Generowanie obrazów przez sztuczną inteligencję stało się tak powszechne, że niemal każdy z nas próbował choć raz wpisać kilka słów do Midjourney czy DALL-E. Jednak to, co na początku wydaje się prostą zabawą, w rzeczywistości opiera się na skomplikowanych mechanizmach. Specjaliści od tzw. prompt engineeringu zauważają, że wiele osób wpada w te same pułapki, konstruując polecenia, które zamiast pomagać, tylko dezorientują algorytm. Istnieje cała lista elementów, których warto unikać, aby uzyskać estetyczny i zgodny z oczekiwaniami rezultat.

Czego nie wpisywać w prompty? Rady ekspertów

Jednym z najczęstszych błędów, przed którymi ostrzegają specjaliści, jest stosowanie zaprzeczeń. Modele AI, mimo swojej potęgi, wciąż mają problem ze zrozumieniem słowa „nie” lub „bez”. Jeśli wpiszesz w prompcie „człowiek bez okularów”, istnieje ogromne prawdopodobieństwo, że sztuczna inteligencja wyłapie słowo kluczowe „okulary” i umieści je na nosie Twojej postaci. Zamiast pisać, czego nie chcesz, lepiej skupić się na opisie tego, co ma się znaleźć na obrazie. Jeśli model, którego używasz, na to pozwala (jak np. Stable Diffusion), skorzystaj z dedykowanego pola „negative prompt”, gdzie wypisuje się niepożądane elementy.

Kolejną kwestią są tzw. „puste przymiotniki”. Przez długi czas modne było dodawanie do każdego zapytania fraz typu „4k”, „8k”, „ultra realistic” czy „photorealistic”. Specjaliści wskazują, że w najnowszych wersjach modeli (takich jak Midjourney v6 czy DALL-E 3) te dopiski stają się zbędne, a czasem wręcz szkodliwe. Nowoczesne algorytmy domyślnie generują obrazy wysokiej jakości, a nadmiar technicznego żargonu może sprawić, że AI skupi się na teksturze, tracąc z oczu ogólną kompozycję lub sens artystyczny dzieła.

Warto również unikać zbyt długich, chaotycznych opisów, które przypominają strumień świadomości. Choć AI potrafi przetwarzać długie teksty, to pierwsze słowa w prompcie mają największą „wagę”. Jeśli zasypiesz algorytm setką detali dotyczących tła, zanim przejdziesz do głównego tematu, możesz otrzymać obraz, na którym najważniejszy element jest ledwo widoczny lub zniekształcony.

Wizerunki prawdziwych ludzi – etyka i prawo

Wykorzystywanie wizerunków realnie istniejących osób to temat, który budzi najwięcej kontrowersji i jest objęty coraz surowszymi restrykcjami. Specjaliści i twórcy narzędzi AI są tu niemal jednomyślni: generowanie obrazów przedstawiających konkretne osoby bez ich zgody to stąpanie po kruchym lodzie, zarówno pod kątem etycznym, jak i prawnym.

Większość komercyjnych generatorów, jak DALL-E od OpenAI, wprowadziła już blokady uniemożliwiające tworzenie wizerunków osób publicznych, polityków czy celebrytów. Ma to zapobiegać tworzeniu tzw. deepfake’ów, które mogą być wykorzystywane do dezinformacji, szantażu lub niszczenia reputacji. Specjaliści podkreślają, że nawet jeśli uda się obejść te zabezpieczenia w mniej restrykcyjnych modelach, publikowanie takich treści może wiązać się z odpowiedzialnością karną za naruszenie dóbr osobistych.

Co z „podobieństwem” do znanych osób?

Często spotykaną praktyką jest wpisywanie nazwisk znanych aktorów czy modelek, aby nadać generowanej postaci konkretny typ urody (np. „kobieta o urodzie Scarlett Johansson”). Choć technicznie jest to możliwe, eksperci odradzają takie podejście w projektach komercyjnych. Prawo do wizerunku jest chronione, a algorytmy uczone na zdjęciach tych osób mogą zbyt wiernie odwzorować ich cechy charakterystyczne. Bezpieczniejszą i bardziej kreatywną metodą jest opisywanie cech fizycznych: koloru oczu, kształtu twarzy czy rodzaju oświetlenia, zamiast polegania na konkretnym nazwisku.

Ciekawostka: Zjawisko Doliny Niesamowitości

Czy wiesz, dlaczego niektóre wygenerowane twarze budzą w nas lęk lub niepokój? To zjawisko nazywane „Doliną Niesamowitości” (ang. Uncanny Valley). Polega ono na tym, że gdy robot lub obraz generowany komputerowo wygląda niemal jak człowiek, ale posiada drobne, nienaturalne błędy (np. martwe spojrzenie, dziwny ruch mięśni, zbyt gładka skóra), budzi to w obserwatorach silny instynktowny opór i obrzydzenie. Dlatego specjaliści od AI często sugerują dodawanie do promptów słów dotyczących niedoskonałości skóry, takich jak „pores” (pory) czy „skin texture”, aby przełamać ten nienaturalny efekt „plastikowości”.

Jak budować lepsze prompty według profesjonalistów?

Zamiast skupiać się na zakazach, warto wdrożyć kilka sprawdzonych praktyk, które polecają eksperci:

• Struktura: Zacznij od głównego obiektu, potem opisz akcję, otoczenie, a na końcu styl artystyczny i oświetlenie.
• Konkretne style: Zamiast pisać „ładny obraz”, użyj nazwisk klasycznych malarzy (których twórczość jest w domenie publicznej) lub konkretnych kierunków, jak „cyberpunk”, „minimalism” czy „impressionism”.
• Oświetlenie to klucz: Specjaliści twierdzą, że to światło buduje klimat. Używaj fraz takich jak „golden hour”, „cinematic lighting” czy „soft bokeh”, aby nadać pracy profesjonalny wygląd.

Podchodząc do generowania obrazów z szacunkiem do prywatności innych oraz rozumiejąc techniczne ograniczenia modeli, można osiągnąć rezultaty, które jeszcze kilka lat temu wydawały się niemożliwe. Kluczem jest precyzja i świadomość, że AI to narzędzie, które najlepiej działa wtedy, gdy dostaje jasne, pozytywne instrukcje, a nie listę życzeń opartą na cudzym wizerunku.