Grafiki generowane przez AI – moje pierwsze wrażenia

Niedawno Radek na łamach Polskiego Fejsa pisał, że sztuczna inteligencja nie jest w żadnej mierze formą inteligencji, z czym zgadzam się. Mimo wszystko AI albo SI – sztuczna inteligencja – przylgnęła do tego zjawiska chyba na dobre, więc na razie będę używał tego określenia. Formalnie mówimy tutaj o zamkniętym algorytmie, który na podstawie bazy ilustracji generuje nowe niepowtarzalne obrazy. Jednym z takich systemów jest Midjourney, który wydaje mi się na tę chwilę najciekawszy – daje najlepszy efekt. W tekście tym opiszę swoje pierwsze wrażenia z korzystania z tego systemu. A na końcu podpowiem, w jaki sposób można samemu sobie coś wygenerować.

Eksploracja po ścieżce pasji

Uwielbiam zdjęcia Dorothei Lange. Na Polskim Fejsie ukazały się dwa moje artykuły na temat tej amerykańskiej fotograf, która stworzyła kilkuletni reportaż z centralnych stanów Ameryki z lat 30. XX w. (1. 30 fotografii Dorothei Lange, cz. 1, 2. 30 fotografii Dorothei Lange, cz. 2). Generowanie grafik przez AI polega na wpisanie tekstu, na podstawie którego w ciągu kilkudziesięciu sekund tworzona jest grafika. Może to być lista słów kluczowych albo po prostu ciągłe logiczne zdanie (najlepiej w j. angielskim). Opis może dotyczyć tego, co ma znaleźć się na zdjęciu, ale możemy także określić styl, w jakim ma być wykonana grafika. A więc do słów w stylu – powiedzmy – wv passat – dopisujemy frazę „Dorothea Lange” – by nadać grafice cech znanych ze zdjęć znanej fotograf. Okazuje się, że algorytm nie zawsze jest precyzyjny, często zalicza poważne wpadki. Ale z czasem można nauczyć się ich unikać. W tym przypadku efekt jest świetny – choć może tematycznie niedoskonały.

Passat to nie jest, ale jednak dość typowy – można powiedzieć typiczny – obraz volkswagena. A więc algorytm zignorował słowo „passat”, albo zinterpretował je jako wiatr? W każdym razie uzyskany efekt, może nie do końca precyzyjny, wpisuje się w estetykę zdjęć Dorothei Lange, a w dodatku umieszcza w nich pojazd, którego Lange chyba nigdy nie fotografowała. Tak że nie jest źle.

Z czasem okazuje się, że algorytm jakby celowo unika precyzyjnych odpowiedzi, by nie wpaść może w plagiat? Nawet jeśli w końcu udaje się uzyskać obraz vw passata, to jednak nie jest to dokładnie ten model samochodu, pojazd zawiera parę elementów, które powodują, że staje się on kompletnie niepowtarzalny. Na pewno nie istnieje drugie takie zdjęcie, bo nie istnieje taki samochód. Choć na pierwszy rzut oka przypomina passata B4. Jest od niego może nawet ładniejszy – idealizacja to jedna z cech tego algorytmu.

OK, to może vw passat na polskiej wiosce (algorytm lubi zapytania w j. ang., a więc „vw passat b4 1995 poland village”.

Oto on, chyba najbliższe jest ujęcie nr 4. Może to nie passat, bardziej jetta, ale może algorytmowi z polską wsią kojarzy się bardziej taki model? Naprawdę chciałbym wiedzieć.

Wróćmy jednak do Dorothei Lange. Jednym z parametrów, jaki możemy podać skryptowi Midjourney jest zewnętrzna grafika. Zobaczmy więc, jak skrypt zinterpretuje mój portret w konwencji fotografii Dorothei Lange.

A mamo…. Co autor miał na myśli? Czy to Dorothea Lange we własnej osobie? oczywiście z brodą, której w rzeczywistości nie miała.

Spróbujmy jeszcze raz…

Dużo lepiej. Zdjęcie, które zrobiłem sobie przy kuchence w kuchni telefonem Midjourney rzeczywiście przerobił w stylu Dorothei Lange, a więc musi być jakaś preria, jakiś samochód (amerykański gruchot) i – w tym samochodzie moja kuchenka (czy raczej wariacja na jej temat). Na jednej fotografii zaplątał się niewidomy dzieciak, trochę straszny. No i szkoda, że osoba na fotografii to nie ja, ale trudno. I tak muszę stwierdzić, że efekt jest niesamowity.

Trzeba przyznać, że skrypt – mimo powyższej wpadki – rewelacyjnie radzi sobie dziećmi (więcej ich wstawiam na końcu tego postu). A więc poprosimy kilka starych fotografii – dodajmy frazę „poland 1930” – może uda się zamienić Kalifornię na polskie równiny? No, powiedzmy. Ale klimat jest niesamowity. Na kolejnych zdjęciach dodaję frazę „kids”, a potem jeszcze „rzeszów” z nadzieją, że zobaczę jakieś przedwojenne widoki stolicy Podkarpacia z dziećmi w tle (to akurat nie wypaliło).

Widoków nie ma, ale za to pojawiła się najbardziej znana fotografia Dorothei Lange „Matka imigrantka”, oczywiście przemodelowana przez AI.

Niesamowite jest to, że zazwyczaj osoby generowane – szczególnie gdy nie użyjemy faktycznego nazwiska, jak Clint Eastwood czy Putin – w rzeczywistości nie istnieją. Te twarze – choć trudno w to uwierzyć – są wypadkową algorytmu. I są piękne – wyidealizowane.

Profesjonalne zastosowanie

Niedawno w sieci pojawiła się informacja, że jedna agencja w Australii wysłała zdjęcie wygenerowane przez sztuczną inteligencję na konkurs fotograficzny. Był to mało znaczący konkurs, chodziło o eksperyment. Autorzy dowcipu przyznali się i zwrócili wygraną. Ale można się spodziewać, że takich sytuacji będzie więcej, o ile do regulaminów nie zostanie dopisane proste zdanie w stylu „przyjmowanie są wyłącznie prace fotograficzne”, albo w przypadku konkursów malarskich „dopuszczone są tylko prace wykonane przez człowieka, z wykluczeniem algorytmów sztucznej inteligencji”.

Przeglądając komentarze internautów można się przekonać, że w zasadzie 80% z nich odnosi się negatywnie do generowania takich pseudofotografii przez algorytmy. Zastanawiam się dlaczego. Przecież skoro technologia nam to umożliwia, dlaczego z niej nie skorzystać? Możemy przy okazji w łatwy sposób stworzyć nowe wersje zdjęć dawno zmarłych autorów. Jednocześnie z całą pewnością nie pozbawimy fotografów pracy. Zyskają oni raczej nowe narzędzie inspiracji.

Zresztą prace generowane przez AI mogą być pomocą nie tylko dla fotografów, ale i grafików, filmowców, projektantów stron www. W jaki sposób?

Filmowiec – operator zdjęć – zanim przystąpi do pracy, szuka tzw. referencji, czyli ciekawych ujęć z innych filmów, które mógłby powtórzyć w swoim filmie. Korzysta wówczas z katalogu ujęć filmowych, takiego jak Shotdeck, ale może też wpisać oczekiwaną frazę w Midjourney i zobaczyć, czy efekty zaproponowane przez algorytm przypadną mu do gustu. I naprawdę jest spora szansa, że przypadną, bowiem – jak się okazuje – sztuczna inteligencja w genialny sposób operuje światłem!

Na tapet wziąłem nieistniejący jeszcze film o przygodach dzieci, które chowają się w lesie podczas II wojny światowej.

A może plakat filmowy? Nie ma problemu. Oczywiście wymaga dalszych szlifów w Photoshopie, albo przy wsparciu innych technik, również pozakomputerowych.

Idealnie, gdyby udało się zwerbować do naszej produkcji Clinta Eastwooda, bo już mamy rewelacyjny plakat. Obawiam się, że jednak go nie wykorzystamy, a szkoda.

Widzimy zatem, jak pomocny choćby w pracy grafika może być ta aplikacja.

Zadajmy sobie zatem pytanie, czy rzeczywiście możemy użyć grafik do naszych projektów?

Kwestie prawne

Jeśli korzystamy z Midjourney w wersji demo (umożliwia wygenerowanie ok. 50 grafik), z naszych prac możemy korzystać w oparciu o licencję Creative Commons Noncommercial 4.0 Attribution International („Licencja na Zasoby”) i nie jesteśmy ich właścicielem.

Lepiej sytuacja się przedstawia, gdy mamy wykupiony abonament (w najtańszej opcji 8$, co umożliwia wygenerowanie ok. 200-300 grafik). Wówczas jesteśmy w pełni właścicielem każdej wygenerowanej przez nas pracy i możemy z nią zrobić wszystko, co nam się podoba. Jak podaje Midjourney: „Zgodnie z powyższą licencją jesteś właścicielem wszystkich Zasobów, które tworzysz za pomocą Usług, w zakresie dozwolonym przez obowiązujące prawo.” Być może te ostatnie słowa oznaczają konieczność zgody na wykorzystanie wizerunku, jeśli chodzi o taki przykład plakatu z Clintem Eastwoodem?

Jak samemu generować obrazy w oparciu o sztuczną inteligencję (Midjourney)?

Procedura jest prosta. Wymaga posiadania konta w komunikatorze Discord.

Następnie wchodzimy na midjourney.com i klikamy „Join the Beta”. Dostęp autoryzujemy swoim kontem w Discordzie i – jeśli wszystko pójdzie dobrze – zostaniemy dodani do specjalnego serwera Midjourney, w którym mamy do wglądu kilkanaście kanałów. Na początek interesują nas te, które zaczynają się „newbies”. Mają tutaj dostęp także inni użytkownicy – jak się przekonamy, również oni generują własne obrazy.

Aby stworzyć grafikę, musimy użyć komendy „/imagine prompt”, następnie dopisujemy własne słowa, które określają, co chcemy uzyskać. Możemy też podpatrzyć tutaj pomysły innych, co może być przydatne na początku.

Prócz frazy możemy dodać różnego typu parametry, na tym przykładzie określamy proporcje na 2:3 (aspect ratio) i dodajemy parametr, który ma wygenerować ilustrację w dwukrotnie wyższej jakości (quality).

Aby dodać zdjęcie, musimy je przesłać w chacie discorda, następnie skopiować link do zdjęcia i wkleić w zapytaniu.

Na wygenerowanie obrazu musimy poczekać ok. minuty. W tym czasie prawdopodobnie zgubimy swoje zapytanie w gąszczu wpisów innych użytkowników, ale nie musimy się tym przejmować, bo efekty naszej pracy pojawiają się także na stronie midjourney.com/app (sytuacja wygląda lepiej, gdy posiadamy abonament, wówczas możemy generować obrazy w prywatnej konwersacji z botem Midjourney).

Każda grafika na początku generuje się w 4 wariantach, z których możemy wybrać ten, który chcemy dodatkowo powiększyć albo na bazie którego chcemy wygenerować dalsze wariacje. Do tego celu służą nam przyciski U1, U2, U3, U4 i V1, V2, V3, V4. Liczba oznacza kolejny obrazek (licząc tak, jak się czyta, czyli od lewej do prawej), a litera U – powiększenie, lub V – wariacje. Gdy użyjemy „U”, otrzymamy pojedynczą grafikę, którą będziemy mogli poddać kolejnym działaniom, takim jak dalsze powiększanie (za pomocą dwóch metod), czy kolejne wariacje.

Aby sprawdzić stan swojego konta, wystarczy użyć komendy /info.

Warto również nieco podrasować ustawienia aplikacji, w tym celu użyj komendy /settings i zaznacz dwie opcje zaznaczone na poniższej grafice.

Dajcie znać, czy podoba Wam się ta technologia. A poniżej wklejam jeszcze kilka grafik. W tym przypadku algorytm sztucznej inteligencji został poproszony o wygenerowanie portretów dzieci z Warszawy w czasie II wojny światowej. Prócz paru małych mankamentów, grafiki robią na mnie spore wrażenie. Aż trudno uwierzyć, że to tylko efekt algorytmu.