Midjourney i DallE o minerałach, czyli jak AI widzi twoją kolekcję

„The world is changed. I feel it in the water. I feel it in the earth. I smell it in the air”

Rozmyślając jak rozpocząć ten wpis przypomniała mi się sekwencja otwierająca film Władca Pierścieni: Drużyna Pierścienia…dlaczego? bo jak się tak zastanowić, to te słowa brzmią jak przepowiednia naszych czasów. Ta zmiana jest wyczuwalna, tyle tylko, że nie w powietrzu czy ziemi, a na ekranie komputera. Mam na myśli AI, która coraz bardziej wkracza do naszego życia i zmienia bardzo wiele. Już dziś sztuczna inteligencja wspomaga przy pisaniu książek, diagnostyce medycznej czy sekwencjonowaniu ludzkiego genomu. Rozpoznaje mowę, wie czego chcemy i jakie są nasze pragnienia. Śledzę temat już od dłuższego czasu i kilka miesięcy temu po raz pierwszy usłyszałem o inteligentnym generatorze obrazów z tekstu, który tworzy grafikę na podstawie opisu który mu przedstawisz. Pomyślałem, że jest to strzał w dziesiątkę. Może akurat niektóre grafiki można by było wykorzystać przy tworzeniu ciekawych grafik na bloga czy w aplikacji Daj Kamienia. Tylko nasuwa się pytanie, czy AI jest w stanie dobrze wygenerować minerały? Sprawdźmy to!

Jak to działa?
Do testów wybrałem dwa dostępne darmowo algorytmy sztucznej inteligencji: DallE oraz Midjourney. Oba programy potrzebują krótkiego opisu, na podstawie którego generują obrazki. Jedyna różnica polega na tym, że w przypadku DallE pożądaną frazę wpisujemy w pasek „wyszukiwania”, natomiast w Midjourney trzeba być najpierw zarejestrowanym na Discordzie i w oknie czatu którejś z grup newbie Midjourneya wpisać tekst do wygenerowania. Wpisać można pojedyncze słowo, całe frazy lub nawet bogaty opis. Możliwości są nieograniczone i tylko od AI zależy co on „wie” w danym temacie. Oba testowane przeze mnie programy to darmowe wersje beta. Oznacza to, że nie jest mi dane poznać możliwości wersji płatnych oraz w przypadku Midjourneya ilość darmowo generowanych obrazków jest ograniczona.

Midjourney
Jest to drugi z botów, który przetestowałem ale przedstawię jako pierwszy. W tym wypadku kolejność ma znaczenie. Po wpisaniu tekstu w okno czatu i odczekaniu kilkudziesięciu sekund otrzymujemy zestaw grafik. W przypadku DallE wybieramy z niego, która nam odpowiada, a w przypadku Midjourneya decydujemy czy konkretny obrazek ma być poprawiony czy uszczegóławiany. W tym wypadku Midjourney ma znaczną przewagę; otrzymane grafiki są w wyższej rozdzielczości oraz posiadają znacznie więcej szczegółów. Po za tym wizualnie są ciekawsze. Midjourney „wypluwa” takie małe dzieła sztuki, które mają za zadanie po prostu się podobać.

Test Midjourney #1. Wpisujemy: „amethyst_geode_in_melaphyre_quarry_ultra_realistic”

Zacznijmy od czegoś prostego. Każdy wie jak wygląda ametyst i chociaż trochę ma pojęcie czym jest geoda. Poniżej zestaw wygenerowanych grafik. Wynika z niego, że AI wie, że chodzi o minerał, że ametyst powinien być fioletowy, oraz mniej więcej o co chodzi z geodą. Z „melaphyre quarry” gorzej, całkowicie pominął żądana frazę.

Poniżej wybrana przeze mnie grafika. Powstał obraz który można by śmiało powiesić na ścianie, by cieszył oko. Niestety z ametystem nie ma wiele wspólnego. Ciężko mówić tutaj o pokroju kryształów. Jest to raczej zlepek czegoś, co przypomina bliżej nieokreśloną krystalizację.

Test Midjourney #2. Wpisujemy: „realgar_mineral_well_formed”
No dobra realgar jest czerwony, ale to tyle. Wyszła wesoła twórczość, której bliżej do Tolkienowskiej trylogii, niż dobrze wykształconych kryształów realgaru.

Poniżej wybrana z zestawu grafika. Jeśli to miała by być kawerna wypełniona przez kryształy realgaru, to ma to jakiś sens. Dalej jednak z rzeczywistością ma to niewiele wspólnego.

Test Midjourney #3. Wpisujemy: „sulphur mine, miners working hard to extract sulphur find huge crystals”
Dodajmy kolejne wątki: kopalnia siarki, górnicy, ciężka praca. Efekt jest zadowalający – przynajmniej jedna grafika stworzona przez algorytm SI zawiera to, co miałem na myśli.

Są duże kryształy, są górnicy (lub coś podobnego) pracujący przy eksploatacji siarki. Widać jednak, że program ma problem z generowaniem ludzi. Przedstawienie sposobu eksploatacji siarki jest nader interesujące.

Test Midjourney #4. Wpisujemy: „encyclopedia illustrations:: page, parchement, papyrus:: crystals drawing::sketch by leonardo davinci:: full page scan detailed crystals pencil drawing”
Tym razem pojechałem po bandzie z ilością informacji. Wziąłem przykład z innych użytkowników, stąd takie nagromadzenie słów. Celem było zobaczenie czy bot jest w stanie stworzyć rysunek dowolnego kryształu. I co? Trzeba przyznać, że szkicować umie…nie za bardzo wie co, ale jako szkic – super.

Test Midjourney #5. Wpisujemy: „Perisphinctes ammonite fossil found in jurrasic limestone”
No to próbujemy ze skamieniałościami. Wybierzmy coś prostego; Amonit Perisphinctes w jurajskim wapieniu powinien być idealny. W efekcie otrzymujemy wapień oraz coś przypominającego amonit, chociaż Perisphinctesem trudno go nazwać. Całość można traktowaćraczej jako wizję artystyczną.

Test Midjourney #6. Wpisujemy: „outcrop of the Carpathian flysch geology”
Byłem ciekawy czy SI wie jak wyglądają skały fliszowe i tym razem również nie zawiódł. Algorytm nie dość, że pokazał czym jest odsłonięcie, to również wygenerował całkiem przyzwoite skały fliszowe. Przypomina mi się ściana kamieniołomu Huczwice – Drobny czy piaskowce w kamieniołomie Bóbrka nad Soliną.