ຂ້າມ Sketchpad ຂອງຂ້າພະເຈົ້າສໍາລັບ Box Prompt - ແລະ Art Will Never Be The Same

TL;DR: ໂມເລກຸນ AI ໂດຍທົ່ວໄປເຊັ່ນ DALL·E ແມ່ນ re-shaping art digital - ອະນຸຍາດໃຫ້ການຜະລິດຮູບພາບຢ່າງວ່ອງໄວຈາກເອກະສານ. ບົດຄວາມນີ້ຈະທົດສອບວິທີການເຮັດວຽກແລະສິ່ງທີ່ສໍາຄັນສໍາລັບພະຍາຍາມຂອງຄວາມຄິດສ້າງສັນ.

ຂ້າພະເຈົ້າສືບຕໍ່ໄດ້ຮັບການປະທັບໃຈຂອງຂ້າພະເຈົ້າ, ຂ້າພະເຈົ້າຫວັງວ່າຈະໄດ້ເຮັດວຽກຮ່ວມກັບທ່ານອີກເທື່ອຫນຶ່ງ! ຂ້າພະເຈົ້າຫວັງວ່າຈະໄດ້ເຮັດວຽກຮ່ວມກັບທ່ານອີກເທື່ອຫນຶ່ງ!

From Brushstrokes to Pixels: The Traditional Digital Artist’s Journey

ເຮັດໃຫ້ເປັນຜູ້ຊ່ຽວຊານສິລະປະຊັດເຈນຕ້ອງການຫຼາຍ - ຫຼາຍກ່ວາທີ່ສວຍງາມ.

ໃນຖານະເປັນຜູ້ຊ່ຽວຊານ, ການປ່ຽນແປງກັບການສ້າງເຄືອຂ່າຍແວແມ່ນບໍ່ໄດ້ຢ່າງງ່າຍດາຍແລະບໍ່ມີຄ່າໃຊ້ຈ່າຍ. ມັນເລີ່ມຕົ້ນດ້ວຍການເລືອກຂອງອຸປະກອນທີ່ເຫມາະສົມ, ການຄົ້ນຄວ້າທີ່ສົມບູນແບບໂດຍຂະຫນາດໃຫຍ່ຂອງ variables: ລະບົບການປະຕິບັດ, ຄວາມປອດໄພຂອງອຸປະກອນ, ຂະຫນາດຫນ້າຈໍ, sensitivity pen, ລາຄາ, ແລະອື່ນໆ.

ຫຼັງຈາກນັ້ນຂ້າງລຸ່ມນີ້ແມ່ນສະຖານທີ່. ຖ້າຫາກວ່າທ່ານຢູ່ໃນໂທລະສັບມືຖືຫຼືຄອມພິວເຕີ, ຂະຫນາດຂອງອຸປະກອນທີ່ສາມາດໄດ້ຮັບການເຂົ້າເຖິງແມ່ນວ່າມີ. ຈາກ Photoshop ກັບ Procreate, Clip Studio ກັບ Corel Painter, ຄໍາຮ້ອງສະຫມັກແມ່ນຂະຫນາດໃຫຍ່ - ແລະແຕ່ລະຄົນມີ curve ການຮຽນຮູ້ທີ່ເຂັ້ມແຂງ, ໃນຂະນະທີ່ປະເພດຂອງຄໍາຮ້ອງສະຫມັກແລະຄວາມສາມາດໃນແຕ່ລະຄົນແມ່ນຂະຫນາດໃຫຍ່.

ພວກເຮົາ ກໍາ ລັງ ຊອກ ຫາ ຄູ່ ຮ່ວມ ງານ ຂອງ ຊີ ວິດ, buddy ສໍາ ລັບ ສັດ ລ້ຽງ ຫຼື ພຽງ ແຕ່ ຜູ້ ໃດ ຜູ້ ຫນຶ່ງ ຂອງ ທ່ານ ທີ່ ຈະ ວາງ ສາຍ ອອກ ກັບ, ທີ່ ນີ້ ທ່ານ ຈະ ສາ ມາດ ຊອກ ຫາ ໄດ້ ຜູ້ ທີ່ ທ່ານ ກໍາ ລັງ ຊອກ ຫາ ຄູ່ ຮ່ວມ ງານ ຂອງ ຊີ ວິດ.

ແລະສໍາລັບຜູ້ເລີ່ມຕົ້ນ, ການເດີນທາງແມ່ນຫຼາຍກ່ວາ. ເວັບໄຊທ໌ອີເມວບໍ່ໄດ້ກວດສອບຄວາມຕ້ອງການສໍາລັບການພື້ນຖານຂອງມາດຕະຖານ - ມັນພຽງແຕ່ປ່ຽນແປງວິທີການທີ່ພວກເຂົາເຈົ້າໄດ້ຮັບການຮຽນຮູ້. ຄວາມຮູ້ສຶກຂອງຮູບເງົາ, ແສງສະຫວ່າງ, ຂະຫນາດໃຫຍ່, ແລະປະເພດຍັງເປັນສິ່ງທີ່ສໍາຄັນ, ເຮັດໃຫ້ການຝຶກອົບຮົມຫຼາຍກ່ວາແລະຫຼາຍກ່ວາປະເພດສໍາລັບຜູ້ເລີ່ມຕົ້ນ.

ຖ້າຫາກວ່າທ່ານເປັນຜູ້ອອກແບບທີ່ມີປະສົບການຫຼືຜູ້ເລີ່ມຕົ້ນທັງຫມົດ, ການປ່ຽນແປງໄປສູ່ອຸປະກອນສິລະປະດິຈິຕອນແມ່ນບໍ່ແມ່ນໄວ. ສໍາລັບຜູ້ຊ່ຽວຊານ, ມັນหมายถึงການປັບປຸງປີຂອງຄວາມຮູ້ສຶກອົບຮົມຂອງ muscle ກັບອຸປະກອນແລະການເຮັດວຽກໃຫມ່. ສໍາລັບຜູ້ເລີ່ມຕົ້ນ, ມັນປະກອບດ້ວຍການສ້າງຄວາມຮູ້ສຶກອົບຮົມດ້ານສິລະປະພື້ນຖານຈາກພື້ນຖານ. ໃນທັງສອງກໍລະນີ, ການເດີນທາງແມ່ນຍາວ - ມີການທົດສອບແລະຄວາມຜິດພາດ, ຊົ່ວໂມງທີ່ບໍ່ເຄື່ອນໄຫວຂອງການຝຶກອົບຮົມ, ແລະນ້ໍາຫນັກຂອງຄວາມສົນໃຈແລະຄວາມສົນໃຈ. ການເດີນທາງສາມາດໃຊ້ເວລາເດືອນ - ພຽງແຕ່ເພື່ອເຮັດໃຫ້ສິ່ງທຸກຢ່າງງ່າຍດາຍຢ່າງງ່າຍດາຍ

Then Came AI: A Paradigm Shift in Creative Process

ຂໍຂອບໃຈວ່າ - ຫຼືບໍ່ຈໍາເປັນຕ້ອງ - ການຄາດຄະເນດິນຟ້າອາກາດນີ້ໄດ້ປ່ຽນແປງ.

ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນໃນປັດຈຸບັນໃນປັດຈຸບັນໃນປັດຈຸບັນໃນປັດຈຸບັນໃນປັດຈຸບັນໃນປັດຈຸບັນໃນປັດຈຸບັນ.ປະເພດທ່ານສາມາດສ້າງຄວາມຄິດສ້າງສັນທີ່ມີພຽງແຕ່ຄໍາແນະນໍາ. ດາວນ໌ໂຫລດຄໍາແນະນໍາ, ແລະການສຸຂະພາບສຸຂະພາບສຸຂະພາບສຸຂະພາບສຸຂະພາບສຸຂະພາບສຸຂະພາບສຸຂະພາບ.

ສະພາບອາກາດ, ເຊັ່ນດຽວກັນກັບສະຖານທີ່ອື່ນໆ, ມີຄວາມສາມາດຂອງ AI. ຈາກຮູບແບບ GPT ທີ່ຕອບສະຫນອງຄໍາຖາມແລະ fixing ລະຫັດ, ກັບ DALL·E generating illustrations, ການໂຄງການສ້າງສັນໄດ້ຖືກປ່ຽນແປງ.

ບໍ່ ວ່າ ຈະ ເປັນ ທ່ານ ກໍາ ລັງ ຊອກ ຫາ ຄູ່ ຮ່ວມ ງານ ຂອງ ຊີ ວິດ, buddy ສໍາ ລັບ ສັດ ລ້ຽງ ຫຼື ພຽງ ແຕ່ ຜູ້ ທີ່ ທ່ານ ກໍາ ລັງ ຊອກ ຫາ ຄູ່ ຮ່ວມ ງານ ຂອງ ຊີ ວິດ?

Learning Like a Human: The Foundation of AI Art

ເພື່ອຮູ້ວິທີທີ່ AI ສາມາດສ້າງຮູບພາບ, ພວກເຮົາມີຄວາມຕ້ອງການທີ່ຈະຮູ້ວິທີທີ່ມັນມັກ. ຄວາມຄິດສ້າງສັນແມ່ນມັກທີ່ສວຍງາມ.

ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ

ຖ້າຫາກວ່າມີຄຸນນະສົມບັດໃຫມ່, Oliver ໄດ້ຮູ້ສຶກວ່າມີຄຸນນະສົມບັດທີ່ມີຄຸນນະສົມບັດທີ່ມີຄຸນນະສົມບັດທີ່ມີຄຸນນະສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນນະສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດທີ່ມີຄຸນສົມບັດ

ຂ້າພະເຈົ້າສືບຕໍ່ໄດ້ຮັບການປະທັບໃຈ ສໍາ ລັບຜູ້ຊ່ຽວຊານຂອງພວກເຮົາ, ຂ້າພະເຈົ້າຫວັງວ່າຈະໄດ້ເຮັດວຽກຮ່ວມກັບທ່ານອີກເທື່ອຫນຶ່ງ.

ນີ້ແມ່ນພື້ນຖານຂອງວິທີການທີ່ສົນທະນາກັບເຄືອຂ່າຍ neuronal ວິທະຍາໄລ.

Neural Networks: Digital Brains Built on Data

A neural network is a type of computer model inspired by how the human brain works. It’s built to recognise patterns and learn from experience by analysing large amounts of data, just like baby Oliver.

Neurons in the human brain. Illustration created by the author using DALL-E 3.

ລະບົບໄຮໂດຼລິກທີ່ຖືກສ້າງຕັ້ງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນຂອງອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຕັ້ງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນຂອງອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຕັ້ງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນຂອງອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນໄຮໂດຼລິກທີ່ຖືກສ້າງຂຶ້ນໃນໄລຍະອຸດົມສົມບູນຂອງອຸດົມສົມບູນໄຮໂດ

ໃນໄລຍະການຝຶກອົບຮົມ, ການເຄືອຂ່າຍໄດ້ປັບປຸງຄວາມຮ້ອນນີ້ໃນໄລຍະເວລາໂດຍເຫມາະສົມກັບຜົນປະໂຫຍດທີ່ດີຫຼືບໍ່ດີ - ເຊັ່ນດຽວກັນກັບ Oliver ອາດຈະຊອກຫາຂໍ້ມູນທີ່ແຕກຕ່າງກັນລະຫວ່າງ cat ແລະ dog ໂດຍການປິ່ນປົວຄວາມຜິດພາດຂອງຕົນ. ການເຮັດວຽກນີ້ຊ່ວຍໃຫ້ເຄືອຂ່າຍປັບປຸງການຄາດຄະເນດຽວກັນ.

ການຝຶກອົບຮົມຂອງການຝຶກອົບຮົມຈໍາເປັນຕ້ອງເປັນ dataset - ລະບົບການຄຸ້ມຄອງຂອງຂໍ້ມູນທີ່ຖືກນໍາໃຊ້ສໍາລັບການຝຶກອົບຮົມຂອງຮູບແບບ. ສໍາລັບຮູບແບບດິຈິຕອນ, ມັນເປັນປະໂຫຍດທີ່ເປັນປະໂຫຍດຫຼາຍກ່ວາມິຖຸນາຄໍາສັ່ງ, ທັງຫມົດແມ່ນສ້າງຕັ້ງຂຶ້ນຈາກຄໍາສັ່ງ, ເຊິ່ງໃນຂະນະທີ່ໄດ້ສ້າງຕັ້ງຂຶ້ນຈາກຄໍາສັ່ງຂອງ alfabets. For a visual model, it means millions of images - each composed of objects, which themselves are formed from individual pixels.

ຊື່ຫຍໍ້ຂອງ : The larger and more diverse the dataset, the more accurate the model becomes.

Inside the Neural Network: How Data Flows and Decisions Form

ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ

ການກໍ່ສ້າງທັງຫມົດນີ້ແມ່ນຮູ້ຈັກເປັນtopologyTopology defines how many layers the network contains, how many nodes exist in each layer, and how data flows between them.

ການຝຶກອົບຮົມເລີ່ມຕົ້ນໂດຍສົ່ງຂໍ້ມູນ input - ເຊັ່ນດຽວກັນກັບຮູບພາບຫຼືຄໍາສັ່ງ - ໃນເສັ້ນທໍາອິດຂອງເຄືອຂ່າຍ. ຂໍ້ມູນນີ້ຫຼັງຈາກນັ້ນຖືກຂົນສົ່ງໄປຜ່ານເຄືອຂ່າຍ, Layer ໂດຍ Layer. ໃນແຕ່ລະເສັ້ນ, Nodes ໄດ້ນໍາໃຊ້ການເຮັດວຽກຄອມພິວເຕີກັບຂໍ້ມູນ, ເຊັ່ນດຽວກັນກັບ matrix multiplications, ລະບົບການດໍາເນີນການເຊັ່ນ ReLU (Rectified Linear Unit), ຫຼືການປ່ຽນແປງອື່ນໆ.

ໃນຂະນະທີ່ການເຮັດວຽກນີ້, acomputation graphມັນຖືກສ້າງຕັ້ງຂຶ້ນໃນສະພາບແວດລ້ອມ. ກາຕູນນີ້ຖືກກວດກາຢ່າງກວ້າງຂວາງແຕ່ລະການປະຕິບັດແລະການປະມວນຜົນຂອງຂໍ້ມູນ: Node ທີ່ເຮັດການປ່ຽນແປງໃດ. Think of it as a detailed recipe or map of the model's thought process.

ການຄາດຄະເນດິນດີຕ້ອນຮັບ - ບໍ່ພຽງແຕ່ສໍາລັບການຄາດຄະເນດິນດີຕ້ອນຮັບ, ແຕ່ຍັງສໍາລັບການຊອກຫາຈາກຜົນປະໂຫຍດ. ໃນເວລາທີ່ຮູບແບບຜະລິດຜົນປະໂຫຍດທີ່ບໍ່ຖືກຕ້ອງ (ການຄາດຄະເນດິນດີຕ້ອນຮັບ), ການຄາດຄະເນດິນດີຕ້ອນຮັບໃຫ້ການຊ່ວຍໃຫ້ລະບົບເພື່ອທົດລອງຫຼັງຈາກແຕ່ລະເລີ່ມຕົ້ນແລະປັບປຸງລັກສະນະທັງຫມົດ. ການຄາດຄະເນດິນດີຕ້ອນຮັບນີ້ແມ່ນສິ່ງທີ່ຄາດຄະເນດິນດີຕ້ອນຮັບbackpropagation -ລະບົບໄຮໂດຼລິກທີ່ພວກເຮົາມີການປັບປຸງລະບົບ neuronal ໃນໄລຍະເວລາ

Backpropagation: Learning by Error

ຂໍຂອບໃຈກັບ Oliver.

ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຜູ້ໃຫຍ່, ທ່ານຄວນຈະໄດ້ຮັບການປັບປຸງຄວາມຮູ້ສຶກຂອງຜູ້ໃຫຍ່.

ຫຼັງຈາກການເຄືອຂ່າຍສ້າງການຄາດຄະເນດຽວກັນ, ການຄາດຄະເນດຽວກັນກັບຄ່າໃຊ້ຈ່າຍທີ່ແທ້ຈິງໂດຍໃຊ້loss functionຄຸນນະສົມບັດການປະທັບໃຈທີ່ກວດສອບວ່າການຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ຢ່າງກວ້າງຂວາງຈາກຜົນກະທົບທີ່ແທ້ຈິງ.

ໃນໂຄງການ backpropagation, layers of the graph are crossed backwards in order to calculate how much each weight in the network contributed to the error.ລະຫັດ QRການຄາດຄະເນgradientsການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາແມ່ນການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາ. ການຄາດຄະເນດິນດີຕ້ອນຮັບຂອງພວກເຮົາແມ່ນການຄາດຄະເນດິນດີຕ້ອນຮັບ.

ລະບົບການຂົນສົ່ງນີ້ - forward pass, calculation error, backward pass - ໄດ້ຖືກຕັດສິນໃຈຫຼາຍກວ່າແລະຫຼາຍກວ່າ. ຜົນປະໂຫຍດ? ໂມເລກຸນການຝຶກອົບຮົມທີ່ມີຄວາມສາມາດໃນການຊອກຫາຮູບແບບແລະການຄາດຄະເນດິນດີຕ້ອນຮັບ.

Teaching Oliver to Draw: The Power of Generative Models

ໃນປັດຈຸບັນພວກເຮົາມີຄວາມຮູ້ສຶກວ່າການຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ຖືກນໍາໃຊ້ໂດຍໃຊ້ຮູບແບບຄາດຄະເນດິນດີຕ້ອນຮັບ, ພວກເຮົາມີຄວາມຮູ້ສຶກວ່າຮູບແບບຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ຖືກນໍາໃຊ້ໂດຍໃຊ້ຮູບແບບຄາດຄະເນດິນດີຕ້ອນຮັບ. ໃນປັດຈຸບັນພວກເຮົາມີຄວາມຮູ້ສຶກວ່າຮູບແບບຄາດຄະເນດິນດີຕ້ອນຮັບໄດ້ຖືກນໍາໃຊ້ໂດຍການຄາດຄະເນດິນດີຕ້ອນຮັບໂດຍການຄາດຄະເນດິນດີຕ້ອນຮັບໂດຍການຄາດຄະເນດິນດີຕ້ອນຮັບ.

ຂ້າພະເຈົ້າສືບຕໍ່ໄດ້ຮັບການປະທັບໃຈ ສໍາ ລັບຂອບໃຈຫຼາຍດັ່ງນັ້ນສໍາລັບທຸກສິ່ງທຸກຢ່າງ - ຂ້າພະເຈົ້າຫວັງວ່າຈະໄດ້ເຮັດວຽກຮ່ວມກັບຂ້າພະເຈົ້າ.

ພວກເຮົາມີຄວາມຮູ້ສຶກວ່າພວກເຂົາເຈົ້າບໍ່ມີ cat ທີ່ຜ່ານມາຂອງເຂົາເຈົ້າ, ແລະພວກເຂົາເຈົ້າບໍ່ສາມາດຮູ້ສຶກວ່າພວກເຂົາເຈົ້າໄດ້ຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາຊອກຫາ

ໂມເລກຸນ generative, ເຊັ່ນດຽວກັນກັບ DALL·E, ຂ້າງລຸ່ມການຢັ້ງຢືນຮູບແບບ. ພວກເຂົາເຈົ້າໄດ້ຮັບການຝຶກອົບຮົມເພື່ອຜະລິດອຸປະກອນທີ່ເຫມາະສົມກັບສິ່ງທີ່ພວກເຂົາໄດ້ຊອກຫາໃນໄລຍະການຝຶກອົບຮົມ.ຂໍຂອບໃຈວ່າມັນເປັນສິ່ງໃດ?ພວກເຮົາ ກໍາ ລັງເຮົາມີຄໍາຖາມ,“ລັກສະນະທີ່ນີ້ສາມາດເບິ່ງວ່າມັນຈະ exist?”ໂມເລກຸນນີ້ບໍ່ພຽງແຕ່ຮູ້ຂໍ້ມູນ - ພວກເຂົາເຈົ້າສ້າງໂດຍໃຊ້ມັນ, ເຮັດໃຫ້ຮູບພາບໃຫມ່ທັງຫມົດ, ວັດສະດຸ, ວັດສະດຸ, ຫຼືວິດີໂອທີ່ເຫມາະສົມກັບອຸປະກອນແລະປະເພດທີ່ພວກເຂົາເຈົ້າໄດ້ຊອກຫາ.

When Language Takes Shape

ໃນໄລຍະການຝຶກອົບຮົມ, ໂມເລກຸນເປັນ DALL·E ໄດ້ຝຶກອົບຮົມກ່ຽວກັບຊຸດຂໍ້ມູນຂະຫນາດໃຫຍ່ຂອງ pairs image-text, learning to associate visual elements with language. During training, the model sees an image alongside its caption and gradually learns which words correspond to which shapes, textures, colors, and concepts.

It builds an internal map of meaning, understanding that “a red apple” implies roundness, a specific hue, a stem, and so on. Later, when given a new text prompt, the model converts the words into a structured representation and uses that as a guide to generate an image - starting from random noise and refining it step by step until a coherent visual emerges that matches the text.

ການປິ່ນປົວນີ້ສາມາດໃຫ້ມາດຕະຖານການສ້າງຮູບພາບໃຫມ່ທີ່ພວກເຂົາເຈົ້າບໍ່ໄດ້ຊອກຫາໃນໄລຍະການຝຶກອົບຮົມ, ໃນຂະນະທີ່ພວກເຂົາເຈົ້າຍັງຄົງກັບຮູບແບບທີ່ພວກເຂົາເຈົ້າໄດ້ຊອກຫາໃນໄລຍະການຝຶກອົບຮົມ.

A Thousand Apples a Second: What AI Sees That Artists Can’t

ວິທີການນໍາໃຊ້ມັນສໍາລັບການປະຫວັດສາດ?

ຖ້າຫາກວ່າທ່ານຕ້ອງການທີ່ຈະສ້າງຮູບພາບແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ

ສໍາ ລັບ prompt “generate a digital painting of an apple” DALL-E 3 reply ກັບຮູບພາບນີ້:

ໂລຫະທີ່ນີ້ແມ່ນຜະລິດຕະພັນຂອງມິຖຸນາຂອງຮູບພາບທີ່ມາດຕະຖານໄດ້ຊອກຫາໃນໄລຍະການຝຶກອົບຮົມ.

ຂ້າພະເຈົ້າສືບຕໍ່ໄດ້ຮັບການປະທັບໃຈຂອງຂ້າພະເຈົ້າ, ຂ້າພະເຈົ້າຫວັງວ່າຈະໄດ້ເຮັດວຽກຮ່ວມກັບທ່ານອີກເທື່ອຫນຶ່ງ!

ການຄົ້ນຄວ້າ, ການຄົ້ນຄວ້າທີ່ກ່ຽວຂ້ອງ, ແລະການຄົ້ນຄວ້າຢ່າງກວ້າງຂວາງຂອງອຸປະກອນ - ເຊັ່ນດຽວກັນກັບ apples - ແມ່ນພາກສ່ວນທີ່ສໍາຄັນຂອງການເຮັດວຽກຂອງຜູ້ຊ່ຽວຊານໃດໆ. ມັນເປັນວິທີທີ່ພວກເຮົາມີການສ້າງໂທລະສັບມືຖືໃນຄວາມຮູ້ສຶກຂອງພວກເຂົາ: ການຄົ້ນຄວ້າຮູບເງົາ, ວັດສະດຸ, ການແສງສະຫວ່າງ, ການປ່ຽນແປງສີ, ແລະການຄັດເລືອກ stylistic. ໃນວິທີຫຼາຍ, ນີ້ແມ່ນການປະມວນຜົນຂອງການຝຶກອົບຮົມຂອງມາດຕະຖານ AI. ໃນຂະນະທີ່ມັນສາມາດຜະລິດຮູບເງົາ, ຮູບເງົາຍັງຈໍາເປັນຕ້ອງໄດ້ຮັບອະນຸຍາດໃຫ້ຫຼາຍປີ - ເຊັ່ນດຽວກັນ - ລ້ານ. ຮູບເງົາເຫຼົ່ານີ້,datasetຜະລິດຕະພັນເຫຼົ່ານີ້ມີຄຸນນະສົມບັດທີ່ແຕກຕ່າງກັນແລະມີຄຸນນະສົມບັດທີ່ແຕກຕ່າງກັນ. , serves the same purpose: to teach the model what a apple looks like from various angles, in different styles, and under varying lighting conditions.

ແຕ່ພວກເຮົາມີຄວາມແຕກຕ່າງທີ່ສໍາຄັນໃດໆເຊັ່ນ:scale and speed.

ໃນຂະນະທີ່ມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານຂອງມາດຕະຖານລະຫັດ QRເຄື່ອງເຫຼົ່ານີ້ເຮັດວຽກໃນ parallel, ການປິ່ນປົວແລະທົດສອບຂະຫນາດໃຫຍ່ຂອງຮູບພາບທີ່ມີຄວາມໄວທີ່ສວຍງາມ. ການເຊື່ອມຕໍ່ເຄືອຂ່າຍສູງລະຫວ່າງເຄື່ອງ, ລະບົບການເກັບຮັກສາຄວາມກົດດັນສູງ, ແລະອຸປະກອນອຸປະກອນ AI ສະຫນັບສະຫນູນໃຫ້ການຝຶກອົບຮົມຂອງຮູບແບບເຫຼົ່ານີ້ກ່ຽວກັບຊຸດຂໍ້ມູນທີ່ໃຫຍ່ທີ່ສຸດໃນມື້ຫຼືອາທິດ - ທີ່ສາມາດໃຊ້ເວລາຫຼາຍປີຂອງມະນຸດເພື່ອ absorb, ຖ້າຫາກວ່າໄດ້.

ໃນປັດຈຸບັນ, ທ່ານສາມາດຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບວິທີການທີ່ທ່ານກໍາລັງຊອກຫາສໍາລັບການຊອກຫາຂໍ້ມູນເພີ່ມເຕີມ. ໂດຍບໍ່ມີການຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການຊອກຫາຂໍ້ມູນເພີ່ມເຕີມ.

Matching Human Style: Mimicking Mediums

ກາຕູນໂທລະສັບມືຖືໃນມື້ນີ້ບໍ່ແມ່ນພຽງແຕ່ມີປະເພດສຸຂະພາບຫນຶ່ງ. ມີອຸປະກອນເຊັ່ນ Procreate, ພວກເຮົາສາມາດ simulate ນ້ໍາມັນ, aquarel, pencil, ແລະ inks - ທີ່ມີຄຸນນະພາບພິເສດແລະ dynamics ຂອງຕັດ.

ຂໍຂອບໃຈວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການຜະລິດຕະພັນຂອງພວກເຮົາ.

AI ສາມາດເປັນຕົວແທນຂອງປະເພດເຫຼົ່ານີ້ - ຖ້າຫາກວ່າຈະໄດ້ຮັບການປັບປຸງຢ່າງງ່າຍດາຍ. ຜະລິດຕະພັນ:

ທັງຫມົດຂອງການປິ່ນປົວເຫຼົ່ານີ້ອະນຸຍາດໃຫ້ມາດຕະຖານທີ່ບໍ່ພຽງແຕ່ມາດຕະຖານ, ແຕ່ຍັງສະພາບແວດລ້ອມ, ສັດສີ, ແລະຄຸນນະພາບອຸປະກອນ.

The Artistic Process

ເພື່ອສ້າງຜົນປະໂຫຍດທີ່ແຕກຕ່າງກັນໂດຍບໍ່ມີ AI, ຜູ້ອອກແບບຈໍາເປັນຕ້ອງກວດສອບອຸປະກອນການເຊື່ອມຕໍ່, ເຮັດໃຫ້ skits layer by layer, ການທົດສອບກັບການຕັ້ງຄ່າ borst, ການນໍາໃຊ້ສີພື້ນຖານ, ສະຫນັບສະຫນູນ highlights ແລະ shadows, ແລະການປັບປຸງຄຸນນະພາບໂດຍກົງ.

ມັນເປັນປະສົບການທີ່ຍິ່ງໃຫຍ່ໃນໄລຍະເວລາ, ແຕ່ມີຄວາມສົນໃຈ.

ມີ AI, ການປິ່ນປົວແມ່ນໄດ້ຢ່າງງ່າຍດາຍ - ແຕ່ຍັງເພີ່ມເຕີມ.

ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ

The Ghost in the Gallery: Why AI Still Can’t Replace You

AI ມີຄວາມສາມາດຫຼາຍກ່ວາ replicating ການປິ່ນປົວປະຫວັດສາດ - ພຽງແຕ່ຢ່າງວ່ອງໄວແລະໃນຂະຫນາດໃຫຍ່. ນີ້ປະກອບມີຄໍາຖາມທີ່ສໍາຄັນ: ເປັນຫຍັງຜູ້ຊາຍຈະເລືອກ medias ອັດຕະໂນມັດປະຫວັດສາດ? ມີສະຖານທີ່ສໍາລັບການປະຫວັດສາດປະຫວັດສາດທີ່ແທ້ຈິງແລະການສ້າງສັນ, ຫຼືການຄົ້ນຄວ້າທີ່ໄດ້ຮັບການປະຫວັດສາດ?

ພວກເຮົາຈະທົດສອບສິ່ງທີ່ເກີດຂຶ້ນໃນເວລາທີ່ພວກເຮົາກໍາລັງທົດສອບການຜະລິດຄໍາຮ້ອງສະຫມັກທີ່ມີຄໍາຮ້ອງສະຫມັກທີ່ເຂັ້ມແຂງແລະຄວາມຕ້ອງການ:

ໃນປັດຈຸບັນ, ໃນຄໍາຮ້ອງສະຫມັກ "Generate an apple with two leaves in watercolour style", ຮູບແບບຜະລິດຕະພັນທີ່ຜ່ານມາ:

ນີ້ແມ່ນສະຖານທີ່ຂອງແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນແຜ່ນ

ຂ້າພະເຈົ້າສືບຕໍ່ໄດ້ຮັບການປະທັບໃຈຂອງພວກເຮົາ

ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມ, ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມ, ຖ້າຫາກວ່າທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມ.

ມັນສາມາດພຽງແຕ່ບໍ່ເຂົ້າໃຈ? ມັນເປັນຄວາມຜິດພາດຂອງຂ້າພະເຈົ້າ - ໄດ້ຮັບຄວາມປອດໄພຂອງຂ້າພະເຈົ້າຢ່າງວ່ອງໄວຫຼາຍ?

ສໍາລັບການຕັດສິນໃຈໃດໆ, ຂ້າພະເຈົ້າປັບປຸງຄວາມຕ້ອງການເພີ່ມເຕີມ:

"ການຜະລິດ apple ມີສອງແຜ່ນໃນເວລາທີ່ທັງສອງແຜ່ນເບິ່ງກັບພາກສະຫນາມຂອງເຂົາເຈົ້າໃນປະເພດ aquarist"

ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ, ໃນປັດຈຸບັນ.

ໃນຖານະເປັນຕົວຢ່າງນີ້ຂອງການຄອມພິວເຕີທີ່ບໍ່ໄດ້ຄອມພິວເຕີກັບມາດຕະຖານ AI ແມ່ນຍິ່ງໃຫຍ່. ໃນຂະນະທີ່ທ່ານກໍາລັງຊອກຫາຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບການຄອມພິວເຕີນີ້, ມັນເປັນສິ່ງທີ່ດີທີ່ສຸດສໍາລັບການຄອມພິວເຕີທີ່ທ່ານກໍາລັງຊອກຫາ.

ມັນເປັນສິ່ງທີ່ຍິ່ງໃຫຍ່ແມ່ນວ່າການຢັ້ງຢືນທີ່ດີທີ່ສຸດທີ່ເດັກນ້ອຍສາມາດເຂົ້າເຖິງແມ່ນວ່າມັນບໍ່ສາມາດເຂົ້າໃຈກັບມາດຕະຖານ.

ສະ ຫນັບ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ ສະ ຫນູນ

Final Thoughts: The Art We Make Together

ໃນປັດຈຸບັນ, ມັນບໍ່ແມ່ນການແຂ່ງຂັນລະຫວ່າງແຜ່ນແລະລະຫັດ, ແຕ່ການສອບເສັງ. ເຄື່ອງສະຫນອງຄວາມໄວ, ຄຸນນະພາບ, ແລະການປ່ຽນແປງ infinite; ກາຕູນຈະສະຫນອງຄວາມສຸກ, ຄວາມຮູ້ສຶກ, ແລະ Soul. One is not here to replace the other, but to expand what is possible.

ພວກເຮົາມີຄວາມຍິນດີຕ້ອນຮັບທີ່ຈະມີຊີວິດໃນເວລາທີ່ຄວາມສົນໃຈບໍ່ແມ່ນກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້ໂດຍກໍານົດໄວ້

ກ່ຽວກັບຂ້າພະເຈົ້າ

ຂ້າພະເຈົ້າເປັນ Maria Piterberg - ຜູ້ຊ່ຽວຊານໃນການ AI ທີ່ຄົ້ນຄວ້າຊອບແວ Runtime ໃນ Habana Labs (Intel) ແລະຜູ້ຊ່ຽວຊານ semi-professional ທີ່ເຮັດວຽກໃນໄລຍະອິນເຕີເນັດປົກກະຕິແລະອິນເຕີເນັດ. ຂ້າພະເຈົ້າຊ່ຽວຊານໃນການລະບົບການຝຶກອົບຮົມ AI ຂະຫນາດໃຫຍ່, ລວມທັງໂທລະສັບມືຖື (HCCL) ແລະ optimization runtime. Bachelor of Computer Science.