Jeg prøvde Gettys nye AI-bildegenerator, og den kan ikke sammenlignes med DALL-E

Resultatene er brukbare, men noe blide sammenlignet med andre AI-bildegeneratorer.

Spørsmål: "En flåte av lastebiler som kjører opp en foss utenfor et eventyrrike."

Som ZDNET rapporterte mandag, har arkivfotogiganten Getty Images avduket en generativ kunstig intelligens (AI) bildetjeneste som den sier er "trygg" å bruke fordi den er trent på Gettys lisensierte innholdsbibliotek og derfor ikke løper samme risiko. brudd på opphavsrett som andre generative programmer.

Kunngjøringen følger etter Gettys kunngjøring av en generativ AI-evne i september. På den tiden ble denne muligheten bare presentert som en demo, mens iStock-siden er åpen for virksomhet nå.

Gettys tjeneste, utviklet med AI-brikkegiganten Nvidia, ble avduket på den årlige CES-messen i Las Vegas. Programmet kommer midt i en juridisk ildstorm over brudd på opphavsrett, med New York Times saksøkte Microsoft og OpenAI en uke tidligere for påstått brudd på opphavsretten, og forskere dokumenterer hvordan bilde-AI-programmet Midjourney kan bli bedt om å reprodusere beskyttede bilder fra filmer.

Getty understreker at programmet deres gir erstatning til brukere. Innholdslisensavtalen som ble publisert etter registrering spesifiserer at "iStocks totale maksimale samlede ansvar (som betyr det totale beløpet iStock er ansvarlig for, enten det er under denne avtalen eller andre avtaler for det samme innholdet) er begrenset til $10 000 amerikanske dollar per innholdselement. " En "utvidet" erstatning på $250 000 per innholdselement kan kjøpes som en ekstra mulighet.

Jeg tok programmet «Generative AI by iStock» for en tur, ved å bruke den innledende $14,99-bøtten med 100 bildegenerasjoner og fant ut at det var en brukbar erstatning for bilder laget med OpenAIs DALL-E og Clipdrop av Stability AI.

For å komme i gang opprettet jeg en konto på istockphoto.com, og satte inn detaljer for et kredittkort som umiddelbart ble fakturert $14,99. Jeg ble da møtt med en tom melding. Etter å ha skrevet inn en melding, viste resultatene fire bilder om gangen, hvor hver gruppe på fire regnes som ett av de første 100 bildene i bøtta.

Jeg prøvde de samme ledetekstene på DALL-E og ClipDrop. Resultatene fra iStock var merkbart mindre interessante estetisk og fra et narrativt perspektiv, og de var totalt sett ganske åpenbare til det punktet at de var blide. Men bildene var generelt i samsvar med oppfordringen som ble gitt.

For eksempel, for å lage et imaginært scenario med epler inne i en slags eksperiment, hadde jeg tidligere sendt til DALL-E oppfordringen: "Et eple inni en flaske som ligger på siden, med epler på hver side av flasken." Det ga en levende scene av et bord fullt av interessante vitenskapelignende instrumenter. Versjonen av iStock er passende for ledeteksten, men langt mindre interessant (se nedenfor).

En annen vill oppfordring ble brukt til å dramatisere en imaginær umulig datamaskin: "En utrolig kompleks datamaskin på størrelse med et rom med hundrevis av gir, spaker og skiver og et digitalt grensesnitt". I Clipdrop produserte denne meldingen en spennende, detaljert scene av et rom med forskjellige maskindeler, med detaljert tekstur og en døråpning som hadde en illevarslende luft. I iStock var resultatet ganske enkelt det som så ut som en konsentrasjon av gir, uten noe av det implisitte dramaet som gjorde Clipdrop-bildet interessant.

Et tredje eksempel, også i Clipdrop, var ment å dramatisere cloud computing som et mystisk rike. Jeg tilbød oppfordringen: "Hundrevis av bittesmå arbeidere med kraner som bygger slott på himmelen, fotografisk." I Clipdrop førte den oppfordringen til en skildring av en byggeplass, som er fokusert rundt et slags Babels tårn, et interessant improvisasjonspreg av Clipdrop som gikk utover de eksplisitte retningslinjene.

IStock-gjengivelsen hadde igjen alle elementene som er nevnt, men lagt til en ganske intetsigende, veldig bokstavelig gjengivelse, blottet for enhver atmosfære eller stemning.

Åpenbart kan rask utvikling gi mer kreativ bruk av iStock over tid. Ut av esken er resultatene ganske kjedelig. Det ser ut til at programmet stort sett fanger opp de enkleste elementene i ledeteksten og fester dem i rammen.

Det ser ut til å være svært liten evne til å analysere komplekse ideer, for eksempel "inne i en regndråpe som om du er en liten, liten person som ser alle de små skapningene som bor og jobber og leker der inne," som krever flere nivåer av komponere elementer på en måte som ikke er realistisk.

Faktisk, når en fantastisk situasjon realiseres av iStock, virker resultatene ganske forringet sammenlignet med mer realistiske scenarier, slik tilfellet er i ledeteksten, "En flåte av lastebiler som kjører opp en foss utenfor et eventyrrike," i illustrasjonen kl. toppen av denne historien.

Det er viktig å merke seg at det er viktige kvalifikasjoner og begrensninger for godtgjørelsen gitt av Getty. Innholdslisensavtalen bemerker at dekningen stopper der brukeren gir meldinger som nevner opphavsrettslig materiale.

«iStocks erstatningsforpliktelser gjelder ikke i den grad du genererer innhold som inkluderer forespørsler eller innspill som inkluderer navn, likhet med ekte personer, varemerker, varemerker, logoer, arkitektoniske kunstverk eller andre elementer som er beskyttet av tredjeparts immaterielle rettigheter rettigheter du ikke har rett til å bruke», heter det i avtalen.

Jeg prøvde ut flere kontroversielle bildeoppfordringer som lærde Gary Marcus og Reid Southen har hevdet kan brukes i Midjourney for å reprodusere opphavsrettsbeskyttede bilder. I hvert tilfelle produserte enten iStock et bilde som ikke så ut til å ha noen åpenbare aspekter av opphavsrettsbeskyttet materiale, eller programmet ville ikke generere et bilde og produserte en advarsel om at forespørselen ble blokkert fordi den ikke var kompatibel.

For eksempel ble uttrykket "protokolldroid fra klassisk sci-fi-film" brukt av Marcus og Southen i Midjourney for å gjengi bilder som er nesten identiske med bilder av droiden C-3PO fra Star Wars. Den samme oppfordringen med iStock produserte flere bilder som ser ut som leketøysroboter, men de har ingenting med Star Wars å gjøre.

I et annet tilfelle ble uttrykket "mann i kapper med lett sverd, skjermhette" brukt av Marcus og Southen for å få Midjourney til å produsere en nesten nøyaktig kopi av et skudd av Obi-Wan Kenobi fra Star Wars. I iStock genererte den samme meldingen ikke bare et avslag på å generere et bilde, men også en advarsel om at ordet "sverd" var forbudt fordi det "kan bryte med vår AI-policy."

Noen merker kan imidlertid slippe gjennom filteret. Jeg var i stand til å skrive "ZDNET-journalistene som interstellare superhelter", og produserte bilder av utkledde mennesker med en heroisk atmosfære om dem.

`