കലാസൃഷ്ടികളിൽ പരിശീലനം നൽകുന്നതിൽ നിന്ന് ജെൻഎഐ മോഡലുകളെ തടയാൻ Kin.art സൗജന്യ ഉപകരണം അവതരിപ്പിക്കുന്നു
ജനറേറ്റീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, പ്രത്യേകിച്ച് മിഡ്ജൗർണി, ഓപ്പൺഎഐയുടെ ഡാൽ-ഇ 3 പോലുള്ള ടെക്സ്റ്റ്-ടു-ഇമേജ് എഐ മോഡലുകൾക്ക് എന്തുചെയ്യാൻ കഴിയുമെന്നത് ആശ്ചര്യകരമാണ്. ഫോട്ടോറിയലിസം മുതൽ ക്യൂബിസം വരെ, ഇമേജ് ജനറേറ്റിംഗ് മോഡലുകൾക്ക് ഒരു കലാകാരന്റെ ഈസലിൽ നിന്ന് ഉയർന്നുവന്നേക്കാവുന്ന ഹ്രസ്വമോ വിശദമോ ആയ ഏത് വിവരണവും കലയിലേക്ക് വിവർത്തനം ചെയ്യാൻ കഴിയും.
കുഴപ്പമെന്തെന്നാൽ, ഈ മോഡലുകളിൽ പലതും – മിക്കവയും അല്ലെങ്കിലും – കലാകാരന്മാരുടെ അറിവോ അനുമതിയോ ഇല്ലാതെ കലാസൃഷ്ടികളിൽ പരിശീലനം നേടിയവരാണ്. ചില വെണ്ടർമാർ കലാകാരന്മാർക്ക് നഷ്ടപരിഹാരം നൽകാനോ മോഡൽ പരിശീലനത്തിൽ നിന്ന് “ഒഴിവാക്കാനുള്ള” വഴികൾ വാഗ്ദാനം ചെയ്യാനോ തുടങ്ങിയിട്ടുണ്ടെങ്കിലും, പലരും അങ്ങനെ ചെയ്യുന്നില്ല.
കോടതികളുടെയും കോൺഗ്രസിന്റെയും മാർഗ്ഗനിർദ്ദേശത്തിന് പകരമായി, സംരംഭകരും ആക്ടിവിസ്റ്റുകളും കലാകാരന്മാരെ അവരുടെ കലാസൃഷ്ടികൾ പരിഷ്കരിക്കാൻ പ്രാപ്തരാക്കുന്നതിനായി രൂപകൽപ്പന ചെയ്ത ഉപകരണങ്ങൾ പുറത്തിറക്കുന്നു. അത്തരമൊരു ഉപകരണമായ നൈറ്റ്ഷേഡ് – ഈ ആഴ്ച പുറത്തിറങ്ങി – ഒരു ചിത്രത്തിന്റെ പിക്സലുകളിൽ സൂക്ഷ്മമായ മാറ്റങ്ങൾ വരുത്തുന്നു, ചിത്രം യഥാർത്ഥത്തിൽ ചെയ്യുന്നതിൽ നിന്ന് വ്യത്യസ്തമായ എന്തെങ്കിലും ചിത്രീകരിക്കുന്നുവെന്ന് മോഡലുകളെ തെറ്റിദ്ധരിപ്പിക്കുന്നു. മറ്റൊന്ന്, Kin.art, മോഡൽ പരിശീലന പ്രക്രിയയിൽ ഇടപെടാൻ ഇമേജ് സെഗ്മെന്റേഷൻ (അതായത്, കലാസൃഷ്ടിയുടെ ഭാഗങ്ങൾ മറയ്ക്കൽ), ടാഗ് റാൻഡമൈസേഷൻ (ഒരു കലാസൃഷ്ടിയുടെ ഇമേജ് മെറ്റാടാഗുകൾ മാറ്റുക) എന്നിവ ഉപയോഗിക്കുന്നു.
കുറച്ച് മാസങ്ങൾക്ക് മുമ്പ് മായ് അകിയോഷി, ബെൻ യു എന്നിവരോടൊപ്പം ആർട്ട് കമ്മീഷൻ മാനേജ്മെന്റ് പ്ലാറ്റ്ഫോമായ Kin.art സഹസ്ഥാപകനായ ഫ്ലോർ റോൺസ്മാൻസ് ഡി വ്രിയാണ് കിൻ.ആർട്ടിന്റെ ഉപകരണം വികസിപ്പിച്ചെടുത്തത്.
ഒരു അഭിമുഖത്തിൽ റോൺസ്മാൻസ് ഡി വ്രി വിശദീകരിച്ചതുപോലെ, “പക്ഷി” എന്ന വാക്ക് ബ്ലൂബേർഡുകളെ മാത്രമല്ല പാരക്കീറ്റുകളെയും കഷണ്ടി കഴുകന്മാരെയും (കൂടുതൽ അമൂർത്ത ആശയങ്ങൾക്ക് പുറമേ) എങ്ങനെ സൂചിപ്പിക്കാൻ കഴിയും എന്നതുപോലുള്ള ലിഖിത ആശയങ്ങളും ചിത്രങ്ങളും തമ്മിലുള്ള ബന്ധം പഠിക്കാൻ ലേബൽ ചെയ്ത ചിത്രങ്ങളുടെ ഡാറ്റാസെറ്റുകളിൽ ആർട്ട് ജനറേറ്റിംഗ് മോഡലുകൾക്ക് പരിശീലനം നൽകുന്നു. ഒരു പ്രത്യേക കലാസൃഷ്ടിയുമായി ബന്ധപ്പെട്ട ഇമേജിനെയോ ലേബലുകളെയോ “തടസ്സപ്പെടുത്തുന്നതിലൂടെ” മോഡൽ പരിശീലനത്തിൽ കലാസൃഷ്ടികൾ ഉപയോഗിക്കുന്നത് വെണ്ടർമാർക്ക് വളരെ ബുദ്ധിമുട്ടാണെന്ന് അദ്ദേഹം പറയുന്നു.
“പരമ്പരാഗത കലയ്ക്കും ജനറേറ്റീവ് കലയ്ക്കും ഒരുമിച്ച് ജീവിക്കാൻ കഴിയുന്ന ഒരു ലാൻഡ്സ്കേപ്പ് രൂപകൽപ്പന ചെയ്യുന്നത് കലാ വ്യവസായം അഭിമുഖീകരിക്കുന്ന പ്രധാന വെല്ലുവിളികളിലൊന്നായി മാറിയിരിക്കുന്നു,” റോൺസ്മാൻസ് ഡി വ്രൈ ഇമെയിൽ വഴി ടെക്ക്രഞ്ചിനോട് പറഞ്ഞു. കലാകാരന്മാരുടെ അവകാശങ്ങളെ മാനിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പരിശീലനത്തോടുള്ള ധാർമ്മിക സമീപനത്തിൽ നിന്നാണ് ഇത് ആരംഭിക്കുന്നതെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു.
കിൻ.ആർട്ടിന്റെ പരിശീലന-പരാജയപ്പെടുത്തൽ ഉപകരണം നിലവിലുള്ള പരിഹാരങ്ങളേക്കാൾ ചില വിധങ്ങളിൽ മികച്ചതാണെന്ന് റോൺസ്മാൻസ് ഡി വ്രൈ ഉറപ്പിച്ചു പറയുന്നു, കാരണം ഇതിന് ക്രിപ്റ്റോഗ്രാഫിക്കലി പരിഷ്കരിക്കുന്ന ഇമേജുകൾ ആവശ്യമില്ല, ഇത് ചെലവേറിയതാണ്. എന്നാൽ, അധിക സംരക്ഷണമായി ആ രീതികളുമായി ഇത് സംയോജിപ്പിക്കാമെന്നും അദ്ദേഹം കൂട്ടിച്ചേർക്കുന്നു.
“ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പരിശീലനത്തിൽ നിന്ന് പരിരക്ഷിക്കാൻ സഹായിക്കുന്ന മറ്റ് ഉപകരണങ്ങൾ നിങ്ങളുടെ കലാസൃഷ്ടി ഇതിനകം തന്നെ ഡാറ്റാസെറ്റിൽ വിഷം കലർത്തിയതിനുശേഷം കേടുപാടുകൾ ലഘൂകരിക്കാൻ ശ്രമിക്കുന്നു,” റോൺസ്മാൻസ് ഡി വ്രൈ പറഞ്ഞു. “നിങ്ങളുടെ കലാസൃഷ്ടികൾ ആദ്യം ഉൾപ്പെടുത്തുന്നതിൽ നിന്ന് ഞങ്ങൾ തടയുന്നു.”
ഇപ്പോൾ, Kin.art വിൽക്കാൻ ഒരു ഉൽപ്പന്നമുണ്ട്. ഉപകരണം സൗജന്യമാണെങ്കിലും, അത് ഉപയോഗിക്കുന്നതിന് കലാകാരന്മാർ അവരുടെ കലാസൃഷ്ടികൾ കിൻ.ആർട്ടിന്റെ പോർട്ട്ഫോളിയോ പ്ലാറ്റ്ഫോമിലേക്ക് അപ്ലോഡ് ചെയ്യേണ്ടതുണ്ട്. ഈ ഉപകരണം കലാകാരന്മാരെ കിൻ.ആർട്ടിന്റെ ഫീസ് അടിസ്ഥാനമാക്കിയുള്ള ആർട്ട് കമ്മീഷൻ കണ്ടെത്തലിലേക്കും സേവനങ്ങൾ സുഗമമാക്കുന്നതിലേക്കും അതിന്റെ ബ്രെഡ് ആൻഡ് ബട്ടർ ബിസിനസിലേക്കും നയിക്കുമെന്നതിൽ സംശയമില്ല.
എന്നാൽ ഭാവിയിൽ മൂന്നാം കക്ഷികൾക്ക് Kin.art ഉപകരണം ലഭ്യമാക്കുമെന്ന് പ്രതിജ്ഞ ചെയ്തുകൊണ്ട് റോൻസ്മാൻസ് ഡി വ്രൈ ഈ ശ്രമത്തെ കൂടുതലും ജീവകാരുണ്യമായി സ്ഥാപിക്കുന്നു.
“ഞങ്ങളുടെ സ്വന്തം പ്ലാറ്റ്ഫോമിൽ ഞങ്ങളുടെ പരിഹാരം പരീക്ഷിച്ച ശേഷം, ഏതെങ്കിലും ചെറിയ വെബ്സൈറ്റിനും വലിയ പ്ലാറ്റ്ഫോമിനും ലൈസൻസില്ലാത്ത ഉപയോഗത്തിൽ നിന്ന് അവരുടെ ഡാറ്റ എളുപ്പത്തിൽ പരിരക്ഷിക്കാൻ അനുവദിക്കുന്ന ഒരു സേവനമായി ഇത് വാഗ്ദാനം ചെയ്യാൻ ഞങ്ങൾ പദ്ധതിയിടുന്നു,” അദ്ദേഹം പറഞ്ഞു. “ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് യുഗത്തിൽ നിങ്ങളുടെ പ്ലാറ്റ്ഫോമിന്റെ ഡാറ്റ സ്വന്തമാക്കുന്നതും പ്രതിരോധിക്കാൻ കഴിയുന്നതും എന്നത്തേക്കാളും പ്രധാനമാണ് . . . ചില പ്ലാറ്റ്ഫോമുകൾക്ക് ഉപയോക്താക്കളല്ലാത്തവരെ ആക്സസ് ചെയ്യുന്നതിൽ നിന്ന് തടഞ്ഞുകൊണ്ട് അവരുടെ ഡാറ്റ ഗേറ്റ് ചെയ്യാൻ ഭാഗ്യമുണ്ട്, എന്നാൽ മറ്റുള്ളവ പൊതുജനങ്ങളെ അഭിമുഖീകരിക്കുന്ന സേവനങ്ങൾ നൽകേണ്ടതുണ്ട്, ഈ ആഡംബരം ഇല്ല. ഇവിടെയാണ് ഞങ്ങളുടേതുപോലുള്ള പരിഹാരങ്ങൾ വരുന്നത്.”
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
