DALL·E mini - wpisz polecenie i czekaj na obraz wygenerowany przez AI. Czasem jest bardzo... dziwnie

DALL-E mini to open-sourcowa próba odtworzenia algorytmy DALL-E od OpenAI. Algorytm został upubliczniony i każdy może generować obrazy przy pomocy sztucznej inteligencji.

Z pewnością wielu z Was słyszało o algorytmie sztucznej inteligencji, który nazwano DALL-E. System ten generuje wysokiej jakości obrazy na podstawie komend wpisywanych przez użytkowników. DALL-E zostało stworzone przez OpenAI i zyskało niemałą sławę na świecie, jednak nie jest dostępne dla zwykłych użytkowników z powodu obaw o nadużycia i generowanie obrazów, które nie powinny mieć miejsca. To właśnie ta niedostępność była jednym z powodów stworzenia DALL-E mini, które jest próbą odtworzenia rezultatów oryginalnego modelu, ale na zasadach open-source.

Wieża Trumpa na Marsie? Putin w Harrym Potterze (nie tylko jako Zgredek)? DALL-E mini wygeneruje to wszystko, choć ma spore ograniczenia i dopiero się uczy. Do oryginalnego DALL-E jeszcze daleka droga, ale i tak warto sprawdzić.

DALL-E mini jest trenowany przy pomocy milionów zdjęć z internetu, które zostały opatrzone podpisem. Algorytm uczy się jak narysować obraz odpowiadający komendzie tekstowej. Dzięki zdolności łączenia obrazów system jest w stanie tworzyć unikalne, często abstrakcyjne i nieistniejące obrazy, takie jak "wieża Eiffla ląduje na Księżycu", łącząc ze sobą różne koncepcje. Choć algorytm pokazuje ogromny potencjał, należy mieć na uwadze, że przed twórcami długa droga, a efekty nie są tak spektakularne, jak w przypadku oryginalnego DALL-E od OpenAI.

Jak podają sami twórcy, problemy widoczne w algorytmie to m.in.:

• Twarze i ogólnie ludzie nie są generowani prawidłowo.
• Zwierzęta są zwykle nierealistyczne.
• Trudno przewidzieć, w czym model jest lepszy, a w czym gorszy... Dobra inżynieria podpowiedzi pozwoli uzyskać najlepsze wyniki.
• Model był trenowany tylko z opisami w języku angielskim i nie będzie działał tak dobrze w innych językach.

Twórcy ostrzegają również, że obrazy, którymi trenowany był algorytm, nie były filtrowane.  Nie wykorzystano tekstów i obrazów pochodzących od społeczności i kultur posługujących się innymi językami. Ma to wpływ na wszystkie dane wyjściowe modelu - kultura biała i zachodnia jest traktowana jako wartość domyślna, a generowane treści mogą przedstawiać treści atakujące mniejszości etniczne, wyznaniowe i ideologiczne. System dostępny jest do testów pod tym adresem, jednak uprzedzamy, że ze względu na duże zainteresowanie, trzeba się uzbroić w nieco cierpliwości.

Sprawdźcie sami, jakie możliwości już teraz posiada WALL-E mini i koniecznie podzielcie się swoimi obrazkami.