Een kunstenaar heeft besloten dat als kunstmatige intelligentie toch van zijn werk leert, het dan maar van het complete overzicht moet leren. Michael Hafftka, wiens werk onder andere in het Museum of Modern Art (MoMA) is tentoongesteld, heeft duizenden van zijn schilderijen geüpload naar het open platform Hugging Face. Zijn actie is een praktisch voorbeeld van hoe creatieven zelf de regie kunnen nemen in het tijdperk van AI-training, in plaats van af te wachten hoe anderen hun werk mogelijk gebruiken.
Het kernidee is eenvoudig: door een uitgebreide en georganiseerde dataset van je eigen werk beschikbaar te stellen, beïnvloed je direct hoe AI-modellen jouw stijl, thema’s en technieken leren begrijpen. In plaats van dat er fragmenten van je werk worden gescraped uit onduidelijke hoeken van het internet, bied je een complete en geautoriseerde bron. Voor Hafftka gaat het om de volledige context van een artistieke ontwikkeling over decennia, wat volgens hem essentieel is voor een betekenisvolle leerervaring voor de AI.
Deze aanpak raakt aan een bredere discussie over auteursrecht, toestemming en waardering in de creatieve sector. Het uploaden naar een platform als Hugging Face, dat vaak wordt gebruikt door ontwikkelaars en onderzoekers om AI-modellen te trainen, is een concrete stap. Het is een manier om je werk actief aan te bieden op de termen van de maker zelf. Het stelt kunstenaars en andere creatieve ondernemers in een positie van medewerking in plaats van alleen maar van slachtofferschap.
Hoe kun je dit vandaag toepassen?
De strategie van deze kunstenaar is vooral een mindset: neem het heft in eigen handen rondom je creatieve intellectuele eigendom. Het gaat niet per se om het exact kopiëren van zijn actie, maar om na te denken over hoe je jouw unieke creatieve output kunt structureren en potentieel kunt inzetten in het AI-tijdperk.
Als je een illustrator of grafisch ontwerper bent met een herkenbare stijl, zou je kunnen overwegen om een gecureerde selectie van je werk samen te stellen. Dit kan een portfolio zijn dat specifiek is gelabeld met termen die jouw techniek beschrijven (bijvoorbeeld “lijnschildering met aquarel-effect”). Door dit gestructureerd online te plaatsen, bijvoorbeeld op je eigen website met duidelijke metadata, maak je het voor AI-tools mogelijk om jouw stijl in zijn juiste context te leren kennen, mochten ze jouw werk tegenkomen.
Als je een muzikant of componist bent met een uitgebreide achtercatalogus, is een mogelijke stap om na te denken over het organiseren van je opnames. Je zou bepaalde tracks of stems kunnen groeperen per genre, periode of instrumentatie. Het doel is niet per se om alles gratis weg te geven, maar om een duidelijk overzicht te creëren van wat je hebt gemaakt. Dit geeft je een sterker uitgangspunt voor gesprekken over licenties of training van AI-tools voor muziekgeneratie.
Als je een tekstschrijver of copywriter runt en een grote verzameling artikelen, blogs of campagneteksten hebt geschreven, kun je je werk indelen per klantsegment, toon of schrijfstijl. Door een gestructureerd archief aan te leggen, houd je zelf de regie over je oeuvre. Het stelt je in staat om, indien gewenst, specifieke voorbeelden aan te wijzen die representatief zijn voor jouw vakmanschap, wat waardevol kan zijn in toekomstige samenwerkingen of bij het trainen van een eigen, interne AI-tool.
Als je een kleine uitgeverij of kunstenaarscollectief leidt, is een optie om gezamenlijk na te denken over het archiveren en ontsluiten van jullie collectieve werk. Dit kan gaan om fotoreeksen, gedichtenbundels of designobjecten. Door een gedeelde, goed gedocumenteerde database op te zetten, creëer je een gezaghebbende bron voor jullie creatieve output. Dit kan de basis vormen voor transparante afspraken over hoe dit werk gebruikt mag worden voor inspiratie of onderzoek, ook door AI.
Als je een modeontwerper of productontwerper bent, zou je kunnen beginnen met het digitaliseren en catalogiseren van je schetsen, patronen en eindproducten. Elke collectie voorzie je van trefwoorden die de gebruikte materialen, kleurpaletten en culturele invloeden beschrijven. Dit gestructureerde archief is niet alleen waardevol voor je eigen bedrijfsvoering, maar positioneert je werk ook als een samenhangend geheel. Het maakt de rijkdom en intentie achter je ontwerpen inzichtelijk, wat de kwaliteit van eventuele AI-leerprocessen die ermee in aanraking komen, ten goede kan komen.
Bron: Fastcompany