Dlaczego SI przez długi czas nie potrafiła rysować dłoni?

Jeśli korzystasz z generatorów obrazów od jakiegoś czasu, na pewno to zauważyłeś: piękne, fotorealistyczne portrety, na których postacie mają… sześć palców, dwa kciuki albo dłonie przypominające spaghetti. Dlaczego potężna SI, która potrafi napisać wiersz w stylu Mickiewicza, wykładała się na tak prostej rzeczy?

Anatomia to nie matematyka

Dla SI dłoń nie jest anatomiczną strukturą z kośćmi i ścięgnami. Algorytmy uczą się na podstawie milionów zdjęć i obrazów. Problem polega na tym, że na zdjęciach dłonie rzadko są widoczne w całości:

• Często trzymamy coś w ręku (zasłaniając palce).
• Dłonie są splecione lub schowane w kieszeniach.
• Perspektywa sprawia, że palce nakładają się na siebie.

Model widzi więc tysiące różnych, „niekompletnych” przykładów i statystycznie uznaje, że „kilka podłużnych kształtów przyczepionych do ramienia” to dłoń – nie dbając o to, czy jest ich pięć, czy siedem.

Wyzwanie, które przetrwali tylko mistrzowie

Co ciekawe, dłonie od zawsze były zmorą… ludzkich artystów! W historii malarstwa dłonie uznawano za jeden z najtrudniejszych elementów do namalowania (zaraz obok oczu). Można więc powiedzieć, że SI powielała ludzkie błędy, zanim stała się w tym lepsza.

Czy ten problem jeszcze istnieje?

W najnowszych modelach (jak Midjourney v6 czy DALL-E 3) problem 6 palców został niemal całkowicie wyeliminowany. Twórcy zaczęli przykładać większą wagę do tzw. „negatywnych promptów” i specjalnych zestawów danych skupionych wyłącznie na ludzkiej anatomii.