Paradox tvorby obrazu pomocí umělé inteligence

Google Nano Banana Pro má poměrně realistickou kvalitu obrazu. Foto: Mashable .

V raných letech zobrazovacích technologií s využitím umělé inteligence (AI) byly výsledné produkty často snadno identifikovatelné jako falešné. Obrázky s příliš mnoha prsty, zkreslené detaily těla nebo nerealistické osvětlení byly běžnými varovnými signály.

Tato éra se však chýlí ke konci. Nástroje pro tvorbu obrázků poháněné umělou inteligencí se stávají stále přesvědčivějšími, a to nikoli zdokonalováním samotného obrazu, ale záměrným začleňováním vad, které napodobují skutečné fotografie.

Trendy ve vytváření obrázků s využitím umělé inteligence

Společnost OpenAI spustila svůj nástroj pro generování obrázků DALL-E před necelými pěti lety. První verze dokázala vytvářet obrázky pouze s rozlišením 256 x 256 pixelů, takže byla spíše experimentální než praktická. U DALL-E 2 bylo rozlišení zvýšeno na 1024 x 1024 pixelů, což vedlo k výrazně realističtějším obrázkům. Detaily však stále vykazují známky anomálií, od rozmazaných povrchů až po objekty, které je obtížné vizuálně vysvětlit.

Zároveň si Midjourney a Stable Diffusion rychle získaly pozornost kreativní komunity. Během následujících několika let byly modely neustále vylepšovány, čímž se snižovaly geometrické chyby a zlepšovala se viditelnost textu. Velká část umělé inteligence však stále působila „příliš dokonale“, přičemž osvětlení, kompozice a plynulost připomínaly spíše ilustrace než skutečné fotografie.

Mnoho modelů umělé inteligence vytváří obrázky, které jsou příliš realistické na to, aby odpovídaly skutečnosti. Foto: Bloomberg .

Tento trend se mění. Vývojáři se začínají přibližovat realismu a znovu vytvářejí nedokonalosti, které jsou vlastní fotografiím pořízeným běžnými zařízeními, zejména fotoaparáty telefonů.

Ve druhé polovině roku 2025 Google představil v aplikaci Gemini model pro tvorbu obrázků Nano Banana, po kterém následovaly další vylepšení v podobě Nano Banana Pro. Podle vyhledávacího giganta se jedná o dosud nejrealističtější model obrázků, který dokáže využít znalosti z reálného světa a efektivněji zobrazovat text.

Je pozoruhodné, že mnoho snímků pořízených tímto modelem se velmi podobá těm pořízeným chytrými telefony, od kontrastu a perspektivy až po osvětlení a ostrost.

Fotografie pořízené fotoaparáty chytrých telefonů mají svůj vlastní jedinečný styl. Vzhledem k omezením velikosti snímače a objektivu se chytré telefony spoléhají na zpracování více snímků pro zlepšení kvality obrazu. To vytváří fotografie se zvýrazněnými tmavými oblastmi, zvýrazněnými detaily a optimalizované pro zobrazení na malých obrazovkách. Umělá inteligence, která se tomuto stylu učí, činí snímky pro diváky povědomějšími, čímž snižuje pocit umělosti.

Paradox realistických obrazů

Google není jediný případ. Adobe Firefly nabízí možnost „vylepšení obrazu“, která uživatelům umožňuje snížit lesk obrázků vytvořených umělou inteligencí tak, aby se co nejvíce podobaly skutečným fotografiím. Meta také obsahuje posuvník pro „stylování“, který uživatelům umožňuje upravit úroveň realismu.

V oblasti videa se nástroje jako Sora od OpenAI nebo Veo od Googlu používají k vytváření nekvalitních, zrnitých klipů, které napodobují snímky z bezpečnostních kamer, jež jsou dostatečně „špatné“ na to, aby byly věrohodné.

Videa vytvořená pomocí umělé inteligence jsou stále realističtější. Foto: Bloomberg .

Podle některých fotografických expertů může schopnost umělé inteligence simulovat známé nedostatky pomoci modelům vyhnout se pádu do „neobvyklého údolí“, stavu, kdy se snímky velmi podobají realitě, ale přesto u diváka vytvářejí pocit neklidu. Místo toho, aby umělá inteligence znovu vytvářela realitu, musí jednoduše napodobovat způsob, jakým lidé zachycují snímky se všemi jejich inherentními omezeními a nepřesnostmi.

Tento vývoj představuje významnou výzvu pro schopnost rozlišovat mezi pravými a falešnými obrázky. Vzhledem k tomu, že obrázky vytvořené umělou inteligencí se stále více podobají konvenčním fotografiím, je identifikace jejich původu stále obtížnější. V reakci na to se zavádí standard C2PA Content Credentials, který k obrázkům přidává kryptografické podpisy, což umožňuje sledovatelnost od okamžiku vytvoření.

V současné době většina fotografií pořízených chytrými telefony postrádá ověřovací informace a hranice mezi digitálně upravenými snímky a těmi, které byly vytvořeny výhradně pomocí umělé inteligence, se stále více stírá. Dokud nebudou standardy jednotně implementovány napříč hardwarem a platformami pro sdílení, musí uživatelé i nadále dbát na nezbytnou opatrnost, pokud jde o snímky v digitálním prostoru.

Zdroj: https://znews.vn/nghich-ly-cua-ai-tao-anh-post1612058.html