Дивні долоні та сім пальців. Чому ШІ досі не вміє правильно зображати руки

Штучний інтелект перемагав у конкурсах, проходив співбесіди, складав іспити та навіть вплинув на рішення суду. Це вражає, однак ШІ досі не навчився малювати руки. Чому так відбувається, пише BBC Science Focus Magazine. Редакція MC.today переповідає деталі.

Попри всю роботу, яку провели для створення генераторів зображень, вони все одно не вміють правильно малювати руки. На це особливо звернули увагу після публікації зображень, створених Midjourney.

На перший погляд, це звичайна вечірка, але роботу ШІ видають моторошні руки. Так, деякі люди на зображенні мають три руки, декілька зайвих пальців або надто довгу долоню.

Чому замість долоні виходить щось моторошне

Професор Пітер Бентлі з Лондона пояснив, що 2-D генератори зображень не можуть впоратися із тривимірною геометрією на зразок руки.

«Загалом вони мають добре уявлення про руку. У неї є долоня, пальці та нігті, але жодна з цих моделей насправді не розуміє, що це таке», – сказав професор.

Тобто генератори зображень просто не знають, як зобразити руки. Також вони не враховують контекст зображення, саму ситуацію. Наприклад, ШІ не може правильно згенерувати зображення руки, яка тримає щось. Нейромережа навіть не розуміє, як це працює, а тому просто комбінує інші зображення.

«Я попросив Dall-E показати фотографію двох рук зі зчепленими пальцями, і отримав кілька дивних результатів. Він показав мені два зап’ястя і клубок пальців на одному з них», – каже Бентлі.

Звісно, результат значно залежить і від людини, яка дає підказки, однак здебільшого проблема в нейромережах. «Вони просто поєднують увесь мотлох, який ми дали».

Надія є

Штучний інтелект поступово вивчає тривимірну геометрію, що дасть змогу йому створювати складніші зображення. Тому в майбутньому ситуація з дивними руками може значно покращитись.

Раніше ми розповідали, що художники подали до суду на розробників Midjourney і Stable Diffusion. А як користуватися нейромережею Midjourney ми писали тут.