Dar prieš kelerius metus idėja, kad kompiuteris galėtų „nutapyti“ paveikslą, vertą kabėti galerijoje, arba sukurti fotorealistinę nuotrauką žmogaus, kuris niekada neegzistavo, atrodė kaip tolimos ateities mokslinė fantastika. Šiandien tai ne tik realybė – tai kasdienybė. Mes gyvename vizualinės revoliucijos įkarštyje, kurioje AI paveiksliukų kūrimas tapo vienu karščiausių ir labiausiai diskutuojamų technologinių fenomenų.
Tačiau kas slypi už tų spalvingų, kartais bauginančiai tikroviškų, o kartais siurrealistiškų vaizdų? Ar tai tik žaidimas technologijų entuziastams, ar rimtas įrankis, keičiantis dizaino, rinkodaros ir meno industrijas? Šiame straipsnyje panersime giliau nei paviršutiniškas „įrašyk tekstą – gauk vaizdą“ suvokimas. Išsiaiškinsime, kaip veikia ši skaitmeninė magija, kaip suvaldyti „kaprizingus“ algoritmus ir kodėl gebėjimas kalbėtis su dirbtiniu intelektu netrukus gali tapti vienu geidžiamiausių įgūdžių darbo rinkoje.
Ne burtai, o matematika: Kaip DI „mato“ ir kuria?
Kad sėkmingai naudotumėmės įrankiais, pirmiausia turime suprasti jų prigimtį. Daugelis įsivaizduoja, kad DI paveiksliukų generatoriai tiesiog „Google“ paieškoje susiranda esamus vaizdus ir juos suklijuoja kaip koliažą. Tai – fundamentaliai klaidingas požiūris. Jei taip manysite, niekada neišnaudosite viso technologijos potencialo.
Šiuolaikiniai modeliai, tokie kaip „Midjourney“, „DALL-E 3“ ar „Stable Diffusion“, veikia difuzijos principu. Įsivaizduokite, kad turite visiškai aiškią nuotrauką ir pradedate ją lėtai gadinti, pridėdami atsitiktinio triukšmo (lyg sename televizoriaus ekrane), kol lieka tik pilkas chaosas. DI modeliai treniruočių metu mokosi daryti atvirkštinį procesą: jie žiūri į tą triukšmą ir bando atkurti aiškų vaizdą, vadovaudamiesi jūsų tekstiniu aprašymu.
Kai įrašote užklausą (angl. prompt), pavyzdžiui, „kibernetinis katinas geriantis kavą Vilniaus senamiestyje“, algoritmas neieško katino nuotraukos. Jis generuoja visiškai naują pikselių derinį, remdamasis savo „patirtimi“ – milijardais peržiūrėtų vaizdų ir jų aprašymų ryšiais. Todėl kiekvienas sugeneruotas vaizdas yra unikalus.
Didysis trejetas: Kokį įrankį pasirinkti?
Nors rinkoje atsiranda šimtai naujų programėlių, šiuo metu dominuoja trys pagrindiniai žaidėjai. Kiekvienas jų turi savo „charakterį“, privalumus ir trūkumus. Pasirinkimas priklauso nuo to, koks yra jūsų tikslas.
1. Midjourney – Estetikos karalius
Jei jūsų tikslas yra sukurti kvapą gniaužiantį meną, kuris atrodo lyg nutapytas geriausių pasaulio iliustratorių, „Midjourney“ yra nenugalimas. Šis įrankis pasižymi neįtikėtinu stilistiniu supratimu.
- Stiprybės: Aukščiausia vaizdo kokybė, puikus apšvietimo ir kompozicijos suvokimas, meninė laisvė.
- Trūkumai: Veikia per „Discord“ platformą (kas daugeliui atrodo nepatogu), yra mokamas, sunkiau tiksliai kontroliuoti specifines detales (pvz., tikslią objekto vietą kadre).
- Kam tinka: Dizaineriams, menininkams, iliustratoriams, ieškantiems įkvėpimo ar aukštos kokybės vizualų.
2. DALL-E 3 – Supratingasis pašnekovas
„OpenAI“ sukurtas „DALL-E 3“, integruotas į „ChatGPT“, yra geriausias pasirinkimas pradedantiesiems arba tiems, kam reikia tiksliai atvaizduoti sudėtingas instrukcijas.
- Stiprybės: Geriausiai supranta natūralią kalbą. Jums nereikia mokytis sudėtingų „burtažodžių“, galite tiesiog paprašyti lietuviškai (nors angliškai veikia geriau) ir jis supras niuansus. Puikiai tvarkosi su teksto atvaizdavimu paveiksliukuose.
- Trūkumai: Kartais atrodo pernelyg „plastikinis“ ar per daug nugludintas, turi griežtus cenzūros ribojimus.
- Kam tinka: Rinkodaros specialistams, turinio kūrėjams, memų kūrimui, greitoms iliustracijoms.
3. Stable Diffusion – Laisvės (ir kantrybės) išbandymas
Tai atviro kodo modelis, kurį, turint galingą kompiuterį, galima paleisti tiesiog savo namuose nemokamai.
- Stiprybės: Visiška kontrolė. Jokių cenzūros ribojimų, galimybė treniruoti modelį su savo nuotraukomis (pvz., kad generuotų būtent jūsų veidą), tūkstančiai bendruomenės sukurtų papildinių.
- Trūkumai: Aukšta mokymosi kreivė. Reikia techninių žinių, geros vaizdo plokštės ir kantrybės konfigūruojant nustatymus.
- Kam tinka: Technologijų entuziastams, žaidimų kūrėjams, profesionalams, kuriems reikia maksimalios kontrolės.
Promptų inžinerija: Kaip kalbėti su mašina?
Daugelis nusivilia DI įrankiais po pirmų bandymų, nes gauna keistus, iškraipytus vaizdus. Paslaptis slypi ne įrankyje, o jūsų formuluotėje. „Promptų inžinerija“ (angl. Prompt Engineering) tampa nauja, itin vertinama kompetencija. Štai formulė, kuri padės gauti geresnius rezultatus:
[Objektas] + [Veiksmas] + [Aplinka] + [Stilius] + [Apšvietimas/Kamera] + [Nuotaika]
Palyginkime du pavyzdžius:
- Bloga užklausa: „Moteris miške.“ (Rezultatas bus nuobodus, atsitiktinis).
- Gera užklausa: „Portretinė jaunos moters nuotrauka, dėvinčios futuristinius samurajaus šarvus, stovinčios miglotame lietuviškame miške auštant, kinematografinis apšvietimas, 8k raiška, labai detalu, „Unreal Engine 5“ stilius.“
Svarbūs patarimai rašant užklausas:
- Būkite konkretūs, bet neperkraukite. DI turi ribotą dėmesio „atmintį“. Jei prirašysite 500 žodžių, jis tiesiog ignoruos dalį instrukcijų. Svarbiausius raktinius žodžius rašykite pradžioje.
- Venkite neiginių. Jei parašysite „be akinių“, DI dažnai išgirs žodį „akiniai“ ir vis tiek juos nupieš. Geriau naudoti „negative prompt“ (neigiamų užklausų) funkciją, jei įrankis tokią turi, arba tiesiog aprašyti akis detaliau.
- Nurodykite mediją. Ar norite nuotraukos? O gal aliejinės tapybos? 3D modelio? Pieštuko eskizo? Tai drastiškai keičia rezultatą.
- Svorio suteikimas (angl. Weights). Pažangesniuose įrankiuose galite nurodyti, kas svarbiau. Pavyzdžiui, „Midjourney“ naudojant `::` simbolius galima pabrėžti tam tikras dalis (pvz., `space::2 ship::1`).
Lietuviškas kontekstas: Ar DI supranta cepelinus?
Vienas dažniausių klausimų – kaip šie modeliai tvarkosi su specifine kultūrine medžiaga? Čia susiduriame su duomenų stygiumi. Kadangi modeliai daugiausia treniruoti ant vakarietiško ir internetinio turinio, paprašius „Lietuvos Didžiojo Kunigaikščio“, galite gauti kažką panašaus į bendrinį viduramžių karalių arba personažą iš „Sostų karų“.
Paprašius nupiešti „cepelinus“, rezultatai dažnai būna komiški – nuo dirižablių (nes angliškai „Zeppelin“ yra dirižablis) iki keistų bulvinių blynų hibridų. Norint gauti tikslų rezultatą su lietuviška tematika, tenka būti kūrybingiems aprašant ne patį objekto pavadinimą, o jo vizualines savybes: „dideli, ovalo formos bulvių kukuliai, virti, patiekti su padažu“.
Visgi, situacija gerėja. DI vis geriau atpažįsta Vilniaus architektūrą (ypač Katedrą ar Gedimino pilį), nes internete yra daug šių objektų nuotraukų. Tai atveria puikias galimybes turizmo rinkodarai ar edukaciniams projektams.
Etika, autorinės teisės ir „netikros rankos“
Kalbant apie DI paveiksliukų kūrimą, negalima ignoruoti dramblio kambaryje – etinių klausimų. Tai yra jautriausia šios technologijos dalis.
Vagystė ar įkvėpimas?
Daugelis menininkų piktinasi, kad DI modeliai buvo apmokyti naudojant jų darbus be sutikimo. Kai įrašote „style of Van Gogh“ arba, dar blogiau, šiuolaikinio gyvo menininko vardą, jūs techniškai imituojate jo ilgus metus tobulintą braižą. Teisinė bazė vis dar vejasi technologijas. Šiuo metu JAV ir ES teismuose nagrinėjamos bylos, kurios nulems ateitį. Kol kas, kaip vartotojui, patartina vengti tiesioginio konkrečių, ypač mažiau žinomų, menininkų kopijavimo komerciniuose projektuose.
Kas yra autorius?
Jei sukūrėte nuostabų paveikslą su „Midjourney“, kam jis priklauso? Jums? „Midjourney“ kūrėjams? O gal niekam? JAV autorių teisių biuras jau yra nusprendęs, kad grynai DI sugeneruotas kūrinys negali būti saugomas autorių teisių, nes jam trūksta „žmogaus autorystės“. Tačiau jei jūs vėliau tą paveikslą redaguojate „Photoshop“ programa, situacija tampa sudėtingesnė. Tai reiškia, kad jūsų sugeneruotą logotipą teoriškai gali pasiimti ir naudoti bet kas.
„Deepfakes“ ir dezinformacija
Fotorealizmas pasiekė tokį lygį, kad atskirti tikrą nuotrauką nuo sugeneruotos tampa beveik neįmanoma. Matėme popiežių su „Balenciaga“ striuke ar suklastotas politikų nuotraukas. Tai kelia didžiulę grėsmę informaciniam saugumui. Todėl didžiosios kompanijos pradeda diegti nematomus vandens ženklus ar metaduomenis, žyminčius, kad vaizdas yra sukurtas DI.
Praktinis pritaikymas: Kaip uždirbti ar sutaupyti?
Nepaisant kontroversijų, verslas jau dabar sėkmingai integruoja šiuos įrankius. Kur tai labiausiai pasiteisina?
- Rinkodara ir socialiniai tinklai: Vietoj brangių fotosesijų ar nuobodžių „stock“ nuotraukų, prekių ženklai kuria unikalius vizualus savo įrašams. Tai leidžia išsiskirti sraute.
- Koncepcinis menas (Concept Art): Žaidimų ir kino industrijoje DI naudojamas greitam idėjų generavimui. Reikia sukurti 50 skirtingų pabaisų eskizų? DI tai padarys per 10 minučių, o dailininkas vėliau ištobulins geriausią variantą.
- Interjero dizainas ir architektūra: Galima greitai vizualizuoti idėjas klientams. „Kaip šis kambarys atrodytų skandinavišku stiliumi su žaliomis sienomis?“ – atsakymas gaunamas per kelias sekundes.
- Logotipų ir ikonų kūrimas: Nors galutiniam vektoriui vis tiek reikės dizainerio rankos, idėjų paieškai tai nepakeičiamas įrankis.
Ateities prognozės: Vaizdas – tik pradžia
Mes matome tik ledkalnio viršūnę. Paveiksliukai buvo pirmas žingsnis. Dabar matome vaizdo įrašų generavimo bumą su tokiais įrankiais kaip „Sora“ ar „Runway Gen-3“. Netrukus galėsime sugeneruoti visą filmą tiesiog parašę scenarijų. Taip pat tobulėja 3D modelių generavimas, kas revoliucionizuos žaidimų industriją ir metavisatą.
Tačiau ar tai reiškia, kad menininkai ir dizaineriai išnyks? Tikrai ne. Istorija rodo, kad atsiradus fotoaparatui, tapytojai neišnyko – jie tiesiog pradėjo tapyti abstrakčiau, atsirado impresionizmas. Atsiradus „Photoshop“, iliustratoriai tapo skaitmeniniais menininkais.
DI yra ne pakaitalas, o multiplikatorius. Jis padaugina jūsų kūrybiškumą. Vidutiniškas kūrėjas su DI taps geru, o talentingas kūrėjas su DI taps genijumi. Tie, kurie atsisakys adaptuotis, rizikuoja likti už borto, kaip tie, kurie kadaise atsisakė naudotis kompiuteriais.
Apibendrinimas: Koks jūsų kitas žingsnis?
AI paveiksliukų kūrimas nėra trumpalaikė mada. Tai nauja kalba, kuria mokomės bendrauti su kompiuteriais vizualiu lygmeniu. Norint pradėti, nereikia brangios įrangos ar meninio išsilavinimo – užtenka smalsumo ir noro eksperimentuoti.
Nereikia stengtis iš karto sukurti šedevro. Pradėkite nuo paprastų užduočių: sukurkite iliustraciją savo prezentacijai, atviruką draugui ar tiesiog vizualizuokite sapną, kurį matėte praėjusią naktį. Technologija yra galinga tiek, kiek kūrybingas yra ja besinaudojantis žmogus. Tad klausimas ne tas, ką DI gali sukurti, o ką jūs galite sukurti, turėdami tokią galią savo rankose.
Pasaulis keičiasi. Ar jūs tik stebėsite, ar tapsite šio pokyčio dalimi?