Een semiotiek van culturele herinnering en een functie-gedrag-structuurmodel voor digitale overdracht en vernieuwing in AI-gegeneerde Huizhou-houtsnijwerkbeelden

Waarom oude houtsnijwerken en nieuwe AI bij elkaar horen

Waarom zou iemand buiten een ontwerplaboratorium zich druk maken om door AI gemaakte beelden van oude Chinese houtsnijwerken? Omdat ze op het kruispunt liggen van geheugen, identiteit en technologie. Deze studie laat zien hoe moderne beeldgeneratoren, mits zorgvuldig aangestuurd, traditionele kunsten zoals Huizhou-houtsnijwerk in het digitale tijdperk levend kunnen houden — niet alleen als mooie afbeeldingen, maar als dragers van verhalen, waarden en culturele betekenis.

Oude houtsnijwerken als levende verhalenboeken

Huizhou-houtsnijwerk uit oostelijk China staat bekend om zijn verfijnde panelen die huizen, tempels en meubels sieren. Op het eerste gezicht lijken deze snijwerken puur ornamentaal, maar ze werken in feite als dicht gepakte visuele verhalenboeken. Taferelen van familiebijeenkomsten, landbouwwerk, mythische dieren en geluksymbolen comprimeren ideeën over clanethiek, voorspoed en morele regels in hout. De auteurs putten uit de theorie van “cultureel geheugen” om dit uit te leggen. Volgens dat perspectief versieren objecten en beelden niet alleen onze omgeving; ze helpen groepen te onthouden wie ze zijn, wat ze waarderen en hoe ze zich tot het verleden verhouden.

Van tekens en vormen naar betekenis

Om te begrijpen hoe mensen zulke beelden lezen, lenen de onderzoekers instrumenten uit de semiotiek — de studie van tekens. Ze onderscheiden drie soorten visuele aanwijzingen. Iconen lijken op de dingen die ze afbeelden, zoals gebeeldhouwde mensen, vogels of gebouwen. Indexen fungeren als aanwijzingen of sporen van gebeurtenissen, zoals rook die koken suggereert of lantaarns die een festival doen vermoeden. Symbolen berusten op gedeelde culturele regels, zoals specifieke gelukstekens of dieren die staan voor een lang leven of trouw. Het team gebruikt ook een ontwerpmethode genaamd Function–Behavior–Structure, die simpelweg vraagt: Waar dient het ontwerp voor (functie)? Wat doet het met mensen of hoe laat het ze voelen (gedrag)? En hoe zijn de onderdelen gerangschikt (structuur)? Samen vormen deze ideeën een samenhangend raamwerk dat cultureel geheugen, visuele tekens en ontwerpkwaliteit in één keten verbindt.

Een AI leren traditie te respecteren

In plaats van de beeldgenerator te laten improviseren, behandelden de auteurs de AI als een gedisciplineerd hulpmiddel. Ze bouwden prompts op uit kleine, theoriegebaseerde onderdelen: woorden over materialen en snijtechnieken, alledaagse taferelen en rituelen, en symbolische thema’s zoals gezinsvoorspoed of zegeningen. Deze onderdelen werden gecombineerd tot gestructureerde instructies voor Midjourney, die vervolgens 40 beelden in Huizhou-stijl produceerde. Ontwerp- en erfgoedexperts selecteerden 20 beelden die het beste een duidelijke compositie combineerden met rijke culturele inhoud. Een groep van 434 volwassenen met interesse in design bekeek deze geselecteerde reeks en beoordeelde wat ze zagen: hoe sterk de beelden traditionele materialen, functies en symbolen opriepen; hoe duidelijk ze iconen, aanwijzingen en culturele symbolen bevatten; hoe goed ze doel, ervaring en structuur communiceerden; en tenslotte hoe effectief ze leken in het behouden en bijwerken van Huizhou-snijkunsttradities.

Wat kijkers het belangrijkst vinden

Statistische modellen laten zien dat twee paden de oordelen van mensen domineerden. Het ene liep van functionele herinneringen (hoe de snijwerken in echte ruimtes worden gebruikt) via indexachtige aanwijzingen naar evaluaties van functie, gedrag en structuur. Het andere liep van symbolische herinneringen (gedeelde overtuigingen en waarden) via symbolische tekens recht naar structuur. Eenvoudig gezegd, kijkers gaven minder om of de houtnerf er perfect realistisch uitzag en meer om of de beelden duidelijk herkenbare situaties en diepere betekenissen suggereerden. Gedetailleerde tests toonden aan dat de "materiaal"-zijde — getrouwe oppervlakken en texturen — weinig directe invloed had op de vraag of mensen vonden dat de beelden de traditie op een frisse manier voortzetten. In plaats daarvan werden ontwerpen die duidelijk aangaven wat er gebeurde, waarom het belangrijk was en hoe de onderdelen samenhingen, zowel als authentieker als als innovatiever beoordeeld.

Wat dit betekent voor de toekomst van erfgoed

Voor de leek is de boodschap van de studie simpel: wanneer AI wordt aangestuurd door culturele kennis, kan het helpen traditionele kunsten te vertalen naar nieuwe digitale vormen zonder ze uit te hollen. Succes hangt niet af van het kopiëren van elk fysiek detail van een oud snijwerk. Het draait om het coderen van de juiste taferelen, aanwijzingen en symbolen zodat kijkers de verhalen en waarden achter het beeld kunnen blijven "lezen". De auteurs betogen dat generatieve AI moet worden gezien als een bestuurbaar medium, niet als een mysterieuze kunstenaar. Hun werkwijze — van theorie, via prompts, naar beelden en publieksfeedback — biedt een blauwdruk voor musea, onderwijsinstellingen en ontwerpers die AI willen inzetten om erfgoed op een manier te vernieuwen die zowel respectvol naar het verleden als betekenisvol in het heden aanvoelt.

Bronvermelding: Qian, Y., Bao, Q., Zhang, S. et al. A cultural memory semiotics and function behavior structure model for digital inheritance and innovation in AI generated Huizhou woodcarving images. Sci Rep 16, 5520 (2026). https://doi.org/10.1038/s41598-026-35360-5

Trefwoorden: digitale cultureel erfgoed, Huizhou-houtsnijwerk, AI-beeldgeneratie, cultureel geheugen, ontwerpsemiotiek