Egy washingtoni bíróság precedensértékű döntésében kimondta, hogy az emberi beavatkozás nélkül, teljes egészében mesterséges intelligencia (MI) által készített művészeti alkotásokat nem védi a szerzői jog. A pert Stephen Thaler programozó indította, mivel a hivatalok nem voltak hajlandóak szabadalmat vagy szerzői jogi védelmet biztosítani MI által generált alkotásaira az Egyesült Államokban, valamint Nagy-Britanniában, Dél-Afrikában, Szaúd-Arábiában és Ausztráliában is elutasították kérelmét.

A döntés kihangsúlyozza, hogy a szerzői jogi védelemhez emberi alkotótevékenység szükséges. Azonban nyitva maradt a kérdés, hogy milyen mértékű emberi beavatkozás elegendő a védelemhez, mivel nehéz meghatározni, mi számít akkora emberi hozzájárulásnak, amely már művészi, alkotótársi teljesítménynek minősül.

Ezzel párhuzamosan felmerülnek jogi problémák az MI-k tanításához használt emberi alkotásokkal kapcsolatban is, különösen, hogy az MI-k inspirálódnak-e ezekből, vagy esetleg plagizálják azokat. Ezek az aggályok különösen fontosak a zene generáló MI platformok és programok tekintetében. A jelenlegi bírósági ítéletek inkább az emberi művészek javára döntenek a gépi alkotókkal szemben.

Az AI képgenerálás egyik legizgalmasabb aspektusa, hogy képes különböző művészeti stílusokat ötvözni, új értelmezéseket létrehozni, vagy éppen a klasszikus művészet elemeit modern technikákkal kombinálni. De hogyan működik ez a folyamat? És vajon mit jelent az AI művészeti stílusok szempontjából?

Művészeti stílusok felismerése és újraalkotása

Az AI egyik legnagyobb ereje a hatalmas mennyiségű adatok elemzésében rejlik. Amikor egy képgeneráló mesterséges intelligencia modellt hoznak létre, a fejlesztők több ezer, sőt, több millió művészeti alkotást mutatnak meg neki (töltenek fel az adatbázisba). Ezek lehetnek klasszikus festmények, modern absztrakt művek, vagy akár digitális grafikák. Az AI feladata, hogy megtanulja, hogyan készülnek ezek az alkotások, és felismerje azokat a mintákat, amelyeket az emberek használnak különböző művészeti stílusokban.

Például egy klasszikus reneszánsz festmény esetében az AI megtanulja, hogyan ábrázolják a fényt, az árnyékot, az arányokat és a perspektívát. Ha egy modern absztrakt művet vizsgál, felismeri a színek és formák szokatlan kombinációit, egymáshoz való kapcsolatukat.

Amikor egy képet generáltatsz, akkor ezeket a stíluselemeket a pillanatok tört része alatt elemzi, majd generálja a képet az ismérvek alapján.

Klasszikus művészet az AI tükrében

Az AI már most képes olyan képeket alkotni, amelyek tökéletesen visszaadják a klasszikus művészeti stílusokat. Képzeld el, hogy egy fotót készítesz, majd azt átalakítod Vincent van Gogh vagy Claude Monet stílusában. Az AI feladata nem csupán az, hogy másolja a festők technikáit, hanem hogy felismerje a stílusuk legfontosabb jegyeit és újraalkossa azokat.

A stílustranszfer technológia lehetővé teszi, hogy az AI egy adott művészeti stílust „magáévá tegyen”, és azt más képeken is alkalmazza. Így lehetséges például egy modern fotót úgy átalakítani, mintha az egy klasszikus olajfestmény lenne. Ezzel az eszközzel könnyedén kombinálhatók a különböző művészeti irányzatok, és teljesen új, izgalmas képeket hozhatunk létre.

Az AI és a modern művészet

Az AI képes arra, hogy ne csak a múlt mestereinek stílusát utánozza, hanem új stílusokat is felfedezzen és hozzon létre. A modern művészetben a mesterséges intelligencia az absztrakt, geometriai és minimalista stílusok megalkotásában is különösen erős. Az AI algoritmusok sokszor olyan képeket hoznak létre, amelyeket emberi kézzel talán sosem készítenénk el, de mégis lenyűgözőek.

Egy érdekes példa erre az, hogy az AI képes olyan mintákat és összefüggéseket felfedezni a művészetben, amelyeket mi talán nem is látnánk. Ez a képesség lehetővé teszi, hogy új, szokatlan kombinációkat hozzon létre, amelyeket egy emberi művész talán sosem alkotna meg.

Az AI hatása a művészet jövőjére

Az AI képgenerálás és a különböző művészeti stílusok kombinálása új lehetőségeket nyit meg a művészetben. Nem csak arról van szó, hogy az AI képes klasszikus stílusokat újraalkotni, hanem arról is, hogy új művészeti irányzatok születhetnek meg az AI segítségével. Ahogy a technológia fejlődik, úgy válik egyre inkább részesévé a művészeti világ kreatív folyamataiban.

Az AI képgenerálás különböző művészeti stílusok kombinálása és újraalkotása lehetőséget nyújt a klasszikus és modern művészetek találkozására. Ahogy az AI technológia fejlődik, úgy egyre nagyobb szerepet játszik a művészetben, új kreatív lehetőségeket nyitva meg a művészek és a felhasználók számára egyaránt.

Csatlakozz díjmentesen az első magyar AI közösséghez!
Kattints IDE

Tudásbázis sorozatunkat azzal kezdjük, hogy bemutatjuk hogyan is működik a legtöbb AI képgenerátor.

Mi az AI képgenerátor?

Az AI képgenerátor egy olyan szoftver, amely képes “emberi közreműködés nélkül” képeket készíteni, pusztán egy rövid, de velős prompt (szöveg) beírása, és néhány előre beállított stílus és egyéb ismérvek megadása alapján. Ez a technológia általában két kulcskomponensre épül: a deep learning (mélytanulás) és a neuronhálók (neurális hálózatok) segítségével elemzi és alkotja meg a képeket. A modellek óriási adatbázisban kutatnak (amit egyrészt folyamatosan bővítenek, de maga a program is tanítja önmagát), amelyek tartalmaznak képeket és azok szöveges leírásait, így képesek felismerni és reprodukálni a mintázatokat, színeket, formákat, stb.

Tehát:

A neurális hálózatok olyan számítógépes rendszerek, amelyeket az emberi agy működése inspirált. Ezek egyszerűen szólva “rétegekből” álló modellek, ahol minden réteg információt dolgoz fel és továbbít a következőnek. Például egy képet elemezve az első réteg észleli a széleket, a következő a formákat, a harmadik pedig összetettebb mintákat (pl. szem, fa stb.).

A deep learning (mélytanulás) a neurális hálózatok egy speciális típusa, ahol nagyon sok réteg van. A “mély” szó arra utal, hogy a hálózat képes összetett mintákat tanulni a sok réteg révén. A deep learning tehát nem más, mint többrétegű neurális hálózatok használata komplex problémák megoldására, például képek generálására vagy felismerésére.

Hogyan működik?

Az AI képgenerátorok leggyakrabban úgynevezett generatív modelleket használnak, mint például a GAN (Generative Adversarial Network) vagy a VAE (Variational Autoencoder). A GAN rendszerében két különböző neurális hálózat verseng egymással: a generátor létrehozza a képeket, míg a diszkriminátor próbálja eldönteni, hogy a kép valódi vagy mesterségesen létrehozott. Ezzel a folyamatos küzdelemmel a generátor egyre jobb és valósághűbb képeket állít elő.

A VAE egy másik népszerű generatív modell, amely különbözik a GAN-tól működési elvében és felépítésében. A VAE egy autoencoder típusú neurális hálózat, amely képes mind a kódolásra (encoding), mind a dekódolásra (decoding). A VAE olyan, mint egy zseniális művész és egy kritikus egyben. Először a ‘művész’ (encoder) megnézi a képet, és megpróbálja megérteni annak lényegét. Ezt a lényeget egy ‘titkos kód’ formájában tárolja. Ezután a ‘kritikus’ (decoder) megpróbálja ezt a titkos kódot visszaalakítani képpé. A trükk az, hogy a titkos kód nem egy konkrét dolog, hanem inkább egy ötlethalmaz. Amikor új képet akarunk generálni, véletlenszerűen választunk ebből az ötlethalmazból, és a decoder ebből alkot új képet.

Míg a GAN-nál két külön ‘személy’ (generátor és diszkriminátor) verseng, addig a VAE-nál egy ‘személy’ próbálja egyszerre megérteni és újraalkotni a képeket.

Nekünk laikus felhasználóknak mindez rendkívül egyszerűnek tűnhet kívülről: beírunk egy rövid szöveget egy megadott boxba (például „tengerparti naplemente”), beállítunk pár lehetőséget (ahol engedi) és a rendszer pillanatok alatt létrehozza a képet – amit aztán még csicsázhatunk is pl. mixelhetjük a képeket, referencia képként is megadhatunk egyet, módosíthatunk egyes részein, de ha egyáltalán nem tetszik az eredmény, akkor újat is generáltathatunk. A folyamat technológiai háttere azonban ennél jóval összetettebb, hiszen a modell milliónyi adatpontot elemez, hogy a lehető legpontosabban adja vissza az adott leírást.

Tehát:

Képgenerátorok működési elve
A képgenerátorok deep learninget és/vagy generatív neurális hálózatokat használnak, hogy új képeket hozzanak létre szöveges leírások alapján. A működésük három fő lépésre bontható:

1. Tanulás (Training):
   • A rendszert először hatalmas mennyiségű képen és hozzá tartozó szövegen (pl. “egy rózsaszín unicornis esőerdőben”) tanítják.
   • A neurális hálózat megtanulja, hogy milyen minták (színek, formák, tárgyak) kapcsolódnak bizonyos szavakhoz. Például a “macska” szóhoz orr, szőr, szemek stb.
2. Generálás:
   • Amikor megadunk egy szöveges utasítást (pl. “egy aranyhal a Holdon”), a rendszer először zajt hoz létre (véletlenszerű pixelek).
   • Ezután a neurális hálózat rétegei lépésről lépésre “tisztítják” ezt a zajt, a tanult minták alapján.
     • Első lépésekben egyszerű formákat (körök, vonalak) alkot.
     • Később összetett elemeket (aranyhal teste, Hold felszíne) ad hozzá.
3. Finomítás:
   • A generált képet a rendszer összehasonlítja a tanulási fázisban látott valós képekkel, hogy hiteles legyen.
   • Ha szükséges, korrigál (pl. az aranyhalnak legyenek úszói, ne tollai).

Miért forradalmi ez?

Az AI képgenerátorok forradalmasítják a kreatív ipart, hiszen szinte bárki, bármilyen előzetes tapasztalat nélkül képes vizuális tartalmakat létrehozni (ez akár hátrány is lehet a közeljövőben, ami egyes piacok felhígulását, a művészet alkotói folyamatát öli meg azzal, hogy “mindenki kezébe” adja a lehetőséget – értsd pl. marketinges is lehet grafikus ). A digitális művészet, a dizájn és a marketing területein mind nagy hasznát vehetjük, hiszen gyorsan és költséghatékonyan készíthetők vele grafikák, illusztrációk, képek, kisebb tervrajzok, interior ötletek, szinte bármi. Az AI képgenerátorok továbbá lehetőséget biztosítanak arra is, hogy felfedezzünk új művészeti stílusokat, vagy éppen vegyítsük a régi és új trendeket.
Azonban tudnunk kell saját magunkban meghúzni egy határt, ami megállj-t parancsol nekünk abban, hogy tartsuk tiszteletben a művészet évszázadokkal korábban festők által megálmodott alapjait.

Viszont kétségtelen tény, hogy ez a technológia nem csak az egyéni alkotók számára hasznos, hanem céges szinten is komoly előnyöket biztosít. Gondoljunk csak a reklámgrafikákra, poszterekre, online tartalmakra – mindezt az AI képes néhány perc alatt legenerálni.

Csatlakozz díjmentesen az első magyar AI közösséghez!
Kattints IDE