كيف يولد الذكاء الاصطناعي الفن والموسيقى، ولماذا تبقى "الإبداعية الحقيقية" محل نزاع

أدوات الذكاء الاصطناعي التوليدية تنتج الآن صوراً وأغنيات ومقاطع موسيقية كاملة من رمز نصي قصير، والتكنولوجيا التي تقف وراءها أصبحت معركة قانونية وثقافية مستمرة. في أكتوبر 2026، رفعت شركة الناشر Reservoir دعاوى قضائية ضد Suno و Anthropic في محكمة المنطقة الأمريكية لمنطقة كاليفورنيا الشمالية، متهمة الشركتين بتدريب أنظمة الذكاء الاصطناعي على آلاف التركيبات الموسيقية المحمية بحقوق الطبع والنشر دون ترخيص. إلى جانب تلك المعركة، يواصل الباحثون نقاشاً منفصلاً حول سؤال آخر: هل يندرج أي من هذا الإنتاج تحت تعريف الإبداعية، أم أنه شيء مختلف تماماً؟

كيفية بناء الصور التي ينتجها الذكاء الاصطناعي

تعتمد أدوات مثل Stable Diffusion و Midjourney و DALL-E على ما يسمى نماذج الانتشار. أثناء التدريب، يُعرض النظام على صور حقيقية بينما تُضاف إليها ضوضاء عشوائية خطوة بخطوة حتى تصبح الصورة الأصلية غير قابلة للتعرف. ثم يتعلم النموذج العملية العكسية — كيفية إزالة تلك الضوضاء مرة أخرى، وفقاً لدليل تقني نشرته Cloudinary. التوليد يعكس هذا: يبدأ النظام من ضوضاء عشوائية بحتة ويزيلها في مراحل، حيث تنتج الخطوات المبكرة أشكالاً عريضة وتكويناً بينما تحقق الخطوات لاحقاً الملمس والإضاءة والتفاصيل حتى تظهر صورة متماسكة. يوجه رمز نصي كل خطوة إزالة ضوضاء، ويخبر النموذج بالموضوع والأسلوب والإعداد الذي يجب التحرك نحوه.

كيفية توليف الذكاء الاصطناعي للموسيقى من رمز نصي

أنظمة الموسيقى مثل Suno و Udio تعمل بطرق مختلفة في التفاصيل لكن متشابهة في المبدأ. لأن الصوت الخام كثيف جداً — ملايين الأرقام في الثانية — بحيث لا يمكن إدراجه مباشرة في نموذج بأسلوب اللغة، هذه الأنظمة تضغط الصوت أولاً إلى عدد صغير من "الرموز" المنفصلة باستخدام برامج الترميز الصوتي العصبية، محققة ضغطاً بنحو 600 مرة، وفقاً لنظرة عامة تقنية من AI-TLDR. بمجرد تحويل الصوت إلى رموز، يتنبأ نموذج المحول — نفس نوع البنية الكامنة وراء نماذج اللغة الكبيرة — بالرمز التالي، ثم التالي، مما يبني أغنية كاملة قطعة تلو الأخرى. يتم توسيع رمز نصي أولاً (وأي كلمات أغنية) إلى خطة تقريبية تغطي النوع والإيقاع وهيكل الأغنية قبل توليد رموز الصوت. يتم تدريب النماذج على مكتبات موسيقية كبيرة وتعمل، في الوصف المستخدم من قبل تلك النظرة العامة، كـ "محركات التركيب" التي تمتص التقدمات الوترية وهياكل الأغنية بدلاً من استرجاع أغان موجودة محددة.

معركة حقوق الطبع والنشر خلف التكنولوجيا

يتطلب تدريب هذه الأنظمة كميات ضخمة من الأعمال الإبداعية الموجودة، وهو الآن موضوع تقاضٍ نشط. تؤكد دعاوى Reservoir من 21 أكتوبر 2026 أن Suno استخدمت 1050 تركيباً موسيقياً محمياً بحقوق الطبع والنشر وأن Anthropic استخدمت كلمات من 853 تركيباً — بما في ذلك أعمال Madonna و Johnny Cash و Joni Mitchell — دون تفويض، وفقاً لملخص الإيداعات التي راجعها Law Commentary. تسعى Reservoir للحصول على ما يقرب من 186.4 مليون دولار أمريكي في الأضرار القانونية من Suno وحوالي 151.4 مليون دولار من Anthropic، بالإضافة إلى ادعاءات بموجب قانون الألفية الرقمية لحقوق الطبع والنشر. جادلت Suno بأن تدريب الذكاء الاصطناعي على مواد محمية بحقوق الطبع والنشر يمكن أن يندرج ضمن الاستخدام العادل وقّعت بشكل منفصل اتفاقيات ترخيص مع Warner و BMG و Believe؛ قالت Anthropic إنها تنوي الدفاع عن القضية. تستشهد شكوى Reservoir بتلك صفقات الترخيص كدليل على أن سوقاً شرعياً لاستخدام الموسيقى موجود بالفعل.

هل أي من هذا "إبداعي"؟ الباحثون يختلفون

بصرف النظر عن المسألة القانونية، يختلف العلماء حول ما إذا كان إنتاج هذه الأنظمة يلبي أي تعريف معقول للإبداعية. تصف لغويه حسابية إميلي بندر وزملاؤها النماذج الكبيرة بأنها "ببغاوات عشوائية" تكرر إحصائياً الأنماط في بيانات التدريب بدلاً من الأفكار الأصلية، وفقاً لمراجعة Heidelberg Laureate Foundation للنقاش. يرسم باحث رؤية الحاسوب Alexei Efros تمييزاً بين المجالات المغلقة والمحدودة بقواعد مثل الشطرنج أو Go — حيث يمكن القول إن أنظمة الذكاء الاصطناعي تبتكر ضمن قواعد محددة — والمجالات المفتوحة مثل الفن، حيث لا يوجد هدف محدد.

يرد باحثون آخرون من زاوية مختلفة. يؤكد باحث الذكاء الاصطناعي Selmer Bringsjord أن مخرجات الذكاء الاصطناعي الحالية تبلغ "إعادة تركيب" بيانات التدريب بدلاً من الخلق الحقيقي، وقترح اختبار Lovelace، الذي بموجبه يعتبر النظام إبداعياً فقط إذا أنتج مخرجات لا يستطيع مصمموه شرحها — وهو معيار يقول إن النماذج الحالية لم تفي به، وفقاً لملخص نُشر بواسطة BrainFacts.org. يضيف عالم النفس Mark Runco أن النية أساسية للإبداعية البشرية: يختار الناس بوعي أن يبدعوا، بينما تستجيب أنظمة الذكاء الاصطناعي لرموز تعكس نية المستخدم بدلاً من نيتهم الخاصة. على أسس الاختبار، يلاحظ نفس ملخص BrainFacts.org أن بعض النماذج، بما في ذلك GPT-4، حققت نتائج أعلى من متوسط الإنسان في اختبارات التفكير المتباعد التي تقيس القدرة على توليد أفكار متنوعة — على الرغم من أن أفضل الأداء الإنساني الإبداعي لا يزال يفوق أنظمة الذكاء الاصطناعي المختبرة.

حيث يترك النقاش الفنانين والمستمعين

تلاحظ مراجعة Heidelberg Laureate Foundation أنه، نظراً لمدى نزاع تعريف الإبداعية البشرية بالفعل بين الباحثين، قد تبقى إجابة محددة على الذكاء الاصطناعي بعيدة المنال. يؤطر عدة معلقين يُستشهد بهم في تلك المراجعة المسار الأكثر عملية إلى الأمام كمعاملة الذكاء الاصطناعي كأداة تعزز العمل الإبداعي البشري بدلاً من وكيل إبداعي منفصل — وهو إطار يقف جنباً إلى جنب، لكنه لا يحل، النزاعات القانونية الجارية حول كيفية تدريب هذه الأنظمة في المقام الأول.