OpenAI, die Schöpfer von GPT-3, dem bislang größten neuronalen Sprachenmodells haben einen weiteren KI-Coup gelandet: DALL·E kann Bilder aus einfachem Text generieren, jedoch mit einem bisher noch nicht gekannten Detailreichtum.
Was zuerst einmal wie ein billiger Zaubertrick klingt entwickelt bei näherer Betrachtung schlicht unglaubliche Fähigkeiten. Der lange hierzu veröffentlichte Blog erlaubt es mit zahlreichen Parametern zu spielen und anschließend über die generierten Bilder zu staunen.
Gerüchten zufolge ist eine komplett freie Texteingabe einzig deswegen (noch??) nicht vorgesehen, um einen primär pornografischen Einsatz vorerst auszuschließen. Andere Modelle wie z.B. Deep Fakes fanden zuerst bekanntlicherweise vor allem in der Schmuddelecke breiten Zuspruch.
Doch genug der Worte. Werft mal einen Blick auf eines von zigtausenden Beispielen, die im verlinkten Artikel generiert werden können. Hier hat beispielsweise DALL·E Uhren designt, die in ihrem Style an das Pokemon Pikachu erinnern sollen:
Wohlgemerkt keine der hier gezeigten Uhren existiert in Wirklichkeit. Alle sind zufällige Erfindungen von DALL·E, das davor einfach eine Million andere Uhren "gesehen hat" und versucht sich vorzustellen, wie eine "Pikachu-Uhr" wahrscheinlich aussehen könnte.
Spielt man länger mit der Webseite herum, beschleicht einen schnell das Gefühl, dass der Schritt zum Bewegtbild auch nicht mehr allzu groß ist. Und betrachtet man die Geschwindigkeit, mit der sich diese KI-Modelle in den letzten 5 Jahren fortentwickelt haben, dürfte es wohl schon weit vor dem nächsten Jahrzehnt soweit sein.
DALL·E bestärkt uns somit ein weiteres mal in unserer Vermutung, dass die künstliche Intelligenz die Filmindustrie gewaltig umkrempeln wird. Filmemachen wie wir es heute kennen wird (abseits des dokumentarischen Films) in 20 Jahren vielleicht schon komplett anders funktionieren...
