midjourney

Generatory obrazów takie jak Midjourney, Stable Diffusion, czy też DALL-E 3 muszą się teraz mierzyć z kolejnym graczem, jakim jest model Emu od Mety. Dzięki niemu, a tak naprawdę usłudze "Imagine With Meta AI", możemy już tworzyć dowolne grafiki za pomocą opisów tekstowych. Do tej pory funkcjonalność była częściowo dostępna w aplikacji Messenger dla określonej grupy użytkowników. Teraz udostępniono aplikację internetową. Efekty są naprawdę bardzo dobre.

Wszelkie usługi, które opierają się na algorytmach sztucznej inteligencji bądź uczeniu maszynowym, do poprawnego działania i rozwoju potrzebowały tzw. danych treningowych. W głównej mierze opierały się one na treściach zabranych z internetu bez niczyjej zgody, czy też wiedzy. Kwestią czasu było więc upomnienie się o swoje prawa autorskie przez różnych artystów, których dzieła zostały niejako skradzione - szczególnie jeśli mowa o wszelkiej maści generatorach obrazów. Właśnie zapadła decyzja...

Kolejny kamień milowy w technologii generowania obrazów z opisów tekstowych miał zostać osiągnięty przy wprowadzeniu modelu DALL-E 3. Został on zaprezentowany pod koniec września 2023 roku, natomiast jego debiut miał ściśle współgrać z płatną wersją ChatGPT. Microsoft postanowił jednak udostępnić nowość za darmo, dzięki czemu każdy może ją przetestować. DALL-E 3 ma wyróżniać się od innych tym, że dokładnie stosuje się do poleceń użytkownika, a także potrafi generować poprawne słowa....

Generowanie obrazów z opisów tekstowych powoli staje się dla wielu ludzi czymś zupełnie normalnym. Szybka zamiana tła lub usunięcie jakiegoś fragmentu także jest dużo łatwiejsze niż kiedykolwiek wcześniej. Sporo usług, takich jak Adobe Firefly, ma już wprowadzoną tę funkcję i pozwala użytkownikom korzystać z niej niemal bez ograniczeń. Natomiast jedno z najlepszych rozwiązań tego typu - Midjourney - otrzymało stosowną aktualizację dopiero teraz.

Modele zdolne generować obrazy z opisów tekstowych są stale rozwijane o nowe funkcjonalności. Obecnie możemy skorzystać z usług wielu takich rozwiązań. Jednym z nich jest Stable Diffusion, który został utworzony przez startup Stability AI. Przejął on niedawno platformę ClipDrop, która oferuje sporą ilość narzędzi opartych na algorytmach sztucznej inteligencji. Właśnie wprowadzono nową opcję, jaką jest przekształcanie bazgrołów użytkowników na przyjemne dla oka obrazy.

Wszelkie usługi oparte na algorytmach sztucznej inteligencji mają jeden wspólny problem - legalność ich działania. Od czasu szybkiego rozwoju ChatGPT oraz modeli zdolnych generować obrazy z opisów tekstowych (Midjourney, Stable Diffusion) ta kwestia jest wciąż rozważana przez wiele osób. Część z nich otwarcie twierdzi, że usługi te łamią prawa autorskie, szczególnie jeśli chodzi o wszelkich twórców dzieł. Jedną z takich osób jest Sarah Silverman, która nie zamierza bezczynnie czekać.

Generowanie obrazów z opisów tekstowych jest obecnie czymś banalnie prostym. Wystarczy wpisać odpowiednią frazę oraz dodatkowe parametry, takie jak styl wykonania danej grafiki. Narzędzia pokroju Stable Diffusion czy też Midjourney swoje działanie opierają na tzw. danych treningowych, które często obejmują obrazy wielu autorów. Generując obraz, możemy więc skopiować dowolny styl bez wiedzy twórców. Takiej sytuacji ma zamiar przeciwdziałać program Glaze.

Wszelkie usługi i aplikacje, które opierają się na algorytmach sztucznej inteligencji od czasu wprowadzenia na rynek ChatGPT, rozwijają się wręcz w błyskawicznym tempie. Można mieć wrażenie, że codziennie na światło dzienne wychodzą coraz to nowsze projekty. W tym gąszczu informacji ciężko znaleźć coś naprawdę wartościowego. Tym bardziej że obecnie możemy natrafić na mnóstwo "szemranych usług", które z pozoru wydają się bardzo przydatne, a niejednokrotnie wydawać by się mogło nawet...

Na rynku istnieje już sporo modeli opartych na algorytmach sztucznej inteligencji, które potrafią stworzyć obrazy, wideo czy dźwięki z opisów tekstowych. Pewna osoba wpadła na pomysł stworzenia za pomocą dostępnych narzędzi reklamy pizzerii, którą sobie wymyśliła. Dzięki temu nie trzeba było zatrudniać aktorów, pisać scenariusza ani tworzyć muzyki czy dźwięków. Rezultaty tego dzieła, pomimo że na swój sposób są imponujące, to czasem wyglądają jak żywcem wyjęte z horroru.

Od czasu gwałtownego rozwoju usług opartych na algorytmach sztucznej inteligencji nie minęło zbyt wiele czasu, a już zaczynamy odczuwać negatywne skutki. Obecnie stworzenie jakiegokolwiek obrazu z opisu tekstowego nie jest niczym nadzwyczajnym. Jednak do tej pory nie wszystkie obrazy wyjściowe ocierały się tak bardzo o fotorealizm. Wszystko się zmieniło, kiedy świat ujrzała piąta wersja popularnego generatora obrazów Midjourney.

Microsoft nie ma zamiaru zatrzymywać się w rozwoju technologii opartych na sztucznej inteligencji. Doczekaliśmy się już integracji usług amerykańskiej firmy z elementami AI. Teraz przyszła kolej na generowanie obrazów. Wkrótce narzędzie DALL-E zostanie zintegrowane z wyszukiwarką Bing i przeglądarką Edge. Można już testować wstępną implementację usługi i rezultaty jej użycia bywają imponujące, a to dopiero wstępna wersja.

Zapewne większość z nas słyszała już o Midjourney. Sam program "zasilany" algorytmami sztucznej inteligencji jest z nami od niedawna. Tak jak w przypadku DALL-E oraz Stable Diffusion możemy opisać tekstowo, jaki obraz chcielibyśmy ujrzeć. Do tej pory program radził sobie z tym zadaniem całkiem dobrze, jednak w pewnych aspektach wymagał poprawek. Kolejna generacja ma nie tylko rozwiązać dotychczasowe problemy, ale i wznieść obrazy na całkiem inny poziom.