Штучний інтелект допомагає створювати креатив: від нових шрифтів, до текстів і картинок. На це звернули увагу працівники індустрії і використовують ШІ в роботі. Креативний директор студії twid Алекс Твіста разом із дизайнером та арт-директором Сьомою Мокровим (Head of UX/UI Fedoriv agency) розповідають про те, як використовують штучний інтелект у брендингу та комунікації.
ШІ як напарник: які завдання він може виконувати
Історія ШІ почалася ще в 1943 році: саме тоді Уоррен Маккаллох і Уолтер Піттс створили першу обчислювальну модель для нейронних мереж. З того часу багато змінилося: вже існує не одна, а безліч типів нейронних мереж.
Їхнє завдання — це спроба повторити те, як функціонують нейрони в головному мозку. Мережа може аналізувати базу даних, розпізнавати образи, технічні прийоми чи стильоутворюючі моменти. А потім використовувати ці отримані знання для створення чогось.
Що це означає для людей з творчої сфери? Те, що комп’ютер виступає в ролі партнера, який допомагає з конкретним завданням. Тобто, замість того, щоб запитувати «Чи відповідає ця форма вимогам?», дизайнер ставить питання як: «Яка з форм найкраще відповідає вимогам?» та отримує результат, часто несподіваний.
Цей «штучний» партнер може виконувати необхідні рутинні завдання. Наприклад, VisualEyes допомагає протестувати ваш сайт, імітуючи дії середньостатистичного користувача. Буквально кілька хвилин — і у вас є цікава та неочевидна інформація.
ШІ дуже залежить від якості даних, на яких він навчений, та від того, наскільки цікаві завдання перед ним ставляться. Нейромережі можуть дізнаватися більше і вдосконалюватися за рахунок обсягу даних, що збільшується з часом, і більшого використання. Цим вони відрізняється від генеративного дизайну, який створили шляхом програмного кодингу.
Можна використовувати вже наявні мережі, навчаючи їх новим навичкам, але для цього знадобляться спеціальні знання. Для тих, хто не готовий до цього, є готові сервіси, побудовані на базі машинного навчання. Наприклад, такі:
- runwayml. Допомагає працювати з відео: наприклад, замінити фон чи видалити об’єкт.
- experiments.withgoogle. Демонстрація простих експериментів, які допомагають почати вивчення машинного навчання з допомогою зображень, музики, мови.
- imglarger. Може збільшувати розмір зображення та роздільну здатність без втрати якості.
- snazzy. Допомагає створювати більше 30 видів контенту для брендів — описи продуктів, рекламні об’яви, заголовки.
Зараз ми спостерігаємо цікавий тренд у графічному дизайні: стандартизація візуального ряду відходить на другий план. Починають більше цінуватися варіативність та вміння бути непередбачуваними у кожній новій комунікації: у цьому ШІ чудовий помічник. У креативному процесі його можна застосовувати для кількох типів завдань:
- розпізнавання та класифікація
- передбачення та кластерний аналіз.
- генерація та відбір об’єктів, їх трансформація.
- очищення прав за рахунок створення нових матеріалів на основі вихідних джерел.
- генерація графіки, тексту та музики.
Цей список, звісно, не вичерпний. Давайте подивимося приклади, як ці прийоми використовуються для роботи з брендингом та при створенні комунікаційних матеріалів.
Як створити ідентичність за допомогою нейронних мереж
Якщо образ компанії повинен асоціюватися з інноваційністю чи технологічністю, то створення ідентичності з використанням нейронних мереж — чудова ідея. Саме такою була задача нашого клієнта Zibra.
Ця компанія займається створенням плагінів для комп’ютерних ігор на основі машинного навчання. Щоб створити для неї візуальну ідентичність, ми навчили мережу, яка вміє розпізнавати коней, розумітися на типографіці. Для цього завантажили в неї 500 різних шрифтів і отримали безліч згенерованих літер.
Вони і стали основою для логотипу, патерну, шрифту та серії анімацій. Все було отримано шляхом машинного навчання. Ця айдентика здобула премію Best of the best у категорії Brand Design & Identity на міжнародному конкурсі Red Dot Award 2021.
Алгоритм може створювати мільйони версій графічної ідентичності: саме цю можливість використало рекламне агентство Ogilvy & Mather Italia. Таким чином створили 7 млн унікальних етикеток для Nutella.
ШІ навіть видавали за реально наявну людину. Більше року замість дизайнера працювала нейромережа під назвою Николай Иронов. За цей час вона успішно виконала більше 20 комерційних проектів.
Як використовувати нейронні мережі в комунікації
Є таке поняття “естетика помилки”. Неідеальність властива людям, але саме цією особливістю виділяється ШІ. Стиль ШІ – це візуальна невизначеність: ви бачите щось знайоме, але не можете його ідентифікувати. І ця візуальність може бути самостійним сенсотворчим інструментом.
Типографська студія NaN досліджувала візуальність ШІ у проекті Machine Learning Font. Вона навчила styleGAN (тип генеративно-змагальної мережі) 2 674 Google-шрифтам, при цьому організовані вони були у вигляді окремих зображень для кожного гліфу. Як епіграф для проекту, дизайнери студії цитують легендарного Метью Картера: “Шрифт це прекрасна група з літер, а не група з прекрасних літер” і додають, що їхній їхній проект ні те, ні інше.
Інший яскравий приклад використання ШІ: галерея з 2 000 пар кросівок, які ніколи не існували. Автор проекту отримав їх, використовуючи 50 000 зображень реального взуття з різних інтернет-магазинів.
Якщо ви використовуєте сервіси на основі ШІ — часто є можливість вносити корективи в процесі. Наприклад, в сервісі Artbreeder присутні проміжні налаштування. Цей приклад також ілюструє, як ШІ може працювати з анімацією. Хочете отримати непередбачуваний результат чи певні викривлення? Нейромережа чудово підходить для цієї задачі. Ось гарний приклад з генерацією аніме. Це може бути корисно для роботи з регулярним контентом
А ось застосунок Brickit дозволяє дати нове життя мотлоху. Він сканує камерою телефону старі деталі від конструктора Lego та пропонує комбінації, які можна зібрати з цих деталей.
Особливо багато нейромереж працюють із видозмінами людських облич. Усі знають про проекти Instagram, TikTok та SnapChat. Напрямок Deepfake, наприклад, працює так: одна частина алгоритму вчиться створювати зображення на основі реальних фотографій, вступаючи в “змагання” з другою, поки та не почне плутати копію з оригіналом. Наприклад, сервіс Generated photos також використовує цей концепт і генерує обличчя, схожі на ваше.
Окремо виділимо ці два дуже корисні сервіси, які можуть допомогти в креативних пошуках:
- Мережа DALL·E. Дозволяє перетворити текстовий напис у зображення.
- Сервіс copy.ai. Допоможе створювати копірайт на основі ШІ: все, що вам потрібно — написати короткі тези.
Що ще не вміє ШІ?
ШІ не може виконувати функцію арт-дирекшену. Поки що лише люди здатні ставити рамки. Нейронні мережі не створюють сенси і не застосовують їх у різних контекстах, а це й цінується в креативній роботі. У ШІ немає рефлексії та відповідальності за згенерований контент.
А ось дизайнеру доводиться обирати між різними варіантами. Почуття відповідальності за власний вибір підкріплюється кількістю досвіду. І платформи та інструменти на базі штучного інтелекту можуть допомогти йому підвищити ефективність та створювати більш різноманітний та якісний цифровий продукт із меншими часовими витратами.
Таким чином, використання ШІ для графічного та цифрового дизайну не варто розглядати як бінарну заміну творчості людини. Штучний інтелект для дизайнерів — це розширення творчих можливостей та процесу.
Замість висновків
Звичайно, далі варіантів використання ШІ буде тільки більше. І чим раніше дизайнери та діджитал-креатори «зловлять» цю хвилю, тим простіше на ній буде утриматися. Працюючи з нейронними мережами, важливо знаходити красу в результатах, а це може бути незвична, зовсім нова краса.
Автори: Креативний директор студії twid Алекс Твіст та Head of UX/UI Fedoriv agency Сьома Мокров
