Sanat Ölmedi, Sadece Makine Üretimi

AI modelleri neden programcıların yerini almadan çok önce sanatçıların yerini alacak?

Üretken yapay zekadan gördüğümüz belki de en akıl almaz çıkarım, yaratıcılığın otomasyon karşısında insan zekasının son kalesi olacağı yönündeki yaygın görüşün aksine, aslında çok daha kolay nispeten basit programlama görevlerini otomatikleştirmek yerine oldukça zor yaratıcı görevleri otomatikleştirmek. Bunu anlamak için üretken AI için daha popüler iki kullanım durumunu karşılaştırıyoruz: kod oluşturma ve görüntü oluşturma. Ancak, üretken modeller daha karmaşık uygulamalara doğru genişlese bile, iddianın daha genel olarak geçerli olduğuna inanıyoruz.

Argümanın kısa versiyonu (aşağıda daha ayrıntılı olarak ele alacağız), buna benzer bir ürün olmasına rağmen GitHub Yardımcı Pilotu, mevcut haliyle kodlamayı biraz daha verimli hale getirebilir, programlama bilgisine sahip yetenekli yazılım geliştiricilere olan ihtiyacı ortadan kaldırmaz. Bunun en büyük nedenlerinden biri, iş bir program oluşturmaya geldiğinde doğruluğun gerçekten önemli olmasıdır. Yapay zeka bir program oluşturursa, yine de bir insanın programın doğru olduğunu doğrulamasını gerektirir; bu, başlangıçta onu oluşturmakla neredeyse aynı düzeyde bir çabadır.

Öte yandan, yazabilen herkes gibi bir model kullanabilir. Kararlı Difüzyon dakikalar içinde, çok daha düşük maliyetle yüksek kaliteli, türünün tek örneği görüntüler üretmek. Yaratıcı çalışma ürünleri genellikle katı doğruluk kısıtlamalarına sahip değildir ve modellerin çıktıları şaşırtıcı derecede eksiksizdir. Yaratıcı görsellere dayanan endüstrilerde tam bir aşama değişikliği görmemek zor çünkü birçok kullanım için yapay zekanın şu anda üretebildiği görseller zaten yeterli ve teknolojinin henüz çok başındayız.

Alanın hareket ettiği hızda herhangi bir tahminde bulunmanın zor olduğunu tamamen kabul ediyoruz. Ancak şu anda, kesinlikle programcılar tarafından oluşturulan yaratıcı görüntülerle dolu uygulamaları görme olasılığımız, kesinlikle yaratıcılar tarafından oluşturulmuş insan tasarımı sanat içeren uygulamalardan çok daha muhtemel görünüyor. 

Neden yutturmaca ve neden şimdi?

Kod oluşturmaya karşı görüntü oluşturmaya ilişkin ayrıntılara girmeden önce, genel olarak yapay zekanın ve özellikle üretken yapay zekanın şu anda ne kadar popüler olduğunu anlamakta fayda var.

Üretken yapay zeka, şimdiye kadar gördüğümüz geliştiriciler tarafından en hızlı şekilde benimseniyor. Biz bunu yazarken, Stable Diffusion, GitHub veri havuzlarının trend tablolarında geniş bir farkla kolaylıkla birinci sırada yer alıyor.. Büyümesi, altyapı veya kriptodaki herhangi bir yeni teknolojinin çok ilerisindedir (yukarıdaki şekle bakın). Teknolojiyi kullanan girişimlerin neredeyse her gün lansman ve finansman duyuruları yapılıyor ve çevrimiçi sosyal ağlar, üretken modeller tarafından oluşturulan içerikle dolup taşıyor.

Son on yılda yapay zekaya yapılan genel yatırım düzeyini de abartmak zordur. 2010'ların ortalarından bu yana yalnızca yayınlarda üstel bir artış gördük (aşağıdaki şekle bakın). Bugün, arXiv'de yayınlanan tüm makalelerin yaklaşık %20'si AI, ML ve NLP hakkındadır. Daha da önemlisi, teorik sonuçlar, kolayca tüketilebilir hale geldikleri ve yeni tekniklerin, yazılımların ve yeni girişimlerin Kambriyen patlamasını tetiklediği kritik bir eşiği aştı. 

Yukarıdaki şekildeki en son artış, büyük ölçüde üretken yapay zekadan kaynaklanmaktadır. Yalnızca on yıl içinde, görüntüleri sınıflandırabilen ve kelime yerleştirmeleri oluşturabilen, yalnızca uzmanlara yönelik yapay zeka modellerinden, etkili kod yazabilen ve doğal dil istemlerini kullanarak son derece doğru görüntüler oluşturabilen, herkesin kullanabileceği modellere geçtik. İnovasyonun hızının daha da artması şaşırtıcı değil ve üretken modellerin bir zamanlar insanların egemen olduğu diğer alanlara yayılmaya başlaması şaşırtıcı olmamalı.

Üretken yapay zeka ve programlama

Üretken yapay zekanın en eski kullanımlarından biri, bir programcının yardımı olmuştur. Çalışma şekli, bir modelin büyük bir kod topluluğu (örneğin GitHub'daki tüm genel depolar) üzerinde eğitilmesi ve ardından bir programcıya kod yazarken bir öneride bulunmasıdır. Sonuçlar olağanüstü. Öyle ki, bu yaklaşımın ileriye dönük programlama ile eşanlamlı hale gelmesi makul.

Bununla birlikte, üretkenlik kazanımları, aşağıda ele alacağımız görüntü oluşturmaya göre mütevazı olmuştur. Bunun bir nedeni, yukarıda bahsedildiği gibi, programlamada (ve aslında mühendislik problemlerinde daha geniş olarak, ancak bu yazıda programlamaya odaklanıyoruz) doğruluğun kritik olmasıdır. Örneğin, yeni bir çalışma bulundu yüksek riskle eşleşen senaryolar için CWE'ler (yaygın zayıflık sıralamaları), AI tarafından üretilen kodun %40'ı güvenlik açıkları içeriyordu.

Bu nedenle, kullanıcının anlamlı bir üretkenlik artışı sağlamak için yeterli kod üretme ile doğruluğunu kontrol etmeyi mümkün kılacak şekilde sınırlandırma arasında bir denge kurması gerekir. Sonuç olarak, Copilot, yardım geliştirici üretkenliğini artırın — son araştırmalar (okuyun ve okuyun) 2 kat veya daha az kazanç elde edin - ancak geliştirici dilleri ve araçlarının önceki ilerlemelerinde gördüklerimizle aynı seviyede. Örneğin montajdan C'ye geçiş, bazı tahminlere göre üretkenliği 2-5 kat artırdı.

Daha deneyimli programcılar için endişeler, kod doğruluğunun ötesine ve genel kod kalitesine kadar uzanabilir. Olarak hızlı.aiJeremy Howard açıkladı OpenAI Codex modelinin son sürümleriyle ilgili olarak, “[I]t, oluşturduğu için ayrıntılı kod yazar ortalama kod. Benim için ortalama bir kod alıp onu sevdiğim ve doğru olduğunu bildiğim bir koda dönüştürmek, sıfırdan yazmaktan çok daha yavaş - en azından iyi bildiğim dillerde."

Bu nedenle, üretici programlamanın geliştirici üretkenliğinde bir adım işlevi olduğu açık olsa da, iyileştirmenin daha önce gördüklerimizden önemli ölçüde farklı olduğu net değil. Üretken yapay zeka daha iyi programcılar yapar, ancak yine de programlamaları gerekir.

Üretken AI ve görseller

Öte yandan, üretken modellerin görüntü oluşturma gibi yaratıcı çalışma çıktılarına etkisi aşırıdır. Verimlilik ve maliyette birçok büyüklükte iyileştirme ile sonuçlandı ve bunun endüstri çapında bir aşama kaymasına başladığını görmemek zor.

Üretken yapay zekanın bu alanda çalışma şekli, kullanıcıdan bilgi istemleri adı verilen basit metin girdileri almaktır ve ardından model görsel bir çıktı oluşturur. Şu anda, görüntüler, videolar, 3B modeller ve dokular dahil olmak üzere birçok çıktı formatı oluşturmak için modeller bulunmaktadır.

Özellikle ilginç olan, bu modellerin neredeyse hiç yaratıcı müdahale olmaksızın yeni veya alana özgü görüntüler oluşturmak için nasıl genişletilebileceğidir. Örneğin, Guido (yazarlardan biri) önceden eğitilmiş bir görüntü modelini aldı ve onu birkaç düzine fotoğrafıyla yeniden eğitti. Oradan, kullanarak resimler üretebildi. komut isteminde. Aşağıda, aşağıdaki istemlerden oluşturulan fotoğraflar bulunmaktadır: ” Kaptan Amerika olarak"" Paris'te"" bir resimde anlayışının sonucu olarak, buzdolabında iki üç günden fazla durmayan küçük şişeler elinizin altında bulunur.

Bir iş bağlamında görüntü oluşturmanın kod oluşturmadan büyük bir sapma olduğu yerde, üretici yapay zekanın ekonomik hesabı ne ölçüde değiştirdiğidir. Yukarıdaki resimleri oluşturmak için Guido, modeli altyapı kaynaklarında yaklaşık 50 ABD dolarına mal olan bir avuç fotoğraf üzerinde eğitti.. Eğitildikten sonra görüntü oluşturmanın maliyeti yaklaşık 0.001 USD'dir bilgi işlem kaynaklarında ve bulutta yapılabilir veya yeni nesil bir dizüstü bilgisayarda. Ayrıca, görüntünün oluşturulması yalnızca birkaç saniye sürer. 

Üretken yapay zeka olmadan, özel bir görüntü elde etmenin tek yolu, bir sanatçı kiralamak veya bunu kendiniz yapmaktır. Bir kişinin bir saat içinde 10 dolara tamamen özel, fotogerçekçi bir görüntü oluşturabileceği varsayımıyla başlasak bile, üretken yapay zeka yaklaşımı kolayca dört kat daha ucuz ve bir kat daha hızlıdır. Daha gerçekçi bir şekilde, herhangi bir özel sanat eseri veya grafik tasarım projesi muhtemelen günler veya haftalar alacak ve binlerce olmasa da yüzlerce dolara mal olacak. 

Yukarıdaki programlama yardımcılarına benzer şekilde, üretken yapay zeka bir araç olarak kabul sanatçılar tarafından yapılır ve her ikisi de bir dereceye kadar kullanıcı denetimi gerektirir. Ancak, bir resim modelinin tüm sanatçı çıktısını taklit etme yeteneğinin yarattığı ekonomik farkı abartmak zordur. Bir kod oluşturma modeli kullanarak, standart bir bilgi işlem görevi gerçekleştiren çok basit bir işlevsel program bile yazmak, birçok kod parçası için inceleme, düzenleme ve testler eklemeyi gerektirir. Ancak basit bir görüntü için, bir bilgi istemi girmek ve bir düzine öneri arasından bir görüntü seçmek bir dakikadan kısa sürede yapılabilir.

Örneğin karikatüristimiz (ve yatırım ortağımız) Yoko Li'yi (@stuffyokodraws). Önceki görüntülerinden 70 tanesini kullanarak bir model eğittik ve model, ürkütücü düzeyde taklit içeren görüntüler üretebildi. Her sanatçının bundan sonra ne yaratacağını bulması gerekiyor ve hatta eğitimli modellerin, en azından belirli bir zaman diliminde bir şey üretmesi gerektiğinde, aklındakinden daha fazla seçeneği su yüzüne çıkarabildiğini keşfetti. Aynı nesneyi çizmenin yüzlerce yolu var, ancak üretken modeller hangi yolların keşfedilmeye değer olduğunu hemen ortaya çıkardı. 

Dolayısıyla, bu tür görevler söz konusu olduğunda, bilgisayarların mutlaka gerekli olduğunu tartışmıyoruz. daha iyi 1:1 bazında insanlardan daha. Ancak diğer pek çok görevde olduğu gibi, bilgisayarlar tam iş çıktısı üretebildiklerinde bizi öldürürler. ölçek. 

Aşağıdaki çizimlerden hangilerinin doğrudan Yoko tarafından çizildiğini ve hangilerinin üretildiğini tahmin etmeye çalışın. 

Ekonomideki büyük gelişme, yeni stiller ve konseptler yaratabilme esnekliği ve tam veya neredeyse tamamlanmış iş çıktısı üretme yeteneği, bize, yaratıcı varlıkların önemli olduğu tüm sektörlerde belirgin bir değişiklik görmeye hazır olduğumuzu gösteriyor. işin büyük kısmı. Ve bu, resimlerle sınırlı değildir, tüm tasarım alanı için geçerlidir. Örneğin:

• Generative AI, 2D sanat, dokular, 3D modeller oluşturabilir ve oyunlar için seviye tasarımına yardımcı olabilir. 
• Pazarlamada, stok sanatın, ürün fotoğrafçılığının ve illüstrasyonun yerini alacak gibi görünüyor. 
• Web tasarımı, iç tasarım ve peyzaj tasarımında şimdiden uygulamalar görüyoruz.

Ve biz gerçekten daha yolun başındayız. Bir kullanım durumu, yaratıcı içerik üretimi gerektiriyorsa, üretici yapay zekanın neden onu bozmayacağını veya en azından sürecin bir parçası haline gelmeyeceğini anlamak zor.

-

Tamam, peki bu yazının amacı ne? Kod oluşturma ve görüntü oluşturmaya biraz dar bir şekilde odaklanmış olsa da, sonuçların daha geniş kapsamlı olduğundan şüpheleniyoruz. Özellikle, görsel, metinsel veya müzikal olsun, geniş kapsamlı bu yaratıcı çabaların, sistem inşa edilmeden çok önce yapay zeka tarafından kesintiye uğraması muhtemeldir. 

Yukarıda kullandığımız doğruluk argümanına ek olarak, önceki tüm teknikleri birleştirmek ve yeniden birleştirmek yaratıcı çıktıların pratik yelpazesi için yeterli olabilir. Örneğin müzik ve film endüstrileri, tarihsel olarak sayısız taklit popüler albüm ve film üretmiştir. Üretken modellerin bu işlevleri zaman içinde otomatikleştirmeye yardımcı olabileceği tamamen düşünülebilir. Ancak Stable Diffusion ve DALL-E 2 tarafından üretilen bu kadar çok görüntünün dikkat çekici yanı, gerçekten iyiler ve gerçekten ilginç. Gerçekten ilginç müzik tarzları füzyonları üreten ve hatta kavramları ve tarzları nasıl birbirine bağladıkları konusunda merak uyandıran uzun metrajlı filmler “yazan” bir AI modeli tasavvur etmek zor değil. 

Aksine, önceki sistemlerin gelecekteki tüm sistemleri geliştirmek için ihtiyaç duyacağımız tüm araçları içereceğini hayal etmek zor. Hatta bu karmaşık sistemler, çeşitli sanat veya müzik tarzları kadar kolay bir şekilde birleştirilebilir. Çoğu zaman bir sistemin değeri ve inşa edilmesinin neden bu kadar zor olduğu uzun ayrıntılar kuyruğunda gizlidir - belirli bir tasarım alanı için tüm takaslar, geçici çözümler, optimizasyonlar ve içerdikleri kurumsal/gizli bilgiler. Öyleyse inşa etmeye devam etmeliyiz.

Tahmin etme dürtüsüne direneceğiz kesinlikle üretken yapay zekanın yaratıcı endüstriyi nasıl etkileyeceği. Yine de, tarih, yeni araçların genişletmek sözleşme yerine sanatın tanımıve yeni sanatçı türleri için erişilebilir kılmak. Bu durumda, yeni sanatçılar sistem kurucularıdır. Yani, teknoloji kurucuları için üretken yapay zekanın kesinlikle olumlu bir araç olduğuna inanıyoruz yazılımın erişimini genişletmek için - oyunlar daha güzel, pazarlama daha çekici, yazılı içerik daha ilgi çekici, filmler daha ilham verici olacak.

Kim bilir: Bir gün, 2022'nin sonlarına ait bir internet arşivi, çoğunlukla insan tarafından üretilen son içerik havuzlarından biri olarak değerlendirilebilir. Bu makale için bu metin, en azından, tamamen insanlar tarafından oluşturuldu.