χρησιμοποιούνται για τη δημιουργία νέων δεδομένων, όπως εικόνες, ήχοι και άλλα, και που προσομοιάζουν τα πρωτότυπα ή δύσκολα μπορούν να διακριθούν από αυτά. 

Ωστόσο, η χρήση των GANs έχει προκαλέσει ηθικές ανησυχίες, όπως η παραγωγή πλαστών πληροφοριών ή εικόνων που μπορούν να χρησιμοποιηθούν για παραπλάνηση ή κακόβουλους σκοπούς. Παρά τις προκλήσεις αυτές, τα GANs παραμένουν το πιο σημαντικό εργαλείο στον τομέα της τεχνητής νοημοσύνης και της δημιουργίας ρεαλιστικών ψηφιακών περιεχομένων.

CAN (Creative Adversarial Network) - Αναντίστοιχα με τα GANs (Generative Adversarial Networks), τα CANs αποτελούν ένα είδος δικτύων τεχνητής νοημοσύνης που εστιάζουν στη δημιουργία και τη βελτίωση του δημιουργικού περιεχομένου μέσω του ανταγωνισμού μεταξύ του γεννήτορα και του διακριτή.

AICAΝ (Artificial Intelligence Creative Adversarial Network) - Το AICAN διαθέτει την ικανότητα να αναγνωρίζει, να επεξεργάζεται και να δημιουργεί καλλιτεχνικά έργα μέσω του ανταγωνισμού, παρόμοια με τη λειτουργία των GANs. Η χρήση του AICAN έχει προκαλέσει ενδιαφέρον και συζητήσεις σχετικά με την αλληλεπίδραση μεταξύ της τεχνητής νοημοσύνης και της δημιουργικής διαδικασίας, καθώς και την ενσωμάτωσή του στον χώρο της τέχνης και της πολιτιστικής παραγωγής.

AARON (Artificial Artist Reality Originated Novel), είναι ένα λογισμικό δημιουργίας τέχνης που αναπτύχθηκε από τον καλλιτέχνη Harold Cohen τη δεκαετία του '70 και εξελίχθηκε στη δεκαετία του '90. Ο Cohen εκπαίδευσε το AARON να λαμβάνει αποφάσεις σχετικά με το ύφος, τα χρώματα, τις γραμμές και τις δομές του έργου του. Ένα κομβικό στοιχείο του AARON είναι η ικανότητά του να αλληλεπιδρά με το περιβάλλον του και να προσαρμόζει τη δημιουργία του σε βάθος χρόνου, δημιουργώντας έτσι μια διαδικασία που θυμίζει τη δημιουργία ενός πραγματικού καλλιτέχνη.

Το AARON έχει αποτελέσει αντικείμενο μελέτης για τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μπορεί να αναπτύξει δεξιότητες που θεωρούνταν παραδοσιακά ανθρώπινες.

ARTBOTS - είναι ένας γενικός όρος που αναφέρεται σε οποιαδήποτε εφαρμογή της Τεχνητής Νοημοσύνης για τη δημιουργία έργων τέχνης. Τα ARTBOTS περιλαμβάνουν τα GAN, CAN, AICAN και AARON, καθώς και άλλες εφαρμογές που δεν έχουν ακόμη αναπτυχθεί. Τα Artbots είναι ρομποτικές συσκευές που σχεδιάστηκαν για να δημιουργούν τέχνη ή να εκφράζουν δημιουργικότητα μέσω διαφόρων μέσων, όπως ζωγραφική, σκίτσο, γλυπτική, και άλλες καλλιτεχνικές διαδικασίες. Έχουν συχνά ενσωματωθεί σε εκθέσεις τέχνης ή πειραματικά εργαστήρια για να παρουσιάσουν τον τρόπο με τον οποίο η τεχνητή νοημοσύνη και η ρομποτική μπορούν να χρησιμοποιηθούν.