Jak AI generuje sztukę i muzykę oraz dlaczego "prawdziwa kreatywność" pozostaje sporna

Narzędzia generatywnej sztucznej inteligencji teraz tworzą obrazy, piosenki i pełne utwory z krótkiego monitu tekstowego, a technologia za nimi stoi się stała aktywną walką prawną i kulturalną. W październiku 2026 roku wydawca muzyki Reservoir wznowił pozwy przeciwko Suno i Anthropic w Sądzie Okręgowym Stanów Zjednoczonych dla Północnego Okręgu Kalifornii, oskarżając obie firmy o szkoleniu systemów sztucznej inteligencji na tysiącach dzieł chronionych prawami autorskimi bez licencji. Obok tej walki badacze nadal debatują nad oddzielnym pytaniem: czy którekolwiek z tych wyników liczy się jako kreatywność, czy to coś zupełnie innego?

Jak tworzone są obrazy generowane przez AI

Narzędzia takie jak Stable Diffusion, Midjourney i DALL-E opierają się na tak zwanych modelach dyfuzji. Podczas trenowania system jest pokazywany z rzeczywistymi obrazami, podczas gdy do nich stopniowo dodawany jest losowy szum, aż do chwili gdy oryginalny obraz staje się nierozpoznawalny. Model następnie uczy się procesu odwrotnego — jak ponownie usunąć ten szum, zgodnie z przewodnikiem technicznym opublikowanym przez Cloudinary. Generowanie odwraca to: system zaczyna od czystego losowego szumu i usuwa go etapami, przy czym wczesne kroki dają szerokie kształty i skład, a późniejsze kroki udoskonalają teksturę, oświetlenie i szczegóły, aż pojawi się spójny obraz. Monit tekstowy kieruje każdy krok usuwania szumu, mówiąc modelowi, jaki temat, styl i ustawienie powinno się osiągnąć.

Jak AI komponuje muzykę na podstawie monitu tekstowego

Systemy muzyczne takie jak Suno i Udio działają inaczej w szczegółach, ale podobnie w zasadzie. Ponieważ surowy dźwięk jest zbyt gęsty — miliony liczb na sekundę — aby podać go bezpośrednio do modelu w stylu języka, systemy te najpierw kompresują dźwięk na niewielką liczbę dyskretnych "tokenów" za pomocą neuronowych kodeków audio, osiągając około 600-krotną kompresję, zgodnie z przeglądem technicznym AI-TLDR. Po konwersji dźwięku na tokeny model transformer — ten sam typ architektury za dużymi modelami językowymi — przewiduje następny token, a następnie następny, budując pełną piosenkę kawałek po kawałku. Monit tekstowy (i wszelkie teksty piosenek) jest najpierw rozszerzony na przybliżony plan obejmujący gatunek, tempo i strukturę piosenki, zanim będą generowane tokeny audio. Modele są trenowane na dużych bibliotekach muzycznych i funkcjonują, zgodnie z opisem w tym przeglądzie, jako "silniki kompozycji", które wchłaniają progresje akordów i struktury piosenek, a nie pobierają określone istniejące piosenki.

Walka o prawa autorskie za technologią

Szkolenie tych systemów wymaga ogromnych ilości istniejących prac kreatywnych, co jest teraz przedmiotem aktywnego postępowania sądowego. Pozwy Reservoir z 21 października 2026 roku twierdzą, że Suno użyła 1050 chronionych prawami autorskimi utworów muzycznych i że Anthropic użyła teksty z 853 kompozycji — w tym dzieł autorstwa Madonna, Johnny Cash i Joni Mitchell — bez autoryzacji, zgodnie ze streszczeniem akt przeglądanych przez Law Commentary. Reservoir domaga się około 186,4 miliona dolarów w odszkodowaniu ustawowym od Suno i około 151,4 miliona dolarów od Anthropic, plus roszczenia na podstawie Cyfrowej Ustawy Tysiąclecia o Prawach Autorskich. Suno argumentowała, że szkolenie sztucznej inteligencji na materiałach chronionych prawami autorskimi może kwalifikować się jako uczciwe korzystanie i oddzielnie podpisała umowy licencyjne z Warner, BMG i Believe; Anthropic stwierdziła, że zamierza bronić sprawy. Pozew Reservoir powołuje się na te umowy licencyjne jako dowód, że legalny rynek na korzystanie z muzyki już istnieje.

Czy którekolwiek z nich to "kreatywność"? Badacze się nie zgadzają

Niezależnie od pytania prawnego naukowcy nie zgadzają się, czy wyniki tych systemów spełniają jakąkolwiek rozsądną definicję kreatywności. Lingwista obliczeniowa Emily Bender i jej współpracownicy opisują duże modele jako "stochastyczne papugi", które statystycznie odbijają wzorce w danych treningowych, a nie wymyślają idee, zgodnie z przeglądem debaty Fundacji Heidelberg Laureate. Naukowiec wizji komputerowej Alexei Efros dokonuje rozróżnienia między zamkniętymi, sztywno zaregulowanymi domenami, takimi jak szachy lub Go — gdzie systemy sztucznej inteligencji można uważać za innowacyjne w ramach ustalonych zasad — i domenami otwartymi, takimi jak sztuka, gdzie nie ma ustalonego celu.

Inni badacze kwestionują to z innego kąta. Badacz sztucznej inteligencji Selmer Bringsjord twierdzi, że aktualne wyniki sztucznej inteligencji stanowią "remixowanie" danych treningowych, a nie prawdziwą twórczość, i zaproponował test Lovelace'a, zgodnie z którym system byłby twórczy tylko wtedy, gdy dawałby wyniki, które jego własni projektanci nie potrafią wyjaśnić — próg, który jego zdaniem dzisiejsze modele nie spełniają, zgodnie ze streszczeniem opublikowanym na BrainFacts.org. Psycholog Mark Runco dodaje, że intencja jest kluczowa dla ludzkiej kreatywności: ludzie świadomie wybierają tworzenie, podczas gdy systemy sztucznej inteligencji reagują na monity odzwierciedlające zamiar użytkownika, a nie jego własny. Jeśli chodzi o testy, to samo streszczenie BrainFacts.org zauważa, że niektóre modele, w tym GPT-4, otrzymały wyższe wyniki niż przeciętny człowiek w testach myślenia dywergencyjnego, które mierzą zdolność do generowania zróżnicowanych pomysłów — chociaż najlepsi człowieczy twórcy nadal przewyższali badane systemy sztucznej inteligencji.

Gdzie debata zostawia artystów i słuchaczy

Przegląd Fundacji Heidelberg Laureate zauważa, że biorąc pod uwagę, jak sporna jest sama definicja ludzkiej kreatywności wśród naukowców, ostateczna odpowiedź na sztuczną inteligencję może pozostać nieuchwytna. Kilka komentarzy cytowanych w tym przeglądzie określa bardziej praktyczną drogę naprzód jako traktowanie sztucznej inteligencji jako narzędzia wzbogacającego ludzką pracę twórczą, a nie jako oddzielnego agenta twórczego — sformułowanie, które stoi obok, ale nie rozwiązuje, bieżące spory o prawa autorskie dotyczące tego, jak te systemy były trenowane na pierwszym miejscu.