DALL·E, нарисувай ми овца!

май 27, 2022 | Технологии

DALL·E, нарисувай ми овца!

27 май 2022 | Технологии

„Бихте ли ми нарисували купа със супа, в която като че ли има чудовище от вълна?“

Хващам се на бас, че с такава странна заявка не могат да се справят повечето добри художници и фотографи. Като го чуя, и аз не мога да си представя нищо, което да прилича на нещо подобно. Далѝ обаче си представя много интересна картинка:

 

 

Този артист определено си заслужава уважението, затова нататък ще се погрижим да изписваме правилно името му. Защото DALL·E може да няма засукания мустак и ексцентричността на на адаша си Салвадор, но прави вълнуващи неща. Той е алгоритъм, който с помощта на изкуствения интелект превръща описанието в изображение. При това само колко точно!

„Нарисувай ми овца“, казва малко момче със златни коси на пилот, озовал се сред знойните хълмове на Сахара. Какво се случва нататък, знаем всичко, но отговорът на пилота е красиво детски.

Всичко друго освен детски са отговорите на DALL·E. Името му се изписва като на дете на Мъск, то идва от асоциацията с адаша му художник и анимационния герой – роботчето на „Пиксар“ WALL·E. От първите дни на май тази година алгоритъмът привлече вниманието на хората, които се интересуват от изкуствения интелект, със зашеметяващи примери.

 

Плюшени мечета работят по ново изследване на ИИ под вода с технологии от 90-те.

 

А дали е така кой ще ми каже?

DALL·E е доста активен онлайн. Даже редовно публикува новите си произведения в инстаграм.

След като миналата година първата версия на проекта загатна за впечатляващите му перспективи, вторият му версия дойде не само за да покаже, че алгоритмите са способни да творят. Но и много по-важни неща за възможностите им.

Проектът е дело на една от двете най-мащабни групи учени днес, които работят в областта на висшия пилотаж, свързан с разработката на изкуствен интелект. OpenAI е компанията, подкрепяна от Мъск срещу големия конкурент на Google, която създаде технологията GPT-3. Именно тази, най-впечатляваща до момента, предварително тренирана невронна мрежа се крие и зад проекта за електронния художник.

Нашият герой определено се смята за сериозен пробив в своята област. Както си струва отново да споменем, днес алгоритмите на изкуствения интелект са особено силни тогава, когато имат една от следните две задачи: на базата на обработката на огромен обем информация да предположат каква ще е следващата единица, която се зададе, или пък да успеят да я класифицират. Те се справят все по-впечатляващо в някои от посоките, в които очакваме чудеса, като например лицевото разпознаване, в други изостават, но като цяло продължават да се развиват в рамките на тези си основни роли.

 

Астронавт на кон във фотореалистичен стил.

 

Дали вали

Докато нашият нов приятел DALL·E променя парадигмата. Той анализира връзките между човешкия говор и изображенията. И в резултат създава неочаквани, понякога впечатляващи с майсторството си картини.

И пак стигаме до големия въпрос. Можем ли да ги наречем изкуство?

Наистина е изумително. Нека опитаме пак.

Някой: Уважаеми DALL·E, хайде да вземеш да ни нарисуваш плюшени мечета, които смесват бълбукащи химикали като луди учени от 90-тарско съботно анимационно шоу…

DALL·E:

 

Точно така, можем да му кажем не само какво искаме да видим, но и в каква стилистика. Имаме възможността да му описваме и обясняваме и той ще даде всичко от себе си, за да изпълни задачата. При това, давайки ни много възможни решения, от които да си изберем

Е, понякога резултатите може и да приличат, що се отнася до реалистичността, на тези от творчеството на адаша му. Не е случайно, че за момента алгоритъмът все още не е пуснат за свободна „проверка“. За да го изпиташ сам, се записваш в листа на чакащите (можете да сте сигурни, че съм там от първия момент, в който чух за него. Ако решите, опитайте и вие тук). Но това е стандартен подход в света на изкуствения интелект, където нещата са все още доста неясни и не винаги контролируеми. Понякога опитът да наподобим естествения интелект води дотам, че успяваме да извадим на преден план най-грозните му страни.

 

 

Куче влачи рейс, диря няма

Обещавам, именно това ще гласи първата задача, която мисля да му дам, стискайте палци да ми дойде редът, после ще споделя резултата!

Но междувременно, извън шегите, си струва да споменем още за достойнствата на DALL·E.

Както стана дума, новата версия на твореца използва алгоритъма GPT-3. Трениран е с помощта на 650 милиона изображения и текстовете към тях, търсейки закономерностите.

Именно в това е и нестандартният му успех. Той показва, че ИИ може да се окаже изненадващо силен, ако му покажем различни закономерности, а не просто го вкараме в руслото да класифицира или предсказва. А това е твърде вероятно да се окаже пътят по създаването на генералния изкуствен интелект. Следващото поколение алгоритъм, което пък ще може с помощта на една и съща програма да решава различни задачи.

А всичко това ни води все по-напред по пътя към машината, по-„умна“ от човека.

 

Страница на паспорт, пълна с печати от извънземни светове.

 

Бу-Дали

Дотам, разбира се, има много стъпки и никак не е сигурно, че криволичещата пътека няма да се изгуби. И все пак, успехът на DALL·E е впечатляващ.

Нека се разходим сред изложбата на електронния майстор. Той умее не само да генерира изцяло нова картина или фотография. Способен и на ретуширане. Казвате му да добави едно пате някъде насред хаоса и той му намира място.

 

 

После е способен да ви предлага различни варианти. Без да съм специалист в тази област, но… забелязвате ли как се справя алгоритъмът със светлосенките? Дори да отнесе известни критики от баш майсторите, със сигурност спестява доста работа на хората, които се занимават с ретуширане.

Поне му казваха „ретуширане“, преди годините на „Фотошоп“. После спряхме да бъдем толкова убедени във всичко, което виждаме на картинка… Уви, не спряхме, а трябваше. И днес често сме твърде лесно убеждавани, а фотоманипулацията наистина може да бъде съвършена, по пътя ѝ върви и видеото.

А какво ще стане, когато обаче алгоритъмът започне да се справя сам? И ако допълним това със задаващия се генерален ИИ, способен да изпълнява различни задачи…

DALL·E 2 много добре разбира какво ще рече „стил“. Ако му кажете какво да нарисува, ще прояви повече творчество, давайки ви доста разнообразни варианти, но ограничите ли го до епоха, направление или излъчване, ще се опита да ви помогне в зададените рамки.

 

Тигър, който с притеснение очаква часа си при зъболекаря, стил дигитално изкуство.

 

А дано, ама надали

Е, по модерна американска традиция, обвиняват го в това, че изпълнява задачите, като рисува основно лица на бели мъже. От гледната точка на бял мъж съм склонен да подкрепя атаките, също и от другата страна, срещу това, че рядко рисува голи тела.

Но всичко това се пристрастия, а в света на изкуствения интелект те, наричани по-често с англоезичния термин “bias”, са често смятани за най-сериозния проблем. Показателите, в които алгоритъмът може да се отклони от задачата си по някакви субективни причини.

DALL·E очевидно е склонен да го прави, заради което тестването му е ограничено, а и има безброй уговорки в тази посока. И в този смисъл той е доста симпатичен, покрива повече от критериите за твореца… който май по дефиниция е субективен. И си оправдава названието, което задължава към дадена самобитност.

Даже му подготвят и своеобразна цензура. Част от специалистите, работили по него, настояват да не му бъде дадена изобщо възможност да генерира лица (защото, когато му казват да нарисува затворник или ядосан човек, винаги връщал цветнокожи).

DALL·E обаче не е виновен, а е способен на впечатляващи резултати. И преди да го насочим към еротичния жанр (защо ли), бързам да ви кажа, че създателите му са цензурирали при обучението му всякакви по-пиперливи изображения. Така че ако му зададете горещ сюжет, може да ви покаже чук вместо действието, с което го свързваме вербално.

 

Ленивец в смокинг, който яде чийзбургер, докато кара колело с една гума във футуристичен град, дигитално изкуство.

 

Хляб и зрелища

Всяко от изображенията, които му се подават, минава през сериозен филтър, така че да няма и политически символи, и всички онези послания, които днес не се приемат за подходящи. Като знаем колко добре се справят с този филтър днес социалните мрежи, остава да допуснем колко подходяща идея е подобен подход да приложим и към следващите поколения алгоритми.

Той разчита на съвършените описания на кадрите, за да се опитва да намери взаимовръзките. За да си върши работата, алгоритъмът получава успоредно изображенията и текста, кодирани в знаци. Докато се тренира с помощта на огромния брой кадри, той открива закономерностите в описанията. И се опитва да ги претвори на практика след това, по зададените от потребителя рамки.

 

Хипопотам учен изследва проба под микроскоп.

 

Освен да помага на хората да се изразяват визуално, другата голяма цел на нашия приятел е да ни даде повече знание за това как ИИ възприема и обработва информацията. Както подробно стана дума в материала за
зрелищните сънища на алгоритмите, ние все още знаем прекалено малко за това, което се случва между подадената информация и крайния резултат.

Мнозина виждат още едно бъдещо приложение: DALL·E може да се окаже дългоочакваното средство, което да превърне в действителност прословутата значително по-съвършена и реалистична метавселена. Днешните решения според първите ѝ потребители са доста несъвършени, докато следващите версии на програмата – поръчков художник, могат да помогнат сериозно новият виртуален свят не само да е реалистичен, но и да се създава бързо и евтино.

 

Една и съща задача, изпълнена от DALL·E1 и DALL·E2.

 

Взели Дали

През февруари, преди пускането на алгоритъма, в екипа бяха привлечени 23-ма външни изследователи в т. нар. „червен екип“. Учени със сериозен опит в областта на машинното самообучение, които да проверяват за всякакви възможни пропуски и потенциални проблеми. Именно от тях е дошло предложението първоначално проектът да попадне само в ръцете на избрани люде. До момента този късмет са имали 400 души, основно служители на и OpenAI, подбрани творци и учени.

Според хора от „червения екип“ нашият приятел не е достатъчно способен да рисува реалистични лица. Е, и истинският Дали не е силен в лизата.

Още критики идват за това, че алгоритъмът просто прави това, на което е способен всеки средно добър майстор на „Фотошоп“ с повечко въображение.

Но пък е алгоритъм, нали? В която и да било област дефиницията „прави това, което всеки“… е знак, че тази професия си отива.

Освен това е зависим от това, което му се подаде. Колкото по-оригинална задача му поставите, толкова по-неочаквано изображение ще получите в замяна. Не е ли това дълго чаканата форма на симбиоза, що се отнася до креативността?

 

Купа със супа, която е портал към други измерения.

 

Imagine all the AI…

И ето че този журналистически материал едва беше подготвен за публикуване, когато се оказа, че нашият приятел вече… не е сам! Заформя се компания от ИИ художници, като нищо ще оформят и художническа школа, подобна на импресионистите.

По-скоро обаче се заформя конкуренция, защото Imagen е „отроче“ на другите най-големи днес в света на изкуствения интелект – Google. Този художник е способен на доста сходни задачи, но… определено има доста различен стил на изразяване.

Ето примери и от неговото творчество:

 

Двойка роботи на романтична вечеря пред Айфеловата кула.

 

Мраморна статуя на коала диджей.

 

Много ще е интересно ако един ден имаме възможност със свободен достъп да проверим как биха реагирали на едни и същи оригинални задачи двата алгоритъма. Дали ако разликата е сериозна, това няма да е още един аргумент да говорим за… творчество?!

 

Бори се, Дали!

Изображенията определено привлякоха вниманието и не е случайно, че напредъкът е постигнат едновременно от няколко проекта. Немалко мнения скептични, защото малко хора имат достъп до алгоритмите и могат да ги изпитат. Значи се подбират само най-добрите резултати, показват ни се само картините, които са се получили… А не правеха ли същото и хората художници?

„DALL·E е удобен помощник, който подсилва онова, което хората сами могат. Но е и силно зависим от въображението на хората, които го ползват. Творците, артистите, с негова помощ могат да създадат неочаквани резултати“, казва Адитя Рамеш, един от водещите инженери на проекта.

Последното сериозно умение на DALL·E наистина се оказват вариациите. Обратното на основната му задача, не да му поръчате рисунка и да я получите, а да му дадете картина, от която да се вдъхнови. И да създаде подобна по свое усмотрение

С това май вече не би могъл да се справи и адашът му.

А какво ще стане, когато пуснем и рекламистите, маркетолозите, инфлуенсърите? „DALL·E, знам, че си творец, ама направи ми реклама за…“? Всеки творец от модерното време знае колко ще му е неприятно на електронния колега.

И ето че след броени дни ще научим още по темата, като поговорим с един от доказаните български фотографи, който има шанса да изпробва (и покаже) невероятните възможности точно на тези алгоритми!

„DALL·E, нарисувай ми овца!“ Обещавам ви, ако имам шанса, ще го помоля и за това.

Скоро очаквайте и още една, само че не толкова дигитална история – на човека, написал оригинала на тази реплика – Антоан дьо Сент-Екзюпери. След това – текст и за генералния изкуствен интелект. Ех, няма ли да е хубав животът, да е доста по-шарено бъдещето на човечеството, ако успеем да ги срещнем…!

<a href="https://karamanev.me/author/georgik" target="_self">Георги Караманев</a>

Георги Караманев

Програмист, журналист на свободна практика и писател. Още за мен – четете тук.

Най-нови публикации:

10 аналогови истории в полет на Рафаело Казаков

10 аналогови истории в полет на Рафаело Казаков

Да уловиш мига вече значи друго, не като във времената преди Tik Tok. Или не? Тези снимки ще ви припомнят защо фотографията ще живее по-дълго от социалните мрежи. Много преди дигиталното, а и след...

повече информация
„Технологиите са лабиринт, в който сами се заключихме“

„Технологиите са лабиринт, в който сами се заключихме“

Може ли не технологиите, а духовността да се окаже пътят към следващата стъпка в еволюцията ни? Настъпил ли е моментът всеки от нас да изведе от себе си свръхсилата, която религиите наричат Бог? Да...

повече информация
Изкуственият интелект и етиката. 10 големи въпроса

Изкуственият интелект и етиката. 10 големи въпроса

Невероятният напредък в изкуствения интелект е факт – технологии като ChatGPT ясно показаха, че учените са извървели огромни стъпки, които тепърва ще раждат големи новини и ще променят живота ни....

повече информация
„Шансът ни е да дадем ноухау на младите“

„Шансът ни е да дадем ноухау на младите“

Знаете ли, че българин е бил дълбоко въвлечен в създаването на „Търсенето на Немо“, „Уол-И“ и други култови анимации? Историята на Антони Христов е дори много повече от това! Попада в Холивуд само...

повече информация

Още публикации по темата:

От рубриката:

Изкуственият интелект и етиката. 10 големи въпроса

Изкуственият интелект и етиката. 10 големи въпроса

Невероятният напредък в изкуствения интелект е факт – технологии като ChatGPT ясно показаха, че учените са извървели огромни стъпки, които тепърва ще раждат големи новини.
Това изведе на преден план темата за етичните страни на този тип разработки. Отговорите тук могат да бъдат жизненоважни за всеки един от нас и за нас като вид.
Докато Европейският съюз и големите държави подготвят някакви форми на регулации, ето че ИИ революцията вече се случва пред очите ни.
Кои са 10 от най-важните въпроси, които трябва да си задаваме все по-често?

повече информация
Kademlia. Българският алгоритъм на децентрализирания свят

Kademlia. Българският алгоритъм на децентрализирания свят

Kademlia е името на едно от най-значимите технологични решения в света на информационните технологии, създадени от българин. Не сте чували за него? Значи е крайно време!
Петър Маймунков създава почти на шега системата, която се използва широко в света на децентрализираните решения – от BitTorrent до Ethereum. Kademlia се оказва точното решение в началото на хилядолетието, във времената, когато интернет направи решителната крачка от централизираните системи към направлението, което ни отведе до блокчейн.
Ученият и творението му заслужават своята слава, ето защо.

повече информация
Кой си ти, ChatGPT? 5 шедьовъра, 5 провала и 5 големи въпроса

Кой си ти, ChatGPT? 5 шедьовъра, 5 провала и 5 големи въпроса

Вие от кои сте? От скептиците, за които ChatGPT е много шум за нищо? Или от феновете му, според които той ни води в невероятното бъдеще?
ChatGPT е безспорна суперзвезда, всеки се изкуши да се докосне до него. Фийдът се препълни с невероятно точни отговори, с брутални издънки на алгоритъма и с новини за него.
Нека опитаме да съберем всичко най-интересно и съществено,
Започваме с 5 впечатляващи дигитални истории, родени от чатбота, продължаваме с 5 забележителни негови издънки.
За да завършим с 5 големи въпроса, които поставя знаменитият ни събеседник пред всички нас и пред цивилизацията ни…

повече информация

Най-новите:

„ChatGPT е само един много скъп папагал“

„ChatGPT е само един много скъп папагал“

„Не знаем каква глупост ще каже в следващия момент ChatGPT, защото той е само една необятна екстраполация на милиарди източници, на терабайти текст. Тази машина, колкото и да изглежда говореща, всъщност е само един много скъп папагал. Харчи 3 милиона долара на ден за ток и няма представа какво говори“.
Мариян Гоцев има над 30 години опит в света на информационните технологии – като програмист, но най-вече като архитект и анализатор на системно ниво. Другото му голямо увлечение е философията – задълбава се в търсенето на смисъла. Към всичко това добавяме факта, че е поет.
Впечатли ме неговият манифест за начинание, наречено „смислова“ или „семантична роботика“, в който той аргументирано описва как нашумелите езикови модели ChatGPT и GPT-4 не могат да се справят с много от задачите си, защото не търсят смисъла. А се опитват по добре познатия метод на грубата сила – брутфорс, да предлагат възможно най-точни отговори. Те търсят закономерностите, но остават далеч извън човешкото разбиране, така според него са достигнали предела си. За сметка на това Мариян Гоцев е убеден, че нов подход може да ни позволи да постигнем технология, която се доближава до човешкия начин на мислене.
Това е поводът да поговорим за нашумелите технологии като свръхскъпи папагали. Може ли наистина да предадем на компютрите здрав разум и защо според госта ни единственият път е като им предадем смисъла? Може ли машината да мисли от гледната точка на човек? Защо отношенията ни към бъдещите семантични роботи е задължително да бъдат робовладелчески? Защо компютърният специалист се сдоби с домейни, които продава за милиони?

повече информация
10 аналогови истории в полет на Рафаело Казаков

10 аналогови истории в полет на Рафаело Казаков

Да уловиш мига вече значи друго, не като във времената преди Tik Tok. Или не? Тези снимки ще ви припомнят защо фотографията ще живее по-дълго от социалните мрежи.
Много преди дигиталното, а и след него, ние сме преди всичко колекционери на образи. Не вярвате ли? Ето 10 кадъра, които ще ни припомнят защо е важно от време на време да поспрем. Да се загледаме, замислим, да почувстваме…
Че снимките могат да са много повече от моментен блясък. Късчета истина, неочаквана история, повод за осмисляне на света.
Рафаело Казаков представя избрани снимки от личната си колекция в галерия Синтезис в София от 22 март до 28 април 2023 г.
Защо е интересно събитието? Както казва колекционерът, „защото предлага идеята, че фотографията има тяло. Че в света има изящни платинотипии, в които скъпоценна емулсия се нанася на ръка за бъдещото уникално изображение. Че фотографията живее живот извън екраните“.
Готови ли сте за 10 (+1) вълнуващи фотографии и историите зад тях?

повече информация
„Технологиите са лабиринт, в който сами се заключихме“

„Технологиите са лабиринт, в който сами се заключихме“

Може ли не технологиите, а духовността да се окаже пътят към следващата стъпка в еволюцията ни? Настъпил ли е моментът всеки от нас да изведе от себе си свръхсилата, която религиите наричат Бог? Да открие, че полярността е временна, злото не съществува, а е неразвито добро…
Режисьорът Николай Василев на 19 март (неделя) от 18:00 ч в зала „Люмиер“ на НДК ще представи своя пълнометражен филм „Ваклуш“, който подготвя над 20 години! В него разказва за духовния учител Ваклуш Толев, променил до голяма степен живота и светогледа му.
Събирам толкова различни гледни точки към темата за дигиталната трансформация. До днес липсваше една от тях, тя ми е най-далечна и неразбираема, но е търсена, актуална и има своите застъпници. За духовното, мистичното познание… Има я в изобилие в историите и посланията на Ваклуш Толев и Николай Василев.
Кога човекът като творец ще се превърне в инженер и на живи структури? В какво се състои задаващият се преход, за който говорят много религии и учения? Какво може да ни даде криле, за да излетим от лабиринта на технологиите, в който днес се чувстваме безнадеждно изгубени?

повече информация
Изкуственият интелект и етиката. 10 големи въпроса

Изкуственият интелект и етиката. 10 големи въпроса

Невероятният напредък в изкуствения интелект е факт – технологии като ChatGPT ясно показаха, че учените са извървели огромни стъпки, които тепърва ще раждат големи новини.
Това изведе на преден план темата за етичните страни на този тип разработки. Отговорите тук могат да бъдат жизненоважни за всеки един от нас и за нас като вид.
Докато Европейският съюз и големите държави подготвят някакви форми на регулации, ето че ИИ революцията вече се случва пред очите ни.
Кои са 10 от най-важните въпроси, които трябва да си задаваме все по-често?

повече информация
„Шансът ни е да дадем ноухау на младите“

„Шансът ни е да дадем ноухау на младите“

Знаете ли, че българин е бил дълбоко въвлечен в създаването на „Търсенето на Немо“, „Уол-И“ и други култови анимации?
Историята на Антони Христов е дори много повече от това!
Попада в Холивуд само на 20, първата му работа е в ресторант. Решава, че начинът да успее в живота е анимацията. Работи като художествен директор в „Пиксар“ в продължение на 18 години. Пътят му се пресича с начинанието на Стив Джобс (а и със самия него) в златния период на компанията.
След почти 4 десетилетия на запад той се връща у нас и със съмишленици създава ARC Academy, образователен център за визуални изкуства. В него лектори от водещи световни компании подготвят младите ни таланти да се включат в разработката на визуални ефекти за кино и видеоигри.
Как изглежда Холивуд оттук и как – София оттатък? Как така Антони, прекарал съзнателния си живот в Щатите, се оказва ценител на хумора на… Чудомир? Къде и как се изгуби и се намира нормалността от двете страни на океана? Какво е бъдещето на креативността във времето, когато технологиите отправят своите големи предизвикателства?

повече информация
Програмистът, който отказа $10 000 000 000

Програмистът, който отказа $10 000 000 000

Джейсън Ситрон знае добре какво е да се провалиш. Правил го е много пъти, зрелищно, губейки сериозни пари. Преди да създаде Discord, социалната мрежа от ново поколение, която отдавна излезе от света на игрите и се превърна в удобно и сигурно средство за комуникация, освободено от много от недъзите на традиционните платформи.
Но как така програмистът отказа оферта от… 10 милиарда долара от Microsoft?! Какви са провалите, през които минава Джейсън, преди да стигне до огромния успех? Кои са най-важните неща, които има да ни каже той и най-съществените поуки от прелюбопитната му история?

повече информация
Share This