Hoe AI kunst en muziek genereert, en waarom "echte creativiteit" omstreden blijft

Generatieve AI-tools produceren nu afbeeldingen, nummers en volledige tracks van een korte tekstprompt, en de technologie erachter is uitgegroeid tot een actueel juridisch en cultureel geschil. In oktober 2026 diende muziekuitgever Reservoir rechtszaken in tegen Suno en Anthropic bij de U.S. District Court for the Northern District of California, stellende dat beide bedrijven AI-systemen hebben getraind op duizenden auteursrechtelijk beschermde composities zonder licentie. Naast dit geschil debatteren onderzoekers voortdurend een aparte vraag: kwalificeren zich al deze outputs als creativiteit, of is het iets geheel anders?

Hoe AI-gegenereerde afbeeldingen worden gebouwd

Tools zoals Stable Diffusion, Midjourney en DALL-E vertrouwen op zogenaamde diffusiemodellen. Tijdens training wordt het systeem echte afbeeldingen getoond terwijl willekeurige ruis stap voor stap wordt toegevoegd totdat het originele plaatje onherkenbaar is. Het model leert vervolgens het omgekeerde proces – hoe je die ruis er weer afhaalt, volgens een technische gids gepubliceerd door Cloudinary. Generatie keert dit om: het systeem begint met zuiver willekeurige ruis en verwijdert deze in fasen, waarbij vroege stappen brede vormen en compositie produceren en latere stappen textuur, verlichting en detail verfijnen totdat een samenhangende afbeelding verschijnt. Een tekstprompt stuurt elke denoising-stap, zeggende het model wat onderwerp, stijl en omgeving nagestreefd moeten worden.

Hoe AI muziek van een tekstprompt samenstelt

Muzieksystemen zoals Suno en Udio werken in detail anders maar in principe op dezelfde manier. Omdat onbewerkt audio te dicht is – miljoenen getallen per seconde – om rechtstreeks in een taalmodel in te voeren, comprimeren deze systemen geluid eerst in een klein aantal discrete "tokens" met behulp van neurale audiocodecs, wat ongeveer 600 keer compressie bereikt, volgens een technisch overzicht van AI-TLDR. Zodra audio in tokens is omgezet, voorspelt een transformermodel – hetzelfde type architectuur achter grote taalmodellen – het volgende token, dan het volgende, en bouwt een volledig muziekstuk stuk voor stuk. Een tekstprompt (en eventuele teksten) wordt eerst uitgebreid tot een ruw plan dat genre, tempo en liedstructuur bestrijkt voordat de audiotokens worden gegenereerd. De modellen worden getraind op grote muziekbibliotheken en functioneren, in de beschrijving van dat overzicht, als "compositie-engines" die akkoordprogressies en liedstructuren absorberen in plaats van specifieke bestaande nummers op te halen.

Het auteursrechtelijk geschil achter de technologie

Het trainen van deze systemen vereist enorme hoeveelheden bestaand creatief werk, wat nu onderwerp is van actief geschil. De rechtszaken van Reservoir van 21 oktober 2026 stellen dat Suno 1.050 auteursrechtelijk beschermde muziekcomposities gebruikte en dat Anthropic teksten van 853 composities – waaronder werken van Madonna, Johnny Cash en Joni Mitchell – zonder toestemming gebruikte, volgens een samenvatting van de ingediende stukken beoordeeld door Law Commentary. Reservoir eist ongeveer 186,4 miljoen dollar schadevergoeding van Suno en ongeveer 151,4 miljoen dollar van Anthropic, plus vorderingen onder de Digital Millennium Copyright Act. Suno heeft betoogd dat het trainen van AI op auteursrechtelijk beschermd materiaal als fair use kan kwalificeren en heeft afzonderlijk licentieovereenkomsten ondertekend met Warner, BMG en Believe; Anthropic zei dat het de zaak wil verdedigen. Het klacht van Reservoir vermeldt deze licentieovereenkomsten als bewijs dat er al een legitieke markt voor het gebruik van de muziek bestaat.

Is een hiervan "creatief"? Onderzoekers zijn het oneens

Afgezien van de juridische vraag zijn wetenschappers het oneens over de vraag of de output van deze systemen aan een redelijke definitie van creativiteit voldoet. Computerlinguïst Emily Bender en collega's beschrijven grote modellen als "stochastische papegaaien" die statistisch patronen in trainingsgegevens weerspiegelen in plaats van ideeën voort te brengen, volgens de beoordeling van de Heidelberg Laureate Foundation van het debat. Computervisispecialist Alexei Efros maakt een onderscheid tussen gesloten, regelgebonden domeinen zoals schaken of Go – waar AI-systemen als innovatief binnen vaste regels kunnen worden beschouwd – en open domeinen zoals kunst, waar geen vast doel bestaat.

Andere onderzoekers betwisten dit vanuit een ander standpunt. AI-onderzoeker Selmer Bringsjord stelt dat huidige AI-output neerkomt op "remixen" van trainingsgegevens in plaats van echte creatie, en hij stelde de Lovelace Test voor, waaronder een systeem alleen als creatief zou tellen als het output produceerde die zijn eigen ontwerpers niet konden verklaren – een drempel die hij zegt dat de huidige modellen niet halen, volgens een samenvatting gepubliceerd door BrainFacts.org. Psycholoog Mark Runco voegt toe dat intentie centraal staat in menselijke creativiteit: mensen kiezen bewust om te creëren, terwijl AI-systemen reageren op prompts die de bedoeling van de gebruiker weerspiegelen in plaats van hun eigen. Op testgebied merkt dezelfde BrainFacts.org-samenvatting op dat sommige modellen, waaronder GPT-4, hoger scoorded dan het gemiddelde menselijke op divergente denkproeven die het vermogen meten om gevarieerde ideeën te genereren – hoewel topcreatieve menselijke presteerders de geteste AI-systemen nog steeds overtrof.

Waar het debat kunstenaars en luisteraars achterlaat

De beoordeling van de Heidelberg Laureate Foundation merkt op dat, gezien hoe omstreden de definitie van menselijke creativiteit al onder onderzoekers is, een definitief antwoord op AI mogelijk onbereikt blijft. Verscheidene commentatoren aangehaald in die beoordeling kaderen het praktischere pad vooruit als het behandelen van AI als een hulpmiddel dat menselijk creatief werk aanvult in plaats van als een afzonderlijke creatieve agent op zichzelf – een framing die ernaast staat, maar niet oplost, de lopende auteursrechtgeschillen over hoe deze systemen in eerste instantie waren getraind.