Виждали ли сте чипс с вкус на шкембе чорба или на ракия? А лего, в което се сглобяват катедралата „Александър Невски“ или стара жигула? Представяте ли си българските знаменитости като част от играта Mortal Kombat – Сънчо срещу Дънов и хан Кубрат срещу Гала?

Е, няма нужда да отпускате въображението си, всички тези идеи оживяват благодарение на впечатляващото сътрудничество между днешния ни гост и алгоритмите.

Росен Дуков е графичен дизайнер със забележителен опит – създава плакатите на някои от най-популярните български филми през последните години, автор е на кориците на книги, които стоят във всяка уважаваща себе си библиотека. Той е неколкократен победител в международни състезания по Photoshop, не е пресилено да го наречем световен шампион. През последните години преподава тези умения в СофтУни – и в дизайна, и в обработката на снимки, и в изкуствения интелект.

Защо визуалният артист не се бои в съревнованието с изкуствения интелект? Защо според него е важно час по-скоро да опознаваме новите възможности, които ни дават алгоритмите? Кои са следващите оригинални идеи, с които ще ни покаже докъде са стигнали генеративните модели?

– Как се насочи към това да използваш изкуствен интелект за създаване на изображения и изобщо в дизайна? Повечето ти колеги, поне по мои наблюдения, го избягват…

– Даже няколко човека, с които сме завършили Художествената гимназия, ме изтриха от приятели си

в социалните мрежи. Първо започнах да развивам собствен канал PSHOW, в който се опитвам на български и на английски да събирам полезна информация как се работи с Photoshop. Винаги ми е било мечта да имам канал, в който да предавам знанията си, защото Photoshop е сложна програма и с това, което съм натрупал като опит за 20 години, мога да улесня живота на доста хора.

Междувременно се случи този бум, започнаха да излизат едно след друго приложения като ChatGPT, DALL-E, Midjourney, които в началото даваха смешни резултати. Но само след 2-3 месеца започнах да виждам, че с много бързи, големи крачки, резултатите стават задоволителни. Усетих, че това е следващото „голямо нещо“.

Сигурен съм, че е така. Мисля даже, че

много се подценява в момента, като някои си мислят – ще дойде и ще отмине.

Също така усетих къде е потенциалът, къде мога да го интегрирам в моята работа специално на дизайнер или във Photoshop, за да автоматизирам много процеси, да си ускоря работата.

– И после продължаваш с канала AIHOW, в който провокираш с неочаквани изображения и видеа, създадени с помощта на моделите… като например „българския Mortal Kombat“.

– Ако знаеш как да го използваш, ИИ е като всеки друг инструмент, който поне на мен ми помага.

Полезен е да си направя някакви работни варианти, да ми даде основа за текст на блогпост.

Как се получи “Mortal Kombat“? Трябваше да си направя една подложка с костюмите, да речем от Midjourney, и след това да започна да налагам българското – лицето и „вица“. Това за мен е водещото в тези експерименти, да има нещо забавно и нещо, което да е адаптирано за българската аудитория.

После си клонирах си гласа, направих си аватар и с помощта на 3-4 инструмента започнах да правя видеа, в които показвам всичко ново, което излиза като приложения и възможности, а това се случва изключително бързо. Според мен

хората, които сега се учат на ИИ, които опитват да го интегрират, след една година ще имат големи ползи.

Защото тогава другите ще започват, а ние, които вече знаем как да го използваме и се интересуваме, ще имаме година предимство.

– Но така изглеждаше и преди година, а нямам усещане, че генеративните модели се използват толкова масово…

– Нещата в България се случват по-бавно. Водих курс по ИИ за дизайнери, записаха се 150 човека, 10 пъти по-малко в сравнение с Photoshop курса. Но пък сред тези хора имаше такива, които наистина ги вълнува и го използват. Освен това имах покана да отида в рекламна агенция, за час и половина да покажа какво могат да правят с ИИ и какво – не. И накрая леко се депресираха хората.

„Какво ще правим сега?“ Ами, ще се адаптираме.

Според мен повечето хора не познават на какво са способни алгоритмите за видео, звук и изображения. Новият Photoshop има изцяло интегриран генеративен прозорец, в който не ти трябват снимки. Преди търсехме по 2-3 часа сток кадри, за да намерим конкретния ъгъл за композиция, цветове, след това трябваха още часове, за да се колажират тези снимки, да се променят така, че да изглеждат добре, като една картинка… Сега това е просто. Както каза един колега,

в момента правим това, което клиентите преди десет години си мислеха, че правим. Сядаме, натискаме едно копче и става дизайн. Ето това се случва.

Много ми улеснява работата, може би, защото съм намерил някаква златна среда. Аз съм художник, дизайнер и знам, като видя нещо генерирано, дали не е прекалено близо до стила на някои от известните художници например, мога в главата си да преценя кое е окей да използвам.

Скоро ще станем свидетели как това генериране на съдържание – дали ще е текст, изображения, аудио, видео, ще стане част от големи приложения.

Ето например ChatGPT-4 омни. Преди няколко месеца казах, че това ще е следващото нещо, персонализиран асистент – ще има пак Сири и Алекса, само че вече ще бъдат индивидуализирани и в зависимост от това какво търсиш, какви страници посещаваш, ще се адаптират към теб. Малко е и плашещо, но…

– …но, поне според мен, още повече – вълнуващо. Когато започвах с този сайт преди 3 години, подобни идеи звучаха като фантастика, после много бързо спряха да звучат така. Ето, например, за повечето ми публикации, понеже са по специфични теми, преди използвах изображения от банки, сега направо влизам в Midjourney. Докато повечето хора на изкуството се страхуват от това нещо, или го неглижират.

– И аз си мисля, че имидж банките бяха дотук.

Но няма какво да се лъжем, от друга страна

всичко това е най-голямата интелектуална кражба на века.

Обучавали са тези алгоритми, без знанието на авторите. Според мен, тъй като няма как да се каже точно какъв процент от кое колко е използвано, може би ще се получи нещо като изплащане на отчисления.

Sora например стана възможна, защото е използвано всичко в YouTube. Питаха създателите от OpenAI дали е така и не отговориха директно. Затова според мен се дърпат повечето хора на изкуството. Да, сигурно

може до известна степен да ни замести като дизайнери, обаче не може да ни замести като творци.

Колкото и да са перфектни картинките, те нямат това, което има всеки творец. Дали го наричаме „божия искра“, „талант“, „интуиция“, „въображение“.

Генеративните модели работят на един и същи принцип – първо създават шум и на базата на него започват да запълват картинката. Ако искаш да създадеш нещо, което не е било в тази база данни, с която е захранен моделът, няма как да го получиш.

– Почти всичките ми гости от най-различни области мислят така. Аз обаче не съм съгласен, според мен алгоритмите могат да създават и произведения, които бихме могли да не различим и да наречем творчество. Може да създаде свой стил, комбинирайки различни стилове. Може да създаде идея, комбинирайки идеи. А понякога творчеството е точно това – осъзнато или не компилиране в главата ни.

– Имам колеги, които работят с големите студия за компютърни игри. Един от тях си обучи чрез Stable Diffusion свой ИИ, който да рисува в неговия стил. Захрани го с негови рисунки, което, според мен е чудесна идея –

получаваш един калфа, който ти върши мръсната работа.

Може би темата все още е много неизвестна, необяснима и затова част от хората са така резервирани. Ние сме дали 30 години от живота си, за да си изградим наш стил и изведнъж той може да бъде уподобен.

Мисля, че трябва да се намери допирна точка – да се използва човешката креативност в комбинация с напредъка на технологиите. Ако въведем ясни норми и рамки, няма да има проблем – ще пести време и ще правим нещата много по-бързо.

– Дали обаче може да има рамки? Вече е много лесно такъв модел да пуснеш и донастроиш на своя компютър…

– Имам предвид по-скоро рамки в мозъка на човека, който оперира. Да не създава „в стила на някого си“. Да се пази от расови, полови и други дискриминации, да внимава с чувствителните теми. Свидетели сме и на

дийпфейкове, заради които според мен може да се случи голяма беля, те стават съвсем неразличими.

Очакваше се тази година бумът да бъде на видеото заради Sora, обаче май ще е по-скоро при аудиото. И досега не беше трудно да си клонираш гласа, но вече може да пееш чудесно. 10 долара и си певец!

В известна степен съм от двете страни. Предполагам, че част от моето творчество, през платформи, на които съм качвал портфолио, е вкарано като захранване на модели. От друга страна съм минал пътя, за да стигна до това да си изградя собствен стил и поглед към нещата.

Имам проекти, които чакат от 10 години. По онова време щяха да ми трябват 500 000 евро, за да реализирам един сериал, в момента това може да стане с труда само на още един човек за седмица и почти без пари!

– Това няма ли да обезцени всякакво творчество? Ако всичко изведнъж стане лесно за създаване…

– Според мен не – ще го направи по-стойностно. Все по-масово ще започнат да се използват генерирани текстове, картинки, звуци. Може би един ден ще станат перфектни, но в момента не са. Личи си, че са дело на машина.

– Не за всичко личи, направих показателен експеримент, че вече е почти невъзможно да различим генерираното…

– По-големият проблем според мен е друг – че

хората масово са мързеливи, искат информацията наготово, не им се занимава да учат нови неща.

Разчитат да потърсят и намерят, не да четат цялата история. А ние сме минали през гимназия, университет и може би това ни отличава, че имаме повече информация в главата и собствен поглед, през който пречупваме всяка информация. Тоест, колкото и да си добър, с алгоритмите ще създаваш просто картинки, които изглеждат добре, но няма да са това, което би направил един дизайнер или фотограф.

По-големият проблем според мен е накъде върви светът като цяло.

– Даваме ли, даваме още задачи на компютрите, те ни освобождават време… и въпросът е какво го правим това освободено време.

– Ще имаме все повече време да правим нищо. Или да стоим, да гледаме филми, да цъкаме в мрежите. Виждам какво се случва с тези, които сега завършват и предишното поколение. Никакви стойности, никакви ценности – тъжно е, но това е положението.

– Има ли нещо, което, ако видиш, че алгоритмите правят, ще се уплашиш?

– Не виждам какво може да ме изненада или изплаши. Първо, не се чувствам застрашен като професионалист, защото знам, че ИИ никога няма да направи това, което аз мога, най-малкото, защото няма въображение.

От друга страна, виждам, че нещата се случват супер бързо и това може да означава само едно – че в един момент генерираното ще стане неразличимо от реалността.

Това е другата ми теория – всичко се случва толкова бързо, за да може да се интегрира виртуалната реалност, хората вече да могат да ги облъчват и през очилата с реклами.

– Напълно е възможно… чак е подозрително как напоследък спря да се говори за прословутата метавселена. Обаче, ако човек чете коментарите под моите текстове, ще каже, че само манипулираме хората, изкуственият интелект е измишльотина и нищо всъщност не се случва.

– Нека си мислят така. Само че онлайн все повече се вижда защо, ако нещо е безплатно, стоката си ти. Повечето ИИ инструменти са с много ниски цени, по-скъпи са да кажем някои за Холивуд.

Но наистина и покрай мен повечето хора просто виждат нещо, впечатляват се и го забравят.

– Създавайки „българските чипсове“ и лего проекти, каква част от изображенията правиш ти и каква – алгоритмите?

– Зависи, различно е, в общи линии гледам да са поравно. Водещото за мен е да експериментирам. Ясно е, че ИИ може да направи чипс с различен дизайн, но как би се справил с шкембе чорба или таратор? Понеже няма как да се опише на английски, нещата там са 50:50. Зависи дали за някои изображения мога да го насоча с нещо сходно, тогава по-малко пипам. Но като дизайн, като кадриране се включвам и аз. В легото по-скоро не си играя чак толкова.

В началото сменях лицата, поиграх си… освен на легото за Слънчев бряг – там така или иначе приличат на зомбита.

Реших да оставя по-сурови изображенията, за да се види какво излиза – че има някои дефекти. Зависи и с кой инструмент се работи. За реализъм знаем, че най-добре е с Midjourney, за по-арт и илюстративни изображения използвам Leonardo, за по-продуктови – Copilot. Казвам го и на колегите, важно е какъв инструмент за какво ще избереш. Отиваме постепенно към големи платформи с богат интерфейс.

– И аз си го представям като Photoshop, в който обаче не правиш маски, а използваш функциите наготово. Но така или иначе трябва да се научиш да обясняваш какво искаш.

– Точно така, промпт инженерство, трябва да се намери общ език. Ако напишеш „мечка в гората“, ще излезе това, но ако добавиш още 5 изречения, ще вкара атмосфера, гледна точка. Дали е дъждовно, или е слънчево, дали е сутрин, или вечер. Там мисля, че все още не са ни казали всичко, което може да се прави с Midjourney – дават го на час по лъжичка. Можеш да си играеш много – да кажеш с какъв фотоапарат и какъв обектив, какво фокусно разстояние да е направена снимката. Накрая това, което ще получиш, е все едно ти си отишъл и си снимал мечката.

– И тук парадоксът пак е, че за да го правиш, трябва да си много добър фотограф или дизайнер. В програмирането е същото – за да работиш ефективно с алгоритмите, трябва да разбираш какво правиш, да му откриваш грешките. Обаче заради тези алгоритми по-трудно днес навлизат млади хора, които да се учат на основите. Няма ли да се получи нещо подобно в много области?

– Точно това според мен е основанието да не се плашим. Защото, ако един човек не си е извървял пътя, той пак няма да знае как да направи нещо както трябва, дори и с най-съвършените инструменти.

Вече всичко е толкова лесно, ако имаш желание. Влизаш в YouTube и за няколко часа научаваш основите на перспективата или на анатомията, топло-студено, светлина-сянка. А може и да питаш ChatGPT с обратно търсене – изпращаш снимката и искаш от него описание, да намери точно как е създадена.

Това мислене, човешкото мислене…

Дори инструментите за писане на текст, на код, на снимки, на видео да станат перфектни, всичко пак ще зависи от хората, които работят с машината.

Росен Дуков

– Имаш ли нещо, което не можеш да създадеш на момента като визия и чакаш алгоритмите да ти помогнат?

– Мисля, че ще започнем „да се разбираме“ с по-малко думи. В момента колкото по-подробен е промптът, толкова по-добри са резултатите. Понякога разбира не точно ключови думи, а се получава по-добре индиректно – искаш например атмосфера на романтика, свободен стил, замък.

– Могат ли алгоритмите да създадат нови форми на изкуство?

– То си е това, нещо ново. Този начин на създаване на видео или текст е нещо съвсем различно, няма аналог от познатото ни до момента. Но каква е разликата? Че на него са му дадени милиони изображения и винаги ще се води от това, което има като материал. Докато мен днес може да ме вдъхнови този дъжд, да измисля нещо съвсем ново. Ако го правя аз, ще е уникално. Дори друг да е снимал София по това време, в същия час, няма да е същото, както, ако го направя аз.

Самият факт, че може да се комбинира, да се създава някаква еклектика, която е красива, това е една важна задача. Не мога да кажа, че е изкуство, но е нов вид логика за визуализиране. Никога няма да бъде изкуство…

– Дали? И при алгоритмите всички снимки на дъжда могат да са различни и дори неочаквани. И те могат да генерират много предложения по идея…

– Да, и ние стилизираме, но с нашия мозък. Ако си учил история на изкуството, стиловете на художниците, живота им, рисуваш и развиваш собствен стил, при всеки е индивидуално и уникално. Генеративните модели все още си приличат, вижда се, че са синтетични, неестествени.

Може би и това ще стане неразличимо, но това е моята гледна точка. Интересна ми е тази технология и сме късметлии, че живеем в толкова интересно време. Следя нещата и когато инструментите станат наистина добри, ще мога да завърша всички проекти, за които чакам…

– Остава да дочакаме момента, когато алгоритмите не само ще рисуват, но ще ни приготвят чипс с вкус на ракия… или пък идеята не е чак толкова добра?! Нека читателите преценят. Благодаря ти за разговора!