Teknologiauutisia seuraavat eivät varmasti ole voineet välttyä niiltä tuhansilta spekulaatioilta, tuleeko tekoäly viemään graafisen suunnittelijan työt. Tässä on eräs graafikko, joka ei sitä pelkää. Minä toivotan uuden ajan tervetulleeksi. Itse asiassa, tekoäly generoi tämän artikkelin otsikonkin.
Tekoäly inspiraation lähteenä
Nyt käytävän tekoälydiskurssin laukaisi käyntiin OpenAI:n DALL-E 2 -neuroverkon julkaisu yleisön käyttöön huhtikuussa 2022. DALL-E oli huima teknologinen harppaus edeltäviin malleihin verrattuna. Tämä neuroverkko kykenee tuottamaan ammatillisessa mielessä käyttökelpoisia kuvia huvittavien kuriositeettien sijaan.
Lähdin välittömästi hankkimaan pääsyä betatestaajaksi tälle, ja muille uusille järjestelmille. Sainkin käsiini sitten DALL-E 2:n, Midjourneyn ja Stable Diffusionin kokeiluversiot. Yksi iltapäivä kutakin meni rattoisasti vain kokeillen mitä kaikkea hilpeää niillä saa aikaan. Myöhemmin löysin tekoälyille myös oikeaa käyttöä. En siten, että tuottaisin niillä mitään valmista grafiikkaa, vaan ideoiden ja inspiraation lähteinä.
DALL-E:n lähestymistapa näyttäisi olevan näistä realistisin. Lopputulos muistuttaa yleensä valokuvaa ellei erityisiä ohjeita ole määritetty. Koska data, jolla DALL-E on koulutettu heijastelee todellista maailmaa, se sisältää myös samat vinoumat ja stereotyypit kuin oikea elämä. Tämä tekee siitä hyödyllisen työkalun, kun tavoitteena on ikoninen ilmaisu. Joskus samaistuttavuuden saavuttamiseksi tarvitaan nimenomaan kuva stereotyyppisestä graafisen suunnittelijan työpöydästä, eikä taiteilijan tulkintaa.
Pyydetäänpä DALL-E:a generoimaan kuva ohjeella “Green kiwi bird working as a graphic designer, uses Neural Network to generate ideas for graphic design. Trending in Artstation.”
Söpö lintu! Mutta koska olemme VR-peliyhtiö, käytän graafista käyttöliittymää maalatakseni pään alueelle muokattavan kohdan, ja pyydän ohjelmaa generoimaan siihen ohjeella “kiwi bird wearing virtual reality headset”. Näiden generaattoreiden kanssa työskennellessä oppii hiljalleen käyttämään vähän erikoista kieltä. Luonnollinen sanajärjestys ei aina tuota haluttua lopputulosta, ja pilkkujen paikoilla on eri merkitys. Käyttöön on vakiintunut tiettyjä avainsanoja, joilla tyyliin voidaan vaikuttaa, kuten “Trending in Artstation”, “rendered in Unreal 5” ja “Octane render”.
Tuliko kuva väärällä kuvasuhteella? DALL-E:n editorissa voi helposti generoida taustalle lisää materiaalia vanhan kuvan pohjalta. Tällä kertaa pyysin sitä lisäämään pöydälle Apple iMacin. Näyttää siltä että se muisti tai tulkitsi graafisen suunnittelun asiayhteyden ja lisäsi pöydälle myös kyniä!
Käytin täysin samaa ohjetta Midjourney-tekoälyssä, ja tulos oli täysin erilainen. Midjourney tunnetaan taiteellisemmasta ja abstraktimmasta tulkinnastaan. Ilman eri ohjeita, se jäljittelee maalaustaidetta valokuvan sijaan. Tämän tekoälyn käyttöliittymäkin on erilainen; sitä operoidaan Discord-chatin bottikomennoilla. Kaikki ohjeet ja lopputulokset näkyvät muille Discord-käyttäjille ja tästä syystä Midjourney ei välttämättä sovellu töihin, joita tehdään tiukan salassapitosopimuksen sanelemana.
Stable Diffusionion testiversio antaa jälleen aivan erilaisen näkemyksen. Tämä elokuussa 2022 julkaistu tekoäly on vielä lapsen kengissä, mutta siitä tullaan varmasti kuulemaan paljon lisää. Stable Diffusion on avoimen lähdekoodin projekti, joten sitä pääsee matalammalla kynnyksellä käyttämään ja opettamaan omalla koulutusaineistolla.
Stable Diffusion Dream Studio beta on nopeampi, mutta epätarkempi versio aiemmasta. Yllä oleva kuva ei vielä soveltuisi julkaisukäyttöön, mutta se tarjoaa mainiosti ideoita omaa kuvitustyötä varten.
Adobe Sensein oikotiet onneen
Adobe on sisällyttänyt oman Sensei-tekoälyalustansa useisiin tuotteisiinsa. Ihan teknisesti ottaen Sensei ei ole tekoäly, vaan kokoelma erilaisia reaaliajassa prosessoitavia neuroverkkoja ja ennalta koneoppimisen avulla koulutettuja kirjastoja.
Adobe Photoshopin sisältötietoinen rajaus toimii optimaalisimmillaan sileiden pintojen kanssa. Jos reunoilla on yhtään yksityiskohtia, ne alkavat helposti toistaa itseään, kun ohjelma ei osaa spekuloida sisällön perusteella kuinka yksityiskohtien kanssa voitaisiin haluta toimia. Kolmannen kuvan oikeassa reunassa näkyvä kukka on hyvä esimerkki kehnosta arvauksesta. Käytän tätä työkalua toisinaan, mutta vain tietynlaisissa tapauksissa ja pieniin muutoksiin. Silloinkin yksittäisiä virheitä pitää korjailla käsityönä.
Tämä syaani läikkä on minusta häiritsevä. Noin, parempi! Tein vain nopean lassovalinnan ja klikkasin sisältötietoinen täyttö -painiketta. Tässä nimenomaisessa kohdassa olisin toki voinut yhtä pienellä vaivalla käyttää spottikorjaussivellintä. Virheellisen kohdan koosta ja taustan monimutkaisuudesta riippuu, mikä työkalu kulloinkin on nopein. Mitä jos en haluaisi lintua kuvaan lainkaa?
Linnun poistaminen korjaustyökaluilla ja kloonaussiveltimillä olisi vienyt pienen ikuisuuden. Sisältötietoinen täyttö hoiti ongelman kirjaimellisesti sekunnissa. Nyt jäljelle jäi vain korjata käsin joitain toisteisia yksityiskohtia.
Neural Filter -suodattimet ovat uudehko lisäys Photoshopin työkalupalettiin. Niille olen löytänyt hyvin rajallista käyttöä oikeissa töissä. Hyödyllisin niistä on ollut JPEG-artefaktien poistaminen. Oikeanpuoleisessa kuvassa näkyy, kuinka suodatin on onnistunut tasoittamaan pintoja hävittämättä yksityiskohtia, ja lopputulos on paljon luonnollisempi kuin aiemmilla kohinanpoistosuodattimilla.
Refine hair -työkalua käytän jatkuvasti. Se on ollut huomattava helpotus irtonaisten hiusten syväämisessä.
Adobe Illustratorissa ei ole yhtä paljon Sensei-ominaisuuksia käytössä kuin Photoshopissa. On kuitenkin yksi ominaisuus, joka on pelastanut päiväni pariin otteeseen: Globaali muokkaus -työkalu. Se tunnistaa visuaalisesti samankaltaiset objektit tiedostossa, ja voit muokata yhdellä kertaa jokaista instanssia. Ylläolevan kuvan puiden korvaaminen uusilla yksitellen olisi kestäny tunteja pidempään, ellei tätä ominaisuutta olisi.
Muita suunnittelua avustavaa käyttöä tekoälylle
http://thispersondoesnotexist.com
Ylläolevia ihmisiä ei ole olemassa. Käytän tätä työkalua usein, kun suunnittelen käyttöliittymiä. Sillä on hyvä populoida mallikuvissa avatarit oikean näköisillä ihmisillä. Figmassa ja Sketchissä ainakin on molemmissa liitännäiset, jotka tuovat tämän generaattorin napin painalluksen päähän. Jotkut jopa antavat vähän valikoimaa ominaisuuksista, kuten ikä ja sukupuoli, jos sellaisia kaipaa.
Generatiiviset neuroverkot ovat hyödyllisiä myös muunlaisen paikanvaraajadatan generointiin, kuten nimien ja kokonaisten tekstivirkkeiden. Jos lorem ipsum alkaa käydä tylsäksi, internet on pullollaan erilaisia GPT-2-generaattoreita. Kokeile vaikka yllä olevaa Rytr-palvelua.
Eräs huomaamattomampi kohde, jossa tekoäly on vahvasti osana on kamerateknologia. Canon on kehittänyt AI Focus -tarkennusteknologiaansa jo pitkään. Siinä käytetään konenäköä tunnistamaan kohteita ja pitämään tarkennus automaattisesti paikallaan valituissa kohteissa. Apple on vienyt tekoälyn roolin kameroissaan vielä pidemmälle. He kutsuvat tekniikkaansa ympäristön ymmärtämiseksi (Scene-understanding). Kameraohjelmisto tunnistaa asioita, kuten paikkoja, vuorokauden ajan, säätilan, valaistusolosuhteet ja ihonvärit, jotta kamera-asetukset voidaan säätää automaattisesti oikein ilman, että käyttäjä huomaa mitään.
Onkin sitten eri keskustelu, voidaanko näitä ratkaisuja kutsua oikeaksi tekoälyksi vai ei. Canon ja Apple ovat kyllä käyttäneet syväoppimista ohjelmistojensa kouluttamiseen, mutta kun se on tehty, kamerassa ei enää suoriteta mitään tekoälytoimintoa. Se ei opi enää lisää. Keskustelun helpottamiseksi ja markkinoinnin kannalta on kuitenkin kätevämpää vain puhua tekoälystä. Ehkäpä tekoälyt jonain päivänä vievät minulta nämä työt, joita nykyisin teen, mutta onhan minun pitänyt uudistua ja oppia uusia työtehtäviä aiemminkin; pystyn siihen uudelleen. Ja jonkun pitää olla toimistolla huutamassa noille tekoälyköille.
Velvollisuuteni on tiedottaa, että tätä kissaakaan ei ole olemassa!
http://thiscatdoesnotexist.com