AI pretvara tekst u neverovatne slike

 
Nakon ovoga stvarno počinjemo da mislimo kako sposobnosti veštačke inteligencije nemaju granice, ili ih makar neće imati u budućnosti. Šta god da ste mislili da je nemoguće na kraju ispade moguće. Programi poput Jasper-a u stanju su da generišu pristojan originalan tekst na temu koju mu vi date, a to samo jedan komercijalan alat koji prikazuje najniže domete veštačke inteligencije i mašinskog učenja.
Ukoliko želite da vidite šta malo napredniji AI može da uradi, treba se podrobnije upoznati sa sposobnostima Imagen-a kompanije Google i Dall-E2 kompanije OpenAI.
Šta tačno Imagen radi
Kako navodi portal PetaPixel, Imagen je produkt Research ogranka kompanije Google zaduženog za razvijanje najnovijih i najnaprednijih tehnologija. Ovaj vid veštačke inteligencije služi za pretvaranje kratkog teksta koji opisuje neku vizuelnu scenu u fotografiju te scene koju ste upravo opisali.
Na primer, vi ukucate “mozak koji leti na raketi prema mesecu” ili “granitna statua koale koja vrti ploče na dva gramofona dok nosi velike slušalice” i dobićete dve fotografije koje vidite ispod:

Ono što je najneverovatnije kod čitave ove priče jeste što rezultati koje dobijete nakon unosa teksta nisu crtani ili animirani, već maksimalno foto realistični. OK, možda raketa baš i ne toliko, ali pogledajte recimo sliku koju biste dobili uz tekst “korgi koji vozi biciklu na Tajms Skveru dok nosi šešir i naočare za sunce”:

Ovo je već poprilično realno, a pomalo i zastrašujuće.
Nije Google jedini
Pored projekta kompanije Google, ranije tokom godine je i Dall-E2 AI kompanije OpenAI je radio isto – pretvarao tekst u fotografije. Ovde, foto realizam je bio u drugom planu na početku projekta jer se Dall-E2 fokusira na prepoznavanje teksta i generisanje slike, a ne na realistične fotografije. Međutim, i kompanije OpenAI počela je da dublje zalazi u sferu foto realizma, pa tako počinje da donosi sve realističnije fotografije.
Kako veštačka inteligencija to tačno radi
I Imagen i Dall-E2 funkcionišu na sličnom principu – korišćenju ogromne količine podataka kombinovane sa prepoznavanjem ulaznog teksta kako bi se napravila fotografija koju korisnik želi da vidi. Važno je napomenuti da dobijene fotografije nisu kombinacija onoga što postoji na internetu, već apsolutno originalne kreacije dobijene posredstvom veštačke inteligencije.
Za sada, ovi programi još uvek nisu dostupni javnosti, a kada će biti nije poznato. Mada, kada god se budu pojavili ne sumnjamo da će doneti mnogo zabave korisnicima. A što se tiče dalekosežnih posledica ovakve tehnologije, o tome ne želimo još uvek da razmišljamo.