Генеративные нейросети в графическом дизайне

Использование генеративных нейронных сетей для создания визуального контента — тренд последнего десятилетия. Относительно недавно он начал набирать обороты. Появилось мнение, что эта технология может из удобного инструмента, который упрощает работу дизайнера и сокращает время работы над проектами превратиться в то, что сможет полностью заменить графического дизайнера. Так же можно сказать про иллюстрации, ведь в своём большинстве современные нейросети используются для генерации именно иллюстраций. Постоянно появляются и совершенствуются программы, создающие уникальные картинки, образы, логотипы, палитры цветов за несколько секунд, а также комплексные решения, позволяющие за счет комбинирования этих инструментов создать полноценный фирменный стиль или айдентику.

Всё это звучит минимум как вызов для индустрии дизайна, опирающуюся в основном на труд человека. Это визуальное исследование призвано проанализировать некоторые AI инструменты на предмет их ценности и уместности в различных сценариях использования в дизайне.

Нейросети или искусственный интеллект — это очень широкий спектр возможностей для многих индустрий, в том числе для дизайна. Различные типы искусственного интеллекта и подобных технологий не являются чем-то новым в дизайне, а также, без сомнений, не каждая их вариация претендует на звание технологии, которая способна вытеснить человека из профессии. Например, удобные AI инструменты которые позволяют увеличивать разрешение изображения или сервисы, сортирующие контент по тегам, являются общепризнанными инструментами, сугубо вспомогательными и безопасными для хрупкой биосферы людей-дизайнеров. Зачастую, в них используются такие же прогрессивные нейросети, как и в технологии, благодаря которой существует объект данного исследования — генеративный контент, созданный генеративными нейросетями.

Генеративные нейросети — это класс нейронных сетей, которые широко используются для создания контента, такого как изображения, видео, аудио и текст. Они работают на основе обученных моделей и алгоритмов, которые позволяют им генерировать новые и уникальные визуальные элементы, не требуя прямого программирования.

Основная идея генеративных нейросетей заключается в том, что они обучаются на больших наборах данных и на основе этого обучения способны создавать новые образцы, которые имитируют стиль и структуру исходных данных. Например, генеративная нейросеть может быть обучена на большом наборе изображений и затем использоваться для создания новых изображений, которые сходны с обучающими данными. Получается усредненный, уникальный, но, в тоже время, лишенный индивидуальности контент. Символичный дуализм.

Одним из наиболее широко известных примеров генеративных нейросетей являются генеративно-состязательные сети (GAN). GAN состоят из двух основных компонентов: генератора и дискриминатора. Генератор генерирует новые образцы, а дискриминатор оценивает их на подлинность. В процессе обучения генератор старается создавать образцы, которые максимально похожи на настоящие, тогда как дискриминатор старается различать реальные и сгенерированные образцы. Такая двухсторонняя «состязательная» система позволяет генеративным нейросетям создавать высококачественный и в тоже время уникальный визуальный контент, например реалистичные фотографии людей.

Это узконаправленная нейросеть. Под разную нишу найдется своя специализированная нейросеть. Напрашивается полная замена стоковым фотографиям. Более того, практически любые нейросети широкого спектра возможностей могут создать достаточно хорошую фотографию человека, которую можно будет поместить на периферию. Более чем достаточное качество для беглого взгляда и минимума осознанного анализа увиденного — так можно описать результат работы большинства существующих нейросетей сейчас. И не только по отношению к фотографиям.

Многие из представленных изображений были сделаны или сгенерированны нейросетями специально для данного визуального исследования. Как ни парадоксально, это не помешает говорить о них как об объектах исследования, которые уже существовали ранее, использовались в каких-либо проектах или просто были сгенерированы из интереса к новым технологиям. Забегая вперед, можно сказать, что эти изображения практически равны по смысловой нагрузке, какой-либо ценности в графическом плане и по иным параметрам с теми, что были созданы ранее или же будут созданы в будущем. Подписи к таким изображениям призваны продемонстрировать наглядно, какой уровень персонализации (или ее отсутствия) соответствует запросу.

По умолчанию, контент, генерируемый нейросетью является уникальным. Уникальным в буквальном смысле этого слова — правильно работающая нейросеть никогда не выдаст два идентичных результата, более того, результат всегда будет отличаться от существующих реальных источников обучения сети. Но такая уникальность не поражает воображение. Ведь явно чувствуется ее природа — брать от всего понемногу. Если заставить нейросеть специально выдавать максимально случайные вещи, все равно в них будут узнаваться какие-то привычные детали.

После пары таких запросов появляется чувство звенящей предсказуемости. У нейросети буквально за две работы появляется явный почерк, который стирает уникальность и превращает эти и последующие работы в абсолютные копии друг друга.

При условии, что дизайнер, за редкими и выдающимися исключениями, не может позволить себе иметь свой почерк. Скорее всего, это будет идти вразрез с его целями — сделать персонализированный дизайн для клиента.

От нейросети нельзя ждать генерации новых идей или остроумных метафор. Принцип работы искусственного интеллекта не позволяет это сделать, хоть и на первый взгляд задачи, которые решает нейросеть при выдаче результата похожие, на поиск метафоры: поиск общего, поиск сходств и связей. В отличии от человека, только сухой расчет и никакой композиции акцентов.

Там, где логичным и уместным приёмом могла бы быть метафора, нейросеть не может предложить ничего, кроме полностью обезличенных абстрактных образов. Метафора и идея — это одни из основных атрибутов хорошего и качественного дизайна. В таком ключе нейросеть может выступать лишь помощником, но ни как не в авангарде.

«Тем не менее использование нейросетей в творческой работе не означает, что искусство и дизайн становятся все более шаблонными и неинтересными. Скорее они начинают более точно отвечать запросам клиента. Искусственный интеллект отлично умеет анализировать потребности определенной целевой аудитории, может помочь грамотно представить проект и эффективно провести переговоры с заказчиком. А это — ключ к успеху любого современного специалиста.»

В действительности же искусственный интеллект позволяет сильно расширить возможности дизайнера, особенно в иллюстративном плане. Самые сильные стороны нейросетей — это скорость и вариативность. Нейросеть способна визуализировать несколькими вариантами идею, за считанные секунды. Точность компенсируется вариативностью и скоростью.

Не каждому дизайну суждено быть великим. Иногда коммерческому дизайну достаточно быть дешевым и быстрым. При условии фактической уникальности, сложно переоценить такие свойства.

Нельзя не сказать про возможности некоторых нейросетей при правильной работе с ними, а именно: конкретизирующие запросы и уточнения. При большом количестве и хорошем подборе запросов к некоторым нейросетям можно добиться очень точных, ультрареалистичных или детальных результатов. Они могут быть как совершенно оторванными от реальности, так и вполне понятны. Оба варианта могут найти применение на практике в дизайне.

Правильно составлять запросы к нейросети — важный навык для дизайнера уже сейчас, а в будущем — необходимый. В таких работах нейросетей также присутствует весьма уловимый почерк, но на другой чаше весов уже есть сверхточный результат, скорость получения результата и качество, сравнимое с реальными фотографиями, правда, по определению не превосходящее их.

Нейросеть ironov.ai от студии Артемия Лебедева представляет собой уже не просто подручный инструмент дизайнера, а полноценный и коммерчески успешный продукт, грамотно представленный публике маркетологами, при этом являясь всего лишь грамотным комбинированием работы нескольких нейросетей с другими наработками самой студии в опыте общения с клиентами. Готовые, но настраиваемые варианты логотипов и шрифтов, представление дизайна на мокапах, в социальных сетях и даже готовый брендбук. Всё это создано быть инструментом уже не для дизайнера, а для конечного потребителя — заказчика.

Такой продукт может претендовать на нишу простого коммерческого дизайна за невысокую цену и может конкурировать с человеком за такую работу, ведь он представляет готовый или настраиваемый дизайн «под ключ». Но, стоит учесть, что как и любая нейросеть, искусственный интеллект от студии Лебедева обладает своим почерком, а так как в данном случае это несколько нейросетей, отвечающих за разные составляющие дизайна — получается набор довольно предсказуемых шаблонов, которые можно свободно комбинировать между собой. Любой результат будет абстрактный и почти лишенный персонализации.

Еще одно преимущество данной нейросети — это работа с фирменными шрифтами студии. Одно это конкурентное преимущество весомо отделяет эту нейросеть от конкурентов в лице обычных дизайнеров, учитывая цену услуг нейросети. Но, глобально, никакие преимущества этой и подобных ей нейросетей не могут глобально повлиять на индустрию дизайна, ввиду сильных ограничений и рамок, хоть и локально это неплохой продукт, который заслуженно нашел своего покупателя.

Главное преимущество генеративных сетей, по классике жанра, оказывается также и главным недостатком. Возможность создавать уникальный контент, не похожий ни на что, звучит как настоящее или скорое будущее для искусственного интеллекта. Но лишь на первый взгляд. Нейросети создают уникальность, двигаясь совершенно по другой оси, нежели человек. Единственный путь к уникальности для контента от нейросетей — быть похожим на все сразу, каждый раз находить новое среднее, бесконечно отодвигая в равноудалённые стороны уже существующие варианты. Чтобы быть непохожим на всё остальное, контенту нейросети приходится быть похожим на все сразу. Непохожесть и уникальность является буквально противоположной задачей, к той, которая действительно подходит для нейросети. Идеальная копия стиля известного художника, идеальная фотография человека, которой никогда не было, максимально близкое воссоздание пейзажа побережья Испании — лучше нейросетей с этими задачами уже не справиться.

Но нейросети терпят крах, когда дело доходит до задачи, где уникальность достигается не просто фактическим несоответствием одной фигуры другой, или различием в пикселях при наложении одной картинки на другую, а наличием метафоры или простой новой идеи. Являясь отличным инструментом для грамотного дизайнера, нейросеть не сможет помешать ему своим существованием, а лишь поможет создавать еще более потрясающие вещи.