DOI: https://doi.org/10.3389/fpsyg.2024.1497469
PMID: https://pubmed.ncbi.nlm.nih.gov/39845559
تاريخ النشر: 2025-01-08
المؤلف: J. Van Hees وآخرون
الموضوع الرئيسي: الإدراك الجمالي والتحليل
نظرة عامة
أدت التقدمات الأخيرة في الذكاء الاصطناعي (AI) إلى تطوير نماذج توليد الصور القادرة على إنشاء أعمال فنية تشبه بشكل كبير تلك التي ينتجها البشر. تقيم هذه الدراسة بشكل كمي إدراك البشر وتفضيلاتهم بشأن الفن الذي تم إنشاؤه بواسطة DALL•E 2 من OpenAI، وهي أداة بارزة لإنشاء الفن بواسطة الذكاء الاصطناعي. شارك المشاركون في مهام اختيار التفضيل وتمييز الأصل، حيث قاموا بمقارنة أزواج من الأعمال الفنية – واحدة من صنع الإنسان والأخرى من إنتاج الذكاء الاصطناعي. تشير النتائج إلى تفضيل كبير للأعمال الفنية التي أنشأها الذكاء الاصطناعي بين المشاركين، بينما أظهر مجموعة منفصلة القدرة على تمييز الأعمال التي أنشأها الذكاء الاصطناعي عن الإبداعات البشرية بمعدل أعلى من الصدفة.
تشير هذه النتائج إلى تحول ملحوظ في تفضيلات الفن نحو الإبداعات الاصطناعية، مما يثير تأملات نقدية حول الآثار المترتبة على الملكية، والأصالة، وقيمة الإبداع البشري في سياق الذكاء الاصطناعي التوليدي. تثير الدراسة أسئلة مهمة حول الطبيعة المتطورة للفن وإدراكه في المجتمع مع استمرار تأثير الذكاء الاصطناعي على العمليات الإبداعية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الانتشار المتزايد للذكاء الاصطناعي (AI) في الحياة اليومية، وخاصة من خلال التقدمات في نماذج توليد الصور التي يمكن أن تنتج وجوهًا تشبه البشر لا يمكن تمييزها عن الصور الفوتوغرافية الحقيقية. يثير هذا مخاوف كبيرة بشأن تأثير الذكاء الاصطناعي على الإبداع البشري، خاصة في مجال الفن، الذي تم اعتباره تاريخيًا كجهد فريد من نوعه للبشر. يؤكد المؤلفون على الحاجة لاستكشاف كيفية إدراك الفن الذي تم إنشاؤه بواسطة الذكاء الاصطناعي، خاصة في غياب المعرفة حول أصوله، حيث ركزت الأدبيات الحالية بشكل أساسي على التحيزات المتعلقة بالملكية بدلاً من الخصائص الجمالية الجوهرية.
لمعالجة هذه الفجوة، تحقق الدراسة في تفضيلات المراقبين للفن الذي صنعه الإنسان مقابل الفن الذي أنشأه الذكاء الاصطناعي باستخدام DALL•E 2 من OpenAI، وهي أداة متطورة لتوليد الفن. تتضمن البحث إقران 50 عملًا فنيًا أقل شهرة من فنانين مشهورين مع 50 قطعة تم إنشاؤها بواسطة الذكاء الاصطناعي تحاكي أنماطًا وميزات بصرية مماثلة. يشارك المشاركون في مهمتين: مهمة حكم التفضيل ومهمة التمييز، تهدف إلى تقييم قدرتهم على تقدير وتمييز الأعمال الفنية. تأخذ الدراسة أيضًا في الاعتبار تأثير خبرة المشاركين في الفن على تقييماتهم، مما يوفر تحليلًا شاملاً لإدراك البشر للفن الذي أنشأه الذكاء الاصطناعي.
الطرق
تحدد قسم “الطرق” في الورقة البحثية التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لمراقبة آثارها على النتائج ذات الصلة.
شمل جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام أدوات برمجية تسهل النمذجة الإحصائية المعقدة، مما يسمح بتقييم العلاقات بين المتغيرات. كما يتناول القسم تحديد حجم العينة، لضمان قوة كافية لاكتشاف التأثيرات المهمة، ويصف الاعتبارات الأخلاقية التي تم أخذها في الاعتبار خلال عملية البحث. بشكل عام، تم تصميم الطرق المستخدمة بشكل صارم لتحقيق نتائج قوية وقابلة للتكرار.
النتائج
أظهرت النتائج من التجربة 1 تفضيلًا كبيرًا للأعمال الفنية التي أنشأها الذكاء الاصطناعي بين المشاركين، الذين فضلوا هذه القطع على الأعمال الفنية التي صنعها الإنسان دون معرفة مسبقة بأصولها. كانت درجات التفضيل للفن الذي أنشأه الذكاء الاصطناعي أعلى بكثير من مستوى الصدفة، حيث أسفر اختبار t لعينة واحدة عن $t(126) = 5.39$، $p < 0.001$، وCohen's d بقيمة 0.48. في التجربة 2، تمكنت مجموعة منفصلة من المشاركين من تحديد الأعمال الفنية التي أنشأها الذكاء الاصطناعي بشكل أفضل من الصدفة، محققة دقة أعلى بكثير من 50% ($t(136) = 3.62$، $p < 0.001$، $d = 0.31$)، على الرغم من أن حجم التأثير كان أصغر مقارنة بالتجربة 1. كشفت التحليلات الإضافية عن وجود ارتباط إيجابي بين تفضيل الذكاء الاصطناعي ودقة الكشف، كما هو موضح بـ $t(48) = 3.23$، $p = 0.002$، و$r = 0.42$. وهذا يشير إلى أن الأعمال الفنية التي أنشأها الذكاء الاصطناعي والتي فضلها المشاركون في التجربة 1 كانت أيضًا تلك التي تم التعرف عليها بسهولة أكبر من قبل المشاركين في التجربة 2. من الجدير بالذكر أن هذا الارتباط استمر حتى عند التحكم في العوامل البصرية مثل متوسط السطوع، وجذر متوسط التباين، والانتروبيا، مع ظهور النتائج $t(48) = 3.15$، $p = 0.003$، و$r = 0.42$. تشير هذه النتائج إلى أن الميزات البصرية المعقدة، بدلاً من الاختلافات الأساسية في السطوع أو التباين، قد تؤثر على كل من التفضيل والكشف عن الفن الذي أنشأه الذكاء الاصطناعي. بالإضافة إلى ذلك، لم يتم العثور على ارتباطات كبيرة بين خبرة المشاركين في الفن وتفضيلاتهم أو قدراتهم على الكشف.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على نتائج مهمة تتعلق بتفضيلات البشر للأعمال الفنية التي أنشأها الذكاء الاصطناعي مقارنة بالفن التقليدي الذي أنشأه البشر. كشفت الدراسة، التي شملت مشاركين من جامعة غرب سيدني، عن تفضيل منهجي للصور التي أنشأها الذكاء الاصطناعي عندما لم يتم تقديم تسميات الملكية. يشير هذا إلى تحول محتمل في تقدير الفن، حيث قد يتم تفضيل الأعمال الاصطناعية على الإبداعات البشرية، مما يثير أسئلة حول الملكية، والأصالة، ودور الإبداع البشري في سياق الذكاء الاصطناعي التوليدي. تتناقض هذه النتائج مع الدراسات السابقة التي أشارت إلى تحيز سلبي تجاه فن الذكاء الاصطناعي عند الكشف عن الملكية، مما يبرز أهمية تنسيق العرض في تشكيل الأحكام الجمالية.
تشير الأبحاث أيضًا إلى أنه بينما كان بإمكان المشاركين تمييز بين الأعمال الفنية التي أنشأها الذكاء الاصطناعي وتلك التي أنشأها البشر، لم يتأثر تفضيلهم لفن الذكاء الاصطناعي بمستوى خبرتهم في الفن. تشير النتائج إلى أن الميزات البصرية التي تساهم في جاذبية الأعمال الفنية التي أنشأها الذكاء الاصطناعي قد تكون متاحة بشكل واسع، بدلاً من أن تكون مرتبطة بمعرفة فنية محددة. علاوة على ذلك، تثير الدراسة مخاوف بشأن العمليات المعرفية التي يمكن أن يتلاعب بها الذكاء الاصطناعي التوليدي، فضلاً عن الآثار المترتبة على مستقبل التعبير الإبداعي. تشمل اتجاهات البحث المستقبلية استكشاف آثار أنماط فنية مختلفة، وأشكال عرض، وعوامل ديموغرافية على إدراك الفن، مما قد يوفر رؤى أعمق حول العلاقة المتطورة بين تكنولوجيا الذكاء الاصطناعي وتفضيلات الجمال البشرية.
DOI: https://doi.org/10.3389/fpsyg.2024.1497469
PMID: https://pubmed.ncbi.nlm.nih.gov/39845559
Publication Date: 2025-01-08
Author(s): J. Van Hees et al.
Primary Topic: Aesthetic Perception and Analysis
Overview
The recent advancements in Artificial Intelligence (AI) have led to the development of image-synthesis models capable of creating artworks that closely resemble those produced by humans. This study quantitatively evaluates human perception and preference regarding art generated by OpenAI’s DALL•E 2, a prominent AI art creation tool. Participants engaged in preference-choice and origin-discrimination tasks, comparing pairs of artworks—one human-made and one AI-generated. The findings indicate a significant preference for AI-generated artworks among participants, while a separate group demonstrated an ability to discern AI-generated works from human creations at a rate above chance.
These results suggest a notable shift in art preference towards synthetic creations, prompting critical reflections on the implications for authorship, authenticity, and the value of human creativity in the context of generative AI. The study raises important questions about the evolving nature of art and its perception in society as AI continues to influence creative processes.
Introduction
The introduction of this research paper highlights the growing prevalence of Artificial Intelligence (AI) in daily life, particularly through advancements in image-synthesis models that can generate human-like faces indistinguishable from real photographs. This raises significant concerns regarding AI’s impact on human creativity, especially in the realm of art, which has historically been viewed as a uniquely human endeavor. The authors emphasize the need to explore how AI-generated art is perceived, particularly in the absence of knowledge about its origins, as existing literature has primarily focused on biases related to authorship rather than intrinsic aesthetic qualities.
To address this gap, the study investigates observer preferences for human-made versus AI-generated art using OpenAI’s DALL•E 2, a sophisticated tool for art generation. The research involves pairing 50 lesser-known artworks by renowned artists with 50 AI-generated pieces that mimic similar styles and visual features. Participants engage in two tasks: a preference judgment task and a discrimination task, aimed at assessing their ability to appreciate and distinguish between the artworks. The study also considers the influence of participants’ art experience on their evaluations, thereby providing a comprehensive analysis of human perception of AI-generated art.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled trials, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using software tools that facilitated complex statistical modeling, allowing for the assessment of relationships between variables. The section also details the sample size determination, ensuring adequate power for detecting significant effects, and describes the ethical considerations taken into account during the research process. Overall, the methods employed were rigorously designed to yield robust and reproducible results.
Results
The results from Experiment 1 demonstrated a significant preference for AI-generated artworks among participants, who favored these pieces over human-made artworks without prior knowledge of their origins. The preference scores for AI-generated art were significantly above chance level, with a one-sample t-test yielding $t(126) = 5.39$, $p < 0.001$, and a Cohen's d of 0.48. In Experiment 2, a separate group of participants successfully identified AI-generated artworks better than chance, achieving an accuracy significantly above 50% ($t(136) = 3.62$, $p < 0.001$, $d = 0.31$), although with a smaller effect size compared to Experiment 1. Further analysis revealed a positive correlation between AI preference and detection accuracy, indicated by $t(48) = 3.23$, $p = 0.002$, and $r = 0.42$. This suggests that the AI-generated artworks preferred by participants in Experiment 1 were also those that were more easily identified by participants in Experiment 2. Notably, this correlation persisted even when controlling for visual factors such as mean luminance, root mean square contrast, and entropy, with results showing $t(48) = 3.15$, $p = 0.003$, and $r = 0.42$. These findings imply that complex visual features, rather than basic luminance or contrast differences, may influence both the preference for and the detection of AI-generated art. Additionally, no significant correlations were found between participants' art expertise and their preferences or detection abilities.
Discussion
The discussion section of the research paper highlights significant findings regarding human preferences for AI-generated artworks compared to traditional human-created art. The study, involving participants from Western Sydney University, revealed a systematic preference for AI-generated images when no authorship labels were provided. This suggests a potential paradigm shift in art appreciation, where synthetic works may be favored over human creations, raising questions about authorship, authenticity, and the role of human creativity in the context of generative AI. These results contrast with prior studies that indicated a negative bias towards AI art when authorship was disclosed, emphasizing the importance of presentation format in shaping aesthetic judgments.
The research also indicates that while participants could distinguish between AI and human artworks, their preference for AI art was not influenced by their level of art expertise. The findings suggest that the visual features contributing to the appeal of AI-generated artworks may be broadly accessible, rather than linked to specific artistic knowledge. Furthermore, the study raises concerns about the cognitive processes that generative AI can manipulate, as well as the implications for the future of creative expression. Future research directions include exploring the effects of different artistic styles, presentation formats, and demographic factors on art perception, which could provide deeper insights into the evolving relationship between AI technology and human aesthetic preferences.