Generowanie obrazów i wideo z AI w 2025. Możliwości i kontrowersje – Aktualności AI – #1 Kwiecień 2025

Jednym z najgłośniejszych wydarzeń ostatnich miesięcy jest znaczące ulepszenie i udostępnienie przez OpenAI funkcji generowania obrazów bezpośrednio w ChatGPT. Nowa funkcja, oparta na zaawansowanym modelu GPT-4o (zastępującym DALL-E 3), trafiła do wszystkich użytkowników modelu i dostępna jest także w wersji darmowej.

Nowy model otrzebuje nieco więcej czasu na wygenerowanie obrazu (nawet do minuty), ale oferuje znacznie dokładniejsze i bardziej spersonalizowane rezultaty. Najważniejszą nowością jest opcja edycji istniejących obrazów oraz tworzenie czytelnego tekstu wewnątrz grafik, co otwiera możliwości łatwego projektowania logotypów, infografik, map myśli czy nawet komiksów, zachowując przy tym kontekst całej rozmowy z chatbotem.

Efekt był natychmiastowy – internet zalała kolejna fala obrazów generowanych przez AI. Użytkownicy masowo eksperymentują, tworząc grafiki w najróżniejszych stylach. Nie obyło się jednak bez kontrowersji związanych z tematem AI i praw autorskich; szczególnie, iż ChatGPT do perfekcji potrafi naśladować stylistykę najbardziej znanych rysowników czy seriali animowanych, od Studio Ghibli po Simpsonów.

Dla wielu artystów jest to jawne lekceważenie ich pracy i kradzież intelektualna, komercjalizacja stylu wypracowanego przez lata żmudnego, ręcznego doskonalenia twórczości. Internetowa społeczność artystyczna podkreśla, że modele często są trenowane na pracach chronionych prawem autorskim, bez zgody i wynagrodzenia dla twórców, a wygenerowanym obrazom brakuje emocjonalnej głębi oryginałów. OpenAI zapewnia o wdrożeniu mechanizmów bezpieczeństwa i stosowaniu oznaczeń C2PA (informujących o użyciu AI), jednak kontrowersje wokół praw autorskich i etyki naśladowania stylów pozostają nierozwiązane.

Kontrowersje związane z prawami autorskimi to niestety nie koniec. Użytkownicy zaczęli wykorzystywać generatory obrazów do celów tak kuriozalnych, jak… tworzenie tworzenia fałszywych dowodów na potrzeby roszczeń ubezpieczeniowych! Generowane są realistycznie wyglądające zdjęcia rzekomych uszkodzeń pojazdów, zalanych mieszkań czy sfabrykowane rachunki za naprawy.

Innym niepokojącym trendem jest masowe wykorzystywanie modeli AI do usuwania znaków wodnych z obrazów. To bezpośrednie uderzenie w prawa twórców, fotografów i agencji, którzy używają znaków wodnych do ochrony swojej własności intelektualnej. Łatwość “czyszczenia” obrazów z zabezpieczeń rodzi realne obawy o masowe, trudne do wyśledzenia kradzieże treści wizualnych i podważa modele biznesowe oparte na licencjonowaniu zdjęć.

Nie wszystkie wiadomości w temacie generowania multimediów z pomocą sztucznej inteligencji są jednak negatywne. Warto wspomnieć o sporych postępach w tworzeniu wideo z AI; modele stają się coraz bardziej zaawansowane, generując klipy o zaskakującym poziomie realizmu, płynności ruchu i spójności narracyjnej, a idealnym przykładem jest ogłoszony niedawno model MoCha stworzony przez Meta oraz nowa generacja modelu Runway.

Koncern Meta kontynuuje rozwój modelu MoCha, który potrafi generować wideo, synchronizując tekst, mowę i ruch postaci. Pozwala on na tworzenie animowanych sekwencji, w których postacie poruszają się i mówią zgodnie z dostarczonym tekstem lub nagraniem audio. Oznacza to nowe możliwości w szybkim tworzeniu animacji, realistycznych wirtualnych awatarów, materiałów edukacyjnych czy nawet w automatycznym dubbingu filmów na różne języki z zachowaniem synchronizacji ruchu ust.

Firma Runway wprowadza czwartą generację swojego flagowego modelu. Gen-4 oferuje znaczący skok jakościowy w generowaniu wideo z tekstu lub obrazu, dostarczając profesjonalne narzędzia, choć wymagające pewnej nauki. Narzędzie pozwala na tworzenie dłuższych, bardziej spójnych wizualnie i fabularnie klipów, co czyni je coraz bardziej atrakcyjnym dla filmowców, agencji reklamowych i twórców treści.

Narzędzia do tworzenia obrazów i wideo stają się potężniejsze, bardziej dostępne i coraz głębiej integrowane z codziennymi narzędziami cyfrowymi. Niosą ze sobą ogromny potencjał kreatywny i transformacyjny, rewolucjonizując branże od marketingu, reklamy i rozrywki po edukację, projektowanie i komunikację.

Jednak wraz z postępem technologicznym i wykładniczym wzrostem możliwości, narastają fundamentalne wyzwania. Kwestie praw autorskich, dezinformacji (w tym deepfake’ów), fałszerstw, ochrony własności intelektualnej i prywatności wymagają pilnych i przemyślanych regulacji prawnych oraz wypracowania nowych standardów etycznych. Na całym świecie, w tym w USA i Europie (w oparciu o istniejące ramy jak RODO czy CCPA), trwają prace nad bardziej rygorystycznymi przepisami, szczególnie dla zastosowań AI wysokiego ryzyka. Rośnie nacisk na odpowiedzialność twórców i operatorów systemów AI, konieczność ludzkiego nadzoru, transparentność działania algorytmów (Explainable AI – XAI) oraz przeprowadzanie audytów pod kątem uprzedzeń (bias) i potencjalnych szkód.

Przyszłość generatywnej sztucznej inteligencji zależeć będzie od tego, czy uda nam się wykorzystać jej ogromny potencjał w sposób odpowiedzialny, minimalizując ryzyko nadużyć i negatywnych konsekwencji; jeśli chcesz być na bieżąco w tym temacie, zapisz się do naszego newslettera!