Sueños sintéticos con una IA

La naturaleza de las imágenes, o si puede llamarlas así, las obras de arte, generadas durante mi breve incursión en Midjourney , pueden describirse como sueños sintéticos. Hay un nivel de control más allá de la experiencia de cualquier sueño lúcido, pero el giro de la mente onírica es igual de incognoscible. En proceso, lo entiendo como una poderosa fusión de vastas muestras de datos con coincidencia de atributos. Como resultado, la forma en que las palabras clave simples se transmutan en formas extrañas pero familiares es abrumadora.

No es lo mismo hacer pensar a la máquina que hacer pensar a un humano. Las indicaciones que conducen a estas imágenes deben hacer que todo sea explícito, ya que no hay un entendimiento compartido. Tiene que ser diferente al diálogo, en términos de instrucciones discretas y estructuradas que luego podrían combinarse y cotejarse para sintetizar los primeros borradores. Se puede crear cualquier número de borradores. Un mejor término para usar aquí es 'inspirar', ya que me sentí bastante incapaz de encargar o solicitar una imagen específica de la IA.

Mientras que podría haber dicho 'una magnífica estatua de Bastet en notable estado, tal vez del siglo XIX, con detalles en oro', a un ilustrador al que apenas conocía desde hacía diez minutos, aquí, incluso horas después del primer contacto, tuve que especificar: 'bastet autorretrato, dios egipcio, gato egipcio, esfinge, lente de 50 mm, fotografía, foto real, hiperrealista, escultura de ónix, detalles de lava y oro', e iterar en múltiples rondas de variantes hasta que tuve suerte, aunque no del todo en el forma en que me lo había imaginado, ya que no era exactamente una estatua de Bastet después de todo.

La calidad de las imágenes también varió mucho según el tipo de imágenes y las referencias estilísticas que dispersé en el sistema. Una simple ilustración en estilo ligne claire , seguida de menciones explícitas de Herge, Jean Giraud, el estilo atómico y Moebius, todo volvió con incomprensión y distanciamiento, mientras que vi innumerables retratos futuristas al estilo de artistas conceptuales de género de los que nunca había oído hablar. creado con notable precisión por otros susurradores de IA en el canal comunitario de Discord.

Midjourney no fue la única IA que probé. Hubo un período de experimentación con DALL-E 2 y un intento continuo de instalar localmente Stable Diffusion . Estos, y la Imagen de Google— todos usan el modelo de aprendizaje automático Diffusion para generar imágenes a partir de la entrada de lenguaje natural. Las palabras escritas se codifican en un proceso llamado transformación que toma no solo las palabras sino también la forma en que se relacionan entre sí, generando vectores que luego se utilizan para condicionar el algoritmo de generación de imágenes. Es en este segundo aspecto donde entra en juego el modelo de difusión. Funciona tomando los datos de entrenamiento (enormes bibliotecas de imágenes en las que se entrena el modelo) y añadiéndoles ruido continuamente hasta que se convierte completamente en ruido gaussiano, y luego invierte el proceso para generar imágenes. . Para cualquier mensaje de generación de imágenes específico, comienza con un bloque de ruido puro y lo elimina bajo las condiciones establecidas por la codificación de texto para generar imágenes semánticamente plausibles.

Sin embargo, el atractivo de las herramientas actuales es que uno no necesita comprender lo que sucede detrás de escena y depende solo de su sensibilidad imaginativa para crear esas impresionantes imágenes que vemos en los frenéticos hilos de Twitter. Existe la necesidad de comprender todos los diferentes parámetros que se pueden alimentar al sistema (yo mismo estoy a mitad de camino) y también experimentar con cómo estas relaciones semánticas se definen textualmente. Cada una de las IA disponibles también tiene sus puntos fuertes y débiles. Midjourney me ha brindado los mejores resultados hasta ahora, pero DALL-E me permite editar borrando parte de una imagen y escribiendo nuevas indicaciones para esas secciones específicas. También puede extender la Mona Lisa a una vista panorámica amplia. Se rumorea que Imagen es la más fotorrealista de todas, mientras que Midjourney es la más artística.

Hasta el momento, soy demasiado nuevo en esto para dar consejos sobre las mejores prácticas, pero aquí están las visiones extrañas que me ha brindado hasta ahora, con las indicaciones que iniciaron el viaje. Algunos de los mejores artistas de indicaciones tardan días o meses desde la primera indicación en llegar a su fruto, así que tenga en cuenta que estos son solo puntos de partida. Y para abordar la pregunta apremiante de cómo esto podría reemplazar a los ilustradores tradicionales, como una especie de director creativo, ciertamente puedo ver esa posibilidad, pero al mismo tiempo es imposiblemente laborioso producir algo exacto o consistente, así que como describí al principio, Principalmente los veo como material de ensueño para empezar a crear.

¿Te sientes inspirado? Sumérjase en nuestros otros blogs de diseño y explore el tema más a fondo.

Leer más

Publicado originalmente en https://www.columbiaroad.com .