Η τέχνη δεν είναι νεκρή, είναι απλώς δημιουργημένη από μηχανή

Γιατί τα μοντέλα AI θα αντικαταστήσουν τους καλλιτέχνες πολύ πριν αντικαταστήσουν τους προγραμματιστές

Ίσως η πιο συγκλονιστική συνέπεια που βλέπουμε από τη γενετική τεχνητή νοημοσύνη είναι ότι, σε αντίθεση με την κοινή άποψη ότι η δημιουργικότητα θα είναι το τελευταίο προπύργιο της ανθρώπινης εφευρετικότητας απέναντι στον αυτοματισμό, στην πραγματικότητα φαίνεται να είναι πολύ πιο εύκολο να αυτοματοποιήσει μάλλον δύσκολες δημιουργικές εργασίες παρά να αυτοματοποιήσει σχετικά απλές εργασίες προγραμματισμού. Για να κατανοήσουμε αυτό, συγκρίνουμε δύο από τις πιο δημοφιλείς περιπτώσεις χρήσης για γενετική τεχνητή νοημοσύνη: τη δημιουργία κώδικα και τη δημιουργία εικόνων. Αλλά πιστεύουμε ότι ο ισχυρισμός ισχύει γενικότερα, ακόμη και όταν τα μοντέλα παραγωγής επεκτείνονται σε πιο σύνθετες εφαρμογές.

Η σύντομη εκδοχή του επιχειρήματος (το οποίο θα εξετάσουμε λεπτομερέστερα παρακάτω) είναι ότι αν και ένα προϊόν όπως GitHub Copilot, στην τρέχουσα μορφή του, μπορεί να κάνει την κωδικοποίηση κάπως πιο αποτελεσματική, δεν εξαλείφει την ανάγκη για ικανούς προγραμματιστές λογισμικού με γνώσεις προγραμματισμού. Ένας μεγάλος λόγος είναι ότι, όταν πρόκειται για τη δημιουργία ενός προγράμματος, η ορθότητα έχει πραγματικά σημασία. Εάν η τεχνητή νοημοσύνη δημιουργεί ένα πρόγραμμα, εξακολουθεί να απαιτεί από έναν άνθρωπο να επαληθεύσει ότι είναι σωστό - μια προσπάθεια σχεδόν στο ίδιο επίπεδο με τη δημιουργία του στην αρχή.

Από την άλλη πλευρά, όποιος μπορεί να πληκτρολογήσει μπορεί να χρησιμοποιήσει ένα μοντέλο όπως Σταθερή Διάχυση για να παράγετε εικόνες υψηλής ποιότητας, μοναδικές σε λίγα λεπτά, με πολλές τάξεις μεγέθους μικρότερο κόστος. Τα προϊόντα δημιουργικής εργασίας συχνά δεν έχουν αυστηρούς περιορισμούς ορθότητας και τα αποτελέσματα των μοντέλων είναι εκπληκτικά πλήρη. Είναι δύσκολο να μην δούμε μια πλήρη αλλαγή φάσης σε βιομηχανίες που βασίζονται σε δημιουργικά γραφικά, επειδή, για πολλές χρήσεις, τα γραφικά που είναι σε θέση να παράγει τώρα η τεχνητή νοημοσύνη είναι ήδη επαρκή και βρισκόμαστε ακόμα στα πρώτα βήματα της τεχνολογίας.

Αναγνωρίζουμε πλήρως ότι είναι δύσκολο να είμαστε σίγουροι για τυχόν προβλέψεις με τον ρυθμό που κινείται το πεδίο. Αυτήν τη στιγμή, ωστόσο, φαίνεται ότι είναι πολύ πιο πιθανό να δούμε εφαρμογές γεμάτες δημιουργικές εικόνες που δημιουργούνται αυστηρά από προγραμματιστές παρά εφαρμογές με τέχνη σχεδιασμένη από ανθρώπους που έχουν κατασκευαστεί αυστηρά από δημιουργούς. 

Γιατί η διαφημιστική εκστρατεία και γιατί τώρα;

Πριν μπούμε στις ιδιαιτερότητες της δημιουργίας κώδικα έναντι της δημιουργίας εικόνων, είναι χρήσιμο να έχουμε μια αίσθηση του πόσο δημοφιλής είναι αυτή τη στιγμή η τεχνητή νοημοσύνη γενικά και συγκεκριμένα η γενετική τεχνητή νοημοσύνη.

Το Generative AI βλέπει την ταχύτερη απορρόφηση από προγραμματιστές που έχουμε δει ποτέ. Καθώς γράφουμε αυτό, το Stable Diffusion ξεπερνά εύκολα τα trending charts των αποθετηρίων GitHub με μεγάλη διαφορά. Η ανάπτυξή του είναι πολύ πιο μπροστά από οποιαδήποτε πρόσφατη τεχνολογία σε υποδομές ή κρυπτογράφηση (δείτε το παραπάνω σχήμα). Υπάρχουν σχεδόν καθημερινές ανακοινώσεις έναρξης και χρηματοδότησης νεοφυών επιχειρήσεων που χρησιμοποιούν την τεχνολογία και τα διαδικτυακά κοινωνικά δίκτυα πλημμυρίζουν από περιεχόμενο που δημιουργείται από μοντέλα παραγωγής.

Το συνολικό επίπεδο επενδύσεων στην τεχνητή νοημοσύνη την τελευταία δεκαετία είναι επίσης δύσκολο να υπερεκτιμηθεί. Έχουμε δει μια εκθετική αύξηση μόνο στις δημοσιεύσεις από τα μέσα της δεκαετίας του 2010 (βλ. εικόνα παρακάτω). Σήμερα, περίπου το 20% όλων των άρθρων που δημοσιεύονται στο arXiv αφορούν AI, ML και NLP. Είναι σημαντικό ότι τα θεωρητικά αποτελέσματα έχουν ξεπεράσει ένα κρίσιμο όριο όπου έγιναν εύκολα αναλώσιμα και προκάλεσαν μια έκρηξη από την Κάμβρια νέων τεχνικών, λογισμικού και νεοφυών επιχειρήσεων. 

Η πιο πρόσφατη αιχμή στο παραπάνω σχήμα οφείλεται σε μεγάλο βαθμό στη γενετική τεχνητή νοημοσύνη. Μέσα σε μια δεκαετία, περάσαμε από μοντέλα τεχνητής νοημοσύνης μόνο για ειδικούς που μπορούσαν να ταξινομήσουν εικόνες και να δημιουργήσουν ενσωματώσεις λέξεων σε μοντέλα δημόσιας χρήσης που μπορούν να γράφουν αποτελεσματικό κώδικα και να δημιουργούν εξαιρετικά ακριβείς εικόνες χρησιμοποιώντας προτροπές φυσικής γλώσσας. Δεν αποτελεί έκπληξη το γεγονός ότι ο ρυθμός της καινοτομίας έχει μόλις ανέβει και δεν πρέπει να εκπλήσσει όταν τα μοντέλα παραγωγής αρχίζουν να εισβάλλουν σε άλλες περιοχές που κάποτε κυριαρχούσαν οι άνθρωποι.

Generative AI και προγραμματισμός

Μία από τις πρώτες χρήσεις της γενετικής τεχνητής νοημοσύνης ήταν ως βοήθεια προγραμματιστή. Ο τρόπος που λειτουργεί είναι ότι ένα μοντέλο εκπαιδεύεται σε ένα μεγάλο σώμα κώδικα (π.χ. όλα τα δημόσια repos στο GitHub) και στη συνέχεια κάνει μια πρόταση σε έναν προγραμματιστή καθώς κωδικοποιεί. Τα αποτελέσματα είναι εξαιρετικά. Τόσο πολύ που είναι λογικό αυτή η προσέγγιση θα γίνει συνώνυμη με τον προγραμματισμό στο μέλλον.

Ωστόσο, τα κέρδη παραγωγικότητας ήταν μέτρια σε σχέση με τη δημιουργία εικόνων, την οποία καλύπτουμε παρακάτω. Μέρος του λόγου για αυτό, όπως αναφέρθηκε παραπάνω, είναι ότι η ορθότητα είναι κρίσιμη στον προγραμματισμό (και μάλιστα τα προβλήματα μηχανικής ευρύτερα, αλλά εστιάζουμε στον προγραμματισμό σε αυτήν την ανάρτηση). Για παράδειγμα, βρέθηκε πρόσφατη μελέτη αυτό για σενάρια υψηλού κινδύνου CWE (κοινές απαριθμήσεις αδυναμιών), το 40% του κώδικα που δημιουργήθηκε με τεχνητή νοημοσύνη περιείχε τρωτά σημεία.

Έτσι, ο χρήστης πρέπει να βρει μια ισορροπία μεταξύ της δημιουργίας αρκετού κώδικα για να παρέχει ουσιαστική ώθηση παραγωγικότητας, ενώ εξακολουθεί να τον περιορίζει, ώστε να είναι δυνατός ο έλεγχος της ορθότητας. Ως αποτέλεσμα, ο Copilot έχει βοήθησε βελτίωση της παραγωγικότητας των προγραμματιστών — πρόσφατες μελέτες (εδώ και εδώ) βάλτε κέρδη της τάξης του 2x ή λιγότερο — αλλά σε επίπεδο αντίστοιχο με αυτό που έχουμε δει σε προηγούμενες εξελίξεις στις γλώσσες προγραμματιστών και στα εργαλεία. Το άλμα από τη συναρμολόγηση στο C, για παράδειγμα, βελτίωσε την παραγωγικότητα 2-5 φορές σύμφωνα με ορισμένες εκτιμήσεις.

Για πιο έμπειρους προγραμματιστές, οι ανησυχίες μπορεί να επεκταθούν πέρα ​​από την ορθότητα του κώδικα και στη συνολική ποιότητα του κώδικα. Οπως και γρήγοραΟ Τζέρεμι Χάουαρντ εξήγησε όσον αφορά τις πρόσφατες εκδόσεις του μοντέλου OpenAI Codex, "[Δεν γράφω αναλυτικό κώδικα επειδή δημιουργείται μέσος κώδικας. Για μένα, το να παίρνω έναν μέσο κώδικα και να τον κάνω κώδικα που μου αρέσει και ξέρω ότι είναι σωστός είναι πολύ πιο αργό από το να τον γράφω από την αρχή — τουλάχιστον σε γλώσσες που ξέρω καλά».

Έτσι, ενώ είναι ξεκάθαρο ότι ο προγραμματισμός παραγωγής είναι μια συνάρτηση βήματος στην παραγωγικότητα των προγραμματιστών, δεν είναι σαφές ότι η βελτίωση είναι δραματικά διαφορετική από αυτές που έχουμε δει πριν. Το Generative AI κάνει καλύτερους προγραμματιστές, αλλά και πάλι πρέπει να προγραμματίζουν.

Δημιουργική τεχνητή νοημοσύνη και γραφικά

Από την άλλη πλευρά, ο αντίκτυπος των μοντέλων παραγωγής στη δημιουργική εργασία, όπως η δημιουργία εικόνων, είναι ακραίος. Έχει οδηγήσει σε πολλές τάξεις μεγέθους βελτιώσεις στην απόδοση και το κόστος, και είναι δύσκολο να μην το δούμε να οδηγεί σε μια αλλαγή φάσης σε ολόκληρη τη βιομηχανία.

Ο τρόπος με τον οποίο λειτουργεί η γενετική τεχνητή νοημοσύνη σε αυτόν τον χώρο είναι να λαμβάνει απλές εισόδους κειμένου από τον χρήστη, που ονομάζονται προτροπές, και στη συνέχεια το μοντέλο δημιουργεί μια οπτική έξοδο. Επί του παρόντος, υπάρχουν μοντέλα για τη δημιουργία πολλών μορφών εξόδου, συμπεριλαμβανομένων εικόνων, βίντεο, μοντέλων 3D και υφών.

Αυτό που είναι ιδιαίτερα ενδιαφέρον είναι πώς αυτά τα μοντέλα μπορούν να επεκταθούν για τη δημιουργία νέων εικόνων ή εικόνων για συγκεκριμένους τομείς χωρίς σχεδόν καμία δημιουργική παρέμβαση. Για παράδειγμα, ο Guido (ένας από τους συγγραφείς) πήρε ένα προ-εκπαιδευμένο μοντέλο εικόνας και το εκπαίδευσε ξανά σε μερικές δεκάδες φωτογραφίες του. Από εκεί, μπόρεσε να δημιουργήσει εικόνες χρησιμοποιώντας στην προτροπή. Ακολουθούν φωτογραφίες που δημιουργούνται από τις ακόλουθες προτροπές: ως καπετάνιος Αμερική"," στο Παρίσι"," σε έναν πίνακα ζωγραφικής".

Όπου η δημιουργία εικόνων είναι μια τεράστια απόκλιση από τη δημιουργία κώδικα σε ένα επιχειρηματικό πλαίσιο είναι ο βαθμός στον οποίο η γενετική τεχνητή νοημοσύνη αλλάζει τον οικονομικό λογισμό. Για να δημιουργήσει τις παραπάνω εικόνες, ο Guido εκπαίδευσε το μοντέλο σε μια χούφτα φωτογραφίες που κοστίζουν περίπου $,50 σε πόρους υποδομής. Μόλις εκπαιδευτείτε, η δημιουργία εικόνων κοστίζει περίπου 0.001 $ σε υπολογιστικούς πόρους και μπορεί να γίνει στο σύννεφο ή σε φορητό υπολογιστή τελευταίας γενιάς. Επιπλέον, η δημιουργία της εικόνας διαρκεί μόνο λίγα δευτερόλεπτα. 

Χωρίς γενετική τεχνητή νοημοσύνη, ο μόνος τρόπος για να αποκτήσετε μια προσαρμοσμένη εικόνα είναι είτε να προσλάβετε έναν καλλιτέχνη είτε να το κάνετε μόνοι σας. Ακόμα κι αν ξεκινήσουμε με την υπόθεση ότι ένα άτομο θα μπορούσε να δημιουργήσει μια εντελώς προσαρμοσμένη, φωτορεαλιστική εικόνα μέσα σε μία ώρα για 10 $, η γενετική προσέγγιση τεχνητής νοημοσύνης είναι εύκολα τέσσερις τάξεις μεγέθους φθηνότερη και κατά μια τάξη μεγέθους ταχύτερη. Πιο ρεαλιστικά, κάθε προσαρμοσμένο έργο τέχνης ή έργο γραφικού σχεδιασμού πιθανότατα θα διαρκέσει ημέρες ή εβδομάδες και θα κοστίσει εκατοντάδες, αν όχι χιλιάδες, δολάρια. 

Παρόμοια με τα παραπάνω βοηθήματα προγραμματισμού, θα είναι και η γενετική τεχνητή νοημοσύνη υιοθετήθηκε ως εργαλείο από καλλιτέχνες και και οι δύο απαιτούν κάποιο βαθμό επίβλεψης από τον χρήστη. Αλλά είναι δύσκολο να υπερεκτιμηθεί η διαφορά στα οικονομικά που δημιουργείται από την ικανότητα ενός μοντέλου εικόνας να μιμείται το πλήρες αποτέλεσμα του καλλιτέχνη. Η χρήση ενός μοντέλου δημιουργίας κώδικα, η σύνταξη ακόμη και ενός πολύ βασικού λειτουργικού προγράμματος που εκτελεί μια τυπική υπολογιστική εργασία απαιτεί επανεξέταση, επεξεργασία και προσθήκη δοκιμών για πολλά αποσπάσματα κώδικα. Αλλά για μια βασική εικόνα, η εισαγωγή μιας προτροπής και η επιλογή μιας εικόνας από δώδεκα προτάσεις μπορεί να γίνει σε λιγότερο από ένα λεπτό.

Πάρτε για παράδειγμα τον δικό μας σκιτσογράφο (και επενδυτικό συνεργάτη) Yoko Li (@stuffyokodraws). Εκπαιδεύσαμε ένα μοντέλο χρησιμοποιώντας 70 από τις προηγούμενες εικόνες της και το μοντέλο μπόρεσε να δημιουργήσει εικόνες με ένα απόκοσμο επίπεδο μίμησης. Κάθε καλλιτέχνης πρέπει να βρει τι να δημιουργήσει στη συνέχεια, και μάλιστα ανακάλυψε ότι τα εκπαιδευμένα μοντέλα μπορούν να εμφανίσουν περισσότερες επιλογές από αυτές που είχε στο μυαλό τους - τουλάχιστον όταν πιεστεί για να παράγει κάτι σε μια δεδομένη χρονική περίοδο. Υπάρχουν εκατοντάδες τρόποι για να σχεδιάσετε το ίδιο αντικείμενο, αλλά τα μοντέλα παραγωγής κατέστησαν προφανές αμέσως ποια μονοπάτια αξίζει να εξερευνήσετε. 

Έτσι, όταν πρόκειται για τέτοιες εργασίες, δεν υποστηρίζουμε ότι οι υπολογιστές είναι απαραίτητα καλύτερα από τους ανθρώπους σε βάση 1:1. Αλλά όπως συμβαίνει με τόσες άλλες εργασίες, όταν οι υπολογιστές μπορούν να παράγουν ολοκληρωμένο αποτέλεσμα εργασίας, απλώς μας σκοτώνουν κλίμακα. 

Δοκιμάστε και μαντέψτε ποια από τα παρακάτω σχέδια σχεδιάστηκαν απευθείας από τη Yoko και ποια δημιουργήθηκαν. 

Η τεράστια βελτίωση στα οικονομικά, η ευελιξία στη δημιουργία νέων στυλ και εννοιών και η ικανότητα δημιουργίας πλήρους ή σχεδόν ολοκληρωμένου αποτελέσματος εργασίας μας υποδηλώνει ότι είμαστε έτοιμοι να δούμε μια αξιοσημείωτη αλλαγή σε όλους τους κλάδους όπου τα δημιουργικά περιουσιακά στοιχεία αποτελούν μεγάλο μέρος της επιχείρησης. Και αυτό δεν περιορίζεται σε εικόνες, αλλά ισχύει για ολόκληρο το πεδίο σχεδιασμού. Για παράδειγμα:

• Το Generative AI μπορεί να δημιουργήσει δισδιάστατη τέχνη, υφές, τρισδιάστατα μοντέλα και να βοηθήσει με τη σχεδίαση επιπέδου για παιχνίδια. 
• Στο μάρκετινγκ, φαίνεται έτοιμο να αντικαταστήσει το stock art, τη φωτογραφία προϊόντων και την εικονογράφηση. 
• Βλέπουμε ήδη εφαρμογές στο σχεδιασμό ιστοσελίδων, τη διακόσμηση εσωτερικών χώρων και τη σχεδίαση τοπίου.

Και είμαστε πραγματικά στην αρχή. Εάν μια περίπτωση χρήσης απαιτεί δημιουργική δημιουργία περιεχομένου, είναι δύσκολο να δούμε το επιχείρημα γιατί η γενετική τεχνητή νοημοσύνη δεν θα τη διαταράξει ή τουλάχιστον θα γίνει μέρος της διαδικασίας.

-

Εντάξει, ποιο είναι το νόημα αυτής της ανάρτησης; Αν και επικεντρώνεται κάπως στενά στη δημιουργία κώδικα και τη δημιουργία εικόνων, υποψιαζόμαστε ότι τα αποτελέσματα ισχύουν ευρύτερα. Συγκεκριμένα, αυτές οι δημιουργικές προσπάθειες σε όλους τους τομείς - είτε οπτικές, κειμενικές ή μουσικές - είναι πιθανό να διαταραχθούν από την τεχνητή νοημοσύνη πολύ πριν από τη δημιουργία συστημάτων. 

Εκτός από το επιχείρημα ορθότητας που χρησιμοποιούμε παραπάνω, μπορεί επίσης να συμβαίνει ότι ο συνδυασμός και ο ανασυνδυασμός όλης της προηγούμενης τέχνης μπορεί να είναι επαρκής για το πρακτικό εύρος των δημιουργικών αποτελεσμάτων. Η βιομηχανία της μουσικής και του κινηματογράφου, για παράδειγμα, έχει παραγάγει ιστορικά αμέτρητες επιτυχίες δημοφιλών άλμπουμ και ταινιών. Είναι απολύτως κατανοητό ότι τα μοντέλα παραγωγής θα μπορούσαν να βοηθήσουν στην αυτοματοποίηση αυτών των λειτουργιών με την πάροδο του χρόνου. Ωστόσο, το αξιοσημείωτο με τόσες πολλές από τις εικόνες που παράγονται από το Stable Diffusion και το DALL-E 2 είναι ότι είναι πραγματικά καλοί και πραγματικά ενδιαφέρουσα. Δεν είναι δύσκολο να φανταστεί κανείς ένα μοντέλο τεχνητής νοημοσύνης που θα παράγει πραγματικά ενδιαφέρουσες συγχωνεύσεις μουσικών στυλ ή ακόμα και να «γράφει» ταινίες μεγάλου μήκους που είναι συναρπαστικές στον τρόπο που συνδυάζουν έννοιες και στυλ. 

Αντίθετα, είναι δύσκολο να φανταστεί κανείς ότι τα προηγούμενα συστήματα θα περιέχουν όλα τα εργαλεία που θα χρειαζόμασταν για να αναπτύξουμε όλα τα μελλοντικά συστήματα. Ή ακόμα ότι πολύπλοκα συστήματα θα μπορούσαν να συνδυαστούν τόσο εύκολα όσο διάφορα στυλ τέχνης ή μουσικής. Τόσο συχνά, η αξία ενός συστήματος, και ο λόγος για τον οποίο είναι τόσο δύσκολο να κατασκευαστεί, βρίσκεται στη μεγάλη ουρά των λεπτομερειών - όλες οι ανταλλαγές, οι λύσεις, οι βελτιστοποιήσεις για έναν δεδομένο χώρο σχεδιασμού και οι θεσμικές/λανθάνουσες γνώσεις που περιέχουν. Πρέπει λοιπόν να συνεχίσουμε να χτίζουμε.

Θα αντισταθούμε στην παρόρμηση να προβλέψουμε ακριβώς πώς η παραγωγική τεχνητή νοημοσύνη θα επηρεάσει τη δημιουργική βιομηχανία. Ωστόσο, Η ιστορία δείχνει ότι τα νέα εργαλεία τείνουν να επεκτείνουν παρά να συνάψει τον ορισμό του άρθ, και να το καταστήσει προσβάσιμο σε νέους τύπους καλλιτεχνών. Σε αυτή την περίπτωση, οι νέοι καλλιτέχνες είναι κατασκευαστές συστημάτων. Ετσι, Για τους ιδρυτές τεχνολογίας, πιστεύουμε ότι η γενετική τεχνητή νοημοσύνη είναι αυστηρά ένα θετικό εργαλείο για την επέκταση της εμβέλειας του λογισμικού – τα παιχνίδια θα είναι πιο όμορφα, το μάρκετινγκ πιο συναρπαστικό, το γραπτό περιεχόμενο πιο ελκυστικό, οι ταινίες πιο εμπνευσμένες.

Ποιος ξέρει: Μια μέρα, ένα αρχείο του Διαδικτύου στα τέλη του 2022 μπορεί να θεωρηθεί ως ένα από τα τελευταία αποθετήρια περιεχομένου που δημιουργήθηκε κυρίως από τον άνθρωπο. Αυτό το κείμενο για αυτό το άρθρο, τουλάχιστον, δημιουργήθηκε εξ ολοκλήρου από ανθρώπους.