Πρώτη εικόνα που δημιουργήθηκε από τεχνητή νοημοσύνη: Ιστορία & πώς έγινε

Ζούμε πλέον σε μια τεχνολογικά προηγμένη εποχή.

Αν και η πρόοδος δεν έχει φτάσει στο επίπεδο της ανάγνωσης του νου, υπάρχουν εναλλακτικές λύσεις που δίνουν την εντύπωση της ανάγνωσης του νου και μία από αυτές είναι οι εικόνες που δημιουργούνται από τεχνητή νοημοσύνη. 

Με την τεχνητή νοημοσύνη, είναι εύκολο να δημιουργήσετε εικόνες υψηλής ποιότητας, περιγράφοντας απλώς αυτό που έχετε στο μυαλό σας σε οποιονδήποτε βοηθό τεχνητής νοημοσύνης επιλέξετε.

Η δημιουργία εικόνων με τεχνητή νοημοσύνη έχει γίνει πιο δημοφιλής από ό,τι θα περίμενε κανείς και διάφοροι οργανισμοί αρχίζουν να υιοθετούν την ιδέα αυτή.

Για παράδειγμα, οι εφαρμογές κοινωνικής δικτύωσης όπως το Instagram και το Snapchat διαθέτουν φίλτρα και προτροπές που σας βοηθούν να δημιουργήσετε μια εικόνα με τεχνητή νοημοσύνη.

Έχετε όμως ποτέ σταματήσει να σκέφτεστε πώς προέκυψαν οι εικόνες που δημιουργούνται με τεχνητή νοημοσύνη ή ποια ήταν η πρώτη εικόνα που δημιουργήθηκε με τεχνητή νοημοσύνη; 

Τι είναι μια εικόνα που παράγεται από τεχνητή νοημοσύνη;

Η έννοια της τεχνητής νοημοσύνης παρέχει αρκετές πληροφορίες για να κατανοήσουμε τι αντιπροσωπεύει μια εικόνα που παράγεται από τεχνητή νοημοσύνη.

Αλλά αν δεν το καταλαβαίνετε, αυτό είναι για εσάς. 

Μια εικόνα που δημιουργείται με τεχνητή νοημοσύνη είναι μια εικόνα που δημιουργείται με τη βοήθεια της τεχνητής νοημοσύνης.

Ξέρετε λοιπόν πώς ένας καλλιτέχνης χρησιμοποιεί χρώματα, πινέλα και πινελιές για να δημιουργήσει μια εικόνα, έτσι λειτουργεί η τεχνητή νοημοσύνη.

Το ενδιαφέρον όμως είναι ότι η τεχνητή νοημοσύνη αντί να χρησιμοποιεί πινέλο και μπογιά όπως ένας άνθρωπος καλλιτέχνης, χρησιμοποιεί αλγόριθμους και κώδικες για να εργαστεί. 

Αντί για προσεκτικές κινήσεις και κουνήματα του καρπού, η τεχνητή νοημοσύνη επεξεργάζεται δεδομένα, μαθαίνει μοτίβα και δημιουργεί μια εικόνα με βάση την περιγραφή που δίνετε.

Ακριβώς όπως η δημιουργία ανθρώπινης τέχνης που χρειάζεται χρόνια και χρόνια για να τελειοποιηθεί και να κυριαρχήσει, έτσι και οι μηχανικοί ΤΝ χρειάζονται χρόνο για να τελειοποιήσουν τους κώδικες και τα δεδομένα που απαιτούνται για τη δημιουργία εικόνων ΤΝ. 

Επίσης, οι εικόνες που δημιουργούνται με τεχνητή νοημοσύνη δεν περιορίζονται μόνο σε πορτρέτα.

Μπορείτε επίσης να δημιουργήσετε έργα αφηρημένης τέχνης αρκετά ρεαλιστικά ώστε να περάσουν ως ανθρώπινα δημιουργήματα.

Η πρώτη εικόνα που δημιουργήθηκε με τεχνητή νοημοσύνη στην ιστορία

Ποια ήταν λοιπόν η πρώτη εικόνα που δημιουργήθηκε με τεχνητή νοημοσύνη; Η πρώτη εικόνα που δημιουργήθηκε ποτέ από τεχνητή νοημοσύνη δημιουργήθηκε από ένα σύστημα τεχνητής νοημοσύνης που ονομάζεται AARON.

Το σύστημα αυτό δημιουργήθηκε από έναν καλλιτέχνη και προγραμματιστή, τον Harold Cohen.

Η πρώτη εικόνα που δημιουργήθηκε με τεχνητή νοημοσύνη δεν ήταν τόσο εύκολη όσο η σημερινή. Ο καθηγητής Κοέν χρειάστηκε δεκαετίες για να εκπαιδεύσει το σύστημα τεχνητής νοημοσύνης του να σχεδιάζει και να ζωγραφίζει με το δικό του στυλ.

Αλλά η δημιουργία του ήταν η απόδειξη ότι οι υπολογιστές δεν μπορούσαν μόνο να υπολογίζουν, αλλά ήταν επίσης ικανοί να δημιουργήσουν ρεαλιστική τέχνη. 

Ο Harold Cohen εφοδίασε τον AARON με βασικές γνώσεις φυσικής και σχεδίου.

Το σύστημα χρησιμοποιεί αυτή τη γνώση για να ολοκληρώσει εργασίες και να δημιουργήσει σχέδια από το μηδέν - μια διαφορετική προσέγγιση από αυτή που έχουμε τώρα, η οποία δεν σχεδιάζει από το μηδέν αλλά βασίζεται σε εικόνες από διάφορες βάσεις δεδομένων. 

Οι γνώσεις που διαθέτει το AARON επιτρέπουν στο λογισμικό να λαμβάνει από μόνο του διάφορες αποφάσεις, όπως οι συνθέσεις.

Ο βοηθός τεχνητής νοημοσύνης του Χάρολντ Κοέν ήταν ικανός να χρησιμοποιεί την τεχνητή νοημοσύνη για να δημιουργεί ασπρόμαυρα σχέδια τέχνης.

Πότε δημιουργήθηκε η πρώτη εικόνα τεχνητής νοημοσύνης;

Λοιπόν, πότε δημιουργήθηκε η πρώτη εικόνα που δημιουργήθηκε με τεχνητή νοημοσύνη; Ο Harold Cohen άρχισε να αναπτύσσει το AARON στα τέλη της δεκαετίας του 1960, αλλά δημιούργησε την πρώτη εικόνα τεχνητής νοημοσύνης το 1973. 

Χρονολόγιο των πρώτων ορόσημων της τέχνης της τεχνητής νοημοσύνης

Εδώ είναι ένα χρονοδιάγραμμα της πρώιμης τέχνης της Τεχνητής Νοημοσύνης Ορόσημα: 

1960s

Η πρώιμη τέχνη της τεχνητής νοημοσύνης ξεκίνησε τη δεκαετία του 1960 και ξεκίνησε με την καινοτομία των ακόλουθων ανθρώπων: 

Georg Nees

Ο Georg Nees ήταν ένας από τους κύριους καινοτόμους της τέχνης της τεχνητής νοημοσύνης, της ψηφιακής τέχνης και της δημιουργικής τέχνης.

Δημιούργησε τα πρώτα γραφικά υπολογιστή στη Γερμανία.

Κάποιοι αναφέρουν τον Nees ως ακαδημαϊκή ιδιοφυΐα που βρήκε το δρόμο για την τέχνη των υπολογιστών μέσω των μαθηματικών, της φυσικής και της φιλοσοφίας. 

Ο Georg εργαζόταν στη Siemens και του είχε ανατεθεί να βρει έναν τρόπο να κάνει το μηχάνημα της εταιρείας, το Zuse Graphomat Z64, χρήσιμο.

Κατά τη διάρκεια του πειραματισμού του με τον Z64, βρήκε έναν τρόπο να δημιουργεί γραφικά με το μηχάνημα. 

Το 1965, έγινε ο πρώτος καλλιτέχνης γραφικών υπολογιστών που παρουσίασε το έργο του σε έκθεση στο κολέγιο της Στουτγάρδης. 

Frieder Nake

Όπως και ο Georg Nees, ο Frederick ήταν επίσης ένας από τους πρωτοπόρους της ψηφιακής και της δημιουργικής τέχνης.

Το 1963 δημιούργησε το πρώτο του έργο με τίτλο Matrizenmultiplikation portfolio.

Δημιούργησε αφηρημένες εικόνες χρησιμοποιώντας έναν υπολογιστή, ένα μαγνητόφωνο και μια μηχανή σχεδίασης. 

Το 1999, δημιούργησε το Project CompArt: έναν χώρο για την τέχνη των υπολογιστών. Στη συνέχεια έγινε θεωρητικός, συγγραφέας, δημιουργός και δάσκαλος της ψηφιακής τέχνης. 

A. Michael Noll

Οι Nake, Nees και A. Michael Noll χαρακτηρίστηκαν ως τα 3N των ψηφιακών γραφικών.

Ο Noll είναι γνωστός ως ένας από τους πρώτους τεχνολόγους που ασχολήθηκε με την τέχνη των υπολογιστών, την ψηφιακή τέχνη και την τρισδιάστατη κινούμενη εικόνα.

Το 1961, ο Michael Noll ξεκίνησε την πορεία του στα εργαστήρια Bells Labs στο Νιου Τζέρσεϊ.

Στα Bells Labs, άρχισε να ενδιαφέρεται για την τέχνη των υπολογιστών, όταν το plotter ενός συναδέλφου του δημιούργησε ένα σφάλμα που βρήκε ενδιαφέρον.

Εξαιτίας αυτού, άρχισε να εξερευνά παρόμοια μοτίβα συστημάτων με ψευδοτυχαιότητα. 

Είναι ενδιαφέρον ότι ο Noll αποφάσισε να μην κατατάξει το έργο του στην τέχνη, επειδή δεν ήθελε προβλήματα από τον παραδοσιακό κόσμο της τέχνης.

Παρά την άρνησή του να ταξινομηθεί, τα έργα του έχουν εκτεθεί σε όλο τον κόσμο. Ήταν ο πρώτος καλλιτέχνης υπολογιστών στις Ηνωμένες Πολιτείες που εξέθεσε στην Howard Wise Gallery. 

δεκαετία του 1970 έως τη δεκαετία του 1980

Αρχικά, ο Harold Cohen άρχισε να διερευνά τη δυνατότητα χρήσης προγραμμάτων υπολογιστών για τη δημιουργία έργων τέχνης τη δεκαετία του 1960.

Το ενδιαφέρον του για την τέχνη των υπολογιστών οφειλόταν στην επιθυμία του "να καταλάβει τι είναι τέχνη". Θα μπορούσαμε επίσης να πούμε ότι ενδιαφερόταν να βρει έναν τρόπο να δημιουργήσει τέχνη μετά το θάνατό του. 

Όταν ο Cohen δημιούργησε το AARON, μπορούσε να παράγει μόνο μονόχρωμα γραμμικά σχέδια, τα οποία έπρεπε να χρωματιστούν στο χέρι από τον Cohen.

Όμως, τη δεκαετία του 1980, ο Harold έκανε τροποποιήσεις που επέτρεπαν στο AARON να επιλέγει και να εφαρμόζει το ίδιο τα χρώματα.

Στη συνέχεια, το πρόγραμμα ήταν σε θέση να παράγει σχήματα του πραγματικού κόσμου, όπως φυλλώματα και ανθρώπινες φιγούρες. 

Μετά την ενημέρωση του AARON, ο Harold Cohen κατάφερε να το εκθέσει σε μεγάλα ιδρύματα τέχνης και τεχνολογίας, όπως η Tate Modern και το Whitney Museum of American Art. 

Η τεχνολογία πίσω από την πρώτη τέχνη τεχνητής νοημοσύνης

Η τεχνολογία πίσω από τη δημιουργία της πρώτης τέχνης τεχνητής νοημοσύνης είναι το AARON.

Όταν ο Cohen ανέπτυξε το AARON, το εργαλείο δεν χρησιμοποιούσε βαθιά μάθηση ή νευρωνικά δίκτυα όπως σήμερα.

Αντίθετα, λειτουργούσε με κανόνες και αλγορίθμους που ο Harold χρειαζόταν χρόνο και προσπάθεια για να κωδικοποιήσει. 

Έδωσε στον AARON οδηγίες για το πώς να ζωγραφίζει και να μιμείται τη δημιουργική διαδικασία ενός καλλιτέχνη.

Ο Cohen δίδαξε στο εργαλείο πώς να σχεδιάζει γραμμές, πώς να συνδέει τις γραμμές με σχήματα και φιγούρες, πώς να σχεδιάζει καμπύλες και να παράγει αποτελέσματα που έμοιαζαν πιο πρωτότυπα και ρεαλιστικά από την τέχνη που παρήγαγε ο υπολογιστής τη δεκαετία του 1960.

Μπορείς λοιπόν να πεις ότι επικεντρώθηκε περισσότερο στην υποκείμενη λογική του σχεδίου. 

Μπορείτε να φανταστείτε τις προσπάθειες του Cohen σαν να μαθαίνει ένα ρομπότ να ζωγραφίζει δίνοντάς του σαφείς οδηγίες αντί να του δείχνει χιλιάδες παραδείγματα για να μιμηθεί.

Η προσέγγιση που χρησιμοποίησε ο AARON είναι πολύ διαφορετική από αυτή που έχουμε τώρα, αλλά το γεγονός ότι έθεσε τα θεμέλια δεν μπορεί να αμφισβητηθεί. 

Να πώς δούλεψε το AARON: 

• Προγραμματισμός βάσει κανόνων: Ο τρόπος λειτουργίας του AARON είναι διαφορετικός από τα σύγχρονα εργαλεία που διαθέτουμε σήμερα. Τα περισσότερα τα σύγχρονα εργαλεία χρησιμοποιούν μηχανική μάθηση από άλλες εικόνες για τη δημιουργία μιας νέας, αλλά το AARON λειτουργεί με βάση καλλιτεχνικούς κανόνες που κωδικοποιήθηκαν χειροκίνητα στο πρόγραμμα. Το εργαλείο διδάχθηκε χειροκίνητα πώς να σχεδιάζει σχήματα, να εξισορροπεί τις αναλογίες, να τοποθετεί στοιχεία του προσώπου, να σκιάζει και να προσθέτει χρώματα και υφές. 

Το μειονέκτημα της προσέγγισης του Cohen ήταν ότι έπρεπε να προβλέψει κάθε πιθανό σενάριο και να το κωδικοποιήσει.

Μπορείτε να φανταστείτε πόση δουλειά και πόσο χρόνο ξόδεψε ο Κοέν για να μπορέσει το εργαλείο του να σχεδιάσει μια απλή εικόνα.

• Συμβολική Τεχνητή Νοημοσύνη: Αυτός ο τομέας της τεχνητής νοημοσύνης επικεντρώνεται στη χρήση συμβόλων και λογικών κανόνων αντί να βασίζεται σε δεδομένα για να μιμηθεί την ανθρώπινη λογική. Το πρώιμο AARON μπορούσε να σχεδιάσει μόνο απλά ασπρόμαυρα γραμμικά σχέδια, αλλά αργότερα αναβαθμίστηκε ώστε να προσθέτει χρώμα και να δημιουργεί σύνθετα και πιο λεπτομερή έργα τέχνης. Παρά τις αναβαθμίσεις του, εξακολουθούσε να λειτουργεί με τη λογική του Cohen. 

Εξέλιξη της δημιουργίας εικόνων τεχνητής νοημοσύνης από την πρώτη εικόνα

Η παραγωγή εικόνων τεχνητής νοημοσύνης έχει εξελιχθεί από τα ασπρόμαυρα σχέδια του AARON.

Τα βασικά έργα τέχνης έχουν γίνει υπερρεαλιστικά και δεν διακρίνονται σχεδόν καθόλου από ανθρώπινες δημιουργίες. 

Δείτε πώς εξελίχθηκε η παραγωγή εικόνων με τεχνητή νοημοσύνη από την πρώτη εικόνα: 

Γενετικά Αντιθετικά Δίκτυα (GANs) (δεκαετίες 2000-2010)

Πρώτα ήρθε η τέχνη του προγραμματισμού που βασίζεται σε κανόνες, και μετά ήρθε η τέχνη της τεχνητής νοημοσύνης που βασίζεται στη μηχανική μάθηση.

Σε αντίθεση με την εποχή του AARON, η δημιουργία εικόνων τεχνητής νοημοσύνης στη μηχανή χρησιμοποιεί βαθιά μάθηση και νευρωνικά δίκτυα για τη δημιουργία τέχνης.

Έτσι, αντί να βασίζονται σε κανόνες, οι εικόνες τεχνητής νοημοσύνης δημιουργήθηκαν μελετώντας και αναλύοντας πραγματικές εικόνες και δημιουργώντας νέες εικόνες με βάση τα μοτίβα και το καλλιτεχνικό ύφος που διδάχθηκαν. 

Οι εικόνες τεχνητής νοημοσύνης θα μπορούσαν να δημιουργηθούν λόγω της εισαγωγής των Γενετικών Αντιθετικών Δικτύων (Generative Adversarial Networks - GANs).

Τα GAN λειτουργούν με δύο νευρωνικά δίκτυα, ένα που παράγει το έργο τέχνης και ένα άλλο που το αξιολογεί.

Αυτά τα δύο δίκτυα συνεργάζονται για να δημιουργήσουν οπτικά ελκυστικές εικόνες και να επιδείξουν κατανόηση των καλλιτεχνικών κανόνων και τεχνικών.

DALL-E (2021 έως σήμερα) 

Το 2021, δημιουργήθηκε ένα άλλο σύστημα τεχνητής νοημοσύνης.

Το σύστημα αυτό αποτέλεσε σημείο καμπής στη γεννητική τεχνητή νοημοσύνη. Το DALL-E ανακοινώθηκε από την OpenAI και περιγράφηκε ως ένα σύστημα ικανό να παράγει εικόνες από μια προτροπή κειμένου. 

Το σύστημα DALL-E ήταν σε θέση να παράγει ρεαλιστικές εικόνες σε διαφορετικά στυλ και μπορούσε επίσης να συνδυάζει αστείες ιδέες και να τις ζωντανεύει.

Κατασκευάστηκε με τροποποίηση της GPT. Το σύστημα DALL-E ήταν επιτυχημένο λόγω της ποσότητας των δεδομένων εκπαίδευσης που του παρείχε το OpenAI. 

Τον Ιούνιο του 2023, η OpenAI ανακοίνωσε ένα νέο και βελτιωμένο σύστημα που ονομάζεται DALL-E 2. Χρησιμοποιεί έναν πιο ισχυρό αλγόριθμο που ονομάζεται μοντέλα διάχυσης.

Το DALL-E 2 μπόρεσε να αφαιρέσει το θόρυβο που είχε προστεθεί σε μια εικόνα. 

Συνοπτικά, η εξέλιξη της AI Image Generation επέφερε τα εξής: 

• Μετατροπή κειμένου σε εικόνα AI. Δηλαδή, πληκτρολογώντας απλώς μια περιγραφή, μπορείτε να δημιουργήσετε αμέσως τέχνη τεχνητής νοημοσύνης.
• Εικόνες τεχνητής νοημοσύνης που είναι αρκετά ρεαλιστικές ώστε να μπορούν να περάσουν ως φωτογραφίες που έχουν τραβηχτεί από άνθρωπο.
• Εργαλεία τεχνητής νοημοσύνης για καλλιτέχνες και φωτογράφους που βελτιώνουν το έργο τους. 

Πώς να καταλάβετε αν μια εικόνα έχει δημιουργηθεί με τεχνητή νοημοσύνη

Οι εικόνες που δημιουργούνται με τεχνητή νοημοσύνη έχουν εξελιχθεί και μερικές φορές είναι δύσκολο να ξεχωρίσεις τι είναι πραγματικό και τι όχι.

Εδώ είναι μερικά σημάδια μιας εικόνας που δημιουργήθηκε με τεχνητή νοημοσύνη: 

• Ασυνήθιστες λεπτομέρειες και ασυνέπειες, όπως επιπλέον άκρα και παραμορφωμένα πρόσωπα. 
• Υπερβολικά τέλειες ή ομαλές εικόνες 
• Ακατάλληλη συμμετρία 
• Λέξη που έχει γραφτεί λάθος

Ένα άλλο τρόπος για να εντοπίσετε μια εικόνα που έχει δημιουργηθεί με τεχνητή νοημοσύνη είναι με τη χρήση του Μη ανιχνεύσιμος ανιχνευτής εικόνας AI.

Ο ανιχνευτής εικόνας μπορεί να σας βοηθήσει να αναλύσετε μια εικόνα και να προσδιορίσετε αμέσως αν είναι πραγματική ή τεχνητή νοημοσύνη.

Δείτε πώς μπορείτε να χρησιμοποιήσετε τον ανιχνευτή εικόνων Undetectable AI για να εντοπίσετε εικόνες τεχνητής νοημοσύνης: 

• Ανεβάστε την εικόνα που θέλετε να ελέγξετε
• Κάντε κλικ στο 'check image for AI' για να αναλύσετε 
• Λάβετε μια λεπτομερή ανάλυση της εικόνας μαζί με μια σίγουρη βαθμολογία για την ακρίβεια.

Δοκιμάστε τον ανιχνευτή εικόνας μας τώρα! 

Συχνές ερωτήσεις σχετικά με την πρώτη εικόνα που δημιουργήθηκε από τεχνητή νοημοσύνη

Συμπέρασμα

Το ταξίδι από την πρώτη τέχνη της τεχνητής νοημοσύνης στη σύγχρονη τέχνη της τεχνητής νοημοσύνης ήταν αξιοσημείωτο.

Παρόλο που η δημιουργία του πρώτου εργαλείου τέχνης τεχνητής νοημοσύνης μπορεί να φαινόταν πρωτόγονη, έθεσε τα θεμέλια για την ψηφιακή δημιουργικότητα. 

Ωστόσο, ένα πράγμα εξακολουθεί να προκαλεί ανησυχία, και αυτό είναι η ανίχνευση εικόνων που δημιουργούνται με τεχνητή νοημοσύνη.

Πώς εντοπίζετε μια εικόνα που έχει δημιουργηθεί με τεχνητή νοημοσύνη; Μπορείτε να το κάνετε με τον ανιχνευτή εικόνας του Undetectable AI.

Μη διστάσετε να δείτε τον ανιχνευτή AI Detector και τον Humanizer στο widget παρακάτω!