Stable Diffusion, Midjourney: Ako funguje umelá kreativita?

Ako funguje umelá kreativita – OBSAH

1. Čo je to latentná difúzia?
2. Ako funguje generovanie obrázkov s AI?
3. Vzniká nové povolanie AI umelca

Čo je to latentná difúzia?

Nové kreatívne programy sú založené na modernom koncepte latentnej difúzie, čo je proces, kedy sa neurónová sieť učí rozoznávať obrazy na stále viac zašumených vstupoch, takže sa doslova naučí vidieť tvary v chaose. Samotné tvorenie prebieha opačne, totiž vygeneruje sa vstup z čistého šumu, v ktorom v jednotlivých iteráciách sieť rozoznáva tvary a nahrádza náhodný vstup prvkami, ktoré v ňom vidí. To, čo je na tomto procese ohromujúce, je možnosť, že presne takto vznikajú sny – náhodná aktivita spiaceho mozgu je interpretovaná ako obrazy a vízie.

Latentná difúzia vznikla ako koncept pred rokom, ale dnes už máme komerčné platformy, ako je Midjourney, ale aj Open Source nástroj Stable Diffusion. Tie sú rozdelené na dve časti – samotné učenie neurónovej siete prebieha na superpočítačoch, kde sa jej predkladajú miliardy vstupov, výsledný model je možné prevádzkovať na domácich počítačoch s modernou grafickou kartou a kapacitou minimálne 8 GB RAM. Učiť podobné modely zatiaľ na domácich počítačoch nie je možné, je to výpočtovo príliš náročné.

Ako funguje generovanie obrázkov s AI?

Generovanie obrazov prebieha tak, že systém vezme textové vstupy, ktoré mu hovoria, čo by mal v šume vidieť – a tiež náhodne generovaný šum, z ktorého začne spracovávať obrazový výsledok. Pretože sa začína z náhodného vzoru, výsledkom je vždy unikátny obraz, aj keď sa navzájom môžu podobať obsahy a štýly. Generovanie je iteratívne, to znamená, že vzniká viacero obrazov, medzi ktorými si používateľ vyberie tie, ktoré sa mu páčia, a tie nechá rozpracovať. Nejde teda o plne automatický proces, kedy by AI vytvorila najlepší možný obraz, ale skôr tvorivý nástroj, ktorý navrhuje jednotlivé možnosti a spolu s človekom ich dotvára.

Človek je autorom unikátnych vstupov a taktiež vyberá z možných výstupov, takže produktom kreatívnej AI je ľudské autorské dielo. AI ako taká nemá právnu subjektivitu a nemôže byť autorom, zákon dnes nazerá na produkciu kreatívnej AI ako na výstup softvérového nástroja – podobne ako napríklad pri Adobe Photoshope. Hoci prebiehajú diskusie o tom, či autorom nemôže byť sieť ako taká – nie, nemôže, zákon neuznáva právnu subjektivitu AI a bolo by veľmi problematické niečo také zavádzať. Právna subjektivita znamená, že na AI by sa pozeralo ako na človeka ako v zmysle práv aj povinností – a vzhľadom na to, že zákony boli navrhnuté ľuďmi pre ľudí, zahrnutie AI do súčasného právneho systému by prinieslo viac škôd ako úžitku.

Vzniká nové povolanie AI umelca

Kreatívna AI je dnes naozaj skôr nástrojom, ktorý ale dokáže veľmi rýchlo a efektívne generovať vizuálny obsah. Vzniká nová pozícia AI umelca, čo je človek, ktorý v spolupráci s AI nástrojmi dokáže generovať obsah podľa svojich predstáv – je to úloha podobná napríklad špecialistovi na vyhľadávanie, iba s umeleckým presahom.

Môžeme očakávať, že sa kreatívna inteligencia rýchlo presadí aj v oblasti kreatívneho písania a filmárčiny, takže sa pomerne rýchlo objavia filmy vytvárané AI a dosť možno aj napísané a režírované AI. Znamená to koniec kreatívnych povolaní – alebo ich demokratizáciu? To zatiaľ nevieme – a nevieme ani, kde presne ležia limity schopností súčasnej kreatívnej AI. Aktuálne sa umelá inteligencia zlepšuje každým dňom a svoj potenciál zdá sa zatiaľ nedosiahla. Možno tak konštatovať, že nástroje založené na latentnej difúzii priniesli až šokujúci pokrok. Zatiaľ ale vždy platilo, že každá podobná technológia má svoje limity a bude časom nahradená lepšou a výkonnejšou inteligenciou.

V blízkej budúcnosti môžeme očakávať normalizáciu nasadenia kreatívnej AI v každodennom živote a dosť možno aj zábavnejší a hravejší svet, pretože výkon, s ktorým je kreatívna AI schopná generovať neustále nový obsah, je jednoducho ohromujúci. Táto technológia je jednoducho tu – a my si na ňu budeme musieť zvyknúť – a zmieriť sa aj s tým, že ďalšia oblasť, v ktorej sa presadí, môže byť úplne iná, než akú čakáme.

Michal Rybka

Michal Rybka je publicista a nadšenec s 20 rokmi skúseností v IT a gamingu. Je kurátorom AlzaMuzea a YouTube kanála AlzaTech. Napísal niekoľko fantasy a sci-fi poviedok, ktoré vyšli v knižnej podobe, a pravidelne pokrýva piatkový obsah na internetovom magazíne PCTuning.