мини|десно|1.2|Théâtre D'opéra Spatial („Позориште свемирске опере”; 2022), награђивана слика направљена помоћу генеративне вештачке интелигенције|alt=Импресионистичка слика фигура у футуристичкој оперској сцени

Визуелна уметност вештачке интелигенције, или уметност ВИ, јесте визуелно уметничко дело генерисано (или побољшано) употребом програма вештачке интелигенције (ВИ).

Аутоматизована уметност стварана је још од античких времена. Поље вештачке интелигенције основано је 1950-их, а уметници су почели да стварају уметност помоћу вештачке интелигенције убрзо након оснивања дисциплине. Кроз своју историју, ВИ је покренула многа филозофска питања у вези са људским умом, вештачким бићима, као и о томе шта се може сматрати уметношћу у сарадњи човека и ВИ. Од 20. века, људи користе ВИ за стварање уметности, од којих су нека дела излагана у музејима и освајала награде.

Током експанзије вештачке интелигенције 2020-их, модели претварања текста у слику као што су Midjourney, DALL-E, Stable Diffusion и FLUX.1 постали су широко доступни јавности, омогућавајући корисницима да брзо генеришу слике са мало труда. Коментари о уметности ВИ 2020-их често су се фокусирали на питања у вези са ауторским правима, преварама, клеветама и утицајем на традиционалне уметнике, укључујући и технолошку незапосленост.

Историја

Рана историја мини|Мајардеов аутомат црта слику Аутоматизована уметност датира барем од аутомата из хеленистичке грчке цивилизације, када се за проналазаче попут Дедала и Херона из Александрије наводило да су дизајнирали машине способне да пишу текст, генеришу звукове и свирају музику. Креативни аутомати цветали су кроз историју, попут Мајардеовог аутомата, створеног око 1800. године, који је могао да направи више цртежа и песама.

Такође у 19. веку, Ејда Лавлејс је писала да би се „рачунарске операције” потенцијално могле користити за генерисање музике и песама.Natale, S., & Henrickson, L. (2022). The Lovelace Effect: Perceptions of Creativity in Machines. White Rose Research Online. Retrieved September 24, 2024, from https://eprints.whiterose.ac.uk/182906/6/NMS-20-1531.R2_Proof_hi%20%282%29.pdfLovelace, A. (1843). Notes by the translator. Taylor’s Scientific Memoirs, 3, 666-731. Године 1950, рад Алана Тјуринга „Computing Machinery and Intelligence” фокусирао се на то да ли машине могу уверљиво имитирати људско понашање. Убрзо након тога, академска дисциплина вештачке интелигенције основана је на истраживачкој радионици на Дартмутском колеџу 1956. године.

Од свог оснивања, истраживачи ВИ истраживали су филозофска питања о природи људског ума и последицама стварања вештачких бића са интелигенцијом налик људској; ова питања су претходно истраживана кроз мит, фикцију и филозофију још од антике.

Уметничка историја мини|Инсталација Galápagos Карла Симса омогућила је посетиоцима да еволуирају 3Д анимиране облике. Од оснивања ВИ 1950-их, уметници су користили вештачку интелигенцију за стварање уметничких дела. Ова дела су се понекад називала алгоритамска уметност, компјутерска уметност, дигитална уметност или уметност нових медија.

Један од првих значајних уметничких система ВИ је AARON, који је развио Харолд Коен почевши од касних 1960-их на Универзитету Калифорније у Сан Дијегу. AARON користи симболички приступ заснован на правилима за генерисање техничких слика у ери GOFAI програмирања, а Коен га је развио са циљем да кодира чин цртања. AARON је изложен 1972. у Музеју уметности округа Лос Анђелес. Од 1973. до 1975. године, Коен је усавршавао AARON током боравка у Лабораторији за вештачку интелигенцију на Универзитету Станфорд. Године 2024, Витни музеј америчке уметности изложио је уметност ВИ из целокупне Коенове каријере, укључујући рекреиране верзије његових раних роботских машина за цртање.

Карл Симс је излагао уметност створену помоћу вештачког живота још од 1980-их. Магистрирао је компјутерску графику на MIT Media Lab 1987. и био је уметник у резиденцији од 1990. до 1996. у компанији за производњу суперкомпјутера и вештачку интелигенцију Thinking Machines Corporation. И 1991. и 1992. године, Симс је освојио награду Златна Ника на Prix Ars Electronica за своје видео-радове који користе вештачку еволуцију. Године 1997, Симс је креирао интерактивну инсталацију вештачке еволуције Galápagos за NTT InterCommunication Center у Токију. Симс је добио награду Еми 2019. за изузетно достигнуће у развоју инжењерства.

мини|Пример рада Electric Sheep Скота Дрејвса Године 1999, Скот Дрејвс и тим од неколико инжењера креирали су и објавили Electric Sheep као слободни скринсејвер. Electric Sheep је волонтерски рачунарски пројекат за анимирање и еволуцију фракталних пламенова, који се дистрибуирају на умрежене рачунаре који их приказују као скринсејвер. Скринсејвер је користио ВИ за стварање бесконачне анимације учећи од своје публике. Године 2001, Дрејвс је освојио награду Fundacion Telefónica Life 4.0 за Electric Sheep.

Године 2014, Стефани Динкинс је почела да ради на пројекту Conversations with Bina48. За ову серију, Динкинс је снимала своје разговоре са BINA48, друштвеним роботом који личи на средовечну црнкињу. Године 2019, Динкинс је освојила награду Creative Capital за стварање еволуирајуће вештачке интелигенције засноване на „интересовањима и култури(ама) обојених људи”.

Године 2015, Сугвен Чунг је започела Mimicry (Drawing Operations Unit: Generation 1), текућу сарадњу између уметнице и роботске руке. Године 2019, Чунг је освојила Lumen Prize за своје наступе са роботском руком која користи ВИ да би покушала да црта на начин сличан њој.

мини|Edmond de Belamy, креиран помоћу генеративне супарничке мреже 2018. године Године 2018, на аукцији уметности вештачке интелигенције у кући Кристис у Њујорку, дело Edmond de Belamy продато је за , што је било скоро 45 пута више од процењене вредности од –10.000. Дело је креирао Obvious, колектив из Париза.

Године 2024, објављен је јапански филм generAIdoscope. Филм су режирали Хиротака Адачи, Такеши Соне и Хироки Јамагучи. Сав видео, аудио и музика у филму створени су помоћу вештачке интелигенције.

Године 2025, објављена је јапанска аниме телевизијска серија Twins Hinahima. Аниме је произведен и анимиран уз помоћ ВИ током процеса сечења и конверзије фотографија у аниме илустрације, које су касније дорадили уметници. Већина преосталих делова, попут ликова и логотипа, ручно је цртана помоћу различитих софтвера.

Техничка историја Дубоко учење, које карактерише вишеслојна структура која покушава да опонаша људски мозак, први пут се појавило 2010-их, што је изазвало значајну промену у свету уметности ВИ. У ери дубоког учења, за генеративну уметност углавном постоје следећи типови архитектура: ауторегресивни модели, дифузиони модели, ГСМ-ови (GANs) и нормализујући токови.

Године 2014, Ијан Гудфелоу и колеге са Универзитета у Монтреалу развили су генеративну супарничку мрежу (ГСМ), тип дубоке неуронске мреже способне да науче да опонашају статистичку дистрибуцију улазних података, као што су слике. ГСМ користи „генератор” за стварање нових слика и „дискриминатор” да одлучи које од створених слика се сматрају успешним. За разлику од претходне алгоритамске уметности која је пратила ручно кодирана правила, генеративне супарничке мреже могле су да науче специфичну естетику анализом скупа података са примерима слика.

Године 2015, тим из Гугла објавио је DeepDream, програм који користи конволуциону неуронску мрежу за проналажење и побољшање образаца на сликама путем алгоритамске пареидолије. Процес ствара намерно преобрађене слике са изгледом налик сну, који подсећа на психоделично искуство. Касније, 2017. године, условни ГСМ је научио да генерише 1000 класа слика из ImageNet, велике визуелне базе података дизајниране за истраживање софтвера за препознавање објеката. Условљавањем ГСМ-а и случајним шумом и одређеном ознаком класе, овај приступ је побољшао квалитет синтезе слика за моделе условљене класом.

Ауторегресивни модели су коришћени за генерисање слика, као што је PixelRNN (2016), који ауторегресивно генерише пиксел по пиксел помоћу рекурентне неуронске мреже. Одмах након што је архитектура трансформера предложена у раду Attention Is All You Need (2018), коришћена је за ауторегресивно генерисање слика, али без условљавања текстом.

Веб-сајт Artbreeder, покренут 2018. године, користи моделе StyleGAN и BigGAN како би омогућио корисницима да генеришу и мењају слике попут лица, пејзажа и слика.

Током 2020-их, модели претварања текста у слику, који генеришу слике на основу промптова, постали су широко распрострањени, означавајући још једну промену у стварању уметничких дела генерисаних вештачком интелигенцијом.

Године 2021, користећи утицајне велике језичке генеративне претходно обучене трансформер моделе који се користе у GPT-2 и GPT-3, OpenAI је објавио серију слика креираних помоћу модела ВИ за претварање текста у слику DALL-E 1. То је ауторегресивни генеративни модел са суштински истом архитектуром као GPT-3. Упоредо с тим, касније 2021. године, EleutherAI је објавио опен-сорс VQGAN-CLIP заснован на OpenAI-јевом моделу CLIP. Дифузиони модели, генеративни модели који се користе за стварање синтетичких података на основу постојећих података, први пут су предложени 2015. године, али су постали бољи од ГСМ-ова тек почетком 2021. Латентни дифузиони модел је објављен у децембру 2021. и постао је основа за каснији Stable Diffusion (август 2022).

Године 2022, објављен је Midjourney, након чега су у мају 2022. најављени Google Brain-ови Imagen и Parti, Мајкрософтов NUWA-Infinity, и софтвер са доступним кодом Stable Diffusion, објављен у августу 2022. DALL-E 2, наследник DALL-E, био је у бета-тестирању и објављен (са даљим наследником DALL-E 3 објављеним 2023). Stability AI има веб-интерфејс за Stable Diffusion под називом DreamStudio, додатке за Krita, Photoshop, Blender и GIMP, и веб-базирани кориснички интерфејс отвореног кода Automatic1111. Главни претходно обучени модел Stable Diffusion-а дели се на Hugging Face Hub.

Ideogram је објављен у августу 2023. године; овај модел је познат по својој способности да генерише читљив текст.

Године 2024, објављен је Flux. Овај модел може да генерише реалистичне слике и интегрисан је у Grok, чет-бот који се користи на X-у (раније Твитер), и Le Chat, чет-бот компаније Mistral AI. Flux је развила компанија Black Forest Labs, коју су основали истраживачи који стоје иза Stable Diffusion-а. Grok је касније прешао на сопствени модел за претварање текста у слику, Aurora, у децембру исте године. Неколико компанија, заједно са својим производима, такође је развило ВИ модел интегрисан са услугом за уређивање слика. Адоби је објавио и интегрисао ВИ модел Firefly у Premiere Pro, Photoshop и Illustrator. Мајкрософт је такође јавно најавио функције генератора слика помоћу ВИ за Microsoft Paint. Поред тога, неки примери модела претварања текста у видео из средине 2020-их су Gen-2 компаније Runway, Гуглов VideoPoet и OpenAI-јев Sora, који је објављен у децембру 2024.

Године 2025, објављено је неколико модела. GPT Image 1 компаније OpenAI, лансиран у марту 2025, увео је нове могућности приказивања текста и мултимодалне способности, омогућавајући генерисање слика из различитих улаза попут скица и текста. Midjourney v7 је дебитовао у априлу 2025, пружајући побољшану обраду текстуалних промптова. У мају 2025. Flux.1 Kontext компаније Black Forest Labs појавио се као ефикасан модел за генерисање слика високе верности, док је Гуглов Imagen 4 објављен са побољшаним фотореализмом.

Алати и процеси

Приступи