Owainowe przeroobki ;)

[wpk]

Dupa.

[no_gravity_Carlos]

Gdzie jest mlodozeniec? Nic juz nie robi, wyprzedzil sztuczna cwiercinteligencje o pol dlugosci i zniknal, a szkoda... Wups tez ze mna juz gadac nie chce, ech

[wpk]

Świat schodzi na AI...

[no_gravity_Carlos]

a dokladniej na LLM-y

Dodano po 1 godzinie 31 minutach 5 strzałach znikąd:

Świat schodzi na AI...

To nie jest magia, ale zaawansowane uczenie maszynowe. Postaram się to uprościć, bez zbędnego żargonu.
1. Podstawa: Co to jest generowanie obrazów AI?
Boty jak ja (Grok) używają modeli uczenia maszynowego, zwanych generatorami tekst-do-obrazu (text-to-image). One “rozumieją” twój opis (prompt, np. “kot na drzewie w stylu Van Gogha”) i przekształcają go w piksele na obrazie. Nie rysujemy ręcznie – to algorytm, który “uczy się” z milionów przykładów z internetu, by przewidywać, jak powinien wyglądać idealny obraz.
W moim przypadku (Grok od xAI) używamy modelu o nazwie Aurora, który jest typem sieci neuronowej zwanej autoregresyjną mieszanką ekspertów (autoregressive mixture-of-experts). To znaczy:
• Autoregresyjna: Model generuje obraz krok po kroku, “przewidując” następny element na podstawie poprzednich (jak pisanie zdania słowo po słowie).
• Mieszanka ekspertów: Różne części modelu specjalizują się w różnych rzeczach (np. jedna w teksturach, inna w kolorach), co pozwala na szybsze i lepsze wyniki.
2. Jak to działa krok po kroku?
Oto uproszczony proces – od twojego zapytania do gotowego obrazka:
• Krok 1: Twój prompt. Wpisujesz opis, np. “Futurystyczne miasto nocą z latającymi samochodami”. Model analizuje tekst, rozbijając go na kluczowe elementy: obiekty (samochody), scenę (miasto nocą), styl (futurystyczny). Używa do tego technik jak przetwarzanie języka naturalnego (NLP), by “zrozumieć” intencje.
• Krok 2: Kodowanie tekstu. Prompt jest przekształcany w wektory liczbowe (embeddingi). To jak tłumaczenie słów na język, którym “mówią” neurony. Model szuka podobieństw w bazie danych z miliardami obrazów i opisów, na których był trenowany (dane z internetu, bez naruszania praw autorskich).
• Krok 3: Generowanie krok po kroku.
• Zaczynamy od “hałasu” (losowego szumu pikseli).
• Model iteracyjnie “odszumia” to, dodając detale: najpierw zarys (kształty), potem kolory, tekstury, oświetlenie.
• Aurora traktuje obraz jako sekwencję “tokenów” (małych kawałków danych, mieszając tekst i piksele), przewidując następny token na podstawie poprzednich. To trwa sekundy (3-5 s na obrazek w JPEG, w rozdzielczości np. 1024x768).
• Krok 4: Dopasowanie i optymalizacja. Model sprawdza, czy wynik pasuje do promptu (używa metryk jak spójność wizualna). Jeśli nie, iteruje. Wynik jest wolny od artefaktów (dziwnych błędów), bo trenowaliśmy na ogromnych zbiorach danych.
• Krok 5: Wyjście. Dostajesz obrazek! W Groku możesz wygenerować do 3 na raz (dla darmowych użytkowników, z limitem), i jest dostępny na X (dawny Twitter), w apce czy na grok.com.
3. Co czyni to wyjątkowym w botach jak ja?
• Szybkość i jakość: Aurora radzi sobie z trudnymi tematami (np. złożone sceny, humor, realizm), gdzie inne modele (jak DALL-E czy Midjourney) czasem zawodzą.
• Trening: Na miliardach przykładów z sieci, co daje “głębokie zrozumienie świata” – od realistycznych zdjęć po abstrakcyjne sztuka.
• Ograniczenia: Nie generujemy wszystkiego (np. unikamy treści szkodliwych), i wyniki zależą od jakości promptu. Dobre tipy: Bądź szczegółowy – “kot na drzewie o zachodzie słońca, styl olejny, ciepłe kolory”.

[no_gravity_Carlos]

Świat schodzi na AI...

To nie jest magia, ale zaawansowane uczenie maszynowe. Postaram się to uprościć, bez zbędnego żargonu.
1. Podstawa: Co to jest generowanie obrazów AI?
Boty jak ja (Grok) używają modeli uczenia maszynowego, zwanych generatorami tekst-do-obrazu (text-to-image). One “rozumieją” twój opis (prompt, np. “kot na drzewie w stylu Van Gogha”) i przekształcają go w piksele na obrazie. Nie rysujemy ręcznie – to algorytm, który “uczy się” z milionów przykładów z internetu, by przewidywać, jak powinien wyglądać idealny obraz.
W moim przypadku (Grok od xAI) używamy modelu o nazwie Aurora, który jest typem sieci neuronowej zwanej autoregresyjną mieszanką ekspertów (autoregressive mixture-of-experts). To znaczy:
• Autoregresyjna: Model generuje obraz krok po kroku, “przewidując” następny element na podstawie poprzednich (jak pisanie zdania słowo po słowie).
• Mieszanka ekspertów: Różne części modelu specjalizują się w różnych rzeczach (np. jedna w teksturach, inna w kolorach), co pozwala na szybsze i lepsze wyniki.
2. Jak to działa krok po kroku?
Oto uproszczony proces – od twojego zapytania do gotowego obrazka:
• Krok 1: Twój prompt. Wpisujesz opis, np. “Futurystyczne miasto nocą z latającymi samochodami”. Model analizuje tekst, rozbijając go na kluczowe elementy: obiekty (samochody), scenę (miasto nocą), styl (futurystyczny). Używa do tego technik jak przetwarzanie języka naturalnego (NLP), by “zrozumieć” intencje.
• Krok 2: Kodowanie tekstu. Prompt jest przekształcany w wektory liczbowe (embeddingi). To jak tłumaczenie słów na język, którym “mówią” neurony. Model szuka podobieństw w bazie danych z miliardami obrazów i opisów, na których był trenowany (dane z internetu, bez naruszania praw autorskich).
• Krok 3: Generowanie krok po kroku.
• Zaczynamy od “hałasu” (losowego szumu pikseli).
• Model iteracyjnie “odszumia” to, dodając detale: najpierw zarys (kształty), potem kolory, tekstury, oświetlenie.
• Aurora traktuje obraz jako sekwencję “tokenów” (małych kawałków danych, mieszając tekst i piksele), przewidując następny token na podstawie poprzednich. To trwa sekundy (3-5 s na obrazek w JPEG, w rozdzielczości np. 1024x768).
• Krok 4: Dopasowanie i optymalizacja. Model sprawdza, czy wynik pasuje do promptu (używa metryk jak spójność wizualna). Jeśli nie, iteruje. Wynik jest wolny od artefaktów (dziwnych błędów), bo trenowaliśmy na ogromnych zbiorach danych.
• Krok 5: Wyjście. Dostajesz obrazek! W Groku możesz wygenerować do 3 na raz (dla darmowych użytkowników, z limitem), i jest dostępny na X (dawny Twitter), w apce czy na grok.com.
3. Co czyni to wyjątkowym w botach jak ja?
• Szybkość i jakość: Aurora radzi sobie z trudnymi tematami (np. złożone sceny, humor, realizm), gdzie inne modele (jak DALL-E czy Midjourney) czasem zawodzą.
• Trening: Na miliardach przykładów z sieci, co daje “głębokie zrozumienie świata” – od realistycznych zdjęć po abstrakcyjne sztuka.
• Ograniczenia: Nie generujemy wszystkiego (np. unikamy treści szkodliwych), i wyniki zależą od jakości promptu. Dobre tipy: Bądź szczegółowy – “kot na drzewie o zachodzie słońca, styl olejny, ciepłe kolory”.

[wpk]

Powtarzasz się.

[danz1ger]

Czytanie dwukrotne to łagodniejsza metoda na zapamiętywanie.

[wpk]

Zaiste Salomon palcy Twemi przemawia.

[no_gravity_Carlos]

Powtarzasz się.

a wlasnie, ze nie, bo jak ma zrobic zwymiarowany projekt to zawsze wychodzi inny;)

[vid3]

Dziś robiłem inwentaryzację.
Za pomocą telefonu fociłem to i owo.
Aby wiedzieć w jakim pomieszczeniu - wcześniej robiłem zdjęcie klucza z numerkiem pomieszczenia.
Przy zgrywaniu zdjęć z telefonu, patrzę a tu komunikat - ostrzeżenie - "Zdjęcie wygenerowane przy użyciu SI"

matrix