'Gebruik AI in creatieve processen'

Het is een misverstand dat de voortschrijdende technologie juist de creatiefste mensen niet van een baan zou beroven. Of wacht: dat is géén misverstand, zo concluderen docent-onderzoekers Joris van Dooren en Coen Luijten in onderstaand opiniestuk. Op voorwaarde dat creatievelingen die technologieën ook omarmen en gebruiken. 

In 2018 brachten we ons boek Creativity Works! uit. We zijn inmiddels zes jaar verder en de voorspelling in het boek dat niet-creatieve mensen snel werkloos zouden worden is behoorlijk waardeloos gebleken. De arbeidsmarkt is krapper dan krap. Werk genoeg, ook voor mensen die niet dagelijks brainstormen.

Gedurende de afgelopen jaren leken meer van onze voorspellingen niet uit te komen. We wisten niet wie er precies aan die algoritmes voor kunstmatige intelligentie aan het klussen waren, maar erg opschieten leken ze niet te doen. Het viel nogal tegen, de vooruitgang die geboekt werd met de zelfrijdende auto’s en poetsrobots waar we zo naar uitkeken. En dus had op 30 november 2022 een taxi nog steeds een chauffeur en groetten we op onze hogeschool elke morgen vrolijk de schoonmaakploeg.

De zojuist genoemde datum - 30 november 2022 - is echter geen lukraak gekozen datum. Het is de dag waarop OpenAI zijn kunstmatige intelligente chatbot ChatGPT op de wereld losliet. We probeerden het uit en waren flabbergasted. Een chatbot die wél werkte, dat kon dus gewoon. Eat that, beste verzekeraar/webwinkel/kabeltelevisieprovider!

Typisch menselijk
Ondertussen vroegen wij ons af of creativiteit eigenlijk wel de sleutel is om je brood te kunnen blijven verdienen. Wij zagen het in 2018 namelijk vooral als een typisch menselijke activiteit. Een uniek domein waarin we de computer voorlopig de baas zouden kunnen blijven. Een vaardigheid waarmee je de robot kon verslaan om nog lang en gelukkig te kunnen werken. Over hoe kunstmatige intelligentie creatieve processen zélf zou beïnvloeden hadden we eigenlijk niet zo diep nagedacht. Dat hebben we de afgelopen tijd wel proberen te doen.

Vanuit ons onderzoeksgebied The Next Level Marketeer bij FMC bekeken we hoe het creatieve proces van het ontwikkelen en uitwerken van communicatie en marketingconcepten beïnvloed wordt door kunstmatige intelligentie en wat dat betekent voor ons onderwijs. Dat hebben we gedaan door gesprekken te voeren met collega-docenten en ervaringsdeskundigen. Daarnaast hebben we studenten geobserveerd in hun creatieve processen. Tot slot hebben we zelf geëxperimenteerd, vooral met ChatGPT. We delen graag onze eerste inzichten.

Laten we beginnen met een beschrijving van wat we voor de komst van kunstmatige intelligentie verstonden onder het creatieve proces. “Creativity is a process in which you search for inspiration and insights, alone or in a team, that help you to come up with ideas, evaluate these ideas on their merit, select the most valuable ideas and combine, improve and enrich these ideas into a concept that you transfer into a prototype that you can learn from”.

Onder deze definitie ligt een proces met vier fasen: onderzoeken, ideeën bedenken, ideeën beoordelen en prototypen. Voor elke van deze fases hebben we in kaart gebracht wat ons is opgevallen in gesprekken en observaties. Waar zien we dat kunstmatige intelligentie inzetbaar is in dit proces? Wat zien we studenten doen? We proberen een balans op te maken en kijken steeds hoe dat ons onderwijs beïnvloedt.

Onderzoeken
In het onderzoek dat het startpunt vormt van een creatief proces speelt de zoektocht naar werkende theoretische principes en modellen een vrij prominente rol. De verwerking van zo’n theorie zorgt er namelijk voor dat een originele oplossing uiteindelijk ook echt werkt. Dat is belangrijk, want een origineel idee is nog geen goed idee. Het moet namelijk ook werken. 

In vrijwel elk creatief onderwijsproject worden daarom theoretische vragen gesteld en beantwoord. Niet dat de gemiddelde student dit zo leuk vindt, maar het hoort er wel bij. Hoe fijn is het dus voor die student dat ChatGPT daarbij een krachtig hulpmiddel is gebleken. Met de juiste prompts heb je zo je theoretische vragen beantwoord. Wil je er APA bronvermelding bij? Kan gewoon. Het beantwoorden van theoretische vragen vraagt op deze manier veel minder tijd. Die tijd kan dan mooi besteed worden aan de drie volgende fasen in het proces.

Een paar uitdagingen zien we wel. Zo is het bepaald niet gegarandeerd dat studenten hun door ChatGPT gelikt in elkaar gestoken theoretische kaders daadwerkelijk doorgronden. Nu is dat ook bij een door de student volledig zelf geschreven theoretisch kader geen vanzelfsprekendheid, maar toch. In het onderwijs is het iets om alert op te zijn. Het is immers iets wat je wel zou willen.

Een ander vraagstuk is of studenten in staat zijn om de zin en onzin die een chatbot als Chat GPT mogelijk uitbraakt van elkaar weten te scheiden. Er zullen manieren aangeleerd moeten blijven worden om de kwaliteit van bronnen te kunnen beoordelen. Ook hierover zullen we met de studenten in gesprek moeten blijven.

Theoretische vragen worden in de meeste creatieve onderzoeksprojecten gecombineerd met toegepaste. Logisch, we noemen een hogeschool niet voor niets een university of applied sciences. De cases die we studenten voorleggen worden opgehaald in het werkveld waar we voor opleiden. Dus, hop, lekker in gesprek met doelgroepen. Wat ons betreft liefst letterlijk. We zien studenten daarbij nog maar mondjesmaat de hulp van ChatGPT inroepen. Gek eigenlijk. De chatbot heeft weinig moeite met het samenstellen van vragenlijsten gebaseerd op theoretische modellen.

Ideeën bedenken
Na de onderzoeksfase volgt de fase waarin ideeën gegenereerd worden. Over het algemeen wordt dit de brainstormfase genoemd. We hebben als creativiteitsdocenten hele generaties studenten uitgelegd hoe belangrijk het was om heel veel domme, wilde ideeën te kunnen bedenken. Was leuk, hebben we veel plezier mee gehad, maar zijn we mee gestopt. 

Je kunt ChatGPT die grote hoeveelheid ideeën namelijk gewoon voor je laten bedenken. De chatbot doet daarbij geen uur over het bedenken van honderd ideeën, maar vijf seconden. En die ideeën zijn meestal niet eens dom en wild, maar eerder uitstekend bruikbaar. Je krijgt echt een inspirerend startpunt om op door te brainstormen of om door te gaan naar de volgende fase: het beoordelen en selecteren van de meest kansrijke ideeën.

Ideeën beoordelen
Het lijkt erop dat dit nog even mensenwerk blijft. Bij de beoordeling van ideeën zijn twee zaken belangrijk. Ten eerste moet je de potentie van een idee op waarde kunnen schatten. Om dat te kunnen doen moet je veel weten van de context waarin het idee gelanceerd gaat worden. Je hebt er de inzichten uit het onderzoek van de eerste fase voor nodig. Een berg ervaring helpt ook. 

De mix van inzichten en ervaringen die je nodig hebt om in te kunnen schatten of een idee echt gaat werken in de praktijk is doorgaans zo complex dat deze lastig over te brengen is aan een computer. Het is voor mensen ook moeilijk onder woorden te brengen. Kansrijke ideeën zorgen voor energie en enthousiasme bij de bedenkers ervan. Ze voelen gewoon dat ze iets te pakken hebben dat gaat werken.

Een algoritme heeft echter geen emoties. Een enthousiaste tone of voice kan het wel maken als je het om een tekst vraagt, maar echt enthousiasme voelen kan het niet. Dus ook niet voor een idee. Wie een algoritme criteria voor de haalbaarheid en impact van een idee kan geven, zal misschien best nog een heel eind komen. Meer onderzoek is nodig.

Prototypen
In deze fase wordt er van het gekozen concept een prototype ontwikkeld om deze te testen en verbeteren. Hierbij vergroten toepassingen die gebruik maken van kunstmatige intelligentie de mogelijkheden enorm. Een uitgangspunt dat wij in het onderwijs gebruiken is dat je begint met een quick & dirty in elkaar geflanst prototype. Daarmee ga je een iteratief proces in waarbij je bij elke volgende feedback loop meer tijd, moeite en middelen in het nieuwe prototype steekt.

De kunstmatige intelligentie achter toepassingen als Midjourney en Chat GPT rekt de mogelijkheden bij prototyping enorm op. Veel bekende technieken als user story writing, storyboarding, visual prototyping en mockup design, die tot anderhalf jaar terug best veel tijd en moeite kostten om te maken, zijn nu veel sneller te vervaardigen.

Inzichten en issues
Welke overkoepelende inzichten en issues filteren we uit de ervaringen die we opgedaan hebben in de voorgaande vier fases? Ten eerste zien we dat juist creatieve mensen dik profiteren van de nieuwe mogelijkheden die kunstmatige intelligentie biedt. Zij zetten kunstmatige intelligentie op slimme en originele manieren aan het werk. Ze zijn nieuwsgierig en experimenteren er graag op los. Daarmee wordt hun voorsprong op mensen die deze mindset minder hebben waarschijnlijk groter dan ooit tevoren. Je raakt je baan niet kwijt aan kunstmatige intelligentie denken wij, maar aan iemand die wél kunstmatige intelligentie gebruikt.

Ten tweede zien we dat inhoudelijke kennis en analytische vaardigheden belangrijk zijn. De kwaliteit van de output van kunstmatige intelligentie hangt in hoge mate af van de kwaliteit van de opdracht, de zogenaamde prompt. Hoe beter deze prompt, hoe beter het antwoord. Iemand die inhoudelijke kennis heeft van creatieve processen en er vaardig mee is komt veel gemakkelijker tot goede prompts.

Ten derde confronteert anderhalf jaar experimenteren met kunstmatige intelligentie ons met een issue waar we in ons onderwijs diep over na zullen moeten denken. Er zweeft namelijk een loeier van een vraag boven alles die voor de toetsing die nou eenmaal tot nu toe ook bij onderwijs hoort, essentieel is. Wie is onder de streep de maker? Waar we het tot nu hebben over kunstmatige intelligentie bedoelen we eigenlijk generative artificial intelligence: kunstmatige intelligentie die op aanvraag voor de gebruiker iets genereert. We zien daarbij dat de kwaliteit van de output sterk afhangt van de kwaliteit van de prompt. Degene die de prompt geeft speelt dus een belangrijke rol. Maar is daarmee de gebruiker ook echt nog de maker?

Kunstmatige intelligentie gaat in zijn hulp een stap verder dan de ondersteuning die tot nu toe gangbare software bood. Een tekst laten schrijven door Chat GPT is toch net wat van een wat andere orde dan in Word een tekst typen en daar de spellingscontrole op loslaten. Een foto laten genereren is van een andere orde dan er zelf eentje nemen en hem bewerken in Photoshop. Daardoor zien we dat we als hogeschool in de toetsing worstelen met het begrip eigen werk. Is het voldoende als de student zijn dialoog met Chat GPT als bijlage inlevert? We wensen examencommissies bij de beantwoording van dit soort vragen wijsheid toe.

Combinatie
Tot slot, wat leren onze ervaringen ons als het gaat om onze blik op het fenomeen creativiteit? Een interessante gedachte is dat nieuwe ideeën eigenlijk niet bestaan. Elk zogenaamd nieuw idee kan ook gezien worden als een nieuwe, zinnige combinatie van ideeën die al bestonden. 

Nieuwe combinaties maken kon een computer altijd al. Eindeloos en in een hoog tempo. Die combinaties ook zinnig laten zijn leek ons voorbehouden aan de mens. Computers hebben immers geen idee wat ze aan het doen zijn. 

Maar zo simpel blijkt het niet te zijn. De mens lijkt erin geslaagd te zijn de computer zo te programmeren dat als je hem duizenden voorbeelden van nieuwe, zinnige combinaties uit het verleden geeft, hij zelf ook zulke combinaties kan gaan maken. Daarmee zijn we in een fase beland waarin mens en computer echt samen kunnen optrekken in creatieve processen, waarvan beide zullen leren.

In ons boek Creativity Works! staat op een tussenpagina als geintje een definitie van creativiteit die ons destijds wel aansprak. Creativity is intelligence having fun. Ook al kan een computer geen blijdschap voelen, misschien moet dat óók wel zijn: creativity is artificial intelligence having fun?

Studenten van nu hebben een supereffectieve assistent die met delen van het creatieve proces wel raad weet. Dat heeft een gevolg voor de student, waar we in onze omgeving nog niemand over gehoord hebben. Van iemand die geweldige hulp krijgt bij onderzoek, ideeëngeneratie en prototyping mag meer verwacht worden. Als de helft van het praktische werk voor je gedaan wordt, hou je tijd over om na te denken. Daarmee kun je komen tot meer volwassen gedachten over wat je bij wie wil bereiken met je concept en hoe dat je dat gaat doen. 
Hoe lastig het misschien ook te toetsen is, de strategische lat voor studenten kan en moét omhoog.

Joris van Dooren en Coen Luijten zijn beiden docent-onderzoeker bij FMC, voorheen FEHT. Hun onderzoeksgebied heet The Next Level Marketeer.