Stable Diffusion, Midjourney: Hogyan működik a mesterséges kreativitás?

Hogyan működik a mesterséges kreativitás? – TARTALOM

1. Mi az a látens diffúzió?
2. Hogyan működik a képgenerálás AI-val?
3. Új szakma van születőben: az AI művész

Mi az a látens diffúzió?

Az új kreatív programok a látens diffúzió modern koncepcióján alapulnak, amely egy olyan folyamat, amelyben a neurális hálózat egyre zajosabb bemeneteken tanul meg képeket felismerni, így szó szerint megtanulja látni az alakzatokat a káoszban. Maga az alkotás fordítva történik, vagyis tiszta zajból generálódik egy bemenet, amelyben az egyes iterációkban a hálózat felismeri az alakzatokat, és a véletlenszerű bemenetet azokkal az elemekkel helyettesíti, amelyeket lát benne. Ami ebben a folyamatban lenyűgöző, az a lehetőség, hogy pontosan így születnek az álmok – az alvó agy véletlenszerű aktivitását képekként és látomásokként értelmezi.

A látens diffúzió koncepcióként néhány évvel ezelőtt jött létre, de ma már vannak kereskedelmi platformok, mint a Midjourney, de van egy nyílt forráskódú eszköz is, a Stable Diffusion. Ezek két részre oszlanak – maga a neurális hálózat tanítása szuperszámítógépeken történik, ahol milliárdnyi bemenetet mutatnak neki, az eredményül kapott modell pedig otthoni számítógépeken is futtatható modern videókártyával és minimum 8 GB RAM kapacitással. Hasonló modelleket egyelőre otthoni számítógépeken tanítani nem lehet, számítási szempontból túl igényes.

Hogyan működik a képgenerálás AI-val?

A képek generálása úgy történik, hogy a rendszer fogja a szöveges bemeneteket, amelyek megmondják neki, mit kellene látnia a zajban – és egy véletlenszerűen generált zajt is, amelyből elkezdi feldolgozni a képi eredményt. Mivel véletlenszerű mintából indul, az eredmény mindig egyedi kép, még ha hasonlíthatnak is egymásra a tartalmak és stílusok. A generálás iteratív, vagyis több kép keletkezik, amelyek közül a felhasználó kiválasztja azokat, amelyek tetszenek neki, és azokat dolgoztatja ki tovább. Tehát nem egy teljesen automatikus folyamatról van szó, amelyben az AI létrehozná a lehető legjobb képet, hanem inkább egy kreatív eszközről, amely javaslatokat tesz az egyes lehetőségekre, és az emberrel együtt formálja azokat.

Az ember az egyedi bemenetek szerzője, és ő választ a lehetséges kimenetek közül is, így a kreatív AI terméke emberi szerzői mű. Az AI mint olyan nem rendelkezik jogi személyiséggel, és nem lehet szerző, a törvény ma a kreatív AI produkcióját szoftvereszköz kimenetének tekinti – hasonlóan például az Adobe Photoshophoz. Bár folynak viták arról, hogy a szerző nem lehet-e maga a hálózat – nem, nem lehet, a törvény nem ismeri el az AI jogi személyiségét, és nagyon problémás lenne valami ilyesmit bevezetni. A jogi személyiség azt jelenti, hogy az AI-ra úgy tekintenének, mint emberre mind a jogok, mind a kötelezettségek szempontjából – és tekintettel arra, hogy a törvényeket emberek tervezték emberek számára, az AI jelenlegi jogrendszerbe való bevonása több kárt okozna, mint hasznot.

Új szakma van születőben: az AI művész

A kreatív AI ma valóban inkább egy eszköz, amely azonban nagyon gyorsan és hatékonyan képes vizuális tartalmat generálni. Új pozíció születik, az AI művész, aki az AI eszközökkel együttműködve képes tartalmat generálni az elképzelései szerint – ez egy hasonló szerep, mint például a keresési specialista, csak művészi átfogással.

A kreatív intelligencia várhatóan gyorsan érvényesülni fog a kreatív írás és a filmkészítés területén is, így viszonylag gyorsan megjelennek az AI által készített filmek, és jó eséllyel az AI által írt és rendezett filmek is. Ez a kreatív szakmák végét jelenti – vagy demokratizálódásukat? Ezt még nem tudjuk – és azt sem tudjuk, hogy pontosan hol vannak a jelenlegi kreatív AI képességeinek határai. Jelenleg a mesterséges intelligencia napról napra fejlődik, és úgy tűnik, egyelőre még nem érte el a határait. Így megállapítható, hogy a látens diffúzión alapuló eszközök sokkoló előrelépést hoztak. Egyelőre azonban igaznak tekinthetjük azt az állítást, hogy minden hasonló technológiának megvannak a maga korlátai, de idővel jobb és hatékonyabb intelligencia váltja fel.

A közeli jövőben várhatóan normalizálódni fog a kreatív AI bevetése a mindennapi életben, ezzel együtt jó eséllyel egy szórakoztatóbb és játékosabb világ köszönhet ránk is, mert az a teljesítmény, amellyel a kreatív AI képes újabb és újabb tartalmat generálni, egyszerűen lenyűgöző. Ez a technológia már itt van – és nekünk hozzá kell szoknunk – és meg kell békélnünk azzal is, hogy a következő terület, ahol érvényesülni fog, teljesen más lehet, mint amit várunk.