„Сътворението на Адам“ на Микеланджело, видяно от ИИ
Изкуственият интелект е нещо, което все повече ще взема отношение към живота ни и отдавна не е нещо от научнофантастичните филми. Напротив, „мислещи“ програми, които разбират зададеното им и решават различни задачи, съществуват и биват развивани и обучавани, включително в България.
Днес говорим с един ентусиаст, който тренира своя изкуствен интелект да създава… картини. Говорим си с Пламен П. Баталски, който професионално се занимава със системно администриране (информационни технологии), а заниманията му с Изкуствен интелект (ИИ) са хоби.
Как се реши да започнеш да се занимаваш с ИИ?
Професионалният ми опит ми даде шанс да се справя с относително трудния процес да пусна изкуствен интелект в домашния ми компютър за игри. Допълнително, от дете си мечтая да създавам естетически издържани, красиви по един мрачен начин неща, макар и основният ми начин да се прехранвам да е друг и следователно съм просто любител.
Откъде започна? Кой запали в теб този интерес?
Преди години попаднах на публикувания от Гугъл, обучен изкуствен интелект на име Deep Dream, „Дълбок Сън“, което ме изуми изключително много и унищожи илюзията ми, че хората завинаги ще си останем по-креативни от компютрите. И Дълбокия сън, и следващите новости в областта, като Невралния пренос на стил (Neural Style Transfer) и разните модерни в момента дифузионни модели (напр. Latent Diffusion) са примитивни в сравнение с човек-художник, но са доказателство, че компютрите могат да бъдат оригинални.
Какви видове задания даваш на своя ИИ?
В момента ползвам главно софтуер на име Диско Дифузия (Disco Diffusion, DD), който създава изображения въз основа на текст. Допълнително, мога да го накарам да започне от налично изображение, да се донаучи от набор от изображения, да прави последователност от изображения – кадри, от които да сглобя видео и прочее. Има впечатляващо много параметри, с които човек може да си играе за да получи различен резултат. След като постигна нещо задоволително в DD, може да реша да го обработя ръчно в софтуер като GIMP (сходна на Adobe Photoshop програма с отворен код), да го подам като изображение-основа отново към DD, а впоследствие често го подавам на друг вид изкуствен интелект, Latent Diffusion, от който ползвам само увеличаването на резолюцията (детайлите).
Пример за подаден към DD текст е [„Holodomor:15“, „by Beksinski:10“, „by H. R. Giger:5“], коетo на теория ще генерира картина, вдъхновена от Гладомора (тежест 15), в стила на Здзислав Бексински (тежест 10) и в стила на Х. Р. Гигер (тежест 5, най-малката), приложена. Резултатът е следната картина:
![Пример за подаден към DD текст е ["Holodomor:15", "by Beksinski:10", "by H. R. Giger:5"], коетo на теория ще генерира картина, вдъхновена от Гладомора (тежест 15), в стила на Здзислав Бексински (тежест 10) и в стила на Х. Р. Гигер (тежест 5, най-малката), приложена. Резултатът е следната картина:](https://voinaimir.info/wp-content/uploads/2022/06/ai_art_bulgaria_05-1024x731.png)
По какъв начин го тренираш?
До нас, обикновените хора, си идват тренирани ИИ, често от големи корпорации като Гугъл и Фейсбук, понякога от академични институции. Тренирането изисква количество и качество хардуер, недостъпни за обикновен български компютърен специалист, а и за когото и да е, освен за милионери. Вече тренираният модел може да бъде дотрениран в домашни условия. Най-доброто, което съм правил в тази насока до момента, е да подам няколко изображения за дотрениране, с неясен и за мен резултат. Първоначалното, непостижимо в домашни условия трениране, се извършва въз основата на петабайти изображения с описания.
Технически погледнато и свръхопростено, DD, който аз ползвам, е съставен от:
– ИИ-класификатор на изображения, който е трениран с огромно количество изображения с текстово описание, например снимка на залез и описанието „залез“ и
– ИИ-дифузор, което е изкуствен интелект, трениран да премахва шумове (в техническия смисъл – повреди в информация или липса на информация/сигнал) като гранулярността при лентовата фотография или шума в стар, аналогов телевизор, който не е настроен на никой канал.
Класификатора управлява дифузора по такъв начин, че от изображение на просто шум постепенно да бъде създадено изображение, което класификатора би класифицирал като подадения текст.
Някои артисти и художници се притесняват, че в бъдеще ИИ може да им изяде хляба. Колко е реалистична подобна заплаха?
За момента това, което съм видял от ИИ го прави просто феноменален инструмент, който артистите с поне минимална техническа грамотност могат и вероятно трябва да ползват. Не говоря само за генератори на изображения, има ИИ за увеличаване на резолюция, за премахване на шум, за създаване на музика, за увеличаване на броя кадри в секунда във видеа, има ИИ за какво ли не.
Напредъкът в областта – погледнете кога са създадени и какво постигат Deep Dream като най-стария, за който знам, след това Neural Style Transfer и сега Diffusion GANs може би е леко плашещ, но както е видно от приложените изображения – за момента ИИ не може да генерира нещо истински смислено от нашата човешка гледна точка.
Ако започне да генерира истински смислени неща, заплахата не е само за артистите, а за цялата човешка цивилизация.
Какви смяташ, че са икономическите приложения на подобна технология?
Сходно е на всяко друго изобретение – някои хора се притесняват, че ще доведе до безработица, но такива писания се намират дори от древна Гърция, но особено от индустриалната революция насам. Всеки път, до момента поне, тези новости всъщност подобряват начина на живот на цялото човечество.
Доколко има бъдеще в България? Има ли много други ентусиасти у нас?
Доколкото самата България има бъдеще – въпрос на гледна точка, на оптимизъм, песимизъм или реализъм.
Нямам представа дали има изобщо други ентусиасти, не мога да се сетя да познавам такива. Вероятно има, живота ми ме е научил, че не съм уникален, нито в световен мащаб, нито в национален.
Изкуственият интелект вече е създал голям брой произведения, като немалка част от тях могат да бъдат разгледани във висока резолюция тук.
Училището и ваканциите