Przejdź do treści
PL

Lekcja 7 z 8 · 6 min · +100 XP

Jak AI tworzy obrazy?

Większość generatorów obrazów AI to modele dyfuzyjne. Uczą się, usuwając szum dodany do milionów opisanych zdjęć. Nowy obraz powstaje z czystego, losowego szumu: model w wielu krokach usuwa go po trochu, kierując się twoim promptem, aż pojawi się obraz. Tworzy nowe piksele, a nie skleja gotowych zdjęć.

▶ Wypróbuj

Dlaczego to ważne

Generator obrazów nie szuka zdjęcia i nie skleja kawałków. Zaczyna od szumu i usuwa go w kierunku, który wskazują twoje słowa.

W 6 minut nauczysz się

  • Modele dyfuzyjne zaczynają od losowego szumu i usuwają go krok po kroku.
  • Prompt steruje każdym krokiem, a nowy szum daje nowy obraz.
  • Realistyczny obraz to nie dowód. Sprawdź źródło, zanim udostępnisz.

Co przećwiczysz

  1. Kluczowe pojęcia

    Dotknij każdej karty.

    🖼️ Na czym się uczy?
    Na ogromnych zbiorach obrazów z opisami tekstowymi. Dzięki temu łączy słowo „lis” z lisimi kształtami i kolorami.
    🌫️ Na czym polega trening?
    Bierzesz obraz, dodajesz losowy szum i każesz modelowi przewidzieć ten szum, żeby go usunąć. Ćwiczy to na każdym poziomie szumu miliony razy.
    🧭 Co robi prompt?
    Twoje słowa zamieniają się w liczby, które sterują każdym krokiem sprzątania, więc szum znika w kierunku „lisa”, „książki” i „lampy”.
    🎲 Dlaczego każdy obraz jest inny?
    Każdy obraz zaczyna się od innego losowego szumu, więc ten sam prompt za każdym razem daje nowy obraz.

  2. Od promptu do obrazu

    Ułóż kroki tworzenia jednego obrazu po kolei.

    1. Wpisujesz prompt
    2. Prompt zamienia się w liczby, których model może użyć
    3. Model zaczyna od płótna z czystego, losowego szumu
    4. Przewiduje część szumu i usuwa ją, kierując się promptem
    5. Powtarza to wiele razy, za każdym razem trochę wyraźniej
    6. Pojawia się gotowy obraz

  3. Wyjaśnij to

    1. Wygenerowany portret ma sześć palców u jednej dłoni. Skąd to się bierze?

      • Model nauczył się, jak wyglądają dłonie, a nie ile mają palców (Odpowiedź)
      • Skopiował zdjęcie osoby z sześcioma palcami

    2. Czy obraz z AI to kolaż zdjęć z internetu?

      • Nie, buduje nowe piksele z wyuczonych wzorców (Odpowiedź)
      • Tak, wycina i wkleja kawałki prawdziwych zdjęć

    3. Krąży bardzo realistyczne zdjęcie płonącego słynnego budynku. Co mówi ci ta lekcja?

      • Realizm nie dowodzi, że to się stało. Najpierw sprawdź rzetelne media (Odpowiedź)
      • Jest zbyt szczegółowe, żeby było z AI

Zapamiętaj

Generator rzeźbi obraz z szumu, kierując się twoimi słowami. Realistyczny nie znaczy prawdziwy.

Generator rzeźbi obraz z szumu, kierując się słowami. Realistyczny nie znaczy prawdziwy.

Najważniejsze fakty

  • Pomysł modeli dyfuzyjnych, czyli uczenia się odwracania procesu, który stopniowo dodaje szum do danych, przedstawiono w pracy naukowej z 2015 roku. · Źródło: Sohl-Dickstein et al., Deep Unsupervised Learning using Nonequilibrium Thermodynamics, ICML 2015
  • Praca z 2020 roku, dzięki której modele dyfuzyjne zaczęły tworzyć obrazy wysokiej jakości, używała 1000 kroków szumu między czystym obrazem a czystym szumem. · Źródło: Ho, Jain & Abbeel, Denoising Diffusion Probabilistic Models, NeurIPS 2020
  • Według unijnego aktu w sprawie AI dostawcy systemów generujących obrazy, dźwięk, wideo lub tekst muszą oznaczać wyniki w sposób odczytywalny maszynowo, a osoby publikujące deepfake’i muszą to ujawniać. · Źródło: Akt w sprawie sztucznej inteligencji, rozporządzenie (UE) 2024/1689, art. 50
  • Otwarty standard techniczny koalicji C2PA (Coalition for Content Provenance and Authenticity) pozwala aparatom i aplikacjom dołączać „poświadczenia treści”, które zapisują, jak obraz powstał lub był edytowany.

Aktualizacja:

Częste pytania

Co to jest model dyfuzyjny?

Model dyfuzyjny to rodzaj generatywnej AI, który uczy się usuwać szum z obrazów. Żeby stworzyć obraz, zaczyna od losowego szumu i krok po kroku go sprząta, kierując się promptem tekstowym.

Czy AI kopiuje istniejące obrazy?

Generatory tworzą nowe piksele z wyuczonych wzorców, zamiast sklejać zdjęcia. Potrafią jednak naśladować style i czasem odtworzyć obrazy, które widziały wiele razy, dlatego trwa spór o dane treningowe i prawa autorskie.

Dlaczego AI źle rysuje dłonie i napisy?

Model uczy się, jak rzeczy zwykle wyglądają, a nie reguł typu „pięć palców” czy pisowni. Skomplikowane, bardzo zmienne kształty, jak dłonie i litery, trudno odtworzyć z samych wzorców.

Jak sprawdzić, czy obraz jest wygenerowany przez AI?

Szukaj oznaczeń lub poświadczeń treści, sprawdź, gdzie obraz pojawił się najpierw, i użyj wyszukiwania obrazem. Błędy wizualne pomagają, ale żadna pojedyncza wskazówka nie jest pewna.

Powiązane pojęcia