Savā iepriekšējā rakstā "Mākslīgais intelekts kā palīgs ikdienā. Kuru GPT versiju izvēlēties un kā to lietot?" jau pieskāros tam, ka mākslīgais intelekts šobrīd prot ne tikai veidot tekstus, bet arī attēlus, prezentācijas, video.
RAKSTA CEĻVEDIS:
Attēlu ģenerēšana
Nepilna gada laikā redzu gigantisku progresu attēlu ģenerēšanas jomā. Ja 2022. gada rudenī par puslīdz lietojamu atzinu katru divdesmito no mākslīgā intelekta ģenerētajām bildēm, tad šobrīd teju katru reizi saņemu izcilu attēlu. Gan ar svarīgu atrunu, ka šis attēls ne vienmēr precīzi atbildīs manām norādēm…
Pieraksties ziņām!
Ja mākslīgā intelekta tēma aizrāvusi, ir iespēja pierakstīties jaunākajām šīs tēmas ziņām, šī raksta beigās nospiežot zvaniņu!
Vairāk par LSM.lv tēmu paziņojumiem un to lietošanu var lasīt te.
Tāpat pievienojies sarunu grupai par un ap mākslīgo intelektu sociālajā tīklā "Facebook".
Attēlu ģenerēšanas jomā līderi ir trio, kas sastāv no "Midjourney", "DALL-E" un "Stable Diffusion".
"Midjourney", manuprāt, ir labākais no trim. Parasti var rēķināties ar ļoti augstvērtīgu attēlu kvalitāti. Diemžēl vairs ne par velti – šobrīd "Midjourney" maksā 12 eiro mēnesī. Jārēķinās, ka "Midjourney" "dzīvo" sociālajā tīklā "Discord", kas ir pamatā pazīstams dažādu videospēļu faniem un virtuālo kopienu biedriem. Ja nezināt, kā orientēties "Discord", jārēķinās, ka tas nav vienkāršākais un intuitīvākais no sociālajiem tīkliem. Iepazīšanās prasīs laiku. Ieteiktu padomu meklēt "YouTube" videopamācībās par to, kā izveidot atsevišķi kanālu sarunām ar "Midjourney" robotu. Nav sarežģīti, bet ja ikdienā nelietojat "Discord", jums noderēs palīdzība. Rezultāts būs ieguldīto pūļu vērts: minūtes laikā iegūsiet brīnišķīgus attēlus visdažādākajos žanros un visdažādākajiem nolūkiem. Es tos izmantoju prezentācijām, apsveikumiem, sociālo tīklu ierakstiem, ilustrācijām, plakātiem. "Midjourney" komanda bieži uzlabo savu funkcionalitāti, ieviešot aizvien jaunas iespējas. Piemēram, nupat ieviesta iespēja attēlā ielikt kādus papildu elementus, nomainīt "lieko", izvērst attēlu plašāk (piemēram, mākslīgais intelekts no jūsu tuvplāna attēla var izveidot attēlu ar jums uz kalnu ainavas, Marsa, jebkāda cita fona). Ja esat gatavi veltīt laiku, lai meklētu lietošanas pamācības un instrukcijas, iemācīsities arī sapludināt vairākus attēlus vai likt mākslīgajam intelektam ģenerēt dažādus attēlus ar vieniem un tiem pašiem personāžiem.
Gan "Midjourney", gan citiem attēlu ģenerēšanas un pilnveidošanas rīkiem joprojām problēmas sagādā teksta iekļaušana attēlā (piemēram, kafejnīcas nosaukums), kā arī anatomiskā precizitāte cilvēku un citu dzīvju būtņu attēlojumos. Tāpat šie rīki pagaidām vāji saprot norādes par dažādu objektu izkārtojumu telpā. Pacietība, laiks un zināšanas ļauj šos defektus atrisināt, bet tas prasīs ievērojami vairāk laika nekā tikai viena tekstuāla norāde. Skaidrs, ka nākamajos modeļos šādu problēmu vairs nebūs.
"DALL-E": kvalitātes ziņā nav tik spēcīgs kā "Midjourney", toties pieejams bez maksas. Šim nolūkam es parasti izmantoju "Bing Image Creator" (vajadzīgs "Windows" konts), kurš pamatā izmanto tieši "DALL-E" attēlu veidošanas rīku. Lai mazinātu kvalitātes problēmas, parasti savā norādē ierakstu, ka man vajadzīga skice vai zīmējums – tie mākslīgajam intelektam padodas labāk nekā fotoreālistiskums.
"Stable Diffusion": laba ģenerēto attēlu kvalitāte, bet to ir sarežģītāk apgūt nekā "Midjourney" vai "DALL-E", tādēļ neieteiktu iesācējiem.
Attēlu uzlabošana un prezentācijas
"Midjourney" un "Stable Diffusion" izmantojami ne tikai jaunu attēlu ģenerēšanai, bet arī esošo attēlu uzlabošanai, taču tas ne vienmēr ir ērti. Ļoti ērtas mākslīgā intelekta funkcijas tieši attēlu labošanai ir iestrādātas jau desmitgadēm zināmajā programmā "Photoshop", bet tas ir rīks vizuālās jomas profesionāļiem, tādēļ to šeit izlaižu.
Latvijā aizvien populārākā platforma "Canva", kas domāta ērtai sociālo tīklu satura, vizualizāciju un prezentāciju veidošanai, kļūst par savdabīgu Šveices nazi vizuālā satura veidošanas jomā. Mākslīgā intelekta rīki tajā šobrīd ļauj gan no teksta norādes veidot attēlus (jārēķinās, ka rezultāts nebūs "Midjourney" kvalitātē), gan dzēst fotoattēlā fonu vai atsevišķus elementus, ievietot attēlā pavisam jaunus elementus. Tā ļauj arī ģenerēt tekstus dažādiem sociālo tīklu ierakstiem un... veidot gatavas prezentācijas.
Ar prezentācijām gan ieteiktu uzmanīties! Tas, ko saņemsiet, vizuāli būs vidēji labi noformēta prezentācija, kuras saturs būs rūpīgi jāpārbauda. Protams, katrs no elementiem būs maināms, tādēļ tas ir diezgan labs variants tam, ja jums prezentācijai vienkārši vajadzīgas idejas, struktūra un bildītes. Ja vēlaties, lai mākslīgais intelekts jums izveido vizuāli jaudīgāku prezentācijas pamatu, ieteiktu izvēlēties rīku "Gamma.app", bet tur teksts būs vēl rūpīgāk jāpārbauda un jāmaina – nez kāpēc šim rīkam ir raksturīgas spēcīgākas "halucinācijas" (murgi) nekā tam, ko izmanto "Canva". Toties vizuāli būs ievērojama atšķirība.
"Canva" un "Gamma" rīki lietotājam, kurš tos neizmantos ikdienā, ir pieejami bez maksas. Arī maksas versiju izmaksas nav pārmērīgas. Internets ir pilns arī ar citiem rīkiem, kas piedāvā par maksu sniegt visu nepieciešamo attēlu apstrādei vai prezentāciju veidošanai.
Vēl piebildīšu, ka mākslīgā intelekta palīglīdzekļi šogad tiek iestrādāti teju visās Latvijas lietotājam pazīstamajās programmās, tajā skaitā "PowerPoint", tādēļ katram, kas tās joprojām lieto,
ieteiktu atjaunot to versijas un paskatīties, vai nevajadzētu investēt kādu stundu jauno funkciju apguvei.
Video veidošana
Pagaidām šeit nav daudz ko teikt. Visi gaidām uz "Google Gemini", kurš pēc nostāstiem spēj no nelielas tekstuālas norādes vai attēla izveidot kvalitatīvu filmiņu.
Nav tā, ka mākslīgais intelekts šobrīd nespētu ģenerēt video – spēj, un profesionāļi to aktīvi jau izmanto šādiem nolūkiem! Bet pagaidām parastajai auditorijai nav pieejami vienkārši rīki, kā to izdarīt pašiem. Plašākai auditorijai pieejami tikai rīki, kas ļauj izveidot dažu sekunžu video grūti kontrolējamā kvalitātē un izpildījumā. Tāpat diezgan daudz arī tādu mākslīgā intelekta palīgu, kas ļauj mūsu ziņai teksta veidā parādīties kā videoklipam, kur fonā skan mākslīgā intelekta ģenerēta mūzika, kur vizuāli cits citu nomaina dažādi slaidi/kadri un ziņa parādās kā rakstisks teksts. Izskatās diezgan profesionāli un nav arī dārgi, ja salīdzina ar studijas izmaksām.
Tāpat ir iespēja par maksu uzģenerēt savu vizuālo "avatāru", un mākslīgais intelekts šo jūsu tēlu un balsi izmantos tam, lai ģenerētu dažādus video, kur jūsu vizuālais tēls runā visu, kas vien nepieciešams. Kaut vai tūkstošiem dažādu vēstījumu dažādām auditorijām! Par šo domājot vēlēšanu kampaņu kontekstā, kļūst neomulīgi. Tāpat drīz būs vērts brīdināt savus tuviniekus, ka ne viss, kas video izskatās pēc jums un runā jūsu balsī (un pat saka frāzes, kas jums raksturīgas!), esat jūs. Par laimi, pagaidām "jūs" runāsiet ar angļu akcentu, bet kas zina, kā būs pēc jaunajiem šo tehnoloģiju atjauninājumiem.
Krāpniecībai šādas tehnoloģijas paver vēl nebijušus apvāršņus.
Svarīgs jautājums: kam uz jūsu un mākslīgā intelekta kopdarbībā ģenerētajiem attēliem, prezentācijām, filmām pieder autortiesības? Droši vien jums. Bet, ja jums ir cits viedoklis, dodiet ziņu! Likumi tik ātram tehnoloģiju progresam piemēroties nespēj.
Vēl par tehnoloģijām un to rīkiem
