Synthetisches Träumen mit einer KI

Die Natur der Bilder, oder wenn man sie so nennen darf – Kunstwerke –, die während meines kurzen Streifzugs durch Midjourney entstanden sind , kann als synthetische Träume beschrieben werden. Es gibt ein Maß an Kontrolle, das über die Erfahrung eines Klartraums hinausgeht, aber die Veränderung des Traumgeistes ist ebenso unerkennbar. Im Prozess verstehe ich darunter eine wirkungsvolle Verschmelzung riesiger Datenproben mit Attributabgleich. Im Ergebnis ist die Art und Weise, wie sich einfache Schlüsselwörter in seltsame, aber vertraute Formen verwandeln, überwältigend.

Die Maschine zum Denken zu bringen ist nicht dasselbe wie einen Menschen zum Denken zu bringen. Die Aufforderungen, die zu diesen Bildern führen, müssen alles deutlich machen, da es kein gemeinsames Verständnis gibt. Im Gegensatz zum Dialog muss es sich um diskrete und strukturierte Anweisungen handeln, die dann abgestimmt und zusammengestellt werden können, um die ersten Entwürfe zu synthetisieren. Es können beliebig viele Entwürfe erstellt werden. Ein besserer Begriff, den ich hier tatsächlich verwenden könnte, ist „inspirieren“, da ich mich völlig unfähig fühlte, ein bestimmtes Bild bei der KI in Auftrag zu geben oder anzufordern.

Während ich zu einem Illustrator, den ich kaum zehn Minuten kannte, hätte sagen können: „Eine prächtige Bastet-Statue in bemerkenswertem Zustand, vielleicht aus dem 19. Jahrhundert, mit goldenen Details“, musste ich hier selbst Stunden nach dem ersten Kontakt angeben: „Bastet.“ „Selbstporträt, ägyptischer Gott, ägyptische Katze, Sphinx, 50-mm-Objektiv, Fotografie, fotorealistisch, hyperrealistisch, Onyxskulptur, Lava- und Golddetails“ und iterierte über mehrere Runden von Varianten, bis ich Glück hatte, wenn auch nicht ganz in der Lage so, wie ich es mir vorgestellt hatte, denn es war doch nicht gerade irgendeine Bastet-Statue.

Auch die Qualität der Bilder schwankte stark, abhängig von der Art der Bilder und stilistischen Referenzen, die ich am System verteilte. Eine einfache Illustration im Ligne-Claire- Stil, gefolgt von expliziten Erwähnungen von Hergé, Jean Giraud, Atomic Style und Moebius, reagierte allesamt mit Unverständnis und Distanziertheit, während ich unzählige futuristische Porträts im Stil von Genre-Konzeptkünstlern sah, von denen ich noch nie gehört hatte mit bemerkenswerter Präzision von anderen KI-Flüstern im Community-Discord-Kanal erstellt.

Midjourney war nicht die einzige KI, die ich ausprobiert habe. Es gab eine Zeit lang Experimente mit DALL-E 2 und einen fortlaufenden Versuch, Stable Diffusion lokal zu installieren . Diese – und Googles Imagen– alle nutzen das maschinelle Lernmodell Diffusion, um visuelle Darstellungen aus natürlichen Spracheingaben zu generieren. Die eingegebenen Wörter werden in einem Prozess namens Transformation codiert, der nicht nur die Wörter, sondern auch deren Beziehung zueinander berücksichtigt und Vektoren generiert, die dann zur Konditionierung des Bilderzeugungsalgorithmus verwendet werden. Es ist dieser zweite Aspekt, bei dem das Diffusionsmodell ins Spiel kommt. Es funktioniert, indem es die Trainingsdaten (riesige Bildbibliotheken, auf denen das Modell trainiert) nimmt und ihnen kontinuierlich Rauschen hinzufügt, bis es vollständig zu Gaußschem Rauschen wird, und dann den Prozess umkehrt, um Bilder zu erzeugen . Für jede bestimmte Bildgenerierungsaufforderung beginnt es mit einem Block aus reinem Rauschen und entrauscht ihn unter den durch die Textkodierung festgelegten Bedingungen, um semantisch plausible Bilder auszugeben.

Der Reiz aktueller Tools besteht jedoch darin, dass man nicht verstehen muss, was sich hinter den Kulissen abspielt, und sich nur auf deren Vorstellungskraft verlässt, um die atemberaubenden Bilder zu erstellen, die wir in hektischen Twitter-Threads sehen. Es besteht die Notwendigkeit, all die verschiedenen Parameter zu verstehen, die dem System zugeführt werden können (ich bin selbst gerade zur Hälfte fertig) und auch damit zu experimentieren, wie diese semantischen Beziehungen textlich definiert werden. Jede der verfügbaren KIs hat auch ihre Stärken und Schwächen. Midjourney hat mir bisher die besten Ergebnisse geliefert, aber DALL-E ermöglicht mir die Bearbeitung, indem ich einen Teil eines Bildes lösche und neue Eingabeaufforderungen für diese spezifischen Abschnitte eintippe. Es kann auch die Mona Lisa zu einem weiten Panoramablick erweitern. Gerüchten zufolge ist Imagen das fotorealistischste von allen, während Midjourney das künstlerischste ist.

Ich bin noch viel zu neu in diesem Bereich, um Ratschläge zu Best Practices zu geben, aber hier sind die seltsamen Visionen, die es mir bisher vermittelt hat, mit den Anregungen, die die Reise begonnen haben. Einige der besten Prompt-Künstler brauchen von der ersten Prompt bis zum Erreichen ihrer Ergebnisse Tage oder Monate. Denken Sie also daran, dass dies nur Ausgangspunkte sind. Und um die dringende Frage zu beantworten, wie dies die traditionellen Illustratoren ersetzen könnte – als eine Art Kreativdirektor sehe ich diese Möglichkeit sicherlich, aber gleichzeitig ist es unglaublich mühsam, etwas Genaues oder Konsistentes zu produzieren, also wie ich zu Beginn beschrieben habe: Ich sehe sie hauptsächlich als Traummaterial, mit dem ich anfangen kann, etwas zu erschaffen.

Fühlen Sie sich inspiriert? Tauchen Sie ein in unsere anderen Design-Blogs und erkunden Sie das Thema tiefer.

Weiterlesen

Ursprünglich veröffentlicht unter https://www.columbiaroad.com .