Ühiskondliku loovuse poliitikavõtmed

Abduktsiooni kasutatakse ennekõike uutes, tundmatutes oludes, kus kõik eeldused ei ole konkreetselt paigas.

INDREK IBRUS

„Loovus“ on sagedasti tühi sõnakõlks, veel sagedamini mõttehägu. See on moodsa ajastu viimane valdkond, kus ebatäpsus ja müstifitseerimine on lubatud. Jätkuvalt on võimalik tõdeda, et keegi lihtsalt on loov, tõsta esile jumalikku annet, see üle kullata ja siis lihtsalt laiali minna – küsimata, et kuidas see kõik ikkagi juhtuda sai.

Seejuures oskab parem osa nüüdisteadusest päris hästi loovust määratleda ja selle juuri välja sõeluda, samuti näha selles vähem individuaalset omadust ning enam ühiskondlikku kvaliteeti. Kui loovus on aga ühiskondlik nähtus, siis tuleb küsida, mida peab tegema juhtimistasandil, eri poliitikavaldkondadega, et see omadus süveneks ja tugevneks. Küsima peaks sedagi, miks ja milleks too loovus üldse hea on. Minu pakkumine on, et „loovus“ ei kuulu kaugeltki vaid kultuuri ja kunstide erivaldkonda, vaid see on laiem, n-ö tundmatutes olukordades probleemide lahendamise või käitumise juhtimise oskus, mida läheb tarvis enamikus eluvaldkondades. Sestap tuleb selle oskuse süvendamiseks vaadata peale haridus- ja kultuuripoliitika ka muudesse valdkondadesse, sealhulgas ka näiteks digimajanduse seadestusse.

Alustan algusest: mis ikkagi on too loovus? Nii pragmatistliku filosoofia, semiootika kui ka formaalloogika isa Charles Saunders Peirce on eristanud kolme peamist järeldamise viisi: abduktsiooni, deduktsiooni ja induktsiooni. Deduktsioon, järeldamine üldise kogemuse või paljude näidete põhjal, on tuttav vähemasti Sherlock Holmesi lugudest. Induktsioon, järeldamine üksiknäidete põhjal, on saanud populaarkultuuris ehk vähem tähelepanu, kuid on samuti kooliprogrammis õpetatud ja laialt tuntud.

Abduktsiooni koolis ei õpetata ja sestap on sellega natuke keerulisem. Peirce’ile oli see ehk olulisim järeldusteni jõudmise viis, kuna seeläbi võib jõuda uute ideedeni. Adbuktsioon on järeldusteni, täpsemalt hüpoteesideni jõudmise viis abstraktse sarnasuse põhjal. Abduktsiooni kasutatakse ennekõike uute, tundmatute olude korral, kui kõik eeldused ei ole konkreetselt paigas. See on mõttekas meetod, kui arutleja ei saa situatsioonist või selle kontekstist päriselt aru, aga üritab siiski olukorras selgusele jõuda. Dünaamiliselt muutuvas tänapäevas, kultuurivoogude lõputu paljususe keskel, kogeb selliseid situatsioone enamik nüüdisaja inimesi. Mida sellistel puhkudel tehakse? Peirce’i ja tema järel tulnud sadade abduktsiooniuurijate järgi otsitakse olukorrale abstraktseid analooge. Näiteks tundmatut videomängu mängima asudes üritatakse sellest sotti saada kõiksugu varasemate mängukogemuste ja kasutajaliideste toel ning püstitatakse käigu pealt hüpoteese, kuidas mängu juhtida, millised on selle funktsioonid ja eesmärgid.

Aga abduktsioon on ka igasuguse kujundliku mõtlemise alusmehhanism. Igasugune metafoor koosneb ju kahest poolest, mida seob teatud laadi assotsiatiivne sarnasus. Võtkem triviaalseim näide: kui algaja luuletaja kasutab ära vihmatilkade ja pisarate visuaalse sarnasuse, et kommunikeerida midagi melanhoolset, siis eeldab ta lugejalt abduktiivset võimekust luuletuse sõnumist aru saada.

Laiemas plaanis kasutab aga igasugune kunst eri päritolu tähenduskoodide ootamatut sidumist mingit sorti abstraktse sarnasuse põhjal, et proovida kommunikeerida midagi uut, avada uusi viise reaalsust mõista. Võtkem näiteks mõni värskem muusikažanr: näiteks synthwave eksperimenteerib 1980ndate soundtrack’ide ja praeguste sound’ide seostega. Huvitavam osa kultuurist tõlgib seoseid aga kultuuri- või meediumipiire ületades: näitena võib siin ehk tuua mumblecore’i paralleelse leviku nii filmis kui ka popmuusikas. Nii tähendab „loovus“ seoste nägemise ja tõlkimise oskust – seda looja ja ka auditooriumi poolt. Teisisõnu on loovus võime näha uues kontekstis nähtuste vahel abstraktseid seoseid või sarnasusi ning püstitada nende põhjal hüpoteese edasisteks tõlgendusteks ja käitumiseks.

Nii mõistetuna on loovuse esmane tulemus lihtsalt uus interpretatsioon. Interpretatsioonile võib aga järgneda kas kommunikatsiooniakt, teos või toode, mis on paradoksaalsel kombel korraga nii siduv (ja nii ka kultuuri laiemas mõttes sisemiselt sidustav) kui ka kultuurisüsteemi järsult katkestav – uus seos või vormikombinatsioon võib olla sedavõrd uuenduslik, et muudab kogu süsteemi põhjani. Näitena võib siin ehk tuua viimase aja 3D-mängud ja suhtluskeskkonnad, mis lõimivad ja seostavad arvutimängude ja paljude muude kultuurivaldkondade konventsioone üle paljude aastakümnete, kuid mille kommunikatiivne potentsiaal on sedavõrd paljutõotav, et mõjutab tõenäoliselt järsult kogu kultuurisüsteemi arengudünaamikat.

Kuid mingem edasi. Kui loovus on ennekõike seoste nägemise oskus, nende põhjal uutes olukordades hüpoteeside püstitamise oskus, siis ei pea see olema kaugeltki vaid individuaalne omadus, vaid võib laieneda kogu ühiskonnale. Seda seetõttu, et seoste nägemiseks on vaja tunda seostatavaid: tuleb tunda kultuuri, selle võimalikult paljusid tähendussüsteeme ja allkeeli.

Võtkem näiteks tehisintellekti. Palju on arutatud selle üle, kui loovad on suured keele- või visuaalloome baasmudelid: kas need saavad vaid olemasolevale kultuurimaterjalile tuginedes olla loovad? Paljude teiste seas on näiteks Noam Chomsky arvanud, et need ei saa millegi uuega põhimõtteliselt hakkama saada. Juri Lotman Chomskyga ei nõustuks. Tema definitsiooni kohaselt tuletub kultuuriinnovatsioon alati kahe žanri segunemisest, kuid nii, et mõlemad võtavad kaasa oma nn mälusüsteemi ning nende süsteemide vaheline pinge lubab kommunikeerida ja mõista midagi täiesti uut.

Masinõppe mudelid võimaldavad sellist uue loomist seostamise kaudu kahel viisil. Üks on struktuurne, lähtub tehnoloogilistest seatustest, teise saab tuletada mitmesugusest kasutuspraktikast.

Tehnoloogilise loogika osas näitasime mõni aasta tagasi koos Maarja Ojamaaga*, kuidas tekitavad suurte andmebaaside ehitus, nende täienemisloogika ja lõpuks nende andmeid kasutavate algoritmide toimimispõhimõtted kultuuris teatud määral alati ennustamatust. Sõltuvalt andmeskeemade ülesehitusest lingivad andmebaasid omavahel kultuurivaldkondi alati natuke suvaliselt (tegelikult abduktiivselt, lähtuvalt teatud struktuursetest tunnustest ja kaasnevatest assotsiatsioonidest) ning sellest suvalisusest sünnib alati natuke ootamatuid seoseid (sagedasti n-ö ebarelevantseid otsingutulemusi, teinekord siiski ka produktiivseid üllatusi), kõnekaid linke ja kombinatsioone.

Kui vaadata, milleks inimesed noid loomealgoritme enamasti kasutada püüavad, siis hakkavad ka siin silma katsed mängida vastandite ühtsusega, leida assotsiatiivseid seoseid ja kasutada neid uute tähenduslike kombinatsioonide loomiseks: Harry Potteri tegelased kui Balenciaga modellid või Itaalia maffia liikmed või Berliini klubikultuuri osalised. Või siis jälle „Star Wars’i“ filmi­treiler Wes Andersoni maneeride võtmes. Kas selline sünteesfilm ei oleks „loov“? Oleks ju vägagi, sellist oleks eriti põnev näha! Teisisõnu jõuan selle näitega tagasi Lotmani kultuuriinnovatsiooni definitsiooni juurde. Ning järeldan, et tehis­intellekt on ise loov, ent seda saab veelgi edukamalt kasutada efektiivse loovtööriistana.

Mida tähendab see kõik aga kultuuri- ja tehnoloogiapoliitikale? Ning loov­uuringutele, loovainete pedagoogikale? Alustagem tehnoloogiast. Suuri generatiivse tehisaru mudeleid treenitakse andmekorpuste peal ning sestap sõltub nonde mudelite „loovus“ lõpuks sellest, kuidas on andmed kokku seatud ja ära seletatud, s.o metaandmete kvaliteedist ja andmebaaside struktuurist. Enamik kultuurimaterjale on aga tänini nn relatsioonandmebaasides, kus iga tekst, pilt või video on seatud kindla struktuuriga tabelitesse. Igaüht neist iseloomustab mõni dimensioon neist tabelitest, tüüpiliselt küllaltki piiratud hulk ettekirjutatud karakteristikuid.

Kuid nagu iga kultuuriuurija teab, pole kultuuritekstide tähendustel piire: konnotatsioone ja tähenduslikke seoseid võib igal teosel või nähtusel olla lõputu hulk. Ja seetõttu osutub iga tabel, millesse teos asetatakse, lõpuks moonutavaks lihtsustuseks. Infoteadustes on sellest probleemist kaua teadlikud oldud ning juba üksjagu aastaid tagasi arendatud välja nn linkandmete või teadmusgraafi tüüpi andmebaasid, mis võimaldavad igale kutuuriühikule lisada nii palju konteksti või seoseid avavaid selgitavaid linke, kui vaja, sidudes need nõnda palju täpsemalt ka muude ühikutega. Vaikne liikumine kultuuriandmebaaside linkandmestamise suunas on käinud maailmas juba mõnda aega.

Ka Eestis on asutud selle formaadiga eksperimenteerima ja see on oluline. Selleks on palju põhjusi, aga tehisaru kui loovustehnoloogia arendamise vaatest on oluline, et need mudelid saaksid paremini aru kultuuri tähendusilmast, sest see võimaldaks paradoksaalselt nii ootamatumaid ja nõnda loovamaid lahendusi kui ka seda, et need tööriistad oleksid paremini loojate kontrolli all ning praegu natuke suvalisi tulemusi saaks täpsemalt timmida. Seega, mis puudutab ka Eesti investeeringuid masinõppepõhistesse loomemudelitesse, siis on eesti omakultuuri põhine kultuuritekstide linkandmestamine siin üks oluline samm.

Mis puudutab loovainete pedagoogikat, siis siingi on üksjagu muutusi õhus. BFM, kus ma töötan, on oma algusaegadest peale pannud erilise rõhu praktiliste loomeoskuste, loometehnoloogia õpetamisele. Meister sünnib praktika toel, on olnud me tees. See ei ole olnud vale põhimõte, kuid ikkagi: kui kvaliteetset pilti saab potentsiaalselt toota ka lihtsalt sõnu arvutiekraanile ritta seades, siis võib olla täpse sõnaseadmise oskusest peatselt piisabki? Süžee kirja ja läheb! Ülimalt tõenäoliselt nii ei lähe, sest kultuuris oodatakse kunstidelt veidi paradoksaalselt alati ka teatud autentsust ning lisaks eeldus, et kunsti taga on kommunikatsioon: sõnumil peaks olema ajas ja ruumis suhteliselt konkreetne saatja.

Sellest hoolimata on selge, et tehisaru loova kasutuse edu võti ei ole mitte ainuüksi täpne sõnakasutus, vaid ka laiem kultuuritundmine: et tellida, et sõnastada, et leida abduktiivselt ainulaadseid seoseid žanride ja allkeelte vahel, tuleb kultuurilugu väga hästi tunda. Tunda konventsioone, stiile, maneere, teadvustada detailitäpselt konnotatsioonide tähendusvõrgustikke jpm. Sestap saab ennustada, et loomekoolides tõusevad taas kesksele kohale kunstide, kultuuri ja ühiskonna ajalugu, kultuuri mõistmise ja täpse analüüsimise oskuse õpe.

Teisisõnu: masinõpe teeb tegelikult nähtavaks asjaolu, et kompleksses kultuuris sõltuvad inimese oma elu teadliku ja loova juhtimise oskused sellest, kuivõrd on tal olnud kokkupuuteid kultuuri mitmekesisusega, selle koodipaljususega, ning seeläbi abduktiivse järeldamise võimekusest.

Sellest omakorda tõukub aga järgmine kultuuri- ja meediapoliitiline printsiip: iga riik peab tagama, et selle kultuurisüsteem, aga selle sees eriti just meediasüsteem, on piisavalt mitmekesine, et elanikkonna abduktiivne võimekus saaks tekkida ja areneda. Just sellepärast ei piisagi, näiteks, sellest, et avaõiguslikus meedias võimutseb ühest riigist pärit importsisu, sest vaid selle riigi kultuurikoodide tundmine ei aita Eesti kodanikke tänapäeva kultuuridünaamika mõistmisel. Ka just sellepärast on oluline, et eesti kultuuris oleks ära seletatud, seostatud ja kontekstualiseeritud kõik aktuaalsed popkultuuri allhoovused, sh popmuusika žanrid – sest vaid nii saab huviline jõuda nende seoste läbinägemiseni ning loova uuskasutuseni.

Kokkuvõtteks: loov vaim võib olla kohati üksildane, aga selle tegevusulatus on sotsiaalselt tingitud. Iga ühiskonna kultuuri-, tehnoloogia- ja paljude muude valdkondade poliitika ning institutsioonide seadestu saab kas võimestada kodanikke nüüdisaja tähenduskompleksusse julgelt ja loovalt suhtuma või vastupidi, üldsegi mitte. Mulle tundub, et pikas perspektiivis peitub vastuses sellele küsimusele iga ühiskonna heaolu ja enese uueksloomise võti.

* Indrek Ibrus, Maarja Ojamaa, The Creativity of Digital (Audiovisual) Archives: A Dialogue Between Media Archaeology and Cultural Semiotics. – Theory, Culture & Society 2020, nr 37 (3). doi:https://doi.org/10.1177/0263276419871646