Sự sáng tạo của con người và nhân tạo: Sự khác biệt thực sự nằm ở đâu (và tại sao phong cách Ghibli dạy chúng ta điều gì đó)
Cuộc tranh luận về trí tuệ nhân tạo và bản quyền đã trở nên gay gắt hơn bao giờ hết trong giai đoạn 2024-2025. Đây không còn là những cuộc thảo luận lý thuyết nữa: Tờ New York Times đã kiện OpenAI vi phạm bản quyền (tháng 12 năm 2023), Getty Images đã kiện Stability AI, và hàng ngàn nghệ sĩ đã đệ đơn kiện tập thể. Các công ty AI phản hồi rằng hệ thống của họ "học" giống như con người—nhưng liệu điều này có thực sự đúng?
Sáng tạo của con người luôn phát triển thông qua các mối liên hệ: Shakespeare lấy cảm hứng từ biên niên sử và truyện dân gian, Van Gogh nghiên cứu tranh in Nhật Bản, The Beatles bắt đầu chơi nhạc rock Mỹ. Các nghệ sĩ luôn diễn giải lại các tác phẩm trước đó. Trí tuệ nhân tạo, theo các công ty công nghệ, cũng làm điều tương tự. Nhưng trường hợp "phong cách Ghibli" cho thấy cách kể chuyện này đơn giản đến mức nào.
Gõ "kiểu Ghibli" vào Midjourney hoặc DALL-E, bạn sẽ thấy những hình ảnh rất giống với kiệt tác của Hayao Miyazaki: màu pastel, mây bồng bềnh, phong cảnh mộng mơ, nhân vật với đôi mắt to. Kỹ thuật này thật ấn tượng, nhưng cũng đầy vấn đề.
Studio Ghibli đã dành hàng thập kỷ để phát triển tính thẩm mỹ đặc trưng đó: lựa chọn bảng màu chính xác, kỹ thuật hoạt hình truyền thống, và triết lý nghệ thuật bắt nguồn từ văn hóa Nhật Bản và tầm nhìn cá nhân của Miyazaki. Khi một mô hình AI sao chép "phong cách" đó chỉ trong vài giây, liệu nó có thực sự "học" như Miyazaki đã học từ hoạt hình Disney và manga Nhật Bản? Hay nó chỉ đơn giản là kết hợp lại các mẫu hình ảnh được trích xuất từ hàng ngàn bức ảnh tĩnh của Ghibli mà không được phép?
Sự khác biệt không nằm ở mặt triết lý—mà ở mặt pháp lý và kinh tế. Theo một phân tích của Stanford được công bố trên arXiv (Carlini và cộng sự, 2023), các mô hình khuếch tán như Stable Diffusion có thể tái tạo hình ảnh gần như giống hệt nhau từ tập huấn luyện khoảng 3% trường hợp khi được cung cấp các gợi ý cụ thể. Đó không phải là "cảm hứng", mà là sự ghi nhớ và tái tạo.
Greg Rutkowski, một nghệ sĩ kỹ thuật số người Ba Lan, đã phát hiện tên mình xuất hiện trong 1,2 triệu lời nhắc trên Stable Diffusion—vô tình trở thành một trong những "phong cách" được yêu cầu nhiều nhất mà không hề có sự đồng ý hay nhận thù lao. Như anh đã nói với MIT Technology Review: "Tôi không cảm thấy vinh dự. Tôi cảm thấy như họ đã đánh cắp thứ mà tôi đã dày công xây dựng trong nhiều năm."
Việc đào tạo AI đã đạt đến quy mô chưa từng có. LAION-5B, một trong những tập dữ liệu được sử dụng rộng rãi nhất cho các mô hình hình ảnh, chứa 5,85 tỷ cặp hình ảnh-văn bản được thu thập từ internet—bao gồm cả các tác phẩm có bản quyền. GPT-4 được đào tạo trên một lượng lớn dữ liệu internet, bao gồm các bài báo trả phí, sách và mã phần mềm độc quyền.
Các hành động pháp lý lớn đang được tiến hành:
Các công ty AI bảo vệ hoạt động này bằng cách viện dẫn "sử dụng hợp lý" theo luật Hoa Kỳ: họ lập luận rằng chương trình đào tạo này mang tính "biến đổi" và không thay thế thị trường ban đầu. Tuy nhiên, một số tòa án đang phản đối cách diễn giải này.
Thẩm phán Katherine Forrest, trong vụ án Getty v. Stability AI, đã bác bỏ động thái bác bỏ vào tháng 1 năm 2024, cho phép vụ án được tiếp tục: "Câu hỏi liệu việc đào tạo các mô hình AI có cấu thành sử dụng hợp lý hay không rất phức tạp và đòi hỏi phải cân nhắc kỹ lưỡng các sự kiện." Bản dịch: Các công ty AI không thể chỉ đơn giản viện dẫn sử dụng hợp lý và coi như xong.
Đối mặt với áp lực pháp lý, các công ty AI đã bắt đầu đàm phán giấy phép. OpenAI đã đạt được thỏa thuận với:
Google đã ký các thỏa thuận tương tự với Reddit, Stack Overflow và nhiều nhà xuất bản khác. Anthropic đã đàm phán với các nhà xuất bản để sử dụng sách.
Nhưng những thỏa thuận này chỉ áp dụng cho các nhà xuất bản lớn có quyền thương lượng. Hàng triệu nhà sáng tạo cá nhân—họa sĩ, nhiếp ảnh gia, nhà văn tự do—không được trả công cho công việc được sử dụng trong quá trình đào tạo mà họ đã hoàn thành.
Câu chuyện "AI học hỏi như con người" về mặt kỹ thuật là sai lệch. Hãy cùng xem xét những điểm khác biệt chính:
Quy mô và Tốc độ: Một nghệ sĩ có thể nghiên cứu hàng trăm hoặc hàng nghìn tác phẩm trong suốt cuộc đời. GPT-4 được đào tạo trên hàng nghìn tỷ từ. Khuếch tán ổn định trên hàng tỷ hình ảnh. Quy mô này là vô song và vượt qua mọi định nghĩa hợp lý về "nguồn cảm hứng".
Hiểu biết ngữ nghĩa: Khi nghiên cứu tranh in Nhật Bản, Van Gogh không sao chép một cách máy móc các họa tiết thị giác—ông hiểu các nguyên tắc thẩm mỹ cơ bản (sử dụng không gian âm, bố cục bất đối xứng, nhấn mạnh vào thiên nhiên) và diễn giải lại chúng thông qua tầm nhìn hậu Ấn tượng châu Âu của mình. Các tác phẩm của ông là những tổng hợp văn hóa có ý thức.
Các mô hình AI không "hiểu" theo nghĩa của con người. Như Melanie Mitchell, giáo sư tại Viện Santa Fe, giải thích trong cuốn sách "Trí tuệ Nhân tạo: Cẩm nang cho Con người Tư duy": "Các hệ thống học sâu xuất sắc trong việc nhận dạng mẫu nhưng lại thiếu sự hiểu biết về nhân quả, lý luận trừu tượng, hay các mô hình tinh thần về thế giới." Stable Diffusion không "hiểu" điều gì làm nên sự khác biệt của Ghibli—nó trích xuất các mối tương quan thống kê giữa hàng triệu pixel được gắn nhãn "phong cách Ghibli".
Ý định sáng tạo: Nghệ sĩ con người đưa ra những lựa chọn sáng tạo có chủ đích dựa trên tầm nhìn cá nhân, thông điệp họ muốn truyền tải và cảm xúc họ muốn khơi gợi. Miyazaki lồng ghép các chủ đề về môi trường, hòa bình và nữ quyền vào phim của mình - những lựa chọn đạo đức và nghệ thuật có ý thức.
AI tạo ra dữ liệu dựa trên xác suất thống kê: "Với lời nhắc X và tập huấn luyện Y, cấu hình pixel nào có khả năng xảy ra nhất?" Không có ý định, không có thông điệp, không có tầm nhìn. Như Ted Chiang đã viết trên tờ The New Yorker: "ChatGPT là một JPEG mờ nhạt của web" - một phương pháp nén mất dữ liệu, làm mất đi chính xác những phẩm chất làm nên giá trị của nội dung gốc.
Biến đổi so với tái kết hợp: Pablo Picasso nghiên cứu mặt nạ châu Phi nhưng lại sáng tạo ra trường phái Lập thể - một phong trào nghệ thuật hoàn toàn mới, tái tạo lại cách thể hiện không gian trong hội họa. Sự biến đổi này mang tính đột phá và độc đáo.
Các mô hình AI tạo sinh hoạt động bằng cách nội suy trong không gian tiềm ẩn: chúng kết hợp lại các yếu tố của tập huấn luyện thành các cấu hình mới, nhưng vẫn bị ràng buộc với phân phối thống kê của dữ liệu mà chúng được huấn luyện. Chúng không thể tạo ra những tính thẩm mỹ thực sự mới, vi phạm các quy luật thống kê đã học. Như nghiên cứu của MIT (Shumailov và cộng sự, 2023) đã chứng minh, các mô hình được huấn luyện nhiều lần dựa trên các kết quả AI trước đó sẽ dần suy thoái - một hiện tượng được gọi là "sụp đổ mô hình".
Đây chính là nghịch lý cốt lõi: AI có thể tạo ra sản phẩm trông có vẻ độc đáo (chưa từng có con người nào từng xem hình ảnh cụ thể theo phong cách Ghibli đó trước đây) nhưng lại mang tính phái sinh về mặt thống kê (chúng là sự nội suy từ các mẫu có sẵn). Đây là một hình thức sáng tạo hời hợt mà không có sự đổi mới cơ bản.
Điều này có những hàm ý sâu sắc. Như triết gia John Searle đã lập luận trong "Lập luận Căn phòng Trung Hoa" nổi tiếng của ông, việc mô phỏng một quá trình nhận thức không giống với việc sở hữu nó. AI có thể mô phỏng sự sáng tạo mà không cần phải sáng tạo theo đúng nghĩa của từ này.
Trước những tranh cãi này, nhiều giải pháp khác nhau đang được đưa ra:
Công cụ bảo vệ cho nghệ sĩ:
Nhật ký từ chối:
Khung bồi thường:
Quy định của chính phủ:
Đạo luật AI của EU (có hiệu lực từ tháng 8 năm 2024) yêu cầu các nhà cung cấp mô hình AI tạo sinh phải công bố tóm tắt chi tiết về dữ liệu đào tạo có bản quyền mà họ sử dụng. Đây là nỗ lực quản lý đầu tiên nhằm thực thi tính minh bạch.
Đạo luật ELVIS của Tennessee (tháng 3 năm 2024) đặc biệt bảo vệ giọng nói và hình ảnh của người biểu diễn khỏi việc sử dụng trái phép trong AI—tiểu bang đầu tiên của Hoa Kỳ có luật cụ thể về việc giả giọng nói và hình ảnh sâu.
Các đề xuất tại Quốc hội Hoa Kỳ bao gồm yêu cầu phải có sự lựa chọn rõ ràng đối với các tác phẩm có bản quyền (thay vì lựa chọn không tham gia) và tạo ra các sổ đăng ký công khai về các tập dữ liệu đào tạo.
Hai viễn cảnh về tương lai đối đầu nhau:
Quan điểm lạc quan (các công ty AI): AI là một công cụ khuếch đại khả năng sáng tạo của con người, tương tự như Photoshop hay các công cụ tổng hợp âm nhạc. Các nghệ sĩ sẽ sử dụng AI để đẩy nhanh quy trình làm việc, khám phá các biến thể và vượt qua các rào cản sáng tạo. Các hình thức nghệ thuật lai sẽ xuất hiện, nơi con người dẫn dắt tầm nhìn và AI đảm nhiệm các phần kỹ thuật.
Những ví dụ cụ thể đã xuất hiện: bộ phim "The Frost" (2023) đã sử dụng AI để tạo nền và họa tiết, với các nghệ sĩ con người dẫn dắt định hướng nghệ thuật. Các nhạc sĩ sử dụng Suno và Udio để tạo nhạc nền cho phần ứng tác. Các biên kịch sử dụng GPT như "vịt cao su" để thảo luận về ý tưởng cốt truyện.
Quan điểm bi quan (nhiều nhà sáng tạo): AI sẽ biến sự sáng tạo thành hàng hóa, làm xói mòn giá trị kinh tế của công việc sáng tạo cho đến khi chỉ còn lại những người ưu tú với kỹ năng đặc biệt. "Sáng tạo trung bình" sẽ bị thay thế bởi những máy phát điện giá rẻ, hủy hoại tầng lớp trung lưu sáng tạo — giống như tự động hóa công nghiệp đã loại bỏ các nghệ nhân vào thế kỷ 19.
Bằng chứng sơ bộ ủng hộ mối lo ngại này: trên các nền tảng làm việc tự do như Fiverr, nhu cầu tuyển dụng họa sĩ minh họa và người viết quảng cáo đã giảm 21% vào năm 2023 (dữ liệu Fiverr Quý 4 năm 2023), trong khi các đơn hàng tạo tác phẩm nghệ thuật bằng AI lại bùng nổ. Greg Rutkowski đã chứng kiến hoa hồng trực tiếp giảm 40% kể từ khi phong cách của anh trở nên phổ biến trên Stable Diffusion.
Sự thật có lẽ nằm ở đâu đó ở giữa: một số hình thức công việc sáng tạo sẽ được tự động hóa (hình minh họa chung chung, bản sao tiếp thị cơ bản), trong khi sự sáng tạo mang tính nguyên bản, khái niệm và dựa trên nền tảng văn hóa cao sẽ vẫn là lĩnh vực của con người.
Việc phân biệt giữa nội dung của con người và AI sẽ ngày càng trở nên khó khăn. Ngay cả hiện nay, nếu không có hình mờ hoặc thông tin công khai, việc phân biệt văn bản GPT-4 với văn bản của con người, hay hình ảnh Midjourney với ảnh chụp thường là bất khả thi. Khi Sora (trình tạo video của OpenAI) được công khai, sự khác biệt này sẽ mở rộng sang video.
Điều này đặt ra những câu hỏi sâu sắc về tính xác thực. Nếu một hình ảnh theo phong cách Ghibli do AI tạo ra cũng gợi lên những cảm xúc tương tự như bản gốc, liệu nó có cùng giá trị không? Triết gia Walter Benjamin, trong cuốn "Tác phẩm nghệ thuật trong thời đại tái tạo cơ học" (1935), lập luận rằng khả năng tái tạo cơ học làm xói mòn "hào quang" của tác phẩm gốc - tính độc đáo và tính xác thực về không gian-thời gian của nó.
Trí tuệ nhân tạo tạo ra lập luận này đến mức cực đoan: nó không sao chép các tác phẩm hiện có mà tạo ra vô số biến thể mô phỏng bản gốc mà không phải là bản gốc. Đó là mô phỏng Baudrillardian - bản sao không có bản gốc.
Tuy nhiên, vẫn có một điều gì đó không thể giản lược về hành động sáng tạo có ý thức: người nghệ sĩ lựa chọn từng nét cọ, biết rõ mình muốn truyền tải điều gì, nhà văn trau chuốt từng câu chữ để khơi gợi những cảm xúc cụ thể, nhà soạn nhạc xây dựng sự căng thẳng và giải quyết vấn đề một cách có chủ đích. AI có thể mô phỏng kết quả nhưng không thể mô phỏng quá trình - và có lẽ chính trong quá trình đó, giá trị thực sự của sáng tạo nằm ở chính quá trình đó.
Như Studio Ghibli đã viết trong một tuyên bố (tháng 11 năm 2023): "Linh hồn của những bộ phim của chúng tôi không nằm ở phong cách hình ảnh có thể sao chép, mà nằm ở những quyết định sáng tạo mà chúng tôi đưa ra trong từng khung hình để phục vụ cho câu chuyện mà chúng tôi muốn kể. Điều đó không thể tự động hóa được."
Giá trị của nghệ thuật, xét cho cùng, đến từ khả năng kết nối sâu sắc với trải nghiệm của con người - khiến chúng ta cảm thấy được thấu hiểu, được thử thách, được biến đổi. Liệu AI có thể đạt được điều này hay không vẫn còn là một câu hỏi bỏ ngỏ. Nhưng chừng nào nghệ thuật còn được con người sáng tạo ra vì con người, phản ánh đúng bản chất con người, nó sẽ lưu giữ được điều mà không thuật toán nào có thể sao chép: tính chân thực của trải nghiệm sống được chuyển hóa thành hình thái thẩm mỹ.
Nguồn:
.svg)
.svg)
.svg)
.jpeg)
.jpeg)
.jpeg)
