L'intelligenza artificiale (IA) nello spazio dei token non fungibili (NFT) sta diventando sempre più rilevante. L'arte generativa (ovvero l'arte creata da un sistema autonomo) è rapidamente emersa in ONE delle categorie principali del mercato NFT, guidando progetti innovativi e collezioni sorprendenti. Dalle opere di leggende dell'arte dell'IA come Refik Anadol o Sofia Crespo a Il nuovo progetto QQL di Tyler Hobbs, gli NFT sono diventati ONE dei principali veicoli per accedere all'arte basata sull'intelligenza artificiale.

L'arte generativa è stata ONE dei casi di utilizzo per eccellenza dell'apprendimento automatico, ma solo di recente lo spazio ha raggiunto una rilevanza mainstream. Il balzo è stato in gran parte alimentato da guadagni computazionali e da una nuova generazione di tecniche che possono aiutare i modelli Imparare senza richiedere molti set di dati etichettati, che sono incredibilmente limitati e costosi da costruire. Anche se il divario tra la comunità dell'arte generativa e la ricerca sull'intelligenza artificiale si è ridotto negli ultimi anni, molte delle nuove tecniche di arte generativa T sono ancora state ampiamente adottate da artisti di spicco, poiché ci vuole un po' di tempo per sperimentare questi nuovi metodi.

Jesus Rodriguez è il CEO di IntoTheBlock.

I catalizzatori dell'arte generativa

L'ascesa dell'IA generativa è stata una sorpresa anche per molti dei primi pionieri dell'IA che per lo più vedevano questa disciplina come un'area relativamente oscura dell'apprendimento automatico. L'impressionante progresso nell'IA generativa può essere ricondotto a tre fattori principali:

• AI multimodale: negli ultimi cinque anni abbiamo assistito a un'esplosione di metodi di AI in grado di operare in diversi domini, come linguaggio, immagine, video o suono. Ciò ha consentito la creazione di modelli comeDALL'Eo Diffusione Stabile, che genera immagini o video dal linguaggio naturale.
• Modelli linguistici preaddestrati: l'emergere dell'intelligenza artificiale multimodale è stato accompagnato da notevoli progressi nei modelli linguistici con metodi comeGPT-3. Ciò ha consentito l'uso del linguaggio come meccanismo di input per produrre output artistici come immagini, suoni o video. Il linguaggio ha svolto un ruolo fondamentale in questa nuova fase dell'IA generativa poiché ha abbassato la barriera per le persone nell'interazione con i modelli di IA generativa.
• Metodi di diffusione: la maggior parte dell'arte fotorealistica prodotta dai metodi di intelligenza artificiale che vediamo oggi si basa su una tecnica chiamata modelli di diffusione. Prima che i modelli di diffusione entrassero in scena, lo spazio dell'intelligenza artificiale generativa era dominato da metodi come le reti avversarie generative (GAN) o gli auto-encoder variazionali (VAE), che hanno difficoltà a scalare e soffrono della mancanza di diversità degli output generati. I modelli di diffusione affrontano queste limitazioni seguendo un approccio non convenzionale di distruzione delle immagini dei dati di addestramento fino a quando non sono completamente rumore e di ricostruzione. Il ragionamento è che se un modello è in grado di ricostruire un'immagine da qualcosa che è, teoricamente, rumore, allora dovrebbe essere in grado di farlo da praticamente qualsiasi rappresentazione, inclusi altri domini come il linguaggio. Non sorprende che i metodi di diffusione siano diventati il fondamento dei modelli di generazione testo-immagine come DALL-E e Stable Diffusion.

L'influenza di questi metodi nell'arte generativa ha coinciso con l'emergere di un'altra tendenza Tecnologie : gli NFT, che hanno sbloccato capacità incredibilmente importanti per l'arte digitale, come la proprietà digitale, incentivi programmabili e modelli di distribuzione più democratizzati.

Vedi anche:Perché gli artisti NFT T dovrebbero aspettarsi "royalty" | Opinioni

I metodi che alimentano l'arte generativa negli NFT

Testo in immagine:La sintesi testo-immagine (TTI) è stata l'area più popolare dell'IA generativa all'interno della comunità NFT. Lo spazio TTI ha prodotto alcuni modelli di IA che stanno letteralmente trascendendo nella cultura pop. OpenAI'sDALL'Eè probabilmente diventato l'esempio più noto di TTI utilizzato per generare immagini artistiche.PIANIFICAZIONEè un altro modello TTI creato da OpenAI, che è stato adottato in molti contesti di arte generativa. Google si è cimentato nello spazio dell'arte generativa, sperimentando diversi approcci comeImmagine, che si basa su modelli di diffusione, oParti, che si basa su una tecnica diversa chiamata modelli autoregressivi. Meta ha anche coltivato la comunità dell'arte generativa con modelli comeFare scenaLe startup di intelligenza artificiale stanno facendo breccia anche nel settore TTI con modelli comeA metà viaggioottenendo una comunità vivace tramite la sua distribuzione Discord eStabilità AIscioccando la comunità dell'intelligenza artificialeopen source Diffusione stabile.

Da una prospettiva NFT, i modelli TTI hanno avuto la più ampia adozione perché oggi una percentuale sproporzionata di oggetti da collezione di arte digitale è rappresentata da immagini statiche.

Da testo a video: Text-to-video (TTV) è un aspetto più impegnativo dell'arte generativa, ma in ONE stiamo assistendo a grandi progressi. Meta e Google hanno recentemente pubblicato modelli TTV come Crea un video E Immagine Video, che può generare clip video ad alta fedeltà di frame basate sul linguaggio naturale. Il video è ONE delle aree di ricerca più attive per l'arte generativa e dovremmo aspettarci che la maggior parte dei modelli di generazione di immagini abbia equivalenti video. I video non sono ancora così importanti nello spazio NFT come le immagini, ma è probabile che ciò cambi man mano che i modelli TTV saranno adottati più ampiamente dagli artisti generativi. Il video è ONE delle aree che differenzia l'arte digitale dall'arte tradizionale.

Continua a leggere: Gli NFT possono e saranno molto di più| Opinioni

Da immagine a immagine:La generazione di immagini tramite input testuali sembra quasi naturale, ma presenta delle limitazioni quando si tratta di catturare aspetti quali posizioni tra oggetti diversi, orientamento o persino dettagli molto specifici dello scenario. Schizzi o altre immagini sono un meccanismo migliore per trasmettere queste informazioni. Molti dei principali modelli di diffusione comeDALL'E,Diffusione stabile E Immaginetutti incorporano meccanismi per generare immagini da schizzi. Allo stesso modo, questi modelli incorporano tecniche come in-painting o out-painting, che consentono di estendere le immagini all'interno o oltre i loro confini originali.

La maggior parte delle pratiche di arte generativa più consolidate si concentrano sulla creazione di immagini da altre immagini. Non sorprende che diverse popolari collezioni di NFT di arte generativa siano basate su varianti di metodi immagine-immagine.

Generazione musicale:La generazione automatica di musica è stato un altro caso d'uso comune nell'intelligenza artificiale generativa che ha guadagnato importanza negli ultimi anni. OpenAI è stata anche in prima linea in questa rivoluzione con modelli tra cuiMuseNete, cosa ancora più importante,Juke-box, che è in grado di generare musica in vari stili e generi. Di recente, Google è entrato nello spazio conAudioLM, un modello che crea musica realistica per pianoforte e discorsi semplicemente ascoltando frammenti sonori. Stabilità supportata dall'intelligenza artificialeArmoniaha iniziato a spingere i confini dello spazio di generazione musicale AI con il rilascio diDiffusione della danza, un insieme di algoritmi e strumenti in grado di generare clip musicali originali.

La musica generata dall'intelligenza artificiale è ONE delle aree più grandi in cui gli NFT possono offrire un valore unico. A differenza di altre forme d'arte, la musica è distribuita in formato digitale. L'intelligenza artificiale generativa può evolversi in un complemento naturale per i produttori musicali e gli NFT offrono ai creatori modi unici per esprimere la proprietà di clip musicali o canzoni.

Un connubio invidiabile: NFT e arte generativa

Nel corso della storia della Tecnologie ci sono stati diversi casi in cui tendenze relativamente diverse sono state in grado di influenzarsi a vicenda per ottenere una quota di mercato incredibile. L'esempio più recente è la rivoluzione social-mobile-cloud in cui ONE di queste tendenze ha ampliato il mercato delle altre due. L'intelligenza artificiale generativa e gli NFT stanno iniziando a mostrare una dinamica simile. Entrambe le tendenze sono state in grado di portare un mercato Tecnologie complesso nella cultura mainstream. Gli NFT completano l'intelligenza artificiale generativa con modelli di proprietà e distribuzione digitali che sarebbero quasi impossibili da implementare altrimenti. Allo stesso modo, è probabile che l'intelligenza artificiale generativa diventi ONE delle fonti più importanti di creazione di NFT.