Εργαλεία τεχνητής νοημοσύνης από κείμενο σε εικόνα: τι άλλαξαν και τι δεν μπορούν να δουν;

Μια κατάταξη των «πέντε καλύτερων» εργαλείων παραγωγής εικόνων μπορεί να ξεπεραστεί μόλις ένα προϊόν ανανεώσει το μοντέλο, τις τιμές ή τη διεπαφή του. Όμως το ερώτημα που πραγματικά χρειάζεται να λύσουν οι αναγνώστες διαρκεί πολύ περισσότερο: πώς επιλέγεις ένα εργαλείο εικόνας από κείμενο χωρίς να συγχέεις μια καλοδουλεμένη επίδειξη με ουσιαστικό έλεγχο της εικόνας, της προέλευσής της και των συνεπειών της;

Τα συστήματα εικόνας από κείμενο μπορούν να βοηθήσουν τους ανθρώπους να εξερευνήσουν τη σύνθεση, την ατμόσφαιρα και την οπτική κατεύθυνση. Μπορούν επίσης να κάνουν εύκολη την παραγωγή μιας εικόνας πριν τεθούν ερωτήματα για το τι ισχυρίζεται ότι δείχνει, ποια έργα τη διαμόρφωσαν ή ποιος πρέπει να ευθύνεται όταν οι άνθρωποι την πιστεύουν.

Το άρθρο διατηρεί την πρακτική αξία της σύγκρισης εργαλείων, αλλά αλλάζει το αντικείμενο της σύγκρισης. Δεν ανακηρύσσουμε μόνιμο νικητή. Προτείνουμε, αντί γι’ αυτό, μια μέθοδο αξιολόγησης κάθε εργαλείου που μετατρέπει τη γλώσσα σε εικόνες.

Τι συμβαίνει ανάμεσα στην οδηγία και την εικόνα;

Ξεκινάτε γράφοντας μια περιγραφή. Το σύστημα ερμηνεύει αυτές τις λέξεις μέσω ενός μοντέλου και κατόπιν παράγει μια εικόνα με βάση μοτίβα που έμαθε από οπτικό και γραπτό υλικό και τη δική του εκτίμηση του αιτήματος. Το αποτέλεσμα μπορεί να μοιάζει εξαιρετικά πρωτότυπο, αλλά δεν είναι αδιαμεσολάβητη φαντασία. Το υλικό εκπαίδευσης, το μοντέλο, η διεπαφή και οι προεπιλογές διαμορφώνουν όλα την εικόνα.

Η διάκριση είναι κρίσιμη ανάμεσα σε μια εικόνα που αποτελεί απλώς προσχέδιο για συζήτηση και σε μια εικόνα που παρουσιάζεται ως φωτογραφία, καταγραφή ή τεκμήριο. Το ίδιο εργαλείο μπορεί να είναι χρήσιμο στην πρώτη περίπτωση και παραπλανητικό στη δεύτερη.

Πέντε ερωτήματα χρησιμότερα από μια αιώνια κορυφαία πεντάδα

1. Πόσο έλεγχο σας δίνει το εργαλείο;

Μην κοιτάτε μόνο την πρώτη παραγωγή. Μπορείτε να κρατήσετε τη σύνθεση, να αλλάξετε μόνο μια περιοχή, να διατηρήσετε σταθερή την εμφάνιση ενός προσώπου ή να κάνετε μικρές προσαρμογές χωρίς να χάσετε όσα ήδη έχετε; Αν κάθε αναθεώρηση απαιτεί να αρχίσετε από την αρχή, ακόμη και μια πανέμορφη πρώτη εικόνα μπορεί να μην είναι χρήσιμη.

2. Μπορείτε να ελέγξετε την προέλευση της εικόνας;

Δείτε αν η υπηρεσία εξηγεί ποιο μοντέλο χρησιμοποίησε, ποιο αρχικό υλικό επηρέασε το αποτέλεσμα και ποια επεξεργασία ακολούθησε την παραγωγή. Μια ετικέτα δεν λύνει κάθε ζήτημα δικαιωμάτων, αλλά χωρίς κανένα αρχείο προέλευσης οι αναγνώστες δεν μπορούν να κρίνουν εύλογα αυτό που βλέπουν.

3. Μπορείτε να διορθώσετε τις προεπιλογές του μοντέλου;

Κάθε σύστημα έχει προεπιλογές: ποιους ανθρώπους και τόπους απεικονίζει ευκολότερα, ποιες τεχνοτροπίες θεωρεί κανονικές, ποιο περιεχόμενο αρνείται και τι παραλείπει. Ένα εργαλείο που επιτρέπει στους χρήστες να βλέπουν και να προσαρμόζουν αυτά τα όρια τους δίνει πραγματική επιλογή.

4. Μπορείτε να πάρετε το αποτέλεσμα μαζί σας;

Ελέγξτε αν μπορείτε να κατεβάσετε το αρχείο στην αρχική του ανάλυση, να διατηρήσετε την οδηγία και τις ρυθμίσεις και να μεταφέρετε το αποτέλεσμα σε άλλο εργαλείο. Η φορητότητα προστατεύει τον χρόνο που επενδύσατε και εμποδίζει τη δημιουργική διαδικασία να μετατραπεί σιωπηρά σε εγκλωβισμό σε μια συνδρομή.

5. Ποιο είναι το πραγματικό κόστος;

Η τιμή είναι μόνο μέρος του κόστους. Υπολογίστε επίσης τον χρόνο επεξεργασίας, τη μετέπειτα επεξεργασία, την ιδιωτικότητα, την αποθήκευση, την αβεβαιότητα των αδειών χρήσης και την προσοχή που απαιτεί ο έλεγχος των αποτελεσμάτων. Η παραγωγή μπορεί να είναι φθηνή, αλλά αν μια ομάδα ανακαλύψει μόνο μετά τη δημοσίευση ότι μια εικόνα παραπλάνησε το κοινό, η αποκατάσταση μπορεί να κοστίσει ακριβά.

Επιλέξτε εργαλείο για μια πραγματική εργασία

Ξεκινήστε από την εργασία και έπειτα κοιτάξτε τη μάρκα. Αν εξερευνάτε μια καλλιτεχνική κατεύθυνση, μπορεί να προέχουν το εύρος επιλογών και η ταχύτητα σύγκρισης. Αν παράγετε εικονογράφηση για επίσημη δημοσίευση, δώστε προτεραιότητα στην επαναλήψιμη επεξεργασία, στα αρχεία προέλευσης, στις άδειες χρήσης και στον ανθρώπινο έλεγχο. Αν πρέπει να τεκμηριώσετε πραγματικό γεγονός, μια παραγόμενη εικόνα ίσως να μην είναι καθόλου το κατάλληλο εργαλείο.

Δώστε στο σύστημα μια δημιουργική εντολή με σαφή όρια και κρατήστε μαζί την αρχική οδηγία, το αποτέλεσμα και την απόφαση. Δηλώστε τι πρέπει να επικοινωνεί η εικόνα και ελέγξτε μήπως, ενώ το δηλώνει, προσθέτει σιωπηρά ένα πρόσωπο, έναν τόπο, ένα αντικείμενο ή ένα γεγονός που δεν υπάρχει.

Μια πειστική εικόνα δεν είναι το ίδιο με μια αληθινή εικόνα

Η φωτογραφία δίνει στους θεατές έναν γνώριμο λόγο να πιστέψουν: μια σκηνή βρέθηκε κάποτε μπροστά σε έναν φακό. Μια παραγόμενη εικόνα μπορεί να δανειστεί αυτή την οπτική γλώσσα χωρίς να διατηρεί το γεγονός πίσω της. Όσο ευκολότερα κατασκευάζονται εικόνες, τόσο περισσότερο χρειάζεται οι θεατές να γνωρίζουν ακριβώς τι είδους εικόνα βλέπουν.

Δεν πρόκειται για επιχείρημα κατά της οπτικής δημιουργίας. Η εικονογράφηση, τα εικαστικά προσχέδια και η φαντασία είχαν πάντα σημασία. Χρειάζεται να παραμένει σαφής η διάκριση ανάμεσα στη δημιουργία και την τεκμηρίωση για όποιον μπορεί αργότερα να βασιστεί στην εικόνα.

Η λύση: οι άνθρωποι να ορίζουν την κατεύθυνση και τα όρια του συστήματος να είναι ορατά

Χρησιμοποιήστε τα εργαλεία εικόνας από κείμενο για να διευρύνετε τις ανθρώπινες επιλογές, κάνοντας ταυτόχρονα ελέγξιμες τις βασικές αποφάσεις. Διατηρήστε το πλαίσιο προέλευσης και καταγράψτε τις σημαντικές αναθεωρήσεις· όταν το είδος της εικόνας επηρεάζει την κατανόησή της, δηλώστε ξεκάθαρα ότι είναι συνθετική· και αφήστε τον τελικό ισχυρισμό σε έναν άνθρωπο.

Αυτό συνδέεται με ένα ευρύτερο ερώτημα στη σκέψη του Λου Χενγκ. Η εισαγωγή του στην παραγωγική τεχνητή νοημοσύνη εξηγεί γιατί μια προτροπή είναι οδηγία και όχι το ίδιο πράγμα με την κατανόηση. Η σημείωσή του «Επίπεδα πραγματικότητας, συμβολική εξουσία και γιατί η σαφήνεια μοιάζει τόσο εχθρική» βοηθά τους αναγνώστες να διαχωρίζουν ό,τι πράγματι υπάρχει από τις ετικέτες και τις αφηγήσεις που το επικαλύπτουν. Η κατανόηση των εικόνων απαιτεί την ίδια πειθαρχία: να βλέπουμε τι εμφανίζει η εικόνα, ποια ιστορία συνδέεται μαζί της και ποιο σύστημα συνδέει τα δύο.

Γιατί πρέπει να το καταλάβουμε τώρα;

Οι εικόνες εισέρχονται στην αναζήτηση, στις ειδήσεις, στις τάξεις, στους χώρους εργασίας και στις ιδιωτικές συζητήσεις γρηγορότερα απ’ όσο μπορούν οι περισσότεροι να τις επαληθεύσουν. Το επείγον ερώτημα δεν είναι πια ποιο προϊόν κερδίζει στον αγώνα λειτουργιών. Είναι αν τα συστήματα γύρω από την παραγωγή εικόνων επιτρέπουν στους ανθρώπους να καταλαβαίνουν τι βλέπουν, να γνωρίζουν τα όριά του και να διορθώνουν την καταγραφή όταν μια εικόνα παραπλανά.

Ξεκινήστε με μια συγκεκριμένη σύγκριση

Χρησιμοποιήστε την ίδια σαφώς οριοθετημένη εντολή για να παράγετε αποτελέσματα σε περισσότερα από ένα εργαλεία. Κρατήστε οδηγίες, ρυθμίσεις και αποτελέσματα. Συγκρίνετε περισσότερα από την οπτική ποιότητα: εξετάστε αν κάθε υπηρεσία δείχνει καθαρά τα όριά της, διατηρεί τη δουλειά σας και σας βοηθά να εξηγήσετε από πού προήλθε η εικόνα. Επιλέξτε το εργαλείο που σας αφήνει περισσότερο έλεγχο και μια πιο ειλικρινή εξήγηση της εικόνας, αντί για εκείνο με το πιο εκθαμβωτικό πρώτο αποτέλεσμα.