Stejně jako u lidí panuje nadšení a možná i obavy z toho, co všechno generativní umělá inteligence zvládne, tak se baví tím, když něco neumí zas až tak dobře. Všichni jsme občas viděli „fotky“ lidí se šesti prsty nebo jiné podivnosti. Přiznejme si ale, že figurální kresba je tou těžší disciplínou. Nedostatek, o kterém si povíme v dalším odstavci, je mnohem zásadnější.
Můžete si to ostatně vyzkoušet sami. Požádejte svoji oblíbenou AI, aby vám vygenerovala obrázek, na kterém bude plná sklenice vína. Internet se už delší dobu baví tím, že i pro ty nejlepší modely je to tvrdý oříšek.
Toto video například ukazuje, jak ChatGPT využívající DALL-E stále nabízí jen sklenice s vínem, které jsou více prázdné než plné. Chatbot vždy uzná svoji chybu, ale jeho oprava přinese totéž.
Důvod není složité odhadnout. Tato kombinace nepřemýšlí nad „plnou sklenicí“ jako nad poměrem vzduchu a kapaliny uvnitř válce. A stejně tak nemá tu lidskou zkušenost, kdy by pivo natočené pod rysku chápal jako útok na svoji peněženku a vůbec svoji podstatu.
Pro DALL-E jde jen o mix miliónů a miliónů jiných sklenic s vínem, které sesbíral z fotografií na internetu. A i ten největší neotesanec ví, že se nalévá jen trochu a na dno, aby vynikla vůně. Naplnit sklenici až k jejímu okraji by bylo snad větší faux pas než pít přímo z láhve. Z toho důvodu nikdo takové sklenice nefotografuje.
Poměrně vtipně vyznívá i řešení, jak tento problém případně obejít. Nejprve je třeba nechat nakreslit kulové akvárium plné vody, pak postavit akvárium na skleněnou stopku a následně měnit barvu vody na tmavě červenou. Čili stará známá proměna vody na víno.
