Langzaam maar zeker dringt de digitalisering de wereld van kerk en theologie binnen, met in haar kielzog de aandacht voor algoritmes, deep learning en kunstmatige intelligentie. Op uitdagende wijze laat Wim Otte zien welke mogelijkheden dit opent voor de eredienst. Hoe ver weg is robot Theo/Thea als liturgisch assistent?
Grensvlak
Theologie en kunstmatige intelligentie beginnen elkaar te raken. Vorig jaar presenteerde kunstenares Diemut Strebe The Prayer, een prominent stuk op de tentoonstelling “Neurons, Simulated Intelligence” (26 februari-26 april, 2020; Centre Pompidou, Parijs). Strebe kreeg eerder bekendheid met de regeneratie van het afgesneden oor van Vincent van Gogh. Ze gebruikte daarvoor de nieuwste stamceltechnologie in combinatie met het afgestane genetisch materiaal van een van Van Goghs nazaten. Met The Prayer begeeft ze zich opnieuw op het grensvlak van mens en techniek. Een flexibele neus- en mondholte, met beweegbare tong, is gefixeerd in een aluminium frame en via tandwielen verbonden met een motortje. De artificiële klankruimte kan preken, bidden en liturgische teksten zingen. De aansturing komt van een klein computerboard met knipperende ledlampjes.
Deep learning
Het nieuwe en fascinerende van deze ‘kunstverkondiger’ / ‘robotliturg’ zit niet zozeer in de nabootsing van de menselijke stem. De grammofoonplaat is er al sinds 1857. Het gaat om wat deze siliconenbuis uitkraamt. Niet dat er ongehoorde zinnen uitgesproken of gezongen worden, integendeel. De voorbeeldfilmpjes op YouTube maken duidelijk dat het om herkenbare religieuze uitingen gaat. Echter, het aansturende algoritme is er wel één van het type deep learning. Een algoritme dat softwarematig de eigenschappen van een neuraal netwerk nabootst. Zoals hersenen opgebouwd zijn uit netwerken van levende cellen (neuronen) en in hun onderlinge verbindingen informatie opslaan, zo kan deep learning software eveneens informatie leren en vasthouden voor later, met behulp van een digitaal netwerk. Het al lerend opbouwen van zo’n netwerk gebeurt tijdens een zogenaamde trainingsperiode. Een netwerk krijgt dan honderden zo niet duizenden voorbeelden voorgeschoteld. Tijdens dit deep learning proces abstraheert het netwerk, op een geheel eigen wijze, vanuit deze voorbeelden een gemeenschappelijke structuur en samenhang en slaat dit op in digitale verbindingen. Na voldoende training kan het algoritme zelfstandig en ter plekke de novo teksten – en in het geval van Strebes kunstwerk ook modulaties – genereren. Beide, tekst en muziek, horen qua taalveld onmiskenbaar bij de eerder in de trainingsfase aangeboden voorbeelden, maar zijn tegelijkertijd nieuw.
Omdat in de werking van het neurale netwerk een zekere kansberekening en willekeur zit, is het eindproduct elke keer anders. Het gaat hier dus – om een misverstand te voorkomen – niet om een creatief combineren van voorgegeven vaste zinnen of melodielijnen. Noch om een algemene tekst waar woorden willekeurig, maar volgens een vaststaand protocol, worden vervangen door andere woorden. Nee, het generatieve proces gaat echt de diepte in. Zowel op het niveau van de zinnen als op het niveau van het geheel ontstaat nieuwe informatie. De creativiteit van hedendaagse deep learning is dus niet beperkt tot het maken van oppervlakkige variaties, maar werkt door tot de verhalende, narratieve grondstructuur.
Geen wartaal
Levert dat een samenhangende verhaallijn op? Verrassend genoeg wel. De publicatie van het GPT-3 deep learning netwerk – een variant van het algoritme zoals gebruikt in The Prayer – deed in juli 2020 het nodige stof opwaaien. Dit generatieve taalmodel, getraind met miljoenen Engelstalige boeken, dichtbundels, nieuwsberichten en blogs bleek in staat om coherente, maar fictieve New York Times krantenartikelen te genereren. Sommige waren niet of zeer moeilijk te onderscheiden van echte artikelen. Het netwerk werd met enthousiasme onthaald, onder andere vanwege toekomstige toepassingen in de medische hoek. Zoals het verminderen van administratieve werkdruk in de eerstelijnszorg en het ontwikkelen van chatbots in suïcidepreventie.
Maar er was ook kritiek. Het neurale netwerk had namelijk ingebakken maatschappelijke vooroordelen rond vrouwen, zwarte mensen en joden ‘keurig’ overgenomen in haar generatieve structuur. Iets wat deels voorkomen had kunnen worden door kritischer te zijn op het materiaal dat werd aangeboden tijdens het trainen.
Duidelijk is dat je tot op een fundamenteel niveau neurale netwerken kan leren om nieuwe, niet eerder geziene, teksten van een bepaald genre te genereren. Ondanks de realistische output is de consistentie en kwaliteit van langere teksten nog variabel. Niet voor niets duren de voorbeeldfilmpjes van Strebes pratende en zingende neus-mond-apparaat slechts enkele minuten. Het volledig zelfstandig schrijven van grote verhalen met een kop en een staart kan wel, maar dat vraagt dan om menselijke bijsturing na, bijvoorbeeld, elke nieuwe paragraaf. Op die manier schreef Ronald Giphart in 2017 met behulp van een neuraal netwerk, getraind met voorbeelden uit de Nederlandse literatuur, een extra hoofdstuk voor de sciencefiction bundel ‘Ik, Robot’ van Isaac Asimov (1920-1992).
Deze fascinerende ontwikkelingen op het gebied van het zelfstandig aanleren en genereren van inhoudelijk betekenisvolle teksten is ook interessant voor de theologie. Het biedt namelijk mogelijkheden om onontgonnen gebied te verkennen. Ook stimuleert het een verdere doordenking van de relatie tussen letter en Geest. En, de vraag dringt zich op, zou deep learning de vaak genoemde werkdruk kunnen verhelpen?
Verkennen van onontgonnen gebied
In 2016 versloeg een – het begint wat voorspelbaar te worden – deep learning netwerk de Koreaanse Lee Sedol. Sedol is nog steeds de beste menselijke speler van het traditionele Chinese bordspel Go. Het algoritme won van zijn tegenstander door ongekende lange-afstandssprongen en agressieve opoffering van eigen stenen. Een manier van spelen die geen enkele professionele Go-speler zich in het hoofd zou halen, maar die, door rekening te houden met kansberekening en willekeur, tijdens het trainen door het netwerk als effectief werd beoordeeld. En dat terwijl mensen al 2400 jaar Go spelen. De nieuw ontdekte spelstrategie heeft het Go-spel inmiddels blijvend getransformeerd.
Zou zo’n zelfde inzet zich ook lenen voor het verkennen van liturgische teksten, gebeden en muzikale uitvoeringen? Wie namelijk van een afstandje naar de gebeden, verhalen, psalmcitaties en formuleringen binnen het ‘heilig spel’ kijkt, zal door alle rijkdom, variatie en creativiteit heen ook een meer vaste structuur met terugkerende elementen ontdekken.
Wat niemand weet, is of daarmee het hele spectrum van uitingsmogelijkheden gedekt is. In hoeverre zijn er nog witte gebieden die structureel over het hoofd worden gezien? Zijn er blinde vlekken, die ondanks alle inbreng van kunstenaars en ‘ketters’ gemist worden? En zou een nieuwe verkenning – geholpen door een deep learning netwerk – geheimen prijs kunnen geven die liturgisch verrijkend zijn? Met de recente ontwikkelingen op het gebied van kunstmatige intelligentie kan dit nu daadwerkelijk geprobeerd worden.
Dat is natuurlijk een spannende exercitie. Want niemand weet wat zo’n algoritme na 2000 jaar menselijke creativiteit op het spoor komt. Moeten we hier toch maar niet aan beginnen omdat we het risico lopen dat theologie en kerk, net als het Go-spel, voorgoed veranderen?
Letter en Geest
Dichters, liedmakers en voorgangers weten dat inspiratie nodig is. Zonder muze in de studeerkamer wordt het niets. Of met Paulus: Een dode letter heeft de levendmakende Geest nodig (2 Korintiërs 3:6). Tegelijkertijd gebruiken deze mensen altijd bestaand materiaal. Al sprokkelend in commentaren, al dan niet via internet, komen teksten, creatief citerend, tot stand. Julia Kristeva stelt zelfs dat iedere tekst intertekstueel is. Altijd opgebouwd uit een mozaïek van bestaande teksten die dat op hun beurt ook weer zijn.
Maar wat nu als een deep learning netwerk, getraind met – bijvoorbeeld – duizenden verootmoedigingsgebeden, een kant-en-klaar gebed produceert? Tijdens de dienst op de iPad van de voorganger. Al dan niet met een schuifknopje om de mate van bevindelijkheid of maatschappelijke betrokkenheid in te stellen.
Theologisch komt hierbij de vraag op: deelt het neurale netwerk in de werking van de Geest, in de zin dat de uitkomst door iets hogers of diepers wordt geëffectueerd? Of is dit niet de juiste wijze om te denken over inspiratie? Bijvoorbeeld omdat de (protestantse) nadruk op het spontane en ambachtelijke eerder een vrucht is van de Romantiek dan van eeuwenoude liturgiepraktijken. Of omdat de performance en de context belangrijker zijn dan de ‘kale’ woorden en zinnen. Want liggen sommige teksten, zoals de evangelietekst en het Onzevader, sowieso niet al vast? Moet je inspiratie wellicht plaatsen bij de hoorder van vlees en bloed, die helemaal meedoet in het al dan niet slagen van het overspringen van de vonk, het aanslaan van de boodschap, het bewerken van het heil? Het theologisch nadenken over kunstmatige intelligentie kan helpen om deze vragen scherper in beeld te krijgen. Dat de Geest verrassend uit de hoek kan komen, weten we inmiddels door de recente virtualisering van het gemeente-zijn, webcamstreamen en het vieren-on-demand. Maar de ontwikkelingen gaan door.
De Theo/Thea App
Vanuit een meer pragmatisch oogpunt kan het inzetten van deep learning drukke voorgangers, liturgen en organisten helpen. Waarom geheel zelfstandig ploeteren op het uittikken van een preekschets, opzetten van gebeden of bedenken van psalmharmonisaties als je daarbij geholpen kan worden door een App luisterend naar de naam ‘Assistent Theo/Thea’? In de exegese is er zware virtuele ondersteuning door programma’s als StudieBijbel Online, Bibleworks† en Concordance. En waarom ook niet? Een digitale concordantie is nu eenmaal efficiënter, vollediger en makkelijk te updaten dan een papieren versie. De hulp die software biedt bij het ontleden van zinnen, leggen van verbanden en analyseren van teksten is, zeker voor minder gevorderden, goud waard. Zou het niet mooi zijn om met Theo/Thea de liturgie naar een soortgelijk digitaal niveau te brengen? In tegenstelling tot een paar jaar geleden kan nu een neuraal netwerk de cumulatieve creativiteit extraheren uit duizenden gebeden, verkondigingen, muziekteksten en melodieën. Theo/Thea kan – met deze netwerken ter beschikking – vervolgens assisteren bij ieder liturgisch onderdeel naar keuze. Een pakkende intro voor een Kerstpreek? Laat Theo/Thea een dertigtal paragrafen genereren en bewerk degene die eruit springt. Een nieuwe harmonisatie bij de psalm die op vaste zondagen gespeeld wordt? Voer de melodielijn in en krijg een kant-en-klare versie met akkoorden terug. Inspiratie nodig bij het voorbereiden van een verootmoedigingsgebed? Bestudeer een tiental gegenereerde voorbeelden die passen bij de periode van het liturgisch jaar en combineer zelf naar keuze.
Wie denkt dat zo’n digitale assistent geen echte meerwaarde heeft omdat er gewoon voldoende tijd genomen moet worden voor voorbereiding en studie, vergeet dat de kerk momenteel sterk verandert. De functies van academisch-opgeleide predikant en betaalde organist staan onder druk. Door de vergrijzing van het predikantencorps en het kleiner worden van veel gemeenten zijn er steeds meer vacatures. Vaak alleen voor deeltijders. Als Theo/Thea het zware voorwerk kan doen, zou dat een uitkomst zijn voor hen die – al dan niet naast een reguliere baan – dienend bezig willen zijn in de beperkte tijd die ze ter beschikking hebben.
LIBERAAL CHRISTENDOM 