چرا هوش مصنوعی بهتنهایی تصویرگری بلاگ رو حل نکرد
هوش مصنوعیخلاصهٔ کاملتر
استودیوی Evil Martians که بیشتر از ۲۰ ساله محصولات مخصوص توسعهدهندهها رو میسازه، یه بلاگ فنی بزرگ هم داره که سالی بیشتر از ۵۰ مقاله منتشر میکنه و برای هر مقاله یه تصویر جلد اختصاصی میسازه. نویسنده میگه اونا خیال میکردن ابزارهای تولید تصویر با هوش مصنوعی اونقدر پخته شدن که بشه کل این کارو یهضرب بهشون سپرد، ولی حسابی اشتباه میکردن.
قبلا این تصاویر رو از یه گروه کوچیک تصویرگر قراردادی میگرفتن و این روش دردسرهای زیادی داشت: زمان تحویل قابلپیشبینی نبود، هر تصویرگر ماسکوتشون (یه فضایی سبز) رو یهجور دیگه میکشید، و رفتوبرگشت روی یه تصویر گاهی چند روز طول میکشید.
از ۲۰۲۵ که مدلهای تصویری مثل Midjourney، Recraft و Nanobanana قویتر شدن، تیم دوباره وسوسه شد کل کارو با هوش مصنوعی جلو ببره. نویسنده تعریف میکنه که حتی یه اپ GPT سفارشی هم ساختن، ولی معمولا فقط تا ۹۰ درصد راه رو میرفتن و همون ۱۰ درصد آخر بیچارهشون میکرد.
مشکلاتی که مدلها نمیتونستن درست حل کنن مشخص بود: ثابتموندن شکل ماسکوت تو یه مجموعه تصویر، جزئیات ریز مثل متن و سایه و توهمات عجیب، و خروجی با پسزمینهٔ شفاف و نسبتابعاد درست. آخرش هر تصویر با حساب وقتی که میذاشتن حدود ۶۰۰ تا ۷۰۰ دلار براشون تموم میشد؛ یعنی همون کاری که قرار بود ارزونتر بشه، منابعشونو میخورد.
راهحلی که جواب داد چیزیه که خودشون بهش میگن «مایل آخرِ انسانی». حالا نویسندهٔ مقاله و ویراستار با هم یه تز بصری یکخطی میدن، این تز رو با هر مرجع و نکتهای که لازمه به یه آژانس هوشمصنوعیمحور به اسم KOJI میسپرن، و اونجا هوش مصنوعی بخش عمدهٔ کارو میسازه و یه تصویرگر انسانی سایهها و جزئیات ریز رو تمیز میکنه. حالا هر تصویر فقط ۱۰۰ دلار درمیاد و نویسنده میگه بهخاطر همین ۲ تا ۳ برابر بیشتر سفارش میدن.
نکتهٔ کلیتری که نویسنده میخواد برسونه اینه که این داستان مخصوص تصویرگری نیست. خیلی از تیمهایی که قابلیت هوش مصنوعی میسازن همین الگو رو تجربه میکنن: دمو کار میکنه، چند تا اجرای اول هم خوبه، بعد یه حالت شکست پیدا میشه که تو دمو دیده نمیشد. به گفتهٔ نویسنده، تظاهر به اینکه مدل میتونه اون مایل آخر رو خودش رد کنه، رایجترین و پرهزینهترین اشتباهیه که تو ۲۰۲۶ میبینن.
نکات کلیدی:
- تصویرگری کامل با هوش مصنوعی تا ۹۰ درصد خوب پیش میره، ولی ۱۰ درصد آخر بیشترین وقت و هزینه رو میبره
- مشکل اصلی مدلها: ثبات ماسکوت تو یه سری تصویر، جزئیات ریز، و خروجی شفاف با نسبتابعاد درست
- گردشکار ترکیبی (آدم تز میده، هوش مصنوعی میسازه، تصویرگر انسانی تمیز میکنه) هزینه رو از ۶۰۰-۷۰۰ دلار به ۱۰۰ دلار رسوند
- درس کلی: هوش مصنوعی رو بخشی از گردشکار کن، نه کل اون
