生成式AI在创造性实践中的应用：ML艺术家关于文本到图像使用、危害及危害减少的民间理论

文献标题

Generative AI in Creative Practice: ML-Artist Folk Theories of Use, Harm, and Harm Reduction

文献信息

• 主题领域: 人机交互 (HCI)、创意实践与生成式人工智能
• 关键词: 艺术与技术, 民间理论, 生成式人工智能, 文本到图像模型 (T2I), 创造力

研究背景与问题

• 问题与挑战:

  • 如何理解艺术社区的创意实践中对生成式人工智能（特别是文本到图像模型）产生的使用体验。
  • 生成式人工智能可能导致社会技术性伤害，包括文化生产冷却、艺术样式同质化以及对创意工作者的经济压迫。

• 研究重要性:

  • 生成式人工智能迅速扩展至艺术领域，其潜在应用和社会影响需要明确讨论。
  • 针对T2I模型引发伤害的研究较少，特别是在预防性措施方面。

• 研究动机与相关工作:

  • 本文基于民间理论的视角，通过与艺术家的互动（尤其是使用生成式人工智能的艺术家），探讨受众社区对生成式人工智能的认知和经验。
  • 结合先前关于ML艺术社区的政治与实践研究，这些反思可能帮助加强负责的AI开发。

解决方案

• 提出的解决方案:

  • 作者采用民间理论框架分析生成式AI在艺术实践中的使用、伤害及伤害减少策略。
  • 组织了三场工作坊参与讨论，寻找艺术家们对于文本到图像模型的观点。

• 创新之处:

  • 提出并细化了11套关于T2I模型的民间理论，包括使用、伤害和伤害减少。
  • 通过这些理论探讨所涉及社区的社会技术问题与解决方案之间的关系。

• 实施步骤与技术:

  • 采用质性研究方法，通过反思性主题分析 (Reflexive Thematic Analysis, RTA) 归纳出关键主题与民间理论。
  • 设计参与工作坊以获取艺术家的多样化观点，包括使用在线互动工具 (Jamboard) 鼓励视觉化表达。

研究成果

• 具体成果:

  • 关于使用:
    1. 文本到图像模型作为具有特定性质的艺术媒介（比如错误与失败的灵感）。
    2. 文本到图像模型作为一种常规工具，用于原型设计与协作过程中的交流。
    3. T2I模型扩展了艺术创作的可能性与表达形式。
    4. 真正的创造力需要超越模型的基本功能。
  • 关于伤害:
    1. 消除失败和错误的工程努力可能损害T2I模型的艺术属性。
    2. 限制模型功能和发布可能伤害创意实践。
    3. T2I模型使用伤害是非决定性的，取决于具体背景。
  • 关于伤害减少策略:
    1. 提高透明性，使艺术家能够更好地利用模型，同时帮助其他用户理解适当用途。
    2. 扩大艺术家对模型参数的控制权，以保护模型的媒介属性。
    3. 将伤害减少责任分散到艺术家、开发人员、内容审核者等多个主体。

• 与现有解决方案相比的优势:

  • 研究引入跨文化多样性视角，分析不同社会背景下艺术家对生成式AI的观点。
  • 丰富了关于T2I模型使用与社会影响的讨论，提供了更直接的预防性措施建议。

• 实验或评估结果:

  • 作者发现艺术家社区对T2I模型的态度体现出复杂性，既有其使用价值，也对模型的限制和伤害有深刻的社会文化洞察。
  • 这些理论与当前技术开发中的价值冲突，例如“完美化技术”和对生产力的强调。

• 局限性与未来方向:

  • 基于已使用T2I模型的艺术家，可能未能覆盖批评或未能接触此技术的艺术家。
  • 招募限制可能影响样本多样性。
  • 未能横向比较不同艺术社区的观点。
  • 未来研究可以扩展到广泛社区，并分析跨技术使用者的民间理论差异与共同点。

总结与建议

• 民间理论作为一种分析框架，可用于探索社区对技术使用、伤害和解决方案的观点。
• 本研究建议：
  1. 使用民间理论分析不同社区对技术问题与解决方案的态度。
  2. 描述和区分各社区的观点，以帮助制定公平政策。
  3. 将民间理论与政策设计对接，引导负责任的AI实践。