Sztuczna inteligencja opisze świat niewidomym. Testy już trwają

Midjourney to generatywna sieć neuronowa, czyli w dużym uproszczeniu algorytm sztucznej inteligencji, które potrafi przerobić informacje wsadowe na coś kompletnie innego. Dotychczas pozwalała na wpisywanie tekstu i zamienianie go w obrazy z wykorzystaniem silników pięciu swoich wersji oraz kilku innych parametrów. Teraz pojawiła się nowa opcja.

Można powiedzieć, że twórcy Midjourney wprowadzili odwróconą funkcjonalność. Wystarczy wgrać zdjęcie i zamiast komendy "/imagine" wpisać "/describe", by algorytm przeanalizował wgrany obraz. W odpowiedzi otrzymamy krótki opis tekstowy, który może pomóc nam zrozumieć działanie programu. Wykorzystane przez Midjourney słowa mogą ponownie zostać przez nas wykorzystane podczas tworzenia innych grafik – chodzi o poznanie sposobu funkcjonowania algorytmu i tego, jakie wyrazy oraz narracja są najbardziej efektywne.

To oczywiście nie jest jedyne wykorzystanie. Interesującym zagadnieniem do rozważenia jest opisowa forma dzieł wizualnych pod postacią ułatwień dostępu dla niewidomych i niedowidzących. Po znacznym wytrenowaniu algorytmu być może w przyszłości posłuży on w sieci do tłumaczenia obrazów na słowa, by niepełnosprawni również wiedzieli, o co chodzi. W wielu galeriach sztuki na świecie takie rozwiązanie już jest stosowane, jednak nie działa ono na podstawie SI, a nagranego lektora.

Po wrzuceniu obrazu na Discorda i wpisaniu komendy "/describe" otrzymamy aż 4 różne opisy, z których możemy wybrać ten, który pasuje najbardziej. Mogą one pozwolić na tworzenie nowych grafik, które zostaną urozmaicone. Warto to przetestować samemu, lecz trzeba pamiętać, że obecnie Midjourney nie jest darmowe. W związku z ostatnimi kontrowersjami algorytm jest dostępny jedynie w modelu subskrypcyjnym, gdzie w najtańszej wersji kosztuje on 8$ + VAT za miesiąc, w ramach czego dostajemy 200 minut mocy obliczeniowej.