Ivy Wei, MA Arts Administration and Cultural Policy (Goldsmiths)
Dwa sposoby postrzegania
Wyobraź sobie dwie sytuacje. Sto lat temu Claude Monet spędzał długie miesiące, obserwując światło padające na stogi siana na polu. Przyglądał się im o świcie i o zmierzchu, we mgle i w pełnym słońcu, w różnych porach roku. Sam akt malowania był czasochłonny, lecz kluczowa praca odbywała się jeszcze przed dotknięciem płótna – w uważnym patrzeniu.
W roku 2025 projektantka wpisuje krótką komendę do generatora obrazów. W ciągu kilkudziesięciu sekund otrzymuje dziesiątki wariantów stogów siana, przedstawionych w każdej porze roku. Generuje kolejne wersje, potem następne. Po kilku godzinach czuje zmęczenie i nie potrafi zdecydować, który obraz wybrać.
Szybkość dostarczyła jej więcej obrazów, niż Monet stworzył przez całe życie, a mimo to ma poczucie, że praca postępuje wolniej. To właśnie pułapka szybkości. Sztuczna inteligencja obiecuje natychmiastową produkcję, jednak wielu twórców zauważa, że ich praca stała się bardziej wyczerpująca i mniej skupiona. Pytanie pozostaje otwarte: czy tempo rzeczywiście zwiększyło naszą efektywność, czy raczej zmieniło kreatywność w sposób, który działa na naszą niekorzyść?
Jak szybkość zmienia pracę twórczą
1. Redystrybucja czasu: od tworzenia do wyboru
Narzędzia oparte na sztucznej inteligencji nie zlikwidowały pracy twórczej, lecz przesunęły jej ciężar. W tradycyjnym procesie artyści poświęcali czas na wykonanie, dziś coraz więcej czasu zajmuje selekcja i ocena. Ludzką rękę zastąpiło ludzkie oko.
Długotrwałe obserwacje Moneta pozwalały mu uchwycić sezonowe rytmy i zmiany. Użytkownik AI otrzymuje wszystkie pory roku natychmiast, ale bez powolnego procesu obserwacji, który dawniej kształtował percepcję. Obrazy są dostępne, lecz brakuje ucieleśnionego zrozumienia – głębokiej wiedzy budowanej przez lata praktyki i bezpośredniego, cielesnego doświadczenia.
Wraz ze wzrostem liczby wygenerowanych obrazów maleje zdolność ich oceny. Umysł zaczyna krążyć wokół tych samych pytań: czy to najlepsza wersja? Czy warto spróbować jeszcze jednego promptu? Czy drobna zmiana przyniesie lepszy rezultat? Ten cykl szybko staje się zarówno wyczerpujący, jak i uzależniający.
2. Zmęczenie decyzyjne jako nowe wyzwanie
Dokonywanie wyborów zużywa ograniczone zasoby poznawcze. Im więcej opcji, tym szybciej pojawia się zmęczenie. Psychologia opisuje to zjawisko jako „wyczerpanie ego” – pojęcie wprowadzone przez Roya Baumeistera i współpracowników, wskazujące, że zdolność podejmowania decyzji opiera się na skończonych zasobach.
Nieliczne dotychczas badania dotyczące twórczości wspomaganej przez sztuczną inteligencję sugerują podobne efekty. Badania z obszaru interakcji człowiek–komputer pokazują, że zbyt wczesne korzystanie z generatorów obrazów na etapie koncepcyjnym może rozpraszać uwagę, przesuwając ją na zarządzanie słowami kluczowymi i filtrowanie wyników – czyli ciągłe porównywanie i korygowanie podpowiedzi. W efekcie niektóre zespoły eksperymentalne tworzyły mniej zróżnicowane koncepcje, utkwione w pętli oceny i modyfikacji.
Projektantka przeglądająca setki obrazów nie doświadcza bogactwa wyboru, lecz przeciążenia oceną – stanu, w którym umysł zostaje uwięziony w nieustannym wartościowaniu. Tymczasem kreatywność potrzebuje momentów swobodnego, nieukierunkowanego myślenia. Natychmiastowe generowanie kolejnych obrazów utrzymuje jednak umysł w trybie ciągłej oceny, uniemożliwiając taki stan.
Trzy strategie odzyskiwania kontroli
1. Strategia skupienia: wprowadzenie przerw i stworzenie przestrzeni dla procesu twórczego
Paradoks: Przyspieszona produkcja może zakłócać spokojne myślenie.Kreatywność nie opiera się wyłącznie na tempie wytwarzania. Badania z zakresu neurobiologii wskazują, że wgląd często pojawia się wtedy, gdy umysł nie jest bezpośrednio skoncentrowany na zadaniu. Tzw. tryb spoczynkowy mózgu — stan relaksu lub swobodnego błądzenia myśli — sprzyja konsolidacji pamięci oraz wewnętrznej eksploracji. Rezygnując z przerw pomiędzy „pomysłem” a „rezultatem”, ograniczamy przestrzeń, w której mogą pojawić się głębsze idee.
Jak to zrobić:
Zasada 24 godzin: twórz obrazy dziś, podejmuj decyzje jutro. Wielu twórców zauważa, że po nocnym odpoczynku zmienia się ich percepcja jakości i osobiste preferencje.
Praca partiami: generuj stałą liczbę wariantów w jednej sesji, a oceniaj je dopiero po kilku dniach. Rozdzielenie etapu produkcji i selekcji znacząco obniża obciążenie psychiczne.
Zastosowania edukacyjne: zachęcaj uczniów do przygotowania notatek koncepcyjnych lub ręcznych szkiców przed użyciem narzędzi opartych na sztucznej inteligencji. Dzięki temu proces myślenia zostaje ukształtowany, zanim technologia przyspieszy realizację.
2. Strategia głębi: łączenie szybkich impulsów z powolnymi etapami
Paradoks: Natychmiastowa informacja zwrotna może osłabiać długofalową wartość.Platformy społecznościowe premiują szybkość, a intensywna produkcja obrazów sprzyja częstym reakcjom odbiorców. Widoczność nie zawsze jednak przekłada się na trwałe znaczenie. Skupienie się wyłącznie na bieżących wskaźnikach może prowadzić do zastąpienia przemyślanego rozwoju krótkimi, powierzchownymi cyklami twórczymi.
Jak to zrobić:
Naprzemienne tempo: stosuj rytm pracy, w którym fazy wolne przeplatają się z szybkimi. Przykładem jest artystka Anna Ridler, która najpierw ręcznie sfotografowała i opisała tysiące tulipanów (etap powolny), a następnie wykorzystała je do treningu modelu generującego obrazy (etap szybki). Finalny efekt nosi ślady obu tych procesów.
Ochrona intencji: pozwól narzędziom generować obrazy w szybkim tempie, ale zachowaj wolniejsze momenty refleksji – poświęcone określaniu intencji, sensów i możliwych interpretacji.
3. Strategia znaczenia: czas jako integralny element dzieła
Paradoks: Pominięcie czasu prowadzi do osłabienia znaczenia.W przypadku sztuki generatywnej istotna wartość często tkwi w długotrwałym przygotowaniu narzędzi, które ją umożliwiają. Tyler Hobbs poświęcił miesiące na rozwój algorytmicznej struktury projektu Fidenza. Choć dziś efekty jego pracy pojawiają się natychmiast, nie byłyby możliwe bez wcześniejszych, czasochłonnych etapów.
Jak to zrobić:
Dokumentowanie czasu: uwzględniaj znaczniki czasowe, liczbę iteracji lub historię promptów jako część dzieła, czyniąc proces widocznym.
Projekty długofalowe: realizuj prace rozwijające się w czasie – na przykład codziennie lub co miesiąc. W takich projektach czas nie jest eliminowany przez sztuczną inteligencję, lecz staje się istotnym i czytelnym składnikiem praktyki artystycznej.
Wniosek: nowe spojrzenie na pojęcie wydajności
Sztuczna inteligencja znacząco przyspieszyła proces tworzenia obrazów, ale nie skróciła drogi do sensownych wniosków. Dla wielu twórców najszybszym sposobem na powstanie wartościowej pracy okazuje się moment, w którym decydują się zatrzymać. Znacząca powolność nie oznacza odrzucenia technologii – jest raczej próbą odzyskania wpływu na tempo działania. Szybkość pomaga eksplorować nowe możliwości, natomiast pauza pozwala rozstrzygnąć, co naprawdę ma znaczenie.
Monet czekał na zmiany pór roku; my nie musimy już tego robić. Mimo to zasada stojąca za jego cierpliwością wciąż pozostaje aktualna. Nie dlatego, że powolność sama w sobie jest wartością, lecz dlatego, że myślenie potrzebuje czasu i przestrzeni, by dojrzeć. Jeśli chcesz to sprawdzić, wykonaj prosty eksperyment: dziś wygeneruj serię obrazów i odłóż je na bok. Wróć do nich jutro i dokonaj wyboru ponownie. Zobacz, czy wraz z upływem czasu zmieni się Twoja ocena ich jakości.
Wyjściem z pułapki prędkości nie jest spowalnianie maszyny, lecz spowolnienie nas samych.
Źródła
Barbican Centre, 2019. Anna Ridler: Czy zbiory danych mogą tworzyć sztukę? Google Arts & Culture. Dostępne pod adresem: https://artsandculture.google.com/story/anna-ridler-can-datasets-create-art-barbican-centre/_gXholnI1pkrLg?hl=en [Dostęp 24 listopada 2025 r.].
Chen, L., Song, Y., Guo, J., Sun, L., Childs, P. & Yin, Y., 2025. Jak generatywna sztuczna inteligencja wspiera człowieka w projektowaniu koncepcyjnym. Design Science. Dostępne pod adresem: https://www.cambridge.org/core/journals/design-science/article/how-generative-ai-supports-human-in-conceptual-design/6B60B59DF0CBE764A94E484DD835F73F [Dostęp: 21 listopada 2025 r.].
Chuang, Y-T., Chiang, H-L. i Lin, A-P., 2025. Wnioski z modelu wymagań i zasobów pracy: podwójny wpływ sztucznej inteligencji na pracę i jakość życia pracowników. International Journal of Information Management, 83, 102887. Dostępne pod adresem: https://www.sciencedirect.com/science/article/pii/S0268401225000192 [Dostęp: 25 listopada 2025 r.].
Hobbs, T., 2021. Fidenza. [online] Dostępne pod adresem: https://www.tylerxhobbs.com/words/fidenza [Dostęp 25 listopada 2025 r.].
Doshi, A. R. i Hauser, O. P., 2024. Generatywna sztuczna inteligencja zwiększa indywidualną kreatywność, ale zmniejsza zbiorową różnorodność nowych treści. Science Advances, tom 10, numer 28. DOI:10.1126/sciadv.adn5290. Dostępne pod adresem: https://www.science.org/doi/10.1126/sciadv.adn5290 [Dostęp 25 listopada 2025 r.].
Kim, B-J. i Lee, J., 2024. Skutki zdrowotne stosowania sztucznej inteligencji: kluczowa rola poczucia własnej skuteczności. Humanities and Social Sciences Communications, 11, artykuł nr 1561. Dostępne pod adresem: https://www.nature.com/articles/s41599-024-04018-w [Dostęp 25 listopada 2025 r.].
Muehlhaus, M. i Steimle, J., 2024. Projektowanie interakcji z generatywną sztuczną inteligencją: empiryczne badanie nowych strategii w czterech fazach projektowania. arXiv. Dostępne pod adresem: https://arxiv.org/html/2411.02662v1 [Dostęp 23 listopada 2025 r.].
Oppenlaender, J., Linder, R. i Silvennoinen, J., 2024. Prompting AI Art: Badanie kreatywnych umiejętności inżynierii promptów. International Journal of Human-Computer Interaction, 41(16), s. 10207-10229. Dostępne pod adresem: https://www.tandfonline.com/doi/full/10.1080/10447318.2024.2431761 [Dostęp 23 listopada 2025 r.].
