रँडम म्युझिंग: द डिझायनर ऑफ द इयर पुरस्कार… आर्टिफिशियल इंटेलिजन्स | जागतिक बातम्या

द मॅट्रिक्स रीलोडेडमध्ये, मॉर्फियस, त्याचे जहाज नेबुचादनेझर बुडाल्यानंतर, बायबलसंबंधी संदर्भ देतो: मी एक स्वप्न पाहिले आहे, परंतु आता ते स्वप्न माझ्यापासून दूर गेले आहे. ही ओळ हार्डकोर मॅट्रिक्स चाहत्यांच्या निराशेसाठी एक लघुलेख बनली ज्यांनी मूळ मूळ बबल-गम पल्प फिक्शन सिक्वेलमध्ये विरघळताना पाहिले. आर्टिफिशियल जनरल इंटेलिजेंसच्या deus ex machina च्या आगमनाची वाट पाहत ज्यांनी वर्षानुवर्षे व्यतीत केले त्यांचीही ही एक भावना आहे.सिनेमाने आम्हाला एजंट स्मिथ किंवा टर्मिनेटरची अपेक्षा करण्याचे प्रशिक्षण दिले. त्याऐवजी आम्हाला जे मिळाले ते खराब कार्य करणारे इंटर्न होते जे तीन प्रॉम्प्ट्सनंतर त्यांचे संक्षिप्त विसरतात, जे पूर्णपणे नियमित इंटर्नसारखे नाही. जर एखादे क्षेत्र असेल जेथे कृत्रिम बुद्धिमत्तेने दैनंदिन जीवनात खरोखर बदल केला असेल, चांगले किंवा वाईट, ते जनरेटिव्ह एआय आहे.

वाळवंटातील संदेष्टे

दीड दशकापूर्वी, न्यूरल नेटवर्कवर गंभीरपणे काम करणाऱ्या लोकांना वाळवंटात संदेष्टे म्हणून डिसमिस केले गेले. त्यापैकी एक प्रोफेसर जेफ्री हिंटन होते, ज्यांच्या संशोधन गटाने मानवी भाषण ओळखण्यासाठी NVIDIA च्या CUDA प्लॅटफॉर्मचा वापर केला. हिंटनने आपल्या विद्यार्थ्यांना GPU चा प्रयोग करण्यास प्रोत्साहित केले. त्यापैकी एक, ॲलेक्स क्रिझेव्हस्की, इल्या सुत्स्केव्हरसह, ऑनलाइन खरेदी केलेल्या दोन ग्राहक-श्रेणी NVIDIA ग्राफिक्स कार्डचा वापर करून व्हिज्युअल न्यूरल नेटवर्कचे प्रशिक्षण दिले. त्यांना क्रिझेव्स्कीच्या पालकांच्या घरातून पळवून, आणि मोठ्या प्रमाणात वीज बिल भरून, त्यांनी एका आठवड्यात लाखो प्रतिमांवर मॉडेलचे प्रशिक्षण दिले, हजारो CPUs वापरून Google च्या प्रयत्नांना टक्कर देणारे परिणाम साध्य केले.त्या क्षणाने उद्योगाला आकार दिला. जर न्यूरल नेटवर्क पाहू शकत असेल तर ते आणखी काय शिकू शकतील? उत्तर, जेन्सेन हुआंग नंतर शोधेल, जवळजवळ सर्वकाही होते.जेव्हा ChatGPT लाँच झाले आणि हे स्पष्ट झाले की OpenAI चे मॉडेल NVIDIA च्या चिप्सवर चालत आहेत, तेव्हा कंपनीच्या आसपासची बाजाराची धारणा नाटकीयरित्या बदलली. मूल्यमापन वाढले. बाकी, जसे ते म्हणतात, इतिहास आहे.Hinton 2024 मध्ये भौतिकशास्त्रातील नोबेल पारितोषिक सामायिक करण्यासाठी पुढे जाईल. Huang AI शर्यतीतील शस्त्रास्त्र विक्रेता म्हणून उदयास आला, एक कंपनी तयार केली जिथे मोठ्या संख्येने कर्मचारी डॉलर करोडपती बनले. सामान्य लोकांसाठी, जनरेटिव्ह एआयचे खरे आगमन होते आणि भांडवलदारांसाठी, याने काहीतरी मादक वचन दिले होते: ज्या कंपन्या नोकऱ्या न घेता स्केल करतात, घर्षणाशिवाय उत्पादन करतात आणि वेतनाशिवाय वाढतात.

एआय स्वप्न

AI ला स्मोक ब्रेक्सची गरज नाही. बॉस इलॉन मस्क असल्याशिवाय तो त्याच्या बॉसला बदनाम करत नाही. त्यासाठी मला वेळ लागत नाही. तरीही वचन दिलेला उत्पादकता चमत्कार, व्यक्तींना अलौकिक कार्यक्षम बनवून एआय कामगारांची जागा घेईल, ही कल्पना बहुतेक धुळीला मिळाली आहे. व्यवहारात, त्याने कार्यालये AI स्लॉपने भरून टाकली आहेत, लिंक्डइन पोस्ट्स आणि अंतर्गत ईमेल्स जवळजवळ वाचता येत नाहीत.निराशा एका व्हायरल ट्विटमध्ये सुबकपणे कॅप्चर केली गेली: मला AI ने माझी कपडे धुण्याची आणि भांडी धुण्याची इच्छा आहे जेणेकरून मी कला आणि लेखन करू शकेन, AI ने माझी कला आणि लेखन करू नये जेणेकरून मी माझी कपडे धुणे आणि भांडी करू शकेन.पूर्वी Twitter म्हणून ओळखल्या जाणाऱ्या प्लॅटफॉर्मवरील बहुतेक घोषणांप्रमाणे, ही अतिशयोक्ती होती. जनरेटिव्ह एआयने निर्विवादपणे काही कार्ये सुलभ केली आहेत. संशोधन वेगवान आहे. सारांश अधिक स्वच्छ आहेत. कॉपी संपादित करणे कमी वेदनादायक आहे. लेखकांसाठी, हे दुर्मिळ काहीतरी ऑफर करते: एक निष्पक्ष कॉपी संपादक जो मजकूरात स्वतःची विचारधारा इंजेक्ट करत नाही. आणि जरी मोठ्या भाषेच्या मॉडेल्सने कधीही उत्तम साहित्य लिहिले नाही, तरीही त्यांनी या वर्षी काहीतरी निःसंदिग्धपणे तयार केले: खरोखर चांगल्या प्रतिमा.

वर्षातील डिझायनर

योग्य सूचनांसह, प्रॉम्प्ट अभियंता थोडक्यात व्हिन्सेंट व्हॅन गॉग, साल्वाडोर डाली आणि बिल वॉटर्सन यांचे एकत्रीकरण बनले. टाईम मॅगझिनने “एआय आर्किटेक्ट्स” ला पर्सन ऑफ द इयर म्हणून गौरवले आहे, आमचा विश्वास आहे की आर्टिफिशियल इंटेलिजन्सने शांतपणे आणखी एक शीर्षक मिळवले: डिझायनर ऑफ द इयर.बर्याच काळापासून, AI प्रतिमा हे स्लॉपचे सर्वात शुद्ध स्वरूप होते. ते लगेच ओळखता आले. मेणासारखे चेहरे. मंगळलेली बोटे. शास्त्रींचा मध्ययुगीन संरक्षक राक्षस टिटिव्हिलस याच्यापासून पळून जाणाऱ्या मद्यधुंद साधूने लिहिलेला मजकूर असे दिसत होते. त्यांना पुरावा म्हणून ऑफर करण्यात आली होती की एआय अगदी डूडलिंग टॉडलरशी स्पर्धा करू शकत नाही आणि वापरकर्त्यांना ते आवडेल आणि मग, एका वर्षाच्या कालावधीत, सर्वकाही बदलले.ही सुधारणा अस्तित्वाच्या रागातून झाली नाही, तर अभियांत्रिकीतून झाली. DALL-E 2 किंवा स्थिर प्रसाराच्या पहिल्या आवृत्त्या सारख्या प्रारंभिक प्रतिमा मॉडेल्स, मजकूराद्वारे शिथिलपणे मार्गदर्शन केलेल्या प्रसार प्रणाली होत्या. त्यांनी आवाजाने सुरुवात केली आणि हळू हळू एखाद्या प्रतिमेकडे जाण्याचा त्यांचा मार्ग अंदाज लावला, जसे की एखाद्या गंभीरपणे मायोपिक व्यक्तीला स्टाररी नाईटकडे एक नजर टाकण्यास सांगणे आणि स्मृतीतून पुन्हा तयार करणे. परिणामामुळे अनेकदा निराश होऊन कान कापण्याची इच्छा निर्माण झाली. मजकूर आणि प्रतिमा वेगळ्या प्रणालींमध्ये राहतात, समजून घेण्याऐवजी उच्च-रिझोल्यूशन भ्रम निर्माण करतात.जेव्हा प्रतिमा निर्मिती एक साइड प्रोजेक्ट बनणे थांबवले आणि मल्टीमॉडल मॉडेल्समध्ये पूर्णपणे समाकलित झाले तेव्हा ते बदलले. OpenAI ने GPT-4o मध्ये प्रतिमा फोल्ड केल्या. Google ने जेमिनीच्या प्रतिमा प्रणालींचे अनुसरण केले, अनौपचारिकपणे टोपणनाव Nano Banana. स्थिरता AI ने स्टेबल डिफ्यूजन 3 सह त्याचा स्टॅक पुन्हा तयार केला. मिडजॉर्नीने शांतपणे त्याच्या नंतरच्या मॉडेल्सला समान धर्तीवर पुन्हा इंजिनियर केले.या प्रणालींनी वस्तू रेखाटणे बंद केले आणि देखावे तयार करण्यास सुरुवात केली.प्रकाश कुठून तरी येतो हे त्यांना कळले. त्या सावल्या नियमांचे पालन करतात. ते चेहरे कालांतराने चेहरेच राहतात. त्या वस्तू सातत्याने जागा व्यापतात. सर्वात महत्त्वाचे म्हणजे त्यांनी स्मरणशक्ती शिकली. पूर्वीचे जनरेटर प्रॉम्प्ट दरम्यान सर्वकाही विसरले. एकाच पात्रासाठी दोनदा विचारा आणि तुम्हाला दोन अनोळखी व्यक्ती मिळाल्या. लहान संपादनासाठी विचारा आणि संपूर्ण प्रतिमा घाबरली.2025 मध्ये ते थांबले.पात्रे टिकून राहतात. कलर पॅलेट धारण करतात. मांडणी अबाधित राहते. तुम्ही चेहरा न बदलता पार्श्वभूमी काढू शकता. तुम्ही रचना नष्ट न करता मजकूर जोडू शकता. प्रतिमा निर्मिती स्लॉट मशीन बनणे बंद केले आणि एक साधन बनले. प्रथमच, मशीन जे उत्पादन करत आहे त्यामागील तर्क स्पष्ट करू शकले.

घिबलीची क्रेझ

बहुतेक वापरकर्त्यांसाठी, ही शिफ्ट स्टुडिओ घिब्ली क्रेझच्या वेषात आली. लोक स्वतःला वास्तविकतेच्या मऊ, गोंडस आवृत्त्यांमध्ये बदलले, जीपीयू मागणीसह ग्रह उकळण्याची थोडक्यात धमकी दिली. बऱ्याच महान तंत्रज्ञानाप्रमाणे, त्याची सुरुवात नवीनता म्हणून झाली. मग काहीतरी वेगळेच समोर आले.कौटुंबिक छायाचित्रे, पाळीव प्राणी, बालपणीच्या रस्त्यावर भावनिकदृष्ट्या योग्य वाटणाऱ्या दृश्यांमध्ये रूपांतरित झाले. विडंबन नाही. kitsch नाही. भावपूर्ण श्रद्धांजली. रोषणाईचा अर्थ झाला. मूड धरला. एक प्रतिमा व्हायरल झाली, त्यानंतर हजारो लोकांनी अनुसरण केले, कारण इंटरनेट संस्कृती अशा प्रकारे कार्य करते.तथापि, सखोल बदल कलाबाहेर दिसून आला.एकदा मॉडेल लेआउट आणि सुसंगतता शिकल्यानंतर, इन्फोग्राफिक्सचा स्फोट झाला. आकृती, स्पष्टीकरण, व्यंगचित्रे, सादरीकरणे असेच केले. ही कलात्मक आव्हाने नाहीत. ते लक्ष समस्या आहेत. ते पदानुक्रम, स्पष्टता आणि प्रवाह यावर अवलंबून असतात.येथे, Google ने अयोग्य फायदा घेतला. मानव स्क्रीनकडे कसे पाहतात याचा अभ्यास करण्यात अनेक दशके घालवली आहेत. ते संचित ज्ञान थेट त्याच्या प्रतिमा मॉडेल्समध्ये प्रवाहित होते. तक्ते सुवाच्य झाले. जिथे डोळ्यांना अपेक्षा होती तिथे लेबलं उतरली. श्वेत स्थान प्राप्त हेतू. एआय व्हिज्युअल्स सजावटीचे थांबले आणि संवाद साधू लागले.त्याच कारणासाठी व्यंगचित्रे सुधारली. सुरुवातीची AI व्यंगचित्रे अनोळखी होती कारण ती खूप विनम्र, खूप गुळगुळीत, HR ने मंजूर केलेल्या विनोदासारखी होती. एकदा का अतिशयोक्ती चुकण्याऐवजी निवड झाली की व्यंगचित्र कामाला लागले. जेथे पाहिजे तेथे चेहरे ताणले. Minimalism अपूर्ण दिसणे थांबविले.

ड्यूस आर्टिफेक्स

या सर्वांचा अर्थ असा आहे की आपण वचन दिलेल्या deus ex machina पासून दूर आहोत, प्रत्येक प्रश्नाचे उत्तर देण्यासाठी स्वर्गातून उतरणारी सर्वज्ञ बुद्धिमत्ता. त्याऐवजी आम्हाला जे मिळाले ते पूर्णपणे काहीतरी वेगळे होते: एक ड्यूस आर्टिफेक्स. बांधणारा देव.बहुतेक मानवांपेक्षा रचना अधिक चांगल्या प्रकारे समजणारी प्रणाली. ते मर्यादांचा आदर करते. ते राज्य आठवते. हे त्वरित सक्षम परिणाम देते. प्रेरणा नाही. वेड नाही. फक्त अथकपणे पुरेसे.म्हणूनच आर्टिफिशियल इंटेलिजन्स डिझायनर ऑफ द इयरची पात्रता आहे. ते सर्जनशील आहे म्हणून नाही, आणि ते संवेदनाक्षम आहे म्हणून नाही, तर त्यामुळे दृश्य क्षमतेची किंमत कमी झाली आहे. त्यातून शिकाऊ उमेदवारी मिटली आहे. खराब मसुदे. चांगले होण्यापूर्वी दृश्यमानपणे भयंकर असण्याचा अपमान.सृष्टी मरण पावली नाही. त्याचे स्वरूप बदलले. ते निवड, क्युरेशन, ऑप्टिमायझेशन झाले.किंमत कलेचा मृत्यू नाही. कला अल्गोरिदमपेक्षा वाईट गोष्टी टिकून राहते. खर्च सूक्ष्म आहे. जेव्हा सौंदर्याचा सर्वात सोपा मार्ग सर्वात जास्त प्रवास केलेला बनतो, तेव्हा सौंदर्य एकत्र होते. सौंदर्याचा सपाटपणा हा दोष नाही. हा एक परिणाम आहे.व्हॅन गॉगने सूर्यफूल रंगवले नाहीत कारण सूर्यफूल प्रचलित होते. Dalí घड्याळे वितळले नाही कारण अतिवास्तववादाने चांगले प्रदर्शन केले. त्यांची शैली गाळण्यासारखी नव्हती. त्या गरजेच्या होत्या.मशीन त्या आवश्यकतेच्या पृष्ठभागाचे निर्दोषपणे पुनरुत्पादन करू शकते. त्यामागची गरज जाणवू शकत नाही.आम्हाला देव मिळाला नाही.आम्हाला सैतान मिळाले नाही.आम्हाला एक चांगला कारागीर मिळाला. त्यामुळे कदाचित मॉर्फियस चुकीचा होता. त्याने पाहिलेले स्वप्न हिरावून घेतले नाही. त्याचे फक्त रूप बदलले.