Gli strumenti di intelligenza artificiale generativa hanno dimostrato grandi capacità anche nel campo creativo: tool come Dall-E o Midjourney hanno sbloccato nuove potenzialità negli artisti e migliorato il processo creativo.
Se da una parte i sistemi generativi aumentano l'efficienza dei professionisti, dall'altra c'è il rischio che si arrivi a una omogeneizzazione artistica e culturale che appiattisce l'espressività.
Hamilton Mann, vice presidente Digital Marketing and Digital Transformation di Thales, spiega che l'IA generativa soffre di un grande paradosso: i sistemi hanno il potenziale di arricchire il panorama culturale, ma allo stesso tempo rischiano di creare un mondo uniforme e meno diversificato.
Nel mondo del marketing l'IA velocizza la creazione di campagne ed è in grado di elaborare consigli personalizzati per i consumatori, ma generalmente non fa che rinforzare i comportamenti esistenti. Analizzando le preferenze e le interazioni passate, questi sistemi tendono a consigliare sempre gli stessi prodotti ed esperienze, limitando la scoperta di nuovi articoli.
La stessa cosa succede nel campo delle creazioni artistiche e letterarie: i modelli di IA replicano gli stili più popolari e trascurano invece forme d'arte più originali, uniformando i risultati. Questo trend rischia di eliminare la diversità di stili artistici e creare prodotti tutti simili tra loro.
Il problema dell'IA generativa è che tende ad amplificare e replicare ciò che è già popolare, conosciuto dalla maggior parte delle persone, ignorando invece le idee non convenzionali, spesso centrali per il progresso. Il risultato è che si perde l'unicità degli stili creativi e tutte le creazioni non mainstream finiscono per diventare outlier e non essere considerate.
L'effetto "omogeneizzante" dell'intelligenza artificiale contribuisce a rendere le creazioni non convenzionali ancora più uniche e speciali, ma le rende più difficili da fruire. Questa tendenza rischia di impoverire il nostro panorama culturale e intellettuale, ma soprattutto oscura idee e creazioni potenzialmente rivoluzionarie.
Ciò è strettamente legato al problema della rappresentazione delle minoranze: se i dati su cui vengono addestrati i modelli non sono sufficientemente vari, i risultati dei sistemi non saranno rappresentativi di ogni gruppo e quindi discriminatori.
Come sottolinea Mann, la soluzione è utilizzare dataset di training inclusivi e tecniche di analisi dati che non si concentrino solo sulle tendenze mainstream, ma anche su quelle più "distanti" dalla norma. Usare metodi come il ribilanciamento dei dati e l'augmentation per le minoranze aiuta a costruire modelli che riflettano tutta la varietà del mondo reale.
Combattere l'"omogeneizzazione da IA" è fondamentale per fare in modo che le creazioni e le idee fuori dal comune continuino a essere fruibili da tutti. I sistemi generativi continueranno a essere un ottimo strumento per espandere la nostra creatività e la capacità di generare idee, ma non dovranno mai oscurare le "eccezioni" che ci rendono unici.
