L'intelligenza artificiale nella creazione visiva: come creare dei prompt efficaci
L'IA mira a emulare comportamenti umani, comprese percezioni e decisioni. DALL·E di OpenAI è un algoritmo che genera immagini da testo, basato su GPT, con varie capacità come la creazione di immagini antropomorfe e la combinazione di concetti.
L'intelligenza artificiale è una disciplina dell'informatica che si occupa della progettazione di sistemi hardware e software in grado di emulare comportamenti umani. L'obiettivo è dotare le macchine di caratteristiche considerate tipicamente umane, come percezioni visive, spazio-temporali e decisionali. L'IA può essere valutata in base all'analogia con l’azione umana, al pensiero umano, dove un sistema intelligente agisce in modo razionale per ottenere il miglior risultato possibile, considerando il contesto e le informazioni disponibili.
Il termine "intelligenza artificiale" è stato coniato da John McCarthy nel 1956. Inizialmente, la ricerca sull'IA adottò un approccio simbolico con sistemi esperti, ma negli anni '60 e '70 rallentò a causa di limitazioni di potenza di calcolo. Negli anni '80, l'IA rinacque con l'approccio basato sul Machine Learning, guidato dalle reti neurali artificiali. Nel ventunesimo secolo, l'IA ha visto un aumento esponenziale grazie all'abbondanza di dati e all'uso diffuso del Deep Learning. Le reti neurali artificiali, o simulate, sono un modello computazionale di deep learning che traggono ispirazione dal funzionamento dei neuroni biologici umani.
Oggi, l'IA è parte integrante della vita quotidiana, con assistenti virtuali come Siri e Alexa. È impiegata in settori come l'automazione industriale, la guida autonoma, la medicina e il trading finanziario. Nonostante i successi, ci sono ancora sfide etiche, di trasparenza e interpretabilità dei modelli da affrontare.
Le tecniche generative sono modelli di intelligenza artificiale che imparano dai dati esistenti e sono progettati per creare nuovi dati sintetici simili a quelli reali. Le tecniche generative possono generare dati mai visti prima o modellare la complessa distribuzione di probabilità dei dati. Le tecniche generative cercano di massimizzare la likelihood, ovvero la probabilità di generare dati che seguano una distribuzione simile a quella dei dati di addestramento.
Il 5 gennaio 2021 OpenAI, una società di ricerca e implementazione di intelligenza artificiale, rese pubblico sul suo blog la possibilità di manipolare concetti visivi attraverso il linguaggio: “abbiamo addestrato una rete neurale chiamata DALL·E che crea immagini da didascalie di testo per una vasta gamma di concetti esprimibili in linguaggio naturale”.
Il nome "DALL-E" è un gioco di parole che gioca sul nome dell'artista surrealista Salvador Dalí e l'omonimo personaggio di fantasia Wall-E.
Il notevole sviluppo, che attualmente caratterizza il Deep Learning, ha permesso di inserire l’uso delle Reti Neurali Artificiali all’interno dell’interpretazione del linguaggio naturale. DALL-E è un algoritmo di intelligenza artificiale, basato sull'architettura GPT (Generative Pre-trained Transformer) che ha un insieme diversificato di capacità, tra cui la creazione di versioni antropomorfizzate di animali e oggetti, la combinazione di concetti non correlati in modo coerente, la resa del testo e l'applicazione di trasformazioni a immagini esistenti.
Come GPT-3, DALL·E è un modello di linguaggio transformer. Riceve sia il testo che l'immagine come un unico flusso di dati contenente fino a 1280 token. Un token è qualsiasi simbolo da un vocabolario discreto; per gli umani, ad esempio, ogni lettera inglese è un token di un alfabeto di 26 lettere. Il vocabolario di DALL·E contiene token per concetti sia di testo che di immagine.
DALL·E è in grado di creare immagini per una grande varietà di frasi e grazie al prompt book facilmente reperibile sul sito dallery.gallery, che si apre con delle ironiche avvertenze circa la non veridicità delle immagini che si andranno a generare, è possibile strutturare una richiesta nel linguaggio naturale nel miglior modo possibile al fine di avere un riscontro che risponda al meglio alle nostre esigenze.
Questa sorta di manuale regala preziosi consigli per migliorare la precisione della richiesta: vuoi un’immagine realistica? Un disegno 3D? Un’illustrazione?
Nell'esaminare DALL-E, è essenziale considerare che il modello non è stato soggetto a un processo di "insegnamento" tradizionale; piuttosto, ha assimilato conoscenza attraverso lo studio di un vasto dataset composto da 650 milioni di immagini. Di conseguenza, non esiste un manuale assoluto per il suo utilizzo, rendendo necessario l'esplorare le capacità di questo strumento attraverso la pratica e l'applicazione diretta.
Per iniziare a generare un'immagine è necessario digitare un comando o prompt composto da parole fino ad un massimo di 400 caratteri, che ha il compito di descrivere l’immagine che si vuole generare. Il prompt non ha una lunghezza prestabilita e si possono utilizzare addirittura solo emojis. Chiaramente più sarà specifico il prompt e più l’immagine rispecchierà ciò che avevamo in mente.
Per generare dei prompt efficaci, è consigliato utilizzare il gergo del settore di attinenza, per esempio, se desideriamo una fotografia, sarà meglio impiegare un gergo appartenente al mondo fotografico per esempio close-up o fish-eye. Per generare una fotografia è importante porsi delle domande e capire che cosa vogliamo generare per inserire all’interno del prompt le seguenti informazioni:
- Inquadratura:
- Definire la prossimità: close-up, medium shot, long shot, extreme long/shot shot.
- Angolatura: overhead view, low angle, aerial view, titled frame - Tipo di pellicola:
- Kodachrome: verde e rosso accesi
- Autochrome: giallo e verde spenti
- Lomography: immagini dalla massima saturazione
- Polaroid
- Cameraphone: come le prime immagini digitali
- CCTV: foto da sorveglianza, in bianco e nero
- Disposable camera: come una fotografia amatoriale
- Daguerrotype: stile vintage
- Camera obscura: fotografia stenopeica
- Double exposure: è possibile combinare due elementi
- Craynoype: Foto blu e bianco
- Black and White: classico monocromo
- Redscale photography: colore rosso
- Infrared photography: rende le piante Rosa
- Instagram Hipstamatic: stile falso restro
- Contact sheet: mette insieme più immagini
- Colour splash: rende visibile solo un colore
- Solarized: alcuni colori sono negativi
- Anaglyph: formato in 3D - Descrivere un contesto di ripresa
- Illuminazione: mezzogiorno, tramonto, alba, flat lightening, ombre e silhouette, illuminate primary subject, illuminazione da studio; è possibile definire una fonte di luce come “un faro che illumina la spiaggia, oppure dei colori che illuminano un volto.
- Anni e contesto: cave paintings, ancient egypt, decoratvie murales, roman mosaic, renaissance, mannerism, baroque, neoclassicism, realism, art nouveau, impressionism, art deco, dada, abstract, Bauhaus, cubism, expressionist, fauvism, futurism, orphism, street art
- Impostazioni di tipologia di lente:
Fast shutter speed, slow shutter speed, motion blur, fish eye lens, micro/macro lens, wide angle lens.
Per generare un’illustrazione possiamo scegliere lo stile, i colori e il tipo di media, mentre se vogliamo un immagine 3D di uno stabilimento, sarà meglio impiegare un gergo attinente all’architettura.
Attraverso gli aggettivi, i colori (bianco e nero, seppia) o le date, possiamo influenzare lo stile.
Un tecnica per generare immagini in uno stile artistico o design particolare consiste nel "unbundling” o processo di scomposizione. Per esempio, se si desidera generare un immagine di una sala da pranzo in stile cubista, è possibile digitare “sala da pranzo di colore blu in stile cubismo di Picasso” oppure, per ottenere un risultato migliore, chiedere a chatGPT di descrivere lo stile cubista di Picasso e inserire quella descrizione nel prompt.