Ponorte sa do vytvárania obrázkov AI
Umelá inteligencia sa prejavuje ako neuveriteľne zaujímavá oblasť štúdia, najmä v oblasti generátorov obrázkov. Uchopenie takejto technológie však nemusí vždy znamenať úspech. Skúmanie týchto systémov ako fenoménu spolu s ich dopadmi a dôsledkami v skutočnom svete môže mať porovnateľný záujem. Nedávno sa podarilo získať prelomový prístup k vysoko pokročilým AI image- algoritmy generácie, konkrétne „Dally“ od OpenAI a „Stable Diffusion“ od Stability AI. Príležitosť ponoriť sa hlbšie do sveta vytvárania obrázkov poháňaných AI, ktoré tieto algoritmy poskytujú, priniesla značné odhalenia.
Experimenty a pozorovania
Na počiatočné experimentovanie boli použité identické textové výzvy, ktoré boli predtým použité v inom videu, a požiadali algoritmy, aby vytvorili obrázok psa vyrobeného z tehál.
Hlavné pozorovania pozostávali z:
- Potreba špecifickosti v rámci týchto pokročilých algoritmov.
- Dally a Stable Diffusion sa prikláňajú ku generovaniu čo najpresnejšej vizuálnej replikácie poskytnutej textovej výzvy.
- Umelecké alebo nejasné výzvy zvyčajne poskytovali konvenčné obrázky.
Vnímanie vízie, vedomostí a snímok umelej inteligencie
Čo sa presne deje v zákulisí? Tieto algoritmy, nabité značným objemom tréningových dát, boli prispôsobené na vnímanie a vizuálne vykreslenie objektu alebo scény. Pochopenie, videnie a predstavovanie pre AI neznamená vedomie alebo sebauvedomenie. Skôr tieto výrazy ilustrujú schopnosť umelej inteligencie vykonávať úlohu na základe zručností, ktoré získala na.
Praktické aplikácie AI
Návrh bol testovaný na základe pokynov AI, aby vytvorila realistické obrázky, ako napríklad slnkom zaliaty pohár kvetov na borovicovom stole. Umelá inteligencia úspešne generovala obrázky, ktoré vyzerali vierohodne reálne, doplnené o lom svetla, koncentrované svetlo a presné tiene. Preukázala vznikajúcu vlastnosť procesu učenia, pretože pochopila lom svetla a spôsob, akým sa slnečné svetlo láme a koncentruje cez sklenené predmety.
Obmedzenia a nesprávne interpretácie AI
Algoritmy však nie sú bez chýb. Obmedzenia zahŕňajú:
- Viaceré vlastnosti v jednej výzve často spôsobujú zmätok a nesprávne generovanie obrázkov.
- Zložitá požiadavka, ako napríklad „veverička držiaca škatuľu s rôznofarebnými kovovými guličkami na červenom stole“, môže vytvoriť obrázok s červenou stenou na rozdiel od červeného stola.
Napriek týmto nezrovnalostiam zostávajú výsledky pôsobivo blízko k požiadavke, čo odráža ľudskú tendenciu nesprávne interpretovať komplex vety.
Rozšírenie na generovanie textu
Prieskum hraníc viedol k ambicióznemu kroku žiadať od algoritmov generovanie textových výstupov, čo je doména, pre ktorú neboli vyškolení. Aj keď sa výsledky ukázali ako zábavne nezmyselné, algoritmy stále dokázali vykúzliť textové výstupy kvôli ich predchádzajúcim stretnutiam s textovými atribútmi, ako sú znaky, plagáty a štítky v ich tréningových údajoch.
Lingvistické prvky a odborné vízie
Zásnuby so Simonom Roperom, YouTuberom známym svojimi odbornými znalosťami o starovekých jazykoch, vyústili do jedinečnej analýzy. Pre neho absentovali archetypické prvky, ktoré boli evidentné pre ostatných. Súhlasil však s tým, že bude čítať a interpretovať výsledky v staroanglickom štýle, ktorý ponúka odlišný pohľad na výstupy.
Potenciál generovania obrázkov AI
Stručne povedané, odhalenie schopností a funkcií AI predstavuje vzrušujúce úsilie. Bez ohľadu na občasné čkanie, algoritmus generovania obrazu AI preukázal prekvapivú kompetenciu a neustály vývoj. Skutočné potešenie však pramení z testovania neočakávaného, pohybu mimo zóny pohodlia a odhaľovania limitov týchto modelov AI, ktoré občas porušujú pokyny v tomto procese. Koniec koncov, inovácia spočíva na hranici istoty a láka na prieskum do neznáma.
