DALL-E mini uses artificial intelligence to create images. Who gets credit? : NPR

DALL-E మినీ అనేది మీరు ఎన్నడూ అడగని “వాట్ ఇఫ్” ప్రశ్నలన్నింటికీ జీవం పోసే AI: వోల్డ్‌మార్ట్ సభ్యుడిగా ఉంటే పచ్చని రోజు? మొర్డోర్‌లో మెక్‌డొనాల్డ్స్ ఉంటే? శాస్త్రవేత్తలు పంపితే ఏంటి రూంబా దిగువన మరియానా ట్రెంచ్?

మరియానా ట్రెంచ్ దిగువన రూంబా శుభ్రం చేయడం ఎలా ఉంటుందో మీరు ఆశ్చర్యపోనవసరం లేదు. DALL-E మినీ మీకు చూపుతుంది.

DALL-E mini అనేది ఆన్‌లైన్ టెక్స్ట్-టు-ఇమేజ్ జనరేటర్, ఇది ఇటీవలి వారాల్లో సోషల్ మీడియాలో బాగా ప్రాచుర్యం పొందింది.

ప్రోగ్రామ్ “పర్వత సూర్యాస్తమయం”, “చంద్రునిపై ఈఫిల్ టవర్”, “ఒబామా ఇసుక కోటను తయారు చేయడం” లేదా మీరు ఊహించగలిగే ఏదైనా వంటి వచన పదబంధాన్ని తీసుకుంటుంది మరియు దాని నుండి ఒక చిత్రాన్ని సృష్టిస్తుంది.

ఫలితాలు వింతగా అందంగా ఉంటాయి “సింథ్వేవ్ బుద్ధ,” లేదా “ఒక చికెన్ నగెట్ వర్షంలో సిగరెట్ తాగుతోంది.” ఇతరులు, ఇష్టం “వృద్ధాశ్రమంలో టెలిటబ్బీలు,” నిజంగా భయానకంగా ఉన్నాయి.

సోషల్ మీడియా వినియోగదారులు గుర్తించదగిన పాప్ కల్చర్ చిహ్నాలను విచిత్రమైన, ఫోటోరియలిస్టిక్ మీమ్‌లుగా మార్చడానికి ప్రోగ్రామ్‌ను ఉపయోగించడం ప్రారంభించిన తర్వాత DALL-E మినీ ఇంటర్నెట్ పేరు ప్రఖ్యాతులు పొందింది.

బోరిస్ డేమా, టెక్సాస్-ఆధారిత కంప్యూటర్ ఇంజనీర్, వాస్తవానికి DALL-E మినీని కోడింగ్ పోటీలో ప్రవేశంగా సృష్టించారు. Dayma యొక్క ప్రోగ్రామ్ దాని ఆధారంగా రూపొందించబడిన AI నుండి దాని పేరును పొందింది: కృత్రిమ మేధస్సు సంస్థ OpenAI యొక్క అద్భుతమైన శక్తివంతమైన DALL-E నుండి ప్రేరణ పొందింది, DALL-E మినీ ప్రాథమికంగా ఇలాంటి సాంకేతికతను మరింత సులభంగా యాక్సెస్ చేయగల మార్గంలో వర్తించే వెబ్ యాప్. (Dayma అప్పటి నుండి DALL-E మినీగా పేరు మార్చింది క్రేయాన్ కంపెనీ అభ్యర్థన మేరకు).

OpenAI దాని మోడళ్లకు చాలా యాక్సెస్‌ను పరిమితం చేస్తున్నప్పటికీ, డేమా మోడల్‌ను ఇంటర్నెట్‌లో ఎవరైనా ఉపయోగించవచ్చు మరియు ఇది Twitter మరియు GitHubలోని AI పరిశోధన సంఘాల సహకారంతో అభివృద్ధి చేయబడింది.

“నేను AI సంఘం నుండి ఆసక్తికరమైన అభిప్రాయాన్ని మరియు సూచనలను పొందుతాను,” డేమా NPRకి ఫోన్‌లో చెప్పాడు. డేమా “వైరల్ థ్రెషోల్డ్”గా సూచించిన దాన్ని చేరుకునే వరకు చిత్రాలను రూపొందించడంలో “మరియు ఇది మెరుగ్గా మరియు మెరుగ్గా మరియు మెరుగ్గా మారింది”.

DALL-E మినీ రూపొందించిన చిత్రాలు ఇప్పటికీ వక్రీకరించినట్లు లేదా అస్పష్టంగా కనిపిస్తున్నప్పటికీ, చిత్రాలు స్థిరంగా సరిపోయే స్థాయికి చేరుకున్నాయని మరియు ఇది తగినంత మంది ప్రేక్షకులకు చేరుకుందని, ప్రాజెక్ట్ వైరల్‌గా మారడానికి సరైన పరిస్థితులు ఉన్నాయని డేమా చెప్పారు.

గతం మరియు సంక్లిష్టమైన భవిష్యత్తు నుండి నేర్చుకోవడం

DALL-E మినీ దాని విస్తృత యాక్సెసిబిలిటీలో ప్రత్యేకమైనది అయితే, AI- రూపొందించిన ఆర్ట్ వార్తల్లోకి రావడం ఇదే మొదటిసారి కాదు.

2018లో, ఆర్ట్ వేలం హౌస్ క్రిస్టీస్ AI- రూపొందించిన పోర్ట్రెయిట్‌ను విక్రయించింది. $400,000 కంటే ఎక్కువ.

MIT మీడియా ల్యాబ్ యొక్క హ్యూమన్ డైనమిక్స్ గ్రూప్‌లోని పరిశోధకుడు జివ్ ఎప్‌స్టీన్, AI ఇమేజ్ జనరేటర్‌ల పురోగతి కళా పరిశ్రమలో యాజమాన్యం యొక్క భావనలను క్లిష్టతరం చేస్తుందని చెప్పారు.

DALL-E mini వంటి మెషిన్-లెర్నింగ్ మోడల్‌ల విషయంలో, ఒక కళాఖండాన్ని రూపొందించినందుకు క్రెడిట్‌ను ఎవరు పొందాలనే విషయాన్ని పరిగణనలోకి తీసుకునేటప్పుడు అనేక మంది వాటాదారులు ఉన్నారు.

“ఈ సాధనాలు ఈ విస్తరించిన సామాజిక-సాంకేతిక వ్యవస్థలు,” ఎప్స్టీన్ NPRతో చెప్పారు. “[AI art generation is a] మానవ నటుల సంక్లిష్టమైన అమరిక మరియు ఈ రకమైన వెర్రి మార్గంలో పరస్పర చర్య చేసే గణన ప్రక్రియలు.”

మొదట, మోడల్‌ను సృష్టించిన కోడర్లు ఉన్నారు.

DALL-E mini కోసం, అది ప్రధానంగా Dayma, కానీ ప్రాజెక్ట్‌లో సహకరించిన ఓపెన్ సోర్స్ AI కమ్యూనిటీ సభ్యులు కూడా. ఆపై AI శిక్షణ పొందిన చిత్రాల యజమానులు ఉన్నారు – మోడల్‌ను సర్దుబాటు చేయడానికి డేమా ఇప్పటికే ఉన్న చిత్రాల లైబ్రరీని ఉపయోగించారు, ముఖ్యంగా చిత్రాలకు టెక్స్ట్‌ను ఎలా అనువదించాలో ప్రోగ్రామ్‌కు నేర్పుతుంది.

చివరగా, టెక్స్ట్ ప్రాంప్ట్‌తో వచ్చిన వినియోగదారు ఉన్నారు – ఇష్టం “డార్త్ వాడెర్ యూనిసైకిల్ దొంగిలించిన CCTV ఫుటేజీ” — DALL-E మినీని ఉపయోగించడానికి. కాబట్టి ఈ చిత్రాన్ని ఎవరు “యజమాని” కలిగి ఉన్నారో చెప్పడం కష్టం Gumby NPR చిన్న డెస్క్ కచేరీని ప్రదర్శిస్తోంది.

కొంతమంది డెవలపర్లు AI మీడియా జనరేటర్ల యొక్క నైతిక చిక్కుల గురించి కూడా ఆందోళన చెందుతున్నారు.

డీప్‌ఫేక్స్రాజకీయ నాయకులు లేదా సెలబ్రిటీల నకిలీ చిత్రాలను రెండర్ చేయడానికి మెషిన్-లెర్నింగ్ మోడల్‌ల యొక్క తరచుగా ఒప్పించే అప్లికేషన్‌లు సాఫ్ట్‌వేర్ ఇంజనీర్ జేమ్స్ బెట్కర్‌కు ప్రధాన ఆందోళన.

బెట్కర్ టార్టాయిస్ యొక్క సృష్టికర్త, ఇది టెక్స్ట్-టు-స్పీచ్ ప్రోగ్రామ్, ఇది రిఫరెన్స్ వాయిస్ ఆధారంగా ప్రసంగాన్ని రూపొందించడానికి కొన్ని తాజా మెషిన్-లెర్నింగ్ టెక్నిక్‌లను అమలు చేస్తుంది.

ప్రారంభంలో తాబేలును పక్క ప్రాజెక్ట్‌గా ప్రారంభించిన బెట్కర్, దాని దుర్వినియోగం కారణంగా దానిని అభివృద్ధి చేయడం కొనసాగించడానికి తాను ప్రేరేపించలేదని చెప్పాడు.

“నేను పూర్తిగా ఆందోళన చెందుతున్నాను – రాజకీయ నాయకులు వారు వాస్తవంగా చెప్పని విషయాలను చెప్పడానికి ప్రయత్నిస్తున్నారు లేదా మీరు కోర్టుకు తీసుకెళ్లే అఫిడవిట్‌లను కూడా తయారు చేయడం గురించి నేను పూర్తిగా ఆందోళన చెందుతున్నాను. [that are] పూర్తిగా నకిలీ, ”బెట్కర్ NPR కి చెప్పారు.

కానీ డేమాస్ మరియు బెట్కర్స్ వంటి ఓపెన్-సోర్స్ AI ప్రాజెక్ట్‌ల ప్రాప్యత కూడా కొన్ని సానుకూల ప్రభావాలను సృష్టించింది. వాయిస్ నటులను నియమించుకోలేని డెవలపర్‌లకు తాబేలు వారి ప్రాజెక్ట్‌ల కోసం వాస్తవిక వాయిస్ ఓవర్‌లను రూపొందించడానికి ఒక మార్గాన్ని అందించింది. అదేవిధంగా, చిన్న వ్యాపారాలు డిజైనర్‌ను నియమించుకోలేని సమయంలో గ్రాఫిక్‌లను రూపొందించడానికి DALL-E మినీని ఉపయోగించాయని డేమా చెప్పారు.

AI సాధనాల యొక్క పెరుగుతున్న యాక్సెసిబిలిటీ, AI- రూపొందించిన మీడియా యొక్క సంభావ్య బెదిరింపులతో ప్రజలు తమను తాము పరిచయం చేసుకోవడంలో కూడా సహాయపడవచ్చు. డేమా మరియు బెట్కర్‌లకు, వారి ప్రాజెక్ట్‌ల యాక్సెసిబిలిటీ AI యొక్క వేగంగా అభివృద్ధి చెందుతున్న సామర్థ్యాలను మరియు తప్పుడు సమాచారాన్ని వ్యాప్తి చేసే సామర్థ్యాన్ని ప్రజలకు స్పష్టం చేస్తుంది.

MIT యొక్క ఎప్స్టీన్ కూడా అదే చెప్పాడు: “ప్రజలు AIతో పరస్పర చర్య చేయగలిగితే మరియు వారు స్వయంగా సృష్టికర్తగా మారినట్లయితే, అది వారికి ఒక రకమైన టీకాలు వేసినట్లు, బహుశా, తప్పుడు సమాచారానికి వ్యతిరేకంగా ఉంటుంది.”