Stable Diffusion, Midjourney: Jak funguje umělá kreativita?

Jak funguje umělá kreativita – OBSAH

1. Co je to latentní difúze?
2. Jak funguje generování obrázků s AI?
3. Vzniká nové povolání AI umělce

Co je to latentní difúze?

Nové kreativní programy jsou založeny na moderním konceptu latentní difúze, což je proces, kdy se neuronová síť učí rozeznávat obrazy na stále více zašuměných vstupech, takže se doslova naučí vidět tvary v chaosu. Samotné tvoření probíhá opačně, totiž vygeneruje se vstup z čistého šumu, ve kterém v jednotlivých iteracích síť rozeznává tvary a nahrazuje náhodný vstup prvky, které v něm vidí. To, co je na tomto procesu ohromující, je možnost, že přesně takhle vznikají sny – náhodná aktivita spícího mozku je interpretována jako obrazy a vize.

Latentní difúze vznikla jako koncept před rokem, ale dnes už máme komerční platformy, jako je Midjourney, ale také Open Source nástroj Stable Diffusion. Ty jsou rozděleny na dvě části – samotné učení neuronové sítě probíhá na superpočítačích, kde se jí předkládají miliardy vstupů, výsledný model je možné provozovat na domácích počítačích s moderní grafickou kartou a kapacitou minimálně 8 GB RAM. Učit podobné modely zatím na domácích počítačích nejde, je to výpočetně příliš náročné.

Jak funguje generování obrázků s AI?

Generování obrazů probíhá tak, že systém vezme textové vstupy, které mu říkají, co by měl v šumu vidět – a také náhodně generovaný šum, ze kterého začne zpracovávat obrazový výsledek. Protože se začíná z náhodného vzoru, výsledkem je vždy unikátní obraz, i když se navzájem mohou podobat obsahy a styly. Generování je iterativní, to znamená, že vzniká více obrazů, mezi kterými si uživatel vybere ty, které se mu líbí, a ty nechá rozpracovat. Nejde tedy o plně automatický proces, kdy by AI vytvořila nejlepší možný obraz, ale spíše tvořivý nástroj, který navrhuje jednotlivé možnosti a spolu s člověkem je dotváří. 

Člověk je autorem unikátních vstupů a také vybírá z možných výstupů, takže produktem kreativní AI je lidské autorské dílo. AI jako taková nemá právní subjektivitu a nemůže být autorem, zákon dnes nahlíží na produkci kreativní AI jako na výstup softwarového nástroje – podobně jako například u Adobe Photoshopu. Přestože probíhají diskuse o tom, zda autorem nemůže být síť jako taková – ne, nemůže, zákon neuznává právní subjektivitu AI a bylo by velice problematické něco takového zavádět. Právní subjektivita znamená, že na AI by se nahlíželo jako na člověka jak ve smyslu práv i povinností – a vzhledem k tomu, že zákony byly navrženy lidmi pro lidi, zahrnutí AI do současného právního systému by přineslo víc škod než užitku.

Vzniká nové povolání AI umělce

Kreativní AI je dnes opravdu spíše nástrojem, který ale dokáže velice rychle a efektivně generovat vizuální obsah. Vzniká nová pozice AI umělce, což je člověk, který ve spolupráci s AI nástroji dokáže generovat obsah podle svých představ – je to role podobná například specialistovi na vyhledávání, jenom s uměleckým přesahem.

Můžeme očekávat, že se kreativní inteligence rychle prosadí i v oblasti kreativního psaní a filmařiny, takže se poměrně rychle objeví filmy vytvářené AI a dost možná i napsané a režírované AI. Znamená to konec kreativních povolání – anebo jejich demokratizaci? To zatím nevíme – a nevíme ani, kde přesně leží limity schopností současné kreativní AI. Aktuálně se umělá inteligence zlepšuje každým dnem a svého potenciálu zdá se prozatím nedosáhla. Lze tak konstatovat, že nástroje založené na latentní difúzi přinesly až šokující pokrok. Prozatím ale vždy platilo, že každá podobná technologie má svoje limity a bude časem nahrazena lepší a výkonnější inteligencí.

V blízké budoucnosti můžeme očekávat normalizaci nasazení kreativní AI v každodenním životě a dost možná i zábavnější a hravější svět, protože výkon, se kterým je kreativní AI schopná generovat nový a nový obsah, je jednoduše ohromující. Tato technologie je jednoduše tady – a my si na ni budeme muset zvyknout – a smířit se i s tím, že další oblast, ve které se prosadí, může být úplně jiná, než jakou čekáme.