Bagaimana AI Menghasilkan Seni dan Musik, dan Mengapa "Kreativitas Sejati" Tetap Diperdebatkan

Alat AI generatif sekarang menghasilkan gambar, lagu, dan trek lengkap dari perintah teks singkat, dan teknologi di baliknya telah menjadi pertengkaran hukum dan budaya yang sedang berlangsung. Pada Oktober 2026, penerbit musik Reservoir mengajukan tuntutan terhadap Suno dan Anthropic di Pengadilan Distrik AS untuk Distrik Utara California, menuduh kedua perusahaan melatih sistem AI pada ribuan komposisi berlisensi tanpa lisensi. Bersamaan dengan pertengkaran itu, para peneliti terus memperdebatkan pertanyaan terpisah: apakah ada output ini yang memenuhi syarat sebagai kreativitas, atau apakah itu sesuatu yang sama sekali berbeda?

Bagaimana gambar yang dihasilkan AI dibangun

Alat seperti Stable Diffusion, Midjourney, dan DALL-E mengandalkan apa yang disebut model difusi. Selama pelatihan, sistem ditampilkan gambar nyata sambil kebisingan acak ditambahkan ke dalamnya selangkah demi selangkah sampai gambar asli tidak dapat dikenali. Model kemudian mempelajari proses terbalik — bagaimana menghilangkan kebisingan itu lagi, menurut panduan teknis yang diterbitkan oleh Cloudinary. Generasi membalik ini: sistem dimulai dari kebisingan acak murni dan menghilangkannya secara bertahap, dengan langkah awal menghasilkan bentuk dan komposisi yang luas dan langkah-langkah kemudian menyempurnakan tekstur, pencahayaan, dan detail hingga gambar yang kohesif muncul. Perintah teks mengarahkan setiap langkah denoising, memberitahu model apa subjek, gaya, dan pengaturan untuk bergerak menuju.

Bagaimana AI mengarang musik dari perintah teks

Sistem musik seperti Suno dan Udio bekerja berbeda dalam detail tetapi serupa dalam prinsip. Karena audio mentah terlalu padat — jutaan angka per detik — untuk dimasukkan langsung ke dalam model gaya bahasa, sistem ini pertama-tama mengompresi suara menjadi sejumlah kecil "token" diskrit menggunakan codec audio neural, mencapai kurang lebih 600 kali kompresi, menurut tinjauan teknis oleh AI-TLDR. Setelah audio diubah menjadi token, model transformer — jenis arsitektur yang sama di balik model bahasa besar — memprediksi token berikutnya, lalu berikutnya, membangun lagu lengkap piece by piece. Perintah teks (dan lirik apa pun) pertama-tama diperluas ke rencana kasar yang mencakup genre, tempo, dan struktur lagu sebelum token audio dihasilkan. Model dilatih pada perpustakaan musik besar dan berfungsi, dalam deskripsi yang digunakan oleh tinjauan itu, sebagai "mesin komposisi" yang menyerap perkembangan akord dan struktur lagu daripada mengambil kembali lagu-lagu yang ada secara spesifik.

Pertengkaran hak cipta di balik teknologi

Melatih sistem ini memerlukan jumlah karya kreatif yang ada sangat besar, yang sekarang menjadi subjek litigasi aktif. Gugatan Reservoir tanggal 21 Oktober 2026 menuduh bahwa Suno menggunakan 1.050 komposisi musik berlisensi dan bahwa Anthropic menggunakan lirik dari 853 komposisi — termasuk karya oleh Madonna, Johnny Cash, dan Joni Mitchell — tanpa izin, menurut ringkasan pengajuan yang ditinjau oleh Law Commentary. Reservoir mencari kira-kira $186,4 juta dalam ganti rugi statutory dari Suno dan sekitar $151,4 juta dari Anthropic, ditambah klaim di bawah Digital Millennium Copyright Act. Suno telah berpendapat bahwa melatih AI pada materi berlisensi dapat memenuhi syarat sebagai penggunaan wajar dan secara terpisah telah menandatangani perjanjian lisensi dengan Warner, BMG, dan Believe; Anthropic mengatakan bahwa itu bermaksud untuk membela kasus tersebut. Keluhan Reservoir mengutip perjanjian lisensi tersebut sebagai bukti bahwa pasar sah untuk menggunakan musik sudah ada.

Apakah ada dari ini "kreatif"? Peneliti tidak setuju

Terpisah dari pertanyaan hukum, para sarjana tidak setuju tentang apakah output dari sistem ini memenuhi definisi kreativitas yang masuk akal. Ahli bahasa komputasi Emily Bender dan rekan mendeskripsikan model besar sebagai "burung beo stokastik" yang secara statistik menggema pola dalam data pelatihan daripada berasal ide, menurut tinjauan perdebatan oleh Yayasan Heidelberg Laureate. Peneliti visi komputer Alexei Efros menarik perbedaan antara domain tertutup yang terikat aturan seperti catur atau Go — di mana sistem AI dapat dikatakan berinovasi dalam aturan tetap — dan domain terbuka seperti seni, di mana tidak ada target tetap yang ada.

Peneliti lain mendorong kembali dari sudut yang berbeda. Peneliti AI Selmer Bringsjord berpendapat bahwa output AI saat ini sejumlah "remixing" data pelatihan daripada penciptaan asli, dan dia mengusulkan Tes Lovelace, di mana sistem hanya akan dihitung sebagai kreatif jika menghasilkan output bahwa desainer mereka sendiri tidak dapat menjelaskan — sebuah batasan yang dia katakan model hari ini tidak dapat dihapuskan, menurut ringkasan yang diterbitkan oleh BrainFacts.org. Psikolog Mark Runco menambahkan bahwa intensionalitas adalah pusat kreativitas manusia: orang secara sadar memilih untuk membuat, sementara sistem AI merespons prompt yang mencerminkan niat pengguna daripada mereka sendiri. Pada dasar pengujian, ringkasan BrainFacts.org yang sama mencatat bahwa beberapa model, termasuk GPT-4, mencetak lebih tinggi dari rata-rata manusia pada tes pemikiran divergen yang mengukur kemampuan untuk menghasilkan ide-ide yang bervariasi — meskipun kinerja kreatif manusia top masih melampaui sistem AI yang diuji.

Di mana perdebatan meninggalkan seniman dan pendengar

Tinjauan Yayasan Heidelberg Laureate mencatat bahwa, mengingat seberapa bertentangan definisi kreativitas manusia sudah di antara para peneliti, jawaban definitif tentang AI mungkin tetap tidak terpecahkan. Beberapa komentator yang dikutip dalam tinjauan itu membingkai jalan praktis yang lebih maju sebagai memperlakukan AI sebagai alat yang meningkatkan pekerjaan kreatif manusia daripada agen kreatif yang terpisah dalam haknya sendiri — bingkai yang duduk bersama, tetapi tidak menyelesaikan, perselisihan hak cipta yang sedang berlangsung tentang bagaimana sistem ini dilatih di tempat pertama.