Αναζήτηση στην κοινότητα

Την Τετάρτη, η Midjourney ανακοίνωσε την 5η έκδοση της εμπορικής της υπηρεσίας σύνθεσης εικόνων τεχνητής νοημοσύνης, η οποία μπορεί να παράγει φωτορεαλιστικές εικόνες με επίπεδο ποιότητας που ορισμένοι οπαδοί της τεχνητής νοημοσύνης χαρακτηρίζουν "ανατριχιαστικό" και "τέλειο". Το Midjourney v5 είναι διαθέσιμο τώρα ως δοκιμή alpha για τους χρήστες που εγγράφονται στην υπηρεσία, η οποία είναι διαθέσιμη μέσω του Discord. Οι ενδιαφερόμενοι μπορούν να ξεκινήσουν τη διαδικασία από την επίσημη ιστοσελίδα της υπηρεσίας. «Το MJ v5 μου φαίνεται προς το παρόν σαν να παίρνω επιτέλους γυαλιά, αφού αγνοούσα για καιρό ότι η όρασή μου ήταν κακή», δήλωσε η Julie Wieland, γραφίστρια που μοιράζεται συχνά τις δημιουργίες της Midjourney στο Twitter. «Ξαφνικά βλέπεις τα πάντα σε 4k, αισθάνεσαι παράξενα αλλά και καταπληκτικά». Η Wieland μοιράστηκε μερικές από τα αποτελέσματα διαφόρων εκδόσεων του Midjourney με την ιστοσελίδα Ars Technica, τα οποία σίγουρα δείχνουν μια πρόοδο στη λεπτομέρεια της εικόνας από τότε που το Midjourney εμφανίστηκε για πρώτη φορά τον Μάρτιο του 2022. Η έκδοση 3 έκανε το ντεμπούτο της τον Αύγουστο και η έκδοση 4 έκανε το ντεμπούτο της τον Νοέμβριο. Κάθε έκδοση προσέθετε περισσότερη λεπτομέρεια στα παραγόμενα αποτελέσματα, όπως δείχνουν τα πειράματά: Σύγκριση αποτελεσμάτων από τις εκδόσεις Midjourney v3/v4/v5 στην εντολή "a muscular barbarian with weapons beside a CRT television set, cinematic, 8K, studio lighting" Το Midjourney λειτουργεί παρόμοια με τα AI μοντέλα σύνθεσης εικόνων όπως το Stable Diffusion και το DALL-E, καθώς παράγει εικόνες με βάση περιγραφές κειμένου που ονομάζονται "προτροπές", χρησιμοποιώντας ένα μοντέλο τεχνητής νοημοσύνης που έχει εκπαιδευτεί σε εκατομμύρια έργα τέχνης που έχουν δημιουργηθεί από ανθρώπους. Πρόσφατα, το Midjourney βρέθηκε στο επίκεντρο μιας διαμάχης για τα πνευματικά δικαιώματα σχετικά με ένα κόμικ που χρησιμοποιούσε προηγούμενες εκδόσεις της υπηρεσίας. Αφού πειραματίστηκε με την v5 για μια ημέρα, η Wieland αναφέρει βελτιώσεις που περιλαμβάνουν «απίστευτα ρεαλιστικές υφές δέρματος και χαρακτηριστικά προσώπου, πιο ρεαλιστικό ή κινηματογραφικό φωτισμό, καλύτερες αντανακλάσεις, λάμψεις και σκιές, πιο εκφραστικές γωνίες και μάτια που είναι σχεδόν τέλεια και όχι πια στραβά». Μερικά από τα άκρως εντυπωσιακά αποτελέσματα μπορείτε να τα δείτε παρακάτω. Και, φυσικά έχουμε και τα χέρια… Τον τελευταίο χρόνο, η ιδέα ότι οι δημιουργικές γεννήτριες AI δεν μπορούν να αποδώσουν σωστά τα χέρια έχει γίνει ένας από τους σημαντικούς λόγους κριτικής. Όμως το Midjourney v5 μπορεί να δημιουργήσει αρκετά καλά, ρεαλιστικά ανθρώπινα χέρια. «Τα χέρια είναι σωστά τις περισσότερες φορές, με 5 δάχτυλα αντί για 7-10 σε ένα χέρι», δήλωσε η Wieland. Στις σημειώσεις που αφορούν τα χαρακτηριστικά της νέας έκδοσης στο Discord, η Midjourney σημείωσε επίσης ότι η v5 ανταποκρίνεται πλέον με ένα "πολύ ευρύτερο στυλιστικό εύρος" από την προηγούμενη έκδοση, ενώ είναι επίσης πιο ευαίσθητη στις προτροπές, παράγει λιγότερο ανεπιθύμητο κείμενο και προσφέρει 2 φορές μεγαλύτερη ανάλυση εικόνας. Αν υπάρχει κάποιο οπτικό μειονέκτημα στην αναβάθμιση της Midjourney για τους οπαδούς της AI art, αυτό ίσως προέρχεται από τις εικόνες που μπορεί να είναι τόσο ρεαλιστικές και "τέλειες" που η ακρίβεια του μοντέλου αφαιρεί μέρος της συγκίνησης της επανειλημμένης δημιουργίας εικόνων AI για την εύρεση ενός κατάλληλου αποτελέσματος. Χρήστης του Twitter με το όνομα Philipp Lenssen σημειώνει: «Αν έχετε ένα συγκεκριμένο θέμα εικόνας στο μυαλό σας, εξακολουθεί να μοιάζει λίγο με λοταρία. Αλλά με μεγαλύτερες πιθανότητες νίκης από τη v4». Διαβάστε ολόκληρο το άρθρο

Θυμάστε τις αλληλοεπιδράσεις του Michael Knight με το φουτουριστικό αυτοκίνητο KITT στη σειρά του 1982, Knight Rider; Κάτι τέτοιο θέλει να πετύχει τώρα η GM με τα δικά της αυτοκίνητα και τους πελάτες της. H General Motors βρίσκεται σε φάση ανάπτυξης ενός ψηφιακού βοηθού για τα αυτοκίνητα της που βασίζεται στα ίδια μοντέλα μηχανικής εκμάθησης που βασίζεται και το γνωστό AI chatbot της OpenAI, ChatGPT. Τα νέα δημοσιεύτηκαν για πρώτη φορά σε σχετικό άρθρο αυτήν την εβδομάδα από την ιστοσελίδα Semafor, ωστόσο λίγο αργότερα η GM επιβεβαίωσε τις πληροφορίες και στο ειδησεογραφικό πρακτορείο Reuters. «Το ChatGPT θα βρίσκεται παντού» δήλωσε ο Αντιπρόεδρος της General Motors, Scott Miller. Μεταξύ άλλων, η αυτοκινητοβιομηχανία οραματίζεται να αναπτύξει έναν ψηφιακό βοηθό που θα μπορεί να προσφέρει βοήθεια στον οδηγό σε καταστάσεις όπου κανονικά θα έπρεπε να στραφεί στο εγχειρίδιο λειτουργίας του οχήματος για να εντοπίσει τη λύση. Για παράδειγμα, ο βοηθός θα μπορούσε να δείξει στον οδηγό μέσω σχετικού βίντεο πως να αντικαταστήσει ένα λάστιχο και ποια εργαλεία να χρησιμοποιήσει κ.ά. Επίσης, ο ψηφιακός βοηθός θα μπορούσε να ενσωματωθεί με άλλες πλατφόρμες, όπως για παράδειγμα κάποια πλατφόρμα IoT ή Smart Home, για να αλληλοεπιδρά με άλλες συσκευές, όπως για παράδειγμα με μία έξυπνη γκαραζόπορτα. «Αυτή η αλλαγή στην στρατηγική δεν αφορά μόνο κάποια μεμονωμένη δυνατότητα, όπως στην περίπτωση της εξέλιξης των φωνητικών εντολών, αλλά δείχνει ότι οι πελάτες μπορούν να περιμένουν από τα μελλοντικά οχήματά τους να είναι πολύ πιο ικανά και ανανεωμένα συνολικά όσον αφορά τις αναπτυσσόμενες τεχνολογίες» δήλωσε ένας εκπρόσωπος της GM στο Reuters. Σύμφωνα με την ιστοσελίδα Semafor, ο ψηφιακός βοηθός θα λειτουργεί διαφορετικά από τα υπόλοιπα chatbots όπως είναι για παράδειγμα το Bing Chat. Λέγεται πως η GM επιθυμεί να προσθέσει ένα «επιπλέον επίπεδο εξειδικευμένο για αυτοκίνητα» πάνω από τα υπόλοιπα μεγάλα γλωσσικά μοντέλα (LLM, Large Language Models) στα οποία βασίζεται το ChatGPT για να επεξεργάζεται κείμενο και με την ενσωμάτωση Whisper να κατανοεί φωνή). Η νέα αυτή προσπάθεια της εταιρείας αποτελεί μέρος μιας ευρύτερης συνεργασίας μεταξύ της αυτοκινητοβιομηχανίας και της Microsoft. Το 2019, οι δυο εταιρείες συνεργάστηκαν στην ανάπτυξη αυτόνομων οχημάτων. Η Microsoft είναι ο μοναδικός πάροχος υπηρεσιών αποθηκευτικού νέφους της OpenAI, πράγμα που σημαίνει ότι ο ψηφιακός βοηθός στα αυτοκίνητα της GM θα «τρέχουν» αναπόφευκτα στην πλατφόρμα Microsoft Azure. Επί του παρόντος, η GM δεν μοιράστηκε πληροφορίες με την ιστοσελίδα Semafor σχετικά με την ονομασία του λογισμικού ή την ημερομηνία λανσαρίσματος του. Διαβάστε ολόκληρο το άρθρο

Για μήνες προσπαθούσε η Google να «φτάσει» την OpenAI, από τότε δηλαδή που έδωσε στη δημοσιότητα -και προς χρήση- το συνομιλητικό bot με την ονομασία ChatGPT, που προκάλεσε φρενίτιδα στην βιομηχανία της Generative AI. Η πρώτη απόπειρα της Google να απαντήσει στην OpenAI ήταν με το δικό της συνομιλητικό bot με την ονομασία Bard (που στην πρώτη επίδειξη του, παρέθεσε λανθασμένα -και δυστυχώς για την Google εύκολα επαληθεύσιμα- στατιστικά στοιχεία για το διαστημικό τηλεσκόπιο James Webb) έτυχε στην καλύτερη περίπτωση… χλιαρής υποδοχής, οπότε και η εταιρεία αποφάσισε να αλλάξει στρατηγική (τουλάχιστον επί του παρόντος): σε κάθε προϊόν της, και όπου είναι δυνατόν, θα ενσωματώσει τη δική της AI -όπως δηλαδή έκανε και στην περίπτωση του Google+ (το θυμάστε; ) που ξεκίνησε να προσθέτει «social» χαρακτηριστικά. Οι νέες αυτές δυνατότητες θα προστεθούν σχεδόν σε όλα τα προϊόντα Workspace της Google. Σύμφωνα με την εταιρεία, οι χρήστες θα μπορούν να «δημιουργούν drafts, να απαντούν, να συνοψίζουν και να προτεραιοποιούν» τα μηνύματα ηλεκτρονικού ταχυδρομείου τους στο Gmail ή να προχωρούν σε «brainstorming, σε διορθώσεις, σε συγγραφή ή στην επανεγγραφή» εγγράφων κειμένου στο Docs, να «αυτοματοποιούν την παραγωγή εικόνων ή ακόμα και βίντεο στο Slides, να «βάζουν» το Sheets να δημιουργεί τύπους και συναρτήσεις αυτόνομα ή να αυτοματοποιούν τη μεταγραφή σημειώσεων στο Meet καθώς και να «ενεργοποιούν ροές εργασίας για να διεκπεραιώνουν τη δουλειά τους» στο Chat. Για παράδειγμα, στο Docs, οι χρήστες μπορούν απλώς να πληκτρολογήσουν το θέμα/αντικείμενο της εργασίας τους και να περιμένουν από τη σουίτα Generative AI της Google να αρχίσει να προσθέτει από κάτω κείμενο. Το σύστημα μπορεί επίσης με τη λειτουργία Rewrite να επεξεργαστεί και να ξαναγράψει/επαναδιατυπώσει (ελπίζουμε προχωρώντας σε βελτιώσεις) το πρόχειρο κείμενο που έχει ήδη συντάξει ο χρήστης, ακόμα κι αν είναι απλώς «bullet points». Στο Gmail επίσης, υπάρχει η επιλογή «I feel lucky», που ενδεχομένως θα λατρέψει το τμήμα ανθρωπίνων πόρων (HR) της εταιρείας σας. Μετά την πρώτη… καταστροφική εμφάνιση του Bard για ορισμένους, η Google επανέλαβε τη δέσμευση της να διασφαλίσει ότι η AI της δεν θα είναι όπως της Microsoft. «Η Τεχνητή Νοημοσύνη δεν αντικαθιστά την εφευρετικότητα, τη δημιουργικότητα και την εξυπνάδα των πραγματικών ανθρώπων» έγραψε η Johanna Voolich Wright, VP of Product του τμήματος Google Workspace. «Κάποιες φορές, η Τεχνητή Νοημοσύνη μπορεί να κάνει λάθος, κάποιες άλλες μπορεί και να σε εκπλήξει ευχάριστα και πολλές φορές απαιτεί καθοδήγηση» συμπλήρωσε η Johanna Voolich Wright. Ακριβώς για αυτόν τον λόγο, η εταιρεία σχεδιάζει τα προϊόντα της εντός των ορίων των Αρχών της AI, οι οποίες είναι νομικά δεσμευτικές με το παλιό σύνθημα της εταιρείας «Don’t Be Evil». Η νέα σουίτα Workspace με δυνατότητα AI αναμένεται να κυκλοφορήσει σε όσους κάνουν χρήση της αγγλικής γλώσσας στις ΗΠΑ μέχρι το τέλος του μήνα. Η υποστήριξη πρόσθετων γλωσσών αναμένεται να είναι σταδιακή. Διαβάστε ολόκληρο το άρθρο

Η τεχνητή νοημοσύνη δεν χρησιμεύει μόνο για τη σύνταξη εργασιών για το… σχολείο, τη συγγραφή σεναρίων για ταινίες επιστημονικής φαντασίας ή ακόμα και για τη σύνταξη άρθρων με οικονομικές συμβουλές για μεγάλους εκδοτικούς οίκους, καθώς θα μπορούσε να βοηθήσει να σωθούν ζωές από την αξιοποίησή της στον ιατρικό και νοσηλευτικό τομέα. Στην ετήσια εκδήλωση για την υγειονομική περίθαλψη της Google με την ονομασία «The Check Up», η εταιρεία ανακοίνωσε σημαντικές συνεργασίες που έχουν στον επίκεντρο την υγεία και τη χρήση της Τεχνητής Νοημοσύνης για διαγνώσεις μέσω υπέρηχων, την ανάπτυξη/χρήση ιατρικών γλωσσικών μοντέλων και τη θεραπεία διάφορων μορφών καρκίνου κ.ά. Η Google θεωρεί ότι η Τεχνητή Νοημοσύνη είναι ζωτικής σημασίας σε περιοχές με έλλειψη σε εξειδικευμένο ιατρικό ή νοσηλευτικό προσωπικό για τη διάγνωση παθήσεων μέσω της υπερηχογραφίας ή υπερηχοτομογραφίας. Αν και πλέον οι συσκευές υπερήχων είναι πιο προσιτές από ποτέ, εντούτοις απαιτούνται ειδικοί για να κάνουν τη διάγνωση και να ερμηνεύουν αυτό που διακρίνεται στις εξετάσεις. Τα μοντέλα τεχνητής νοημοσύνης της εταιρείας θα μπορούσαν να βοηθήσουν στην απλοποίηση αυτής της διαδικασίας εντοπίζοντας δεδομένα όπως η έγκαιρη ανίχνευση του καρκίνου του μαστού και την ηλικία της κύησης σε μέλλουσες μητέρες. Για να γίνει αυτό πραγματικότητα, ο γίγαντας της αναζήτησης συνεργάζεται με την Κενυάτικη, μη-κερδοσκοπική οργάνωση Jacaranda Health για την πραγματοποίηση διαγνώσεων μέσω υπερήχων που βασίζονται στην Τεχνητή Νοημοσύνη για μητέρες και μωρά σε κρατικά νοσοκομεία. «Μέσω αυτής της συνεργασίας, θα διεξαγάγουμε έρευνες για να κατανοήσουμε την τρέχουσα προσέγγιση στην πραγματοποίηση εξετάσεων υπερήχων στην Κένυα και να μελετήσουμε τους τρόπους με τους οποίους τα νέα εργαλεία Τεχνητής Νοημοσύνης θα μπορούν να υποστηρίξουν τη δυνατότητα πραγματοποίησης υπερηχογραφήματος σε σημεία φροντίδας για εγκύους» δήλωσαν οι επικεφαλής Τεχνητής Νοημοσύνης Υγείας της Google, Greg Corrado και ο Αντιπρόεδρος Μηχανικής, Yossi Matias σε μία ανάρτηση στο επίσημο blog της εταιρείας. Η εταιρεία συνεργάζεται επίσης με το Chang Gung Memorial Hospital στην Ταϊβάν για να ερευνήσει τους τρόπου που η Τεχνητή Νοημοσύνη θα μπορούσε να ανιχνεύσει τον καρκίνο του μαστού μέσω υπερήχων ως εναλλακτική λύση στις μαστογραφίες, οι οποίες έχουν περιορισμένη διαθεσιμότητα σε περιοχές με χαμηλότερους πόρους. H Google επίσης έκανε γνωστό, ότι το ιατρικό μεγάλο γλωσσικό μοντέλο (LLM) της έχει σημειώσει μεγάλο πρόοδο και έχει βελτιωθεί σε αξιοσημείωτο βαθμό. Το Med-PaLM 2, όπως είναι η ονομασία του μεγάλου γλωσσικού μοντέλου επόμενης γενιάς της εταιρείας, απάντησε σωστά στο 85% των ερωτημάτων σε ιατρικές εξετάσεις -βελτίωση που ισοδυναμεί με 18% σε σύγκριση με την επίδοση της προηγούμενης έκδοσης του. «Το συγκεκριμένο μοντέλο όχι μόνο απάντησε με ακρίβεια σε ερωτήσεις πολλαπλής επιλογής και ανοικτού τύπου (περιλαμβάνουν μία ερώτηση και ένα κενό πεδίο), αλλά παρείχε επίσης το σκεπτικό πίσω από τις απαντήσεις που έδωσε ενώ αξιολόγησε και τις δικές του απαντήσεις» αναφέρουν στην ανάρτηση τους οι κ. Greg Corrado και Yossi Matias. Σε κάθε περίπτωση, μην περιμένετε πάντως ένα bot τύπου ChatGPT να αντικαθιστά τον γιατρό σας σύντομα, καθώς η Google προειδοποιεί ότι η τεχνολογία εξακολουθεί να μην είναι έτοιμη για τον πρακτικό κόσμο. Για παράδειγμα, στην περίπτωση μίας αξιολόγησης που βασίστηκε σε κριτήρια όπως η επιστημονική ακρίβεια, η ιατρική συναίνεση, η συλλογιστική, η μεροληψία και οι βλάβες, προέκυψαν «σημαντικά κενά» στις απαντήσεις σε ιατρικές ερωτήσεις. Οι κ. Greg Corrado και Yossi Matias γράφουν στην ανάρτηση: «Ανυπομονούμε να συνεργαστούμε με ερευνητές και την παγκόσμια ιατρική κοινότητα για να καλύψουμε αυτά τα κενά και να κατανοήσουμε πως αυτή η τεχνολογία μπορεί να βοηθήσει στη βελτίωση της παροχής υπηρεσιών υγείας». Η Google συνεργάστηκε επίσης με την Mayo Clinic για να διερευνήσει το ρόλο της τεχνητής νοημοσύνης στον προγραμματισμό των ακτινοθεραπειών για τη θεραπεία του καρκίνου. Η έρευνα επικεντρώνεται στη μείωση των κουραστικών και χρονοβόρων βημάτων που απαιτούνται στη διαδικασία της ακτινοθεραπείας - κυρίως, του λεγόμενου «contouring». Αυτή η τεχνική απαιτεί από τους κλινικούς ιατρούς να σχεδιάζουν γραμμές στις αξονικές τομογραφίες για να διαχωρίσουν τις καρκινικές περιοχές από τους κοντινούς υγιείς ιστούς που η ακτινοβολία θα μπορούσε να βλάψει, μια διαδικασία που μπορεί να διαρκέσει έως και επτά ώρες για έναν ασθενή. Η Google έκανε γνωστό ότι πρόκειται σύντομα να δημοσιεύσει τα αποτελέσματα μίας τριετούς μελέτης της ενώ πρόκειται και να επισημοποιήσει μια συμφωνία με την Mayo Clinic για να πραγματοποιήσει μία διευρυμένη έρευνα πάνω στην ακτινοθεραπεία, στα μοντέλα τεχνητής νοημοσύνης και στις εμπορικές χρήσεις τους. Τέλος, η Google θεωρεί ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη διάγνωση της φυματίωσης μέσω της ακτινογραφίας θώρακα. Η εταιρεία συνεργάζεται με έναν οργανισμό που εξειδικεύεται στην Τεχνητή Νοημοσύνη για να καταστήσει ευρέως διαθέσιμες τις εξετάσεις φυματίωσης με τη βοήθεια της Τεχνητής Νοημοσύνης στην Υποσαχάρια Αφρική. Οι συνεργάτες της έχουν δεσμευτεί να προσφέρουν 100.000 δωρεάν προληπτικούς ελέγχους για να βοηθήσουν στην έγκαιρη ανίχνευση της φυματίωσης και να παρέχουν έγκαιρη θεραπεία για τη μείωση της εξάπλωσής της. Διαβάστε ολόκληρο το άρθρο

Η τεχνητή νοημοσύνη που χρησιμοποιείται για τη δημιουργία φωτορεαλιστικών έργων τέχνης προκαλεί ήδη σημαντική αναταραχή στον κλάδο της φωτογραφίας, αλλά ένα νέο εργαλείο, το WatermarkRemover.io, είναι από τα πιο ανησυχητικά. Το WatermarkRemover.io, το οποίο διατίθεται και δωρεάν (με περιορισμούς), χρησιμοποιεί τεχνητή νοημοσύνη για την αφαίρεση ενός υδατογραφήματος από εικόνες, όπως υπονοείται από το όνομά του. Αν και υπάρχουν κάποιοι καλοπροαίρετοι λόγοι για να θέλει κανείς να αφαιρέσει υδατογραφήματα από μια εικόνα -για παράδειγμα, αν έχετε τα δικαιώματα μιας εικόνας αλλά δεν μπορείτε να εντοπίσετε μια έκδοση χωρίς το υδατογράφημα- είναι εύκολο να φανταστεί κανείς πολύ πιο κακόβουλα σενάρια στα οποία κάποιος θέλει να αφαιρέσει ένα υδατογράφημα από μια φωτογραφία. Φυσικά το WatermarkRemover.io και κάθε παρόμοιο εργαλείο έχει κάθε δικαίωμα ύπαρξης και οι προγραμματιστές δεν είναι απολύτως υπεύθυνοι για το αν οι χρήστες κατεβάζουν το εργαλείο για να κάνουν κάτι παράνομο από τη στιγμή που η αφαίρεση υδατογραφήματος για την κλοπή φωτογραφιών είναι παράνομη, τουλάχιστον στις ΗΠΑ. Οι χρήστες μπορούν ήδη να επεξεργαστούν υδατογραφήματα από εικόνες με εφαρμογές επεξεργασίας φωτογραφιών όπως το Adobe Photoshop. Σε ορισμένες περιπτώσεις, κάτι τέτιο είναι πολύ εύκολο να γίνει. Εκεί που η τεχνητή νοημοσύνη έρχεται να βοηθήσει, είναι να κάνει πολύ πιο εύκολες τις πολύπλοκες εργασίες, όπως την αφαίρεση πολύχρωμων υδατογραφημάτων με διαφορετική διαφάνεια. Όσον αφορά την τεχνητή νοημοσύνη στην επεξεργασία φωτογραφιών, τη βλέπουμε όλο και πιο συχνά όπως σημειώνει το dpreview. Σχεδόν κάθε σημαντική εφαρμογή επεξεργασίας φωτογραφιών περιλαμβάνει πλέον χαρακτηριστικά AI. Σε ορισμένες περιπτώσεις, όπως με το ON1 Photo RAW 2023, μπορείτε να χρησιμοποιήσετε το AI για να εκτελέσετε επεξεργασίες με ένα κλικ σε συγκεκριμένες περιοχές μιας εικόνας. Αν θέλετε να επεξεργαστείτε τον ουρανό, κάντε κλικ στον ουρανό και η τεχνολογία μηχανικής μάθησης του λογισμικού δημιουργεί μια μάσκα του ουρανού, επιτρέποντας ακριβείς τοπικές προσαρμογές χωρίς την ανάγκη για χειροκίνητη δημιουργία μάσκας, μια ενέργεια σίγουρα χρονοβόρα. Η Skylum βρίσκεται στην πρώτη γραμμή της επανάστασης της τεχνητής νοημοσύνης στην επεξεργασία φωτογραφιών, συμπεριλαμβανομένου του προγράμματος επεξεργασίας φωτογραφιών Luminar Neo, το οποίο χρησιμοποιεί την τεχνητή νοημοσύνη σχεδόν σε κάθε εργαλείο επεξεργασίας εικόνας. Σε περιπτώσεις όπως αυτές, οι εφαρμογές χρησιμοποιούν το AI για να απλοποιήσουν τις υπάρχουσες εργασίες επεξεργασίας, αντί να χρησιμοποιούν την τεχνητή νοημοσύνη για να αλλάξουν ριζικά μια εικόνα. Ενώ ορισμένοι φωτογράφοι ανησυχούν για το γεγονός ότι το AI αφαιρεί την ανθρώπινη επαφή από την επεξεργασία φωτογραφιών και την επεξεργασία εικόνας, για πολλούς φωτογράφους, το AI κάνει τη δουλειά πολύ πιο εύκολη. Όσο λιγότερο χρόνο ξοδεύετε για να φτιάχνετε μάσκες και να εκτελείτε πολύπλοκες επεξεργασίες, τόσο περισσότερο χρόνο έχετε για άλλα πράγματα, όπως τη λήψη φωτογραφιών. Όταν εξετάζετε εργαλεία τεχνητής νοημοσύνης όπως το DALL-E, θα βρείτε πολύ περισσότερους πολέμιους της τεχνητής νοημοσύνης, ή τουλάχιστον ανθρώπους που αισθάνονται άβολα. Όπως αναρωτιέται ο επαγγελματίας σχεδιαστής Tobias van Schneider σχετικά με την τεχνητή νοημοσύνη στο Twitter, "Πού πάμε;". Πρόκειται για ένα σημαντικό ερώτημα, το οποίο πολλοί πιστεύουν ότι θα πρέπει να απαντηθεί γρήγορα για να υπάρχουν ελπίδες ότι το πολιτιστικό και ηθικό πλαίσιο που περιβάλλει τη χρήση της τεχνητής νοημοσύνης θα συμβαδίζει με την ταχεία πρόοδο της ίδιας της τεχνολογίας. Διαβάστε ολόκληρο το άρθρο

Από ότι φαίνεται το Shutterstock είναι πρόθυμο να αγκαλιάσει την τέχνη που δημιουργείται από την τεχνητή νοημοσύνη. Όπως αναφέρει η ιστοσελίδα The Verge, η γνωστή υπηρεσία παροχής φωτογραφιών προχώρησε στη διεύρυνση της συμφωνία της με την OpenAI για να ξεκινήσει την πώληση εικόνων που έχουν δημιουργηθεί με τη βοήθεια της τεχνητής νοημοσύνης, και πιο συγκεκριμένα με το μοντέλο DALL-E 2. Όπως εξηγεί με απλά λόγια η κοινοπραξία OpenAI, το DALL-E 2 είναι ένα σύστημα AI που έχει τη δυνατότητα να παράγει ρεαλιστικές εικόνες και τέχνη αξιοποιώντας τα δεδομένα μίας περιγραφής σε φυσική γλώσσα. Πρόκειται λοιπόν για ένα μοντέλο AI που μπορεί να παράγει εικόνες από κείμενο. Η συγκεκριμένη προσέγγιση θα προσφέρει «απευθείας πρόσβαση» στο σύστημα DALL-E 2 μέσω της ιστοσελίδας του Shutterstock με τους δημιουργούς των οποίων τα έργα και οι φωτογραφίες έπαιξαν ρόλο στην ανάπτυξη της τεχνολογίας να αποζημιώνονται μέσω ενός νέου ταμείου που ονομάζεται «Ταμείο Συνεισφερόντων». Οι καλλιτέχνες, όταν διαπιστωθεί ότι το έργο τους χρησιμοποιείται από το μοντέλο τεχνητής νοημοσύνης, θα αποζημιώνονται επίσης. Η OpenAI αδειοδοτήθηκε από την εταιρεία Shutterstock για να εκπαιδεύσει τα μοντέλα τεχνητής νοημοσύνης text-to-image του συστήματος DALL-E το 2021. Η πρόσφατα διευρυμένη συμφωνία αντιπροσωπεύει μία από τις πρώτες πρακτικές χρήσεις της τεχνολογίας μέσω του κιτ προγραμματισμού της OpenAI. Η ενσωμάτωση DALL-E θα είναι διαθέσιμη κάποια στιγμή τους «προσεχείς μήνες». Όπως έκανε γνωστό το Shutterstock, θα απαγορεύσει τις όποιες εικόνες ή έργα τέχνης δημιουργούνται από μοντέλα AI εκτός της πλατφόρμας της OpenAI. Αν και η συγκεκριμένη απόφαση αναμφισβήτητα προστατεύει τα συμφέροντα και τα επιχειρηματικά μοντέλα των δύο εταιρειών, διασφαλίζει επίσης ότι η Shutterstock θα είναι σε θέση να αναγνωρίσει το περιεχόμενο που χρησιμοποιείται ώστε να πληρώνει αναλόγως τους δημιουργούς ή παραγωγούς. Οι πληρωμές θα πραγματοποιούνται κάθε έξι μήνες και θα περιλαμβάνουν έσοδα τόσο από δεδομένα εκπαίδευσης όσο και από δικαιώματα χρήσης των εικόνων. Αυτή είναι η πρώτη σημαντική συμφωνία που βασίζεται σε αποζημιώσεις του είδους. Θα μπορούσε επίσης να βοηθήσει και στη διευθέτηση ζητημάτων που έχουν να κάνουν σχετικά με το αν η τέχνη που δημιουργείται από κάποιο μοντέλο τεχνητής νοημοσύνης είναι δανεισμένη ή κλεμμένη. Κάποιες άλλες εταιρείες είναι πάντως περισσότερο προσεκτικές στον συγκεκριμένο τομέα. Η ανταγωνίστρια του Shutterstock, Getty Images, έχει απαγορεύσει εντελώς τις εικόνες που έχουν δημιουργηθεί με τη βοήθεια τεχνητής νοημοσύνης λόγω ανησυχιών σχετικά με τα πνευματικά δικαιώματα, φτάνοντας στο σημείο να χρησιμοποιεί ακόμη και φίλτρα για να εμποδίσει τη διάδοση τέτοιου είδους περιεχομένου. Η Google, εν τω μεταξύ, κρατά επί του παρόντος το δικό της σύστημα Imagen ιδιωτικό μέχρι να βρει έναν «υπεύθυνο» τρόπο να κάνει το σύστημα διαθέσιμο στο κοινό. Επειδή η συμφωνία είναι νέα, δεν έχουν ξεκαθαρίσει ακόμα αρκετά πράγματα. Για παράδειγμα δεν έχει ακόμα διευκρινιστεί πως θα πληρώνονται οι δημιουργοί. Ενδεχομένως και να πρόκειται για μία συμφωνία που μπορεί να δημιουργήσει μία αρμονική σχέση μεταξύ των δημιουργών και της τεχνητής νοημοσύνης. Θα δούμε όμως. Τα πράγματα αλλάζουν γρήγορα. Διαβάστε ολόκληρο το άρθρο

Μια εταιρεία που ασχολείται με τη σύνθεσης φωνής με τη βοήθεια της τεχνητής νοημοσύνης, δημοσίευσε μια ψεύτικη podcast συνέντευξη μεταξύ του Joe Rogan και του Steve Jobs χρησιμοποιώντας ρεαλιστικές φωνές των δύο ανδρών, ψηφιακά κλωνοποιημένες. Η συνέντευξη λαμβάνει χώρα κατά τη διάρκεια του "πρώτου επεισοδίου" μιας υποτιθέμενης σειράς podcast που ονομάζεται "Podcast.ai" και δημιουργήθηκε από την Play.ht με έδρα στο Ντουμπάι, η οποία παρέχει υπηρεσίες σύνθεσης φωνής. Στη συνέντευξη, ακούγεται πρώτα μια αντιγραφή της φωνής του Rogan που δημιουργήθηκε από τεχνολογία κλωνοποίησης φωνής και η οποία έχει επιτρέψει σε μοντέλα τεχνητής νοημοσύνης να αναπαράγουν χαρακτηριστικές φωνές με μεγάλη ακρίβεια, όπως στην περίπτωση του Darth Vader στην τηλεοπτική σειρά Obi-Wan Kenobi της Disney. Για να επιτευχθεί το αποτέλεσμα, κάποιος πρέπει πρώτα να εκπαιδεύσει το μοντέλο AI σε υπάρχοντα δείγματα της φωνής που προορίζεται να κλωνοποιηθεί. Ο Rogan αποτελεί πρωταρχικό στόχο για την εκπαίδευση φωνής AI από μοντέλα deep learning, επειδή υπάρχει άφθονο υλικό της φωνής του από τα podcasts του. Εκεί που το όλο θέμα γίνεται απίστευτο, είναι το γεγονός ότι η Play.ht έβαλε στο παιχνίδι τη φωνή του αποθανόντος CEO της Apple, Steve Jobs. Η φωνή του, αν και ρομποτικά αποσπασματική κατά καιρούς, θυμίζει τις κεντρικές ομιλίες της Apple και τις συνεντεύξεις του στο All Things Digital από τα τέλη της δεκαετίας του 2000. Το Play.ht ισχυρίζεται ότι το κείμενο της συνέντευξης δημιουργήθηκε επίσης από τεχνητή νοημοσύνη, πιθανώς από ένα μεγάλο γλωσσικό μοντέλο (LLM) παρόμοιο με το GPT-3. «Τα κείμενα παράγονται με λεπτομερώς ρυθμισμένα γλωσσικά μοντέλα», γράφει η Play.ht στον ιστότοπο του Podcast.ai. «Για παράδειγμα, το επεισόδιο του Steve Jobs εκπαιδεύτηκε με βάση τη βιογραφία του και όλες τις ηχογραφήσεις του που μπορέσαμε να βρούμε στο διαδίκτυο, ώστε η τεχνητή νοημοσύνη να τον ζωντανέψει με ακρίβεια». Αν και η πιστότητα των φωνών στο μεγαλύτερο μέρος της είναι εντυπωσιακή, η 19λεπτη συνέντευξη δεν βγάζει πολύ νόημα. Μετά από λίγο, τα δύο μέρη της φανταστικής συνέντευξης αρχίζουν να αναφέρουν κεντρικά σημεία παλαιών δηλώσεων τους όπου στην περίπτωση του Jobs αφορούν την αισθητική, τα επαναστατικά προϊόντα και τους ανταγωνιστές της Apple. Σε αυτούς περιλαμβάνεται η Google, η Microsoft, η Adobe αλλά και ότι προηγήθηκε πριν την ανακοίνωση του πρώτου Macintosh υπολογιστή. Για παράδειγμα, κατά τη διάρκεια της συνέντευξης, ο ψεύτικος Jobs υπεισέρχεται σε κριτική της Microsoft που μοιάζει πολύ με ό,τι είπε ο πραγματικός Jobs σε μια διάσημη συνέντευξη του 1995 στο Triumph of the Nerds. Αν και δεν είναι πιστό αντίγραφο της συγκεκριμένης συνέντευξης, είναι κατανοητό ότι η φωνή είναι συνθετική αν κάποιος προχωρήσει στη σύγκριση των δύο. «Αυτό είναι το πρόβλημα που είχα πάντα με τη Microsoft», λέει ο ψεύτικος Jobs. «Από πολλές απόψεις είναι έξυπνοι άνθρωποι και έχουν κάνει καλή δουλειά, αλλά ποτέ δεν είχαν γούστο. Ποτέ δεν είχαν αισθητική». Το αν είναι νόμιμο να χρησιμοποιούνται φωνητικά μοντέλα του Jobs ή του Rogan με αυτόν τον τρόπο -ιδιαίτερα για την προώθηση ενός εμπορικού προϊόντος- μένει να το δούμε. Και παρά τη φύση του podcast ως διαφημιστικό κόλπο, η ιδέα των podcasts με φανταστικές συζητήσεις μεταξύ διασημοτήτων σίγουρα αποσπά την προσοχή αρκετών. Διαβάστε ολόκληρο το άρθρο

Η Google εργάζεται στην ανάπτυξη μίας νέας «video-generating» Τεχνητής Νοημοσύνης (AI). Η Τεχνητή Νοημοσύνη σχεδιάστηκε για να μετατρέπει κείμενο σε βίντεο και έχει την ονομασία «Imagen Video». Η γνωστή εταιρεία έκανε γνωστό πάντως ότι δεν θα επιτρέψει τη μετατροπή κειμένου που σχετίζεται με το έγκλημα, τον ρατσισμό ή την πορνογραφία από την «Imagen Video». H Google εργάζεται εδώ και πολλά χρόνια σε διάφορα συστήματα Τεχνητής Νοημοσύνης που έχουν σχεδιαστεί για την παραγωγή εικόνων από μηνύματα κειμένου. Ένα από αυτά τα συστήματα είναι και το Dream Fields, το οποίο πρωτοπαρουσιάστηκε το 2021 και παράγει τρισδιάστατες εικόνες. Όμως, τώρα, αρχίζουμε να ακούμε για το σύστημα «Imagen Video», και ενδεχομένως για τους λάθος λόγους, με την Google να αναφέρει σε μία πρόσφατη ερευνητική εργασία που δημοσίευσε για το σύστημα Imagen Video ότι δεν πρόκειται να το διαθέσει ευρέως ωσότου διορθωθούν όλα τα παραπάνω ζητήματα. Στην ενότητα «Περιορισμοί και κοινωνικός αντίκτυπος» στο κείμενο που δόθηκε στη δημοσιότητα, η Google επισημαίνει ότι η διάθεση μοντέλων τεχνητής νοημοσύνης όπως το Imagen Video έχει αντίκτυπο στην κοινωνία, τόσο θετικό όσο και αρνητικό, καθώς το σύστημα τεχνητής νοημοσύνης αποτελεί στην ουσία έναν ενισχυτή της ανθρώπινης δημιουργικότητας. Η Google εξηγεί ότι τέτοια «generative» μοντέλα Τεχνητής Νοημοσύνης χρησιμοποιούνται πολλές φορές καταχρηστικά από άτομα για την παραγωγή ψευδούς, ακατάλληλου, και επιβλαβούς περιεχομένου, που πολλές φορές προάγει το μίσος. Έχοντας επίγνωση των παγίδων, η Google δηλώνει ότι έχει λάβει μέτρα για να ελαχιστοποιήσει τις όποιες ανησυχίες και πως κατά τη διάρκεια των εσωτερικών δοκιμών, εφάρμοσε φιλτράρισμα κειμένου και φιλτράρισμα περιεχομένου βίντεο για να αποτρέψει την παραγωγή επιβλαβούς περιεχομένου από την Τεχνητή Νοημοσύνη. Δυστυχώς, δεν είναι τόσο απλό, ακόμα και για την Google, να δώσει τις κατευθυντήριες γραμμές στην Τεχνητή Νοημοσύνη ώστε να την αποτρέψει από το να παράγει περιεχόμενο το οποίο οι άνθρωποι ενδέχεται να θεωρήσουν προσβλητικό. Η Google πάντως δηλώνει ότι το σύστημα εκπαιδεύτηκε σε «προβληματικά δεδομένα» και ότι, ενώ τα αποτελέσματα των εσωτερικών δοκιμών δείχνουν ότι μεγάλο μέρος του προβληματικού περιεχομένου καταργήθηκε ή αποτράπηκε, εντούτοις εξακολουθεί να παράγει περιεχόμενο που ορισμένοι μπορεί να θεωρήσουν στερεοτυπικό ή κοινωνικά προκατειλημμένο. Δεδομένου ότι οι κοινωνικές προκαταλήψεις και τα στερεότυπα παραμένουν επί του παρόντος, η Google αποφάσισε να μην διαθέσει το μοντέλο Τεχνητής Νοημοσύνης «Imagen Video» ή τον πηγαίο κώδικα του μέχρι να αντιμετωπίσει πλήρως ή έστω να μετριάσει τα συγκεκριμένα ζητήματα. Η Google δικαίως ανησυχεί για τη δύναμη του μοντέλου «Imagen Video», και ότι το γεγονός ότι παραδέχεται στην ερευνητική της εργασία ότι αγωνίζεται να μειώσει τις πιθανότητες παραγωγής επιβλαβούς περιεχομένου από την Τεχνητή Νοημοσύνη, υπογραμμίζει έναν απλό αλλά σημαντικό παράγοντα για τα συστήματα τεχνητής νοημοσύνης που εκπαιδεύονται χρησιμοποιώντας μεγάλες δεξαμενές δεδομένων. Αν και μπορεί να αποτελεί εξαιρετικά μεγάλο επίτευγμα η δημιουργία ενός συστήματος Τεχνητής Νοημοσύνης που είναι ικανό να παράγει περιεχόμενο βίντεο από μηνύματα κειμένου, πρέπει να ληφθεί υπόψη και ο αντίκτυπος του στην κοινωνία. Ευτυχώς, αυτό είναι κάτι που φαίνεται να λαμβάνει υπόψη της η Google. Διαβάστε ολόκληρο το άρθρο

Μπορεί ο Bruce Willis να έχει αποσυρθεί από την υποκριτική αφού διαγνώστηκε με αφασία, αλλά μια εκδοχή του θα συνεχίσει να υπάρχει σε μελλοντικά έργα. Πέρυσι, ο "ψηφιακός δίδυμος" του ηθοποιού εμφανίστηκε σε διαφήμιση ρωσικού τηλεπικοινωνιακού παρόχου, και ο οποίος δημιουργήθηκε από μια εταιρεία με την ονομασία Deepcake. Σημερινά δημοσιεύματα αναφέρουν ότι ο Willis πούλησε τα δικαιώματά του για μελλοντικά κινηματογραφικά, διαφημιστικά και άλλα έργα στην Deepcake, σύμφωνα με την ιστοσελίδα της εταιρείας και την Telegraph. Οι μηχανικοί δημιούργησαν τον ψηφιακό σωσία του ηθοποιού αντλώντας από το περιεχόμενο των ταινιών Die Hard και Fifth Element, όταν ο Willis ήταν 32 και 42 ετών αντίστοιχα. Με το ομοίωμά του τώρα στην πλατφόρμα τεχνητής νοημοσύνης της εταιρείας, αυτή μπορεί να «τοποθετήσει» το ομοίωμά του στο πρόσωπο ενός άλλου ηθοποιού σε σχετικά σύντομο χρονικό διάστημα. Ωστόσο, την τελική έγκριση για την κυκλοφορία κάθε project έχει η οικογένεια του ηθοποιού. Στη διαφήμιση για τη Megafon, το πρόσωπο του Konstantin Solovyov αντικαταστάθηκε με το πρόσωπο του ηθοποιού Willis. «Μου άρεσε η ακρίβεια του χαρακτήρα μου. Είναι μια μεγάλη ευκαιρία για μένα να γυρίσω πίσω στο χρόνο», δήλωσε ο Γουίλις σε δήλωσή του στο Deepcake. «Με την έλευση της σύγχρονης τεχνολογίας, μπορούσα να επικοινωνώ, να εργάζομαι και να συμμετέχω στα γυρίσματα, ακόμη και αν βρισκόμουν σε άλλη ήπειρο. Είναι μια ολοκαίνουργια και ενδιαφέρουσα εμπειρία για μένα και είμαι ευγνώμων στην ομάδα μας». Τον Μάρτιο, η οικογένεια του Bruce Willis ανακοίνωσε ότι αποσύρεται από την υποκριτική επειδή διαγνώστηκε με αφασία, η οποία επηρεάζει την επικοινωνία και την κατανόηση. Τα τελευταία χρόνια, ο 67χρονος εμφανίστηκε σε μια σειρά από έργα εν μέσω ανησυχίας για τη γνωστική του κατάσταση. Άλλοι ηθοποιοί έχουν ήδη εμφανιστεί ως ψηφιακές εκδοχές του εαυτού τους, κυρίως στο The Book of Boba Fett με έναν νεαρό Mark Hamill. Ψηφιακές εκδοχές της Carrie Fisher και του Peter Cushing εμφανίστηκαν επίσης στο Star Wars: Rogue One, παρά το γεγονός ότι και οι δύο έχουν αποβιώσει. Ο James Earl Jones πούλησε πρόσφατα στη Disney το δικαίωμα να αναδημιουργήσει τη φωνή του Dart Vader με τη βοήθεια της τεχνητής νοημοσύνης, ώστε να μπορέσει επιτέλους να αποσυρθεί. Η πρακτική αυτή προκάλεσε αντιδράσεις. Οι απομιμήσεις ποικίλλουν σε μεγάλο βαθμό ως προς την ποιότητα, αλλά πολλές είναι τουλάχιστον περίεργες αφού δεν είναι λίγες οι φορές που οι χαρακτήρες δεν φαίνονται απόλυτα σωστοί λόγω άκαμπτων κινήσεων, μη ρεαλιστικών ματιών και άλλων προβλημάτων. Υπάρχει επίσης το ζήτημα των δικαιωμάτων, καθώς οι αποθανόντες ηθοποιοί δεν μπορούν να απορρίψουν μεταθανάτιους κινηματογραφικούς ρόλους, ακόμη και αν η οικογένεια ή άλλοι κληρονόμοι το εγκρίνουν. Ενημέρωση 2/10 08:12 - Σύμφωνα με το BBC, ο ατζέντης του Bruce Willis διέψευσε το δημοσίευμα της Telegraph και άλλων μέσων σύμφωνα με τα οποία ο κινηματογραφικός αστέρας πούλησε τα δικαιώματα του προσώπου του. Αυτή την εβδομάδα αναφέρθηκε ευρέως ότι ο Willis, στην πρώτη συμφωνία του είδους, είχε πουλήσει το πρόσωπό του σε μια εταιρεία deepfake με την ονομασία Deepcake. Ωστόσο, εκπρόσωπος του ηθοποιού δήλωσε στο BBC ότι δεν είχε "καμία συνεργασία ή συμφωνία" με την εταιρεία ενώ και ένας εκπρόσωπος της Deepcake δήλωσε ότι μόνο ο Willis είχε τα δικαιώματα του προσώπου του. Τα Deepfakes χρησιμοποιούν τεχνολογία τεχνητής νοημοσύνης (AI) και μηχανικής μάθησης για να δημιουργήσουν ρεαλιστικά βίντεο - συχνά διασημοτήτων ή πολιτικών. Για τους ηθοποιούς που δεν μπορούν πλέον να παίξουν, η τεχνολογία έχει τη δυνατότητα να αλλάξει το παιχνίδι. Σε δήλωση της η Deepcake, δήλωσε ότι οι αναφορές ότι είχε αγοράσει τα δικαιώματα του προσώπου του Bruce Willis ήταν ανακριβείς. «Η διατύπωση σχετικά με τα δικαιώματα είναι λανθασμένη... Ο Bruce δεν θα μπορούσε να πουλήσει σε κανέναν δικαιώματα, είναι δικά του εξ ορισμού», δήλωσε εκπρόσωπος της εταιρείας. Η σύγχυση αναδεικνύει πόσο νέα είναι αυτή η τεχνολογία - και την έλλειψη σαφών κανόνων γύρω από αυτήν. «Ο Bruce Willis έγινε ο πρώτος σταρ του Χόλιγουντ που πούλησε τα δικαιώματά του για να επιτρέψει τη δημιουργία ενός "ψηφιακού διδύμου" του εαυτού του για χρήση στην οθόνη», ανέφερε η Telegraph. Διαβάστε ολόκληρο το άρθρο

Η Meta παρουσίασε τον Ιούλιο την υπηρεσία Make-a-Scene που με τη βοήθεια της τεχνητής νοημοσύνης, μετατρέπει μια πρόταση σε εικόνα, όπως ακριβώς το Dall-E και το Midjourney. Όπως κάθε παρόμοια υπηρεσία, έτσι κι'αυτή χρησιμοποιεί αλγορίθμους μηχανικής μάθησης (και τεράστιες βάσεις δεδομένων με έργα τέχνης στο διαδίκτυο) για τη δημιουργία φανταστικών απεικονίσεων που ο χρήστης περιγράφει με μια απλή πρόταση. Την Πέμπτη, ο διευθύνων σύμβουλος της Meta, Mark Zuckerberg, αποκάλυψε την πιο σύγχρονη έκδοση του Make-a-Scene, το Make-a-Video το οποίο αντί για εικόνα δημιουργεί..βίντεο. Όπως υποδηλώνει και το όνομά του, το Make-a-Video είναι «ένα νέο σύστημα τεχνητής νοημοσύνης που επιτρέπει στους ανθρώπους να μετατρέπουν μια πρόταση κειμένου σε σύντομα, υψηλής ποιότητας βίντεο κλιπ», έγραψε ο Zuckerberg στο blog της Meta. Τεχνικά, το Video λειτουργεί με τον ίδιο τρόπο που λειτουργεί και το Scene, βασιζόμενο σε ένα μείγμα επεξεργασίας φυσικής γλώσσας και παραγωγικών νευρωνικών δικτύων για τη μετατροπή μη οπτικών προτροπών σε εικόνες - απλώς αντλεί περιεχόμενο σε διαφορετική μορφή. «Η διαίσθησή μας είναι απλή: να μάθουμε πώς μοιάζει ο κόσμος και πώς περιγράφεται από ζευγαρωμένα δεδομένα κειμένου-εικόνας, και να μάθουμε πώς κινείται ο κόσμος από βίντεο υλικό», έγραψε η ομάδα ερευνητών της Meta σε έγγραφο που δημοσιεύθηκε αυτή την εβδομάδα. Με αυτόν τον τρόπο η ομάδα κατάφερε να μειώσει τον χρόνο που απαιτείται για την εκπαίδευση του μοντέλου Video και να εξαλείψει την ανάγκη για ζευγαρωμένα δεδομένα κειμένου-βίντεο, διατηρώντας παράλληλα «την ποικιλομορφία στην αισθητική (φανταστικές απεικονίσεις κ.λπ.) των σημερινών μοντέλων δημιουργίας εικόνων». Ακολουθούν μερικά παραδείγματα: Επάνω αριστερά: Ένας σκύλος με κάπα σούπερ ήρωα που πετάει στον ουρανό. Πάνω δεξιά: Ένα διαστημόπλοιο προσγειώνεται στον Άρη. Κάτω αριστερά: Πινέλο καλλιτέχνη από κοντά που ζωγραφίζει σε καμβά, με μεγάλη λεπτομέρεια. Κάτω δεξιά: Ένα άλογο πίνει νερό. Όπως συμβαίνει με το μεγαλύτερο μέρος της έρευνας της Meta στον τομέα της τεχνητής νοημοσύνης, το Make-a-Video κυκλοφορεί ως open-source project. «Θέλουμε να είμαστε προσεκτικοί σχετικά με το πώς δημιουργούμε νέα συστήματα δημιουργικής τεχνητής νοημοσύνης όπως αυτό», σημείωσε ο Zuckerberg. «Μοιραζόμαστε ανοιχτά με την κοινότητα τη συγκεκριμένη έρευνα τεχνητής νοημοσύνης αλλά και τα αποτελέσματά της και περιμένουμε τα σχόλιά της. Θ α συνεχίσουμε να χρησιμοποιούμε το responsible framework A.I για να βελτιώσουμε και να εξελίξουμε την προσέγγισή μας σε αυτή την αναδυόμενη τεχνολογία». Όπως συμβαίνει φαινομενικά με κάθε project τεχνητής νοημοσύνης που δημιουργεί περιεχόμενο, η πιθανότητα κακής χρήσης του Make-a-Video δεν είναι μικρή. Για να προλάβουν πιθανές κακόβουλες χρήσεις, η ερευνητική ομάδα αφαίρεσε προληπτικά από το σύνολο δεδομένων εκπαίδευσης του Make-a-Video τυχόν NSFW εικόνες καθώς και τοξικές φράσεις. Οι NSFW (Not Safe For Work) εικόνες αποτελούν περιεχόμενο που για διαφόρους λόγους δεν επιτρέπονται ή δεν είναι σωστό να φορτώνονται σε εταιρικά περιβάλλοντα. Διαβάστε ολόκληρο το άρθρο

Χρησιμοποιώντας ένα σύστημα τεχνητής νοημοσύνης ανάλυσης εικόνων που αναπτύχθηκε από τη γαλλική εταιρεία πληροφορικής Capgemini, η γαλλική φορολογική υπηρεσία (συχνά αποκαλούμενη "Le Fisc") εντόπισε 20.356 οικιακές πισίνες που δεν είχαν δηλωθεί προηγουμένως. Σύμφωνα με τον Guardian, αυτό είχε ως αποτέλεσμα να προστεθούν 10 εκατομμύρια ευρώ σε φορολογικά έσοδα, οδηγώντας την κυβέρνηση στη φορολόγηση και άλλων αδήλωτων αρχιτεκτονικών χαρακτηριστικών, όπως παραρτήματα ή βεράντες. Για να βρει τις αδήλωτες πισίνες, το λογισμικό της Capgemini -με την ανάλυση να γίνεται στο Google Cloud - αναγνωρίζει αυτόματα τις πισίνες στις αεροφωτογραφίες (για παράδειγμα αναζητώντας μπλε ορθογώνια) και συγκρίνει τα αποτελέσματα με τα αρχεία στις βάσεις δεδομένων ακινήτων και φορολογίας. Εάν διαπιστώσει ότι σε μια σχετική διεύθυνση δεν έχει καταχωρηθεί πισίνα τότε είναι ξεκάθαρο ότι ο ιδιοκτήτης παραβιάζει τη φορολογική νομοθεσία. Το πρόγραμμα ξεκίνησε να λειτουργεί τον περασμένο Οκτώβριο σε περιορισμένη βάση, καλύπτοντας μόνο εννέα από τα 96 μητροπολιτικά τμήματα. Στην αρχή, το σύστημα μπέρδευε τους ηλιακούς συλλέκτες με τις πισίνες με ποσοστό σφάλματος 30%, αλλά η Le Fisc αναφέρει ότι έκτοτε έχει αυξήσει την ακρίβεια. Η γαλλική κυβέρνηση φορολογεί την ακίνητη περιουσία με βάση την αξία που αντιστοιχεί σε πιθανή μίσθωση, και η οποία αυξάνεται όταν οι ιδιοκτήτες κατασκευάζουν βελτιώσεις ή προσθέτουν…πισίνες. Για παράδειγμα, μια πισίνα 30 τετραγωνικών μέτρων αντιστοιχεί σε περίπου 200 ευρώ πρόσθετους φόρους ετησίως για τον Γάλλο πολίτη και φυσικά το γαλλικό κράτος. Οι ιδιωτικές πισίνες έχουν γίνει τελευταία πιο δημοφιλείς στη Γαλλία λόγω του πρόσφατου καύσωνα, αλλά είναι επίσης αμφιλεγόμενες λόγω της χρήσης νερού κατά τη διάρκεια μιας ιστορικής ξηρασίας. Η γαλλική εφημερίδα Le Parisien αναφέρει ότι το σχέδιο για την ανακάλυψη των αδήλωτων πισινών είναι κάπως αμφιλεγόμενο, αλλά όχι για τους λόγους που θα περιμένατε. Η Capgemini, μια πολυεθνική εταιρεία πληροφορικής με έδρα το Παρίσι, έχει δεχθεί πυρά επειδή χρησιμοποίησε τον αμερικανικό τεχνολογικό κολοσσό Google ως υπεργολάβο για την επεξεργασία των σχετικών δεδομένων στο cloud. Ως γνωστόν, η Google έχει μακροχρόνια ιστορία φορολογικών διαφορών με τη γαλλική κυβέρνηση. Πέρα από τις αντιπαραθέσεις, η Le Fisc σχεδιάζει να επεκτείνει σύντομα το πρόγραμμα σε εθνικό επίπεδο, με αποτέλεσμα να εκτιμάται ότι θα προκύψουν πρόσθετα φορολογικά έσοδα ύψους 40 εκατομμυρίων ευρώ. Διαβάστε ολόκληρο το άρθρο

Μπορείτε να δείτε την τεχνητή νοημοσύνη να δημιουργεί νέες εικόνες με βάση την περιγραφή που θα της δώσετε, αλλά τι γίνεται αν θέλετε να διορθώσετε μια παλιά οικογενειακή φωτογραφία; Πλέον υπάρχει μια σχετική επιλογή και μάλιστα χωρίς χρέωση. Η ιστοσελίδα PetaPixel μας αναφέρει ένα δωρεάν εργαλείο που αναπτύχθηκε πρόσφατα από ερευνητές της Tencent, το GFP-GAN (Generative Facial Prior-Generative Adversarial Network), το οποίο μπορεί να αποκαταστήσει κατεστραμμένα και χαμηλής ανάλυσης πορτραίτα. Η τεχνολογία συγχωνεύει πληροφορίες από δύο μοντέλα τεχνητής νοημοσύνης για να συμπληρώσει τις λεπτομέρειες που λείπουν, δημιουργώντας μια φωτογραφία με ρεαλιστικές λεπτομέρειες σε λίγα δευτερόλεπτα, διατηρώντας παράλληλα υψηλή ακρίβεια και ποιότητα. Οι συμβατικές μέθοδοι τελειοποιούν ένα υπάρχον μοντέλο τεχνητής νοημοσύνης για την αποκατάσταση εικόνων με τη μέτρηση των διαφορών μεταξύ των τεχνητών και των πραγματικών φωτογραφιών, κάτι που σύμφωνα με τους επιστήμονες οδηγεί συχνά σε αποτελέσματα χαμηλής ποιότητας. Η νέα προσέγγιση χρησιμοποιεί μια προ-εκπαιδευμένη έκδοση ενός υπάρχοντος μοντέλου (το StyleGAN-2 της NVIDIA) για να ενημερώσει το μοντέλο της ομάδας σε πολλαπλά στάδια κατά τη διαδικασία δημιουργίας της εικόνας. Η τεχνική στοχεύει στη διατήρηση της "ταυτότητας" των ανθρώπων σε μια φωτογραφία, με ιδιαίτερη έμφαση στα χαρακτηριστικά του προσώπου, όπως τα μάτια και το στόμα. Μπορείτε να δοκιμάσετε δωρεάν ένα demo του GFP-GAN. Οι δημιουργοί έχουν επίσης δημοσιεύσει τον κώδικά τους για να μπορεί ο καθένας να εφαρμόσει την τεχνολογία αποκατάστασης στα δικά του έργα. Πάντως το όλο project εξακολουθεί να δεσμεύεται από τους περιορισμούς της σημερινής τεχνητής νοημοσύνης. Ενώ είναι εκπληκτικά ακριβές, προχωρά σε “υποθέσεις” για το περιεχόμενο που λείπει. Οι ερευνητές προειδοποιούν ότι μπορεί να δείτε μια "μικρή αλλαγή ταυτότητας" και μια χαμηλότερη ανάλυση από ό,τι θα θέλατε. Διαβάστε ολόκληρο το άρθρο

Ένα μοντέλο Τεχνητής Νοημοσύνης μπορεί να προβλέψει την τοποθεσία και το ποσοστό της εγκληματικότητας σε μία πόλη, περίπου μία εβδομάδα νωρίτερα και με ακρίβεια που φτάνει το 90%. Αν και έχει αποδειχτεί σε άλλες περιπτώσεις στο παρελθόν ότι τέτοια συστήματα στην ουσία διαιωνίζουν τις ρατσιστικές προκαταλήψεις στην αστυνόμευση -και το ίδιο θα μπορούσε να ισχύει και σε αυτήν την περίπτωση- οι ερευνητές που εκπαίδευσαν το συγκεκριμένο μοντέλο AI ισχυρίζονται ότι θα μπορούσε να χρησιμεύσει και για να εκθέτει και να αποκαλύπτει τέτοιες προκαταλήψεις. Ο Ishanu Chattopadhyay στο Πανεπιστήμιο του Chicago και οι συνεργάτες του δημιούργησαν ένα μοντέλο Τεχνητής Νοημοσύνης, το οποίο ανέλυσε ιστορικά εγκληματολογικά δεδομένα από το Chicago του Illinois την περίοδο από το 2014 έως το τέλος του 2016 και στη συνέχεια κατάφερε να προβλέψει τα επίπεδα εγκληματικότητας για τις εβδομάδες που ακολούθησαν. Το μοντέλο AI κατάφερε να προβλέψει τη πιθανότητα να συμβούν κάποια εγκλήματα σε όλη την έκταση της πόλης, η οποία είχε χωριστεί σε τετράγωνα περίπου 300 μέτρων, περίπου μία εβδομάδα πριν πραγματοποιηθούν και με ακρίβεια που έφτανε το 90%. Επίσης, εκπαιδεύτηκε και δοκιμάστηκε σε δεδομένα που προήλθαν από επτά άλλες μεγάλες πόλεις των ΗΠΑ, με παρόμοιο επίπεδο απόδοσης. Προηγούμενες προσπάθειες που σχετίζονταν με τη χρήση AI για την πρόβλεψη του εγκλήματος ήταν ανακριβείς και αποδείχτηκαν τουλάχιστον ανακριβείς επειδή διαιώνιζαν τις φυλετικές προκαταλήψεις. Τα τελευταία χρόνια, το Αστυνομικό Τμήμα του Chicago δοκίμαζε έναν αλγόριθμο, ο οποίος δημιούργησε μία λίστα με άτομα που εκτιμούσε ότι είχαν πιθανότητα να εμπλακούν περισσότερο σε καταστάσεις με πυροβολισμούς, είτε ως θύματα, είτε ως θύτες. Αρχικά, οι λεπτομέρειες για τον αλγόριθμο και τη λίστα κρατήθηκαν μυστικές, αλλά όταν τελικά δημοσιοποιήθηκε η λίστα, αποδείχθηκε ότι περιείχε το 56% των μαύρων ανδρών στην πόλη, ηλικίας μεταξύ 20 και 29 ετών. Ο Ishanu Chattopadhyay παραδέχτηκε ότι τα δεδομένα που χρησιμοποιεί το μοντέλο AI ενδέχεται να είναι επίσης μεροληπτικά ωστόσο τόνισε ότι έχουν γίνει προσπάθειες για να μειωθεί η μεροληψία και ότι η Τεχνητή Νοημοσύνη στη συγκεκριμένη περίπτωση δεν εντοπίζει υπόπτους, παρά μόνο τους πιθανούς τόπους εγκλήματος. «Δεν είναι το Minority Report» είπε. «Οι πόροι όσον αφορά τις αρχές επιβολής του νόμου δεν είναι άπειροι. Επομένως, το ιδανικό είναι να χρησιμοποιούνται με τον βέλτιστο τρόπο. Θα ήταν υπέροχο να γνωρίζαμε που θα συμβούν ανθρωποκτονίες» συμπλήρωσε ο κ. Ishanu Chattopadhyay. Οι εκτιμήσεις της Τεχνητής Νοημοσύνης θα μπορούσαν να χρησιμοποιηθούν με μεγαλύτερη ασφάλεια για την ενημέρωση της πολιτικής σε υψηλότερο επίπεδο, παρά για να αξιοποιηθούν για την απευθείας για την κατανομή των αστυνομικών πόρων. Τα δεδομένα και ο αλγόριθμος που χρησιμοποιήθηκαν στη μελέτη είναι δημοσίως διαθέσιμα, έτσι ώστε και άλλοι ερευνητές να μπορέσουν να μελετήσουν τα αποτελέσματα. Οι ερευνητές χρησιμοποίησαν επίσης τα δεδομένα για να αναζητήσουν περιοχές όπου η ανθρώπινη προκατάληψη επηρεάζει την αστυνόμευση. Ανέλυσαν τον αριθμό των συλλήψεων μετά από εγκλήματα σε γειτονιές του Chicago με διαφορετικό κοινωνικοοικονομικό επίπεδο. Τα δεδομένα έδειξαν ότι στις πιο πλούσιες περιοχές όπου πραγματοποιήθηκαν εγκλήματα έγιναν περισσότερες συλλήψεις από ότι στις φτωχότερες γειτονιές, υποδηλώνοντας μεροληψία όσον αφορά την αντίδραση της αστυνομίας. Ο Lawrence Sherman στο Κέντρο Αστυνόμευσης βάσει Τεκμηρίων του Cambridge, στο Ηνωμένο Βασίλειο εξέφρασε την ανησυχία του για τη συμπερίληψη δεδομένων ενεργητικής και προληπτικής αστυνόμευσης στη μελέτη ή για εγκλήματα που τείνουν να καταγράφονται επειδή καταγγέλλονται από τους ανθρώπους και εγκλήματα που τείνουν να καταγράφονται επειδή η αστυνομία βγαίνει να αναζητήσει τους ενόχους. Ο τελευταίος τύπος δεδομένων είναι πολύ επιρρεπής στη μεροληψία υποστηρίζει ο κ Sherman. «Θα μπορούσε να αντικατοπτρίζει σκόπιμη διάκριση από την αστυνομία σε ορισμένες περιοχές» είπε. Διαβάστε ολόκληρο το άρθρο