Inleiding
De opkomst van kunstmatige intelligentie in de creatieve industrie heeft een nieuwe ethiekvraag opgeroepen: mag AI-modellen worden getraind op menselijke kunstwerken zonder expliciete toestemming van de makers? Terwijl tools zoals Midjourney, DALL·E en Stable Diffusion razendsnel kunstwerken genereren die stijlen nabootsen, worden de oorspronkelijke makers vaak niet genoemd of gecompenseerd. In dit artikel verkennen we de complexe ethiek achter AI-trainingsdatasets, het belang van transparantie en toestemming, en mogelijke oplossingen die innovatie en kunstenaarsrechten in evenwicht kunnen brengen.
De rol van datasets in AI-kunst
AI-modellen die kunst genereren zijn opgebouwd uit enorme datasets die miljoenen kunstwerken bevatten. Deze datasets worden vaak geplukt van het internet, waaronder werken gemaakt door kunstenaars die geen idee hebben dat hun werk wordt gebruikt om machines te trainen. Het resultaat is dat AI-systemen kunnen leren en zelfs unieke stijlen repliceren zonder dat de makers deze processen begrijpen of er controle over hebben.
Hoewel het gebruik van openbaar beschikbare data in veel rechtsgebieden technisch legaal is, blijft het een ethisch ingewikkeld terrein. Kunstenaars hebben immers niet opgezegd om hun stijl te gebruiken voor AI-tools. Veel van hen merken pas na enige tijd dat hun werk herkend wordt in AI-genererde creaties, vaak zonder bronvermelding of erkenning.
Toestemming versus redelijk gebruik
Een van de belangrijkste ethische vragen is of het gebruik van kunst voor AI-training valt onder het concept van 'redelijk gebruik'. Voorstanders van huidige AI-trainingsmethoden beroepen zich vaak op deze juridische doctrine, die beperkt gebruik van auteursrechtelijk beschermd materiaal zonder toestemming toestaat voor doeleinden zoals commentaar, educatie of transformatie.
Echter, kritici stellen dat het aanleren van AI om een kunstenaarsstijl te repliceren niet per se als een 'transformatieve' handeling kan worden gezien. Als een AI-tool een stijl exact na kan bootsen en dit gebruikt wordt voor commerciële doeleinden, kan dit worden gezien als een vorm van creatieve toe-eigening. Dit betekent dat kunstenaars niet alleen hun stijl maar ook hun creatieve input kunnen worden uitgebuit.
De behoefte aan transparantie
Een concrete stap in de richting van ethiek is transparantie. Initiatieven zoals Spawning's "Have I Been Trained?" geven kunstenaars de mogelijkheid om te zien of hun werk in trainingsdatasets staat en eventueel verwijdering aan te vragen. Dit is een voorproefje van hoe toekomstige systemen eruit zouden kunnen zien, waarin kunstenaars controle krijgen over hun creatieve input.
Transparantie is essentieel om de balans tussen innovatie en rechten van kunstenaars te behouden. Als kunstenaars niet weten dat hun werk wordt gebruikt, kunnen ze ook geen beslissing nemen over toestemming of compensatie. Hierdoor ontstaat een onevenwicht in macht: de AI-ontwikkelaars beslissen over het gebruik van creatieve output, zonder dat de originele makers betrokken worden.
Compensatie en erkenning
Een ander belangrijk aspect is compensatie. Vele kunstenaars investeren jaren in hun opleiding, techniek en stijl, maar wanneer hun werk wordt gebruikt om AI-modellen te trainen, krijgen ze vaak geen royalty's of financiële terugbetaling. Dit leidt tot ethische vragen over rechtvaardigheid en eerlijke vergoeding.
Hoewel sommige opkomende modellen, zoals Adobe Firefly, uitsluitend trainen op gelicentieerde content of Adobe Stock, is dit nog steeds een uitzondering. Voor de meeste kunstenaars is het onmogelijk om te weten of hun werk in een dataset staat, laat staan of ze financieel zouden worden gecompenseerd als dat wel zo was.
Het idee van royalty's voor kunstwerken in AI-datasets is daarom een logische uitbreiding van bestaande auteursrechtmodellen. Als AI-modellen commerciële toepassingen hebben, zou het logisch zijn dat kunstenaars een aandeel krijgen in de opbrengsten, net zoals schrijvers of muzikanten hun rechten behouden in digitale media.
Een ethische toekomst vormgeven
Uiteindelijk draait het ethisch debat over datasets voor AI-training om macht en respect. Kunst is niet alleen een technische vaardigheid, maar ook een expressie van persoonlijkheid, culturele erfenis en creatieve inspanning. Als kunst wordt gebruikt om machines te trainen, moet er aandacht zijn voor hoe dit proces de rechten en belangen van de originele makers beïnvloedt.
Een ethische toekomst vraagt om een dialoog tussen kunstenaars, technologen en beleidsmakers. Het is van belang om duidelijke richtlijnen vast te leggen die zowel innovatie bevorderen als de rechten van kunstenaars beschermen. Dit kan bijvoorbeeld leiden tot industrieën waarin kunstenaars actief betrokken zijn bij het trainen van AI, of waarin ze worden gecompenseerd voor hun creatieve input.
Conclusie
De ethiek van AI getraind op menselijke kunst is een complexe kwestie die niet alleen juridische maar ook maatschappelijke en ethische overwegingen vereist. De huidige praktijk van het gebruik van openbare data voor AI-training blijft ethisch twijfelachtig, omdat kunstenaars vaak niet betrokken worden of gecompenseerd worden. Initiatieven die transparantie bevorderen en royalty-modellen introduceren, kunnen een stap in de goede richting zijn. Het is van belang dat innovatie en kunstenaarsrechten in evenwicht worden gebracht, zodat AI de creatieve industrie verrijkt in plaats van uitbuit.