Point-E - sztuczna inteligencja tworzy modele 3D. Jak jej używać?

Po co coś robić samemu, skoro sztuczna inteligencja może to ogarnąć za nas? Zanosi na to, że w przyszłości właśnie tak będziemy wykonywali coraz więcej zadań. Niedawno okazało się, że sztuczna inteligencja zdałaby polską maturę, a tworząca awatary na podstawie zdjęć aplikacja Lensa została oskarżona o seksizm i rasizm. Z kolei oparty o SI AI ChatGPT napisze za was każdą historię, nawet tę o Krzysztofie Bosaku, który jest - w opowieści sztucznej inteligencji - dumnym gejem.

Kolejne narzędzie, które zostało oddane do użycia internautów, to Point-E.

Za projektem stoi OpenAI, które wcześniej zajmowało się także OpenGPT czy Dall-E. Najlepsze jest to, że sposób działania Point-E nie jest tak oczywisty, jak w przypadku OpenGPT.

Point-E to sztuczna inteligencja tworząca modele w 3D. Ale nie robi tego w standardowy sposób, tworząc po prostu modele - oj nie, nie. SI tworzy chmury punktów, zbiory punktów, które reprezentują kształt 3D. Największy minus, a raczej ograniczenie, jest w tym, że Point-E nie oddaje wystarczająco dobrze faktury powierzchni.

Bardziej można byłoby określić to narzędzie jako SI tworzącą luźniejsze modele 3D, które potem możemy zmienić. Co do zasady, Point-E działa na dwóch modelach:

• Z tekstu do zdjęcia;
• Ze zdjęcia do modelu 3D.

Instrukcję obsługi można zamknąć by w zdaniu: wpisujemy tekst i dostajemy ciekawy - choć nieidealny - model 3D złożony z kilkuset punktów.

W tym momencie (w trakcie pisania tego tekstu minęło tylko kilkanaście godzin od oddania narzędzia internautom), same modele nie wyglądają bardzo imponująco. Nie jest szczyt ludzkich możliwości. Efekt przypomina bardziej coś, co mógłby stworzyć każdy początkujący wyposażony w poradnik z sieci.

Sęk w tym, że to dopiero początek drogi, a sam system będzie pewnie usprawniany i udoskonalany do tego stopnia, abyśmy kiedyś mogli… sami tworzyć modele, np. projektu domu czy nawet własnych gier? Kto wie.

To nie jest takie trudne, nie wymaga żadnej eksperckiej wiedzy. Na stronie "Huggingface" już pojawiły się pierwsze, modele Point-E. A tak wyglądają moje pierwsze zabawy z Point-E:

Sami możecie przetestować Point-E na tzw. "Spaces", czyli miejscach, gdzie społeczność może testować właśnie modele SI:

Narzędzie pozwala wprowadzić podpowiedź tekstową. Jak tłumaczy portal "Engadget", jeśli wpiszemy frazę "kot jedzący burrito", Point-E najpierw wygeneruje syntetyczny widok renderingu 3D wspomnianego kota jedzącego burrito. Następnie przepuści ten wygenerowany obraz przez serię modeli dyfuzyjnych, aby stworzyć trójwymiarową chmurę punktów RGB początkowego obrazu. Najpierw tworząc model chmury 1,024-punktowy, a następnie dokładniejszy 4,096-punktowy.

Działa? W miarę. Na pewno to nie jest definitywny znak, że SI już jest w stanie robić wszystko za nas. Ale cholipka, to zaczyna robić się przerażające.