Witajcie! Dzisiaj chciałbym przedstawić Wam Marcina Watemborskiego. Polski fotograf portretowy, szef obszaru Content #AI w Wirtualnej Polsce.
Swoją przygodę z AI zaczął podczas pandemii COVID-19, by “robić zdjęcia” bez robienia zdjęć. Na początku interesowało go jedynie tworzenie fotorealistycznych grafik przy wykorzystaniu Midjourney, ale z czasem rozrosło się to na inne sieci generatywne, jak tez modele językowe. Jak blisko jest z GAN? Tak blisko, że nie tylko zdjęcia jego autorstwa, ale też jego twarz zasila bazę danych LAION. Uważa, że “II rewolucja cyfrowa” to powtórka z historii – na przełomie XVIII i XIX w. przechodziliśmy praktycznie to samo. Czy możemy coś z tym zrobić? Tu Watemborski wchodzi na czarno, zakłada okulary przeciwsłoneczne i kwituje krótko: “Wstawaj Samuraju, mamy AI do ujarzmienia”.
O czym rozmawiamy?
- O starych mediach wykorzystujących nowe technologie.
- O przeładowaniu informacjami.
- O wizji przyszłości mediów.
- O bańce informacyjnej, w której żyjemy.
- I wielu innych, ciekawych tematach – z minimalizmem – włącznie.
Dobrego dnia! Posłuchaj podcastu i podziel się nim z innymi!
Tradycyjnie wielka prośba – jeżeli jeszcze nie wystawiłaś lub nie wystawiłeś oceny 99 Twarzom AI na Spotify lub Apple podcast – pomóż mi proszę z dotarciem do nowych słuchaczy. To zabierze Ci tylko 2 minuty. Z góry serdeczne dzięki!
Dobrego dnia i niech #AI będzie z Wami wszystkimi!
Transkrypcja rozmowy
Disclaimer. Droga Czytelniczko, Drogi Czytelniku – mała uwaga dotycząca transkrypcji rozmowy. Jak się pewnie domyślasz – transkrypcja została przygotowana z wykorzystaniem magii LLM. Proszę o wyrozumiałość, gdyby pojawiły się w niej niewielkie błędy, literówki, etc. Żeby mieć pewność co do wszystkich wypowiedzi – polecam posłuchać, zamiast czytać. Ukłony.
Karol: Marcin , witam Cię serdecznie. 99 Twarzy AI, kolejny gość, kolejna historia. Kim jesteś, co robisz?
Marcin: Cześć, dzień dobry. Przede wszystkim dzięki za zaproszenieNazywam się Marcin Watemborskii i jestem szefem obszaru Content AI w Wirtualnej Polsce.
Karol: O samej Wirtualnej Polsce nie będziemy rozmawiać, tak się umówiliśmy. Natomiast jesteś człowiekiem, który w obszarze #AI siedzi od wielu lat i sporo ciekawego zrobił. Opowiesz o tej twojej historii, jak to się wszystko zaczęło, kim jesteś, co robiłeś, zanim to jeszcze wypłynęło na wielkie wody.
Marcin: No to właściwie nie jest w ten sposób, że robiłem coś zanim wypłynęło i przestałem to robić. To jest jakby moja historia, moja przygoda, która cały czas trwa. Bo zaczęło się od tego, że pokochałem fotografię dawno, dawno temu.
To było w 2006 roku. O kurczę, to już taka pełnoletność jest w mojej kariery fotograficznej. W każdym razie zaczęło się od miłości do obrazu. No i tak wkręciłem się w ten obraz, zacząłem fotografować, aż przyszła pandemia. No i pandemia zmieniła całe moje podejście do fotografii.
Karol: Przepraszam, fotografia bez kodowania i bez programowania?
Marcin: Fotografia, czysta fotografia, znaczy cyfrowa fotografia również, jak też na nośnikach analogowych. Ale tutaj mówimy wyłącznie o tworzeniu obrazu takimi tradycyjnymi metodami fotograficznymi.
Mówimy o rejestrowaniu świata po prostu. No i przyszła pandemia. Pandemia to był trudny okres tak naprawdę dla każdej branży, dla branży fotograficznej również. I w pewnym momencie, przez to, że ja wówczas zajmowałem się też prowadzeniem portalu fotograficznego, w pewnym momencie doszło do tego, że fotografowie musieli troszeczkę Nie chodzi tutaj tylko o kwestie związane z weselami, z organizowaniem imprez masowych, ale też musieli troszeczkę odpocząć przy sesjach zdjęciowych, ponieważ pojawiły się liczne obostrzenia i strach przed zachorowaniem był tak duży, że ludzie zachowując nie tylko ten dystans społeczny, zaczęli zachować ten dystans zawodowy. Krótko mówiąc, sesje fotograficzne w pewnym momencie prawie że przestały istnieć. Jako, że ja wówczas nie zajmowałem się i dalej się nie zajmuję profesjonalnie fotografią wykonawczą, postanowiłem, że będę się mocno tego trzymał, żeby też być konsekwentnym w kontekście moich czytelników, gdzie pisałem wcześniej o tym, żeby trzymać dystans społeczny, uważać na to, żeby po prostu nie wystawiać się na zarażenie, nie zarażać innych i w ogóle. Zdecydowałem, że też przestanę troszeczkę robić te sesje fotograficzne. Być może skoncentruję się na jakimś innym rodzaju fotografii, bo ja wcześniej zajmowałem się fotografią portretową. To taki mały disclaimer.
Karol: Twoja historia.
Marcin: Chodziło o samą fotografię. Ja postanowiłem ograniczyć troszeczkę swoją tą twórczość fotograficzną w kontekście czy to zdjęć studyjnych, czy to nawet zdjęć plenerowych. Pisząc różne artykuły podkreślałem, że zachowywanie tego dystansu jest mega ważne. ale w pewnym momencie zaczęło mi brakować tej fotografii.
Ja próbowałem łapać się innych gatunków fotograficznych, próbowałem robić jakieś zdjęcia przyrody, próbowałem fotografować zwierzęta, które gdzieś tam dostrzegałem, próbowałem fotografować architekturę, ale nic z tego nie przynosiło mi tak wielkiej satysfakcji jak fotografowanie ludzi. I zacząłem szukać alternatyw. Jedną z alternatyw było realizowanie sesji fotograficznych na odległość za pośrednictwem różnego rodzaju programów, do wideokonferencji, czy to był Zoom, czy to były Teamsy, cokolwiek innego. Co ty mówisz? Nie słyszałem o czymś takim. Sesje fotograficzne na Zoomie? Dziwnie to brzmi, prawda? Ale chodziło o to, że osoba, której my chcieliśmy zrobić zdjęcia, ustawiała aparat albo nawet kamerkę, w taki sposób, w jaki my ją instruowaliśmy. Ustawiała parametry, ustawiała siebie, ustawiała całe światło i w ogóle.
Karol: Guided session.
Marcin: Tak, to jest zdecydowanie guided session i to bardziej wygląda właśnie jak reżyserowanie tej sesji fotograficznej od strony technicznej, jak i konceptualnej. No, próbowałem tego, ale to nie było coś, co tak naprawdę spełniało moje potrzeby. Ja mam wrażenie takie, że to było troszeczkę związane z kwestią mojej komunikacji, z tego, że nie do końca dobrze potrafiłem przekazać swoje myśli, przekazać swoją wizję, więc zacząłem szukać kolejnych alternatyw. No i tak doszło do tego, że odkryłem Meet Journey.
Mid Journey było dla mnie niesamowitym przełomem. Ja wiedziałem, jak opisać technicznie po prostu jakiś obraz. Wiedziałem, jak chcę, żeby wyglądał.
Wiedziałem, co ma być gdzie rozmieszczone, jakie mają być proporcje boków, jak ma wyglądać światło, czy ono ma być miękkie, czy ono ma być twarde, jakie mają być kolory. Tutaj też odnosiłem się bardzo często do estetyki filmów światłoczułych. Przykładowo chciałem, żeby coś było delikatnie ciepłe, chciałem, żeby te tony skóry były ciepłe. przyjemniejsze w odbiorze, to powoływałem się na film Światłoczuły Kodek Portra, który jest znany z tego, że doskonale oddawał i oddaje dalej, bo on jeszcze jest produkowany, kolory skóry i one były delikatnie cieplejsze. I to wszystko pomogło mi wykreować obraz generatywny, który przypominał zdjęcie.
Z czasem, kiedy pojawiały się kolejne wersje Midjourney, pamiętam, że przy wersji 4 to już naprawdę dawało fantastyczne efekty, Te obrazy wyglądały jeszcze lepiej. Już można było opisywać przykładowo styl konkretnego artysty. Można było lepiej opisywać całą scenerię. Ja wtedy, pamiętam, miałem taką bardzo mocną fazę na jakieś takie postindustrialne klimaty. Także było tam dużo betonu. Chciałem, żeby te wszystkie obrazy wyglądały futurystycznie. Jeszcze nagrałem się w Cyberpunka, to już w ogóle… I opisując, pamiętam, jakiś obraz, powoływałem się na estetykę przykładowo nawiązującą do gry Cyberpunk 2077. Po prostu chciałem, żeby to było takie neonowe, kolorowe, a jednocześnie było takie dystopijne, wręcz postapokaliptyczne prawie, no ale nie aż tak jak w Fallout’cie. I to zaczęło przynosić jeszcze fajniejsze efekty.
Karol: Byłeś zaskoczony tym, w jaki sposób sztuczna inteligencja jest w stanie odwzorować twoje wyobrażenie na temat obrazu?
Marcin: Byłem zaskoczony tym, że te generatywne sieci neuronowe są w stanie w miarę dobrze zinterpretować słowo pisane. Z każdą kolejną generacją Midgerney to się poprawiało. Teraz, ja przyznaję szczerze, że czasem patrząc na obrazy, które powstały za pośrednictwem Midgerney, mimo tego, że mam dość spore doświadczenie fotograficzne, Mam problemy z odróżnieniem tego, co jest wygenerowane od tego, co jest rzeczywiste. Widziałem już wiele prac, które naprawdę są doskonałe. I to rodzi takie pytanie, po co właściwie fotografować, skoro możemy wygenerować sobie jakiś obraz. I pytanie brzmi, czy każdy obraz możemy wygenerować?
Karol: Wiesz czego, wydaje mi się, że nie możemy wygenerować.
Marcin: Opowiadaj!
Karol: Dobrego reportażu.
Marcin: Nie tylko dobrego reportażu, ale ogólnie wspomnień takiej fotografii bardziej emocjonalnej, bardziej sentymentalnej. To byłoby dobre określenie. Bo wyobraź sobie, że idziesz do cioci na imieniny. Super fajna imprezka. Wiadomo, jest serniczek, tylko taki, wiesz, nie za słodki. No i jak mielibyśmy to wygenerować? No to piszemy sobie jakąś imprezę w Polsce, imieniny, serniczek, ale możemy nawet tam tak naprawdę osadzić wizerunki osób, które mogłyby być na takiej imprezie, ale to nigdy nie odda klimatu, który towarzyszy temu. Tak naprawdę kreacje generatywnych sieci neuronowych nigdy nie zastąpią prawdziwych wspomnień.
One mogą je udać, mogą je naśladować, ale to jest tak naprawdę proteza ludzkiej emocjonalności. Wydaje mi się, że to nie jest kierunek, w którym powinniśmy iść. I to rodzi według mnie bardzo duże zagrożenia w kontekście manipulacji człowiekiem. Jeżeli chodzi o dobry reportaż, o którym powiedziałeś, to zdecydowanie wszystkie te generatywne sieci neuronowe są ogromnym zagrożeniem, ponieważ z każdą kolejną wersją one dają coraz lepsze efekty. I osoba, która doskonale potrafi operować tym słownictwem fotograficznym, tą terminologią, jest w stanie opisać co miałoby być na danym obrazie, przez co może udawać rzeczywistość. Tutaj dochodzimy w tym momencie do fake newsów, deepfake’ów i innych strasznych rzeczy. I warto zwrócić uwagę na to, że na początku, kiedy ludzie jeszcze nie byli do końca świadomi tego, że coś takiego jak Midjourney istnieje i że daje dość dobre efekty, bardzo mocno się nabierali, zresztą dalej się nabierają. Ale na pewno pamiętasz, przykład to jest chyba albo końcówka 2022, albo początek 2023 roku. Papież?
Papież Franciszek, tak, puchowa kurtka Balenciagi. No to jest coś, na co złapał się praktycznie cały świat. Ja widziałem artykuły w dużych serwisach newsowych, które pokazywały te obrazy i ludzie byli przekonani, że to jest prawda.
Ale to była jedna z sytuacji, bo pojawiały się kolejne sytuacje, które były jeszcze groźniejsze. Pamiętam, że kiedy pojawiły się pierwsze informacje na temat procesu Donalda Trumpa, pojawiły się wówczas też wygenerowane grafiki przez Midjourney pokazujące domniemane aresztowanie Trumpa. To jest też coś, co obiegło świat, coś, co poruszyło ludzi, ponieważ pamiętam, że Tam nie tylko była pokazana sama postać byłego prezydenta USA, ani policjanci, ale też przykładowo była pokazana Melania Trump z bardzo poruszoną, rozawocjonowaną miną, która wyciąga ręce w kierunku męża i to naprawdę był bardzo silny ładunek emocjonalny.
Wydaje mi się, że bardzo dużo osób złapało się, to zwłaszcza wydaje mi się starszej publiki. Wierzymy w to, co widzimy. Tak, zdecydowanie. Można powiedzieć, że obraz kreuje rzeczywistość, ale z drugiej strony nie oceniamy książki po okładce, bo czasami trzeba zagłębić się w tę treść i chodzi mi tutaj o szczegóły, które zdradzają obrazy generatywne. W tamtych czasach, kiedy pojawiły się te obrazy, Można było tak naprawdę zauważyć, że coś jest nie tak, ponieważ faktura skóry nie była taka jak naprawdę.
Pojawiały się różne jakieś artefakty, przykładowo, nie wiem, policjanci mieli jakieś dziwne elementy stroju, kaski dziwnie wyglądały, oczy jakieś były takie rozbiegane. Sześć palców. Sześć palców, ale czasami było tak, że wiesz, ręce były schowane, chociaż w przypadku Donalda Trumpa i jego palców, no to myślę, że tutaj mógłby być to zdecydowanie czynnik, który by go zdradzał.
Karol: Dlaczego?
Marcin: Dlaczego? Bo Donald Trump jest znany z tego, że ma małe dłonie. I na tych obrazach generatywnych pamiętam, że jego dłonie były dość spore.
I to było coś, co przykuło uwagę fact checkerów. Ale słuchaj, idąc jeszcze dalej, pojawiły się naprawdę świetne jakości obrazy, które wyglądały jak zdjęcia reporterskie, bardziej zdjęcia prasowe. które pokazywały skutki trzęsienia ziemi. I to obiegło internet z podpisem, że to było jakieś trzęsienie ziemi sprzed kilku lat, nie pamiętam z którego roku, chyba w Oregonie. I te obrazy pokazywały elementy prawdziwego miejsca, które były zniszczone i na to naprawdę można było się nabrać. Ja w pierwszej chwili, kiedy zobaczyłem, pamiętam tamte obrazy, to nie byłem do końca pewny, czy to pokazuje rzeczywistą sytuację, czy to jest fake. I potrzebowałem chwili, żeby zobaczyć to.
I tutaj jest bardzo ważna kwestia tego, że tak naprawdę wszystko, co widzimy w internecie, powinniśmy sprawdzać tym bardziej dzisiaj, bo… Bo to jest po prostu niebezpieczne. To też pokazuje, jak istotną rolę odgrywają fact checkerzy w dobie współczesnych mediów, bo tak naprawdę mając narzędzia nawet na obecnym etapie ich rozwoju, jesteśmy w stanie sfingować kompletnie rzeczywistość, wygenerować zdarzenia, które nigdy się nie wydarzyły, pokazać osoby, które nie istnieją i przedstawić historie, które będą nas łapały za serce. Takie emocje nigdy nie wystąpiły po prostu. To granie na emocjach też wydaje mi się, że jest bardzo niebezpieczne, bo człowiek, który patrzy na coś emocjonalnie, odsuwa gdzieś logikę i my musimy zawsze zachować szeroko otwarte oczy, żeby nie patrzeć tylko przez pryzmat tej emocjonalności, jak w przypadku tego trzęsienia ziemi, bo widzimy jakąś tragedię. Ale warto jest zwrócić uwagę na kontekst całej sytuacji. Tutaj też możemy nawiązać do innego trzęsienia ziemi w Turcji, gdzie też pojawiły się obrazy.
Karol: A nie jest tak, że ludzie zawsze lubili uciekać w fabułę? W światy, które nie istnieją. Nie mówię o Tolkienie, ale mówię o romansach, o historiach kryminalnych, o wszystkich opowieściach.
Marcin: Pewnie trzeba nadać jakiś smaczek swojemu życiu, ale wydaje mi się, że w tym kontekście, w kontekście newsów, wiadomości, informacji nie powinno być miejsca na tego typu fantazje. Jesteśmy w trakcie drugiej rewolucji cyfrowej?
Zdecydowanie jesteśmy w trakcie drugiej rewolucji cyfrowej. Na ten temat chciałem tylko zwrócić uwagę, że zobacz, że właściwie można powiedzieć, że odnosimy się też do tego, jak wyglądała rewolucja przemysłowa na przełomie XVIII-XIX wieku, jeżeli chodzi o rynek pracy. Wtedy ludzie mega bali się, że maszyny wygryzą ich z rynku i faktycznie ci, którzy nie przestawili się na pracę w zgodzie z maszynami, na ich obsługę, gdzieś tam potracili pracę.
No przecież wtedy ile było strajków związkowców, jak ludzie niesamowicie protestowali przeciwko wprowadzeniu jakichś linii produkcyjnych. Manufaktury zaczęły odchodzić do lamusa. I zobaczmy na to, co dzieje się teraz. Zamiast maszyn mamy technologię, która właściwie też jest maszyną. Komputer przecież jest maszyną. Mamy rynek pracy, na którym pojawiają się nowe narzędzia, które trzeba obsługiwać, bo biorąc pod uwagę to, że oficjalnie jeszcze nigdzie nie widać żadnej generalnej AI, to potrzebujemy operatorów. I operatorzy będą po prostu zajmować się obsługą programów komputerowych, czyli tych algorytmów sztucznej inteligencji. Już teraz widać, jak ludzie się tego po prostu boją i zamiast chcieć oswoić samo narzędzie, zaczynają się przeciwstawiać.
Karol: Tak samo jak graficy komputerowi, którzy są zwalniani z agencji reklamowych, są zastępowani nie przez sztuczną inteligencję, a przez tych grafików, którzy potrafią te narzędzia i sieci generatywne wykorzystać do tworzenia.
Marcin: No pewnie, ja spotkałem się z tym dość szeroko w agencjach marketingowych, które realnie po prostu część grafików… pozwalniała i zostawiła tych, którzy, tak jak powiedziałeś, potrafią napisać prompt w Meet Journey, potrafią go powiększyć za pomocą jakiegoś narzędzia, których jest w tym momencie mnóstwo. Nawet nie trzeba być grafikiem tak naprawdę, żeby to wygenerować, żeby wygenerować jakiś obraz. Najważniejsze jest to, żeby potrafić… estetą i trzeba umieć posługiwać się językiem. Jeżeli dobrze wiesz, co chcesz osiągnąć, jesteś w stanie stworzyć dobry obraz albo tak naprawdę każdą inną kreację, bez względu na to, czy będziesz korzystał bezpośrednio z generatywnych sieci neuronowych typu Midjourney, Stable Diffusion, DALI, cokolwiek innego, czy będziesz bawił się modelami językowymi, bo Jedno i drugie jest tak naprawdę takim rzeźbieniem wyobraźni. Potrzebujesz mieć niesamowitą wyobraźnię, musisz potrafić stworzyć sobie w głowie obraz tego, co chcesz osiągnąć. Musisz prewizualizować wszystko. A potem to zwerbalizować. A potem to zwerbalizować. Także no… To niby brzmi tak w sumie z jednej strony łatwo, bo niby każdy z nas umie powiedzieć, co chciałby zobaczyć, co chciałby przeczytać, ale kiedy dochodzi co do czego, to trudno jest to wszystko złożyć w całość, bo tutaj trzeba zachować ciąg przyczynowo-skutkowy, a ludzie zajmujący się jakąś konkretną profesją bardzo często mają klapki na oczach, które nakazują im działać zgodnie ze schematem, który poznali, zgodnie z trybem pracy, który mają wpojony, który mają wypracowany.
Karol: To co, to zostaniemy zalani treściami, które będą generowane sztucznie?
Marcin: Wiesz co, wydaje mi się, że szczerze mówiąc to już się dzieje od dawna, tylko nie do końca w taki sposób. Jeżeli rzucimy okiem na przykład na treści, które są pisane pod wyszukiwarki, na wszystkie treści SEO, jakieś takie treści zapleczowe, przykładowo niech to będą sklepy internetowe.
Karol: To prawda, całe SEO zepsuło internet.
Marcin: Zepsuło internet , ale też pozwoliło zarobić ogromne pieniądze. I właściwie tutaj o pieniądze się rozchodzi. Jeżeli rzucimy okiem na te teksty zapleczowe, one dla zwykłego użytkownika są absolutnie bezużyteczne.
Karol: Powtórzę to po raz któryś w moim podcaście, że ja wierzę, że do łask wrócą z powrotem blogi takie autentyczne, pisane przez ludzi i dla ludzi.
Marcin: Ale skąd będziesz wiedział, że to pisze człowiek?
Karol: Wiesz co, wydaje mi się, że jestem w stanie wyczuć, kiedy ktoś opowiada swoją własną historię, kiedy dzieli się swoimi doświadczeniami. Mało tego, jeżeli potem buduje na przykład relacje ze swoimi odbiorcami.
Marcin: To, co ty mówisz w tym momencie o takim bardziej pisaniu emocjonalnym. Ale jeżeli ktoś na przykład pisałby bloga technologicznego, bez problemu jest w stanie go swingować, bez problemu jest w stanie wypromptować wpisy blogowe, w których będzie konkretnie określał swój styl. Co więcej, może nakarmić algorytm swoimi wcześniejszymi tekstami, więc tutaj masz bazę.
Karol: Dokładnie miałem to powiedzieć, że dlaczego nie stworzyć, jeżeli pisałeś wcześniej o technologii, nie stworzyć swojego modelu, który wykorzystuje wszystkie napisane wcześniej przez ciebie te teksty po to, żeby pisać…
Marcin: Pozwalało postawić API na swoim serwerze. Jeżeli masz swój serwer, możesz sobie ograniczyć zakres działania tego modelu językowego. Masz swoją bazę danych, model po prostu chodzi po twojej bazie danych, sczytuje twoje teksty, zna twoje słownictwo, wie jak składasz zdania, wie do czego się odwołujesz, nawet wie jakie robisz błędy językowe, jeżeli one się pojawiają i z czasem ten model się nauczy.
Karol: Wiesz, ja pamiętam, jakie było moje zaskoczenie, jak chyba z półtora roku temu zrobiliśmy pierwszy model, który wykorzystywał moje wcześniej nagrane podcasty w podcaście Zawodowcy i model, dzięki któremu mogłeś rozmawiać niejako ze mną o podcastach, które nagrałem wcześniej.
Marcin: Czyli zrobiłeś po prostu takiego chatbota ustawowego, tak? Tak. Ze swoim głosem. Słuchaj, to pójdźmy jeszcze dalej. Ja pamiętam, jak pisałem o przykładzie z Japonii. Jak wiemy, Japonia się mega szybko rozwija technologicznie i czasami są tam dziwne pomysły.
Słuchaj, rozmawianie ze zmarłymi. I tutaj nie mówimy w tym momencie o żadnym medium ani nic tego typu. Chodzi o to, że nie pamiętam nazwy firmy teraz, stworzyła usługę dla osób, które niesamowicie kochają swoich bliskich. Większość z nas kocha swoich bliskich, ale niektórzy szczególnie. Usługa polegała na tym, że jeszcze za życia te osoby opowiadały o swoim życiu, opowiadały o swoich doświadczeniach, opowiadały swoje ulubione żarty. przytaczały jakieś charakterystyczne elementy swojego życia, jakieś niesamowite smaczki. Często to były sytuacje, których nikt nie znał, coś, o czym nikt nie wiedział. To wszystko było nagrywane, to wszystko było przetwarzane, był przetwarzany również głos i do tego wszystkiego był dorobiony algorytm, który rozpoznawał twoją mowę i po prostu mogłeś odbywać normalną konwersację z osobą, której już nie ma. Nie ma na świecie, nie ma z nami.
Co więcej… To był nie tylko głos, to był również brzmienie głosu, ale to był również obraz, bo te osoby były nagrywane przez kilkanaście godzin. Były zbierane ich zdjęcia z młodości po to, żeby oddać jakiś okres ich życia. To jest niesamowita technologia. Oczywiście, jak się domyślasz, to było cholernie drogie.
Karol: Ale będzie coraz tańsze i jest taki gość w Stanach, Brian Brian Roemmele i on prowadzi projekt 1024 albo 1048 pytań, na które odpowiadasz rejestrując swoje odpowiedzi w formie audio i na bazie tego tworzy niejako przedłużenie twojej osobowości, które potem możesz rozmawiać z twoimi dziećmi za lat 5, 10, 20, kiedy będą szukały pomocy u kogoś.
Marcin: No to jest właściwie ten sam case, ale zdecydowanie rozszerzony. Tym bardziej, jeżeli pod tak wytrenowany model, o którym mówisz, podpięlibyśmy wyszukiwarkę, to widzisz, nagle przykładowo taki ojciec, którego już nie ma, może służyć dobrą radą swojemu synowi, na przykład, nie wiem, jak naprawić silnik w samochodzie albo coś tego typu. I to też jest granie na emocjach. I to granie na emocjach w kontekście ludzi jest mega niebezpieczne. Tutaj, wiesz, możemy się odnieść do jakiegoś Blade Runnera, gdzie, wiesz, no tam jednak były te androidy, które bardzo mocno grały na ludzkich emocjach, które zmieniały wygląd pod człowieka. No przecież to wszystko opiera się tak naprawdę na uczuciach, na naszych predyspozycjach, na naszych preferencjach. To jest mega przerażające.
Karol: I na zaspokajaniu naszych braków i naszych oczekiwań. Leczenie kompleksów.
Marcin: I zobacz, to jest cały czas ta linia emocjonalna. gdzie my cały czas próbujemy w jakiś sposób karmić swoje ego, bo ludzie są próżni, po prostu z natury. My chcemy dużo, chcemy więcej, chcemy czuć się dobrze, a technologia coraz bardziej zaczyna nam to umożliwiać.
Karol: To co, relacja z generatywnymi influencerami, osobowościami będzie dla nas cenniejsza niż ta, którą mamy z prawdziwymi ludźmi?
Marcin: Nie wiem, czy można powiedzieć, że będzie cenniejsza, będzie na pewno łatwiej dostępna, to jest pierwsza rzecz. Druga rzecz jest taka, że bardziej pomyślałbym o tym, że będzie w jakiś sposób na równi, jeżeli dojdziemy do rozwoju AI pod kątem generalnej AI. I tutaj możemy się odnieść do filmu sprzed kilku lat, chyba z 2010 roku, on się nazywał HER. Po polsku to się nazywało po prostu Ona, gdzie opowiadał film historię mężczyzny, który zakazał się w systemie komputerowym, gdzie rozwinął relację emocjonalną z systemem. No to była absurdalna. Ja pamiętam, że tam jeszcze w tym filmie była przedstawiona sytuacja, gdzie… Który rok to był?
Karol: Pamiętam, że 2010.
Marcin: Tak, tak.
Pamiętam ten film. Ale wtedy, zobacz, wtedy dla nas to było jakieś science fiction. Dzisiaj żyjemy w świecie, gdzie możemy rozmawiać z maszynami, odbyć jakąś sensowną konwersację. To jest absurdalne. To nie jest jakiś, wiesz, skok kilku, kilkunastu pokoleń.
To jest… Nie tylko konwersacje, ale też Turinga zdajemy. To jest przerażające akurat, kiedy faktycznie maszyna mówi ci, że hej, wiesz co, ja właściwie to nie jestem maszyną. Zobacz, ja mam jakąś świadomość, ja mogę działać. Niezależność maszyn, bunt maszyn, no słuchaj, idziemy w bardzo niebezpiecznym kierunku.
Ale chciałbym jeszcze wrócić do tego filmu HER, bo tam była sytuacja dotycząca tej relacji emocjonalnej z maszyną. Pamiętam, że… ten system operacyjny wynajął jakąś dziewczynę, która miała słuchawkę. To była prostytutka. I ta prostytutka wcielała się w rolę tego systemu, rozmawiała z mężczyzną, który był posiadaczem tego systemu w taki sam sposób. Po prostu odgrywała totalnie rolę. Więc w tym momencie dochodzimy do ucieleśnienia sztucznej inteligencji. Sztuczna inteligencja zyskuje ciało z krwi i kości a jednocześnie przedstawia swoje poglądy, swoje emocje, to jest bardzo niebezpieczne. I to już jest taka typowa wizja z Blade Runnera. A Blade Runner to są lata 70? Zobacz, coś, o czym kiedyś myśleliśmy, że o kurczę, może to się kiedyś wydarzy, nie wiem, za 100, za 200 lat, przyszło do nas dużo szybciej.
Karol: Mało tego, będzie przychodzić jeszcze szybciej i zmiany, które będziemy obserwować w ciągu następnych dwóch, trzech, pięciu Patrząc na to, jaki progres nastąpił w generowaniu wideo w ciągu ostatnich 12 miesięcy, co stoi na przeszkodzie, żeby nagrać teraz i wyprodukować Dune 3 tylko i wyłącznie za pomocą Generative Networks?
Marcin: Absolutnie nic. W tym momencie jest to możliwe i z tego, co pamiętam, to chyba Disney wykorzystuje dość szeroko tego typu technologie. Chciałem powiedzieć o tym, że faktycznie mówisz o tym, co się zdarzy za pięć lat. Ja boję się o tym myśleć, biorąc pod uwagę to, że czat GPT tak naprawdę ma półtora roku, a to jest narzędzie, które zrewolucjonizowało świat. Tym bardziej zwróć uwagę na to, proszę, że mówimy w tym momencie o sieciach neuronowych i o modelach językowych, które są ogólnodostępne. A zwróć uwagę proszę, jak to wszystko gdzieś tam zaczynało. Czy to internet, czy jakieś sieci komórkowe, to wszystko zaczynało od tego, że były to rozwiązania przeznaczone dla armii. Nawet tak banalna rzecz jak kawa rozpuszczalna.
Kawa rozpuszczalna też została wymyślona dla armii.
Karol: Naprawdę?
Marcin: Tak, tak, tak. No po prostu ktoś zrobił bardzo skondensowane espresso, odparował wodę i zrobił się proszek, który w połączeniu z wodą nagle smakuje jak kawa i kopie jak kawa, bo ma normalną kofeinę. I biorąc pod uwagę to, zastanawiałbym się, na jakim etapie rozwoju są te militarne algorytmy, na jakim etapie rozwoju są militarne generatywne sieci neuronowe. I ja myślę, że tutaj wchodzimy oczywiście w teorie spiskowe, uwielbiam teorie spiskowe.
Karol: Puścimy wodze fantazji?
Marcin: Oczywiście, że tak. Ale wiesz co, myślę, że to nawet nie do końca może być puszczenie wodzy fantazji. Ale biorąc pod uwagę to, co jesteśmy w stanie zrobić za pomocą bezpłatnych narzędzi, to co jesteśmy w stanie zrobić też za pomocą komercyjnych narzędzi. Chodzi mi ogólnie o narzędzia dostępne komercyjnie.
Karol: Słuchasz podcastu Perplexity?
Marcin: Nie słucham, ale korzystam z Perplexity samego w sobie.
Karol: Perplexity w połączeniu z ElevenLabs generują codzienny podcast. Słuchaj, gdyby ktoś mi powiedział, że to jest podcast wygenerowany sztucznie, nie uwierzyłbym, jeżeli chodzi o głos, o intonację, o emocje przekazywane itd. Coś niesamowitego.
Marcin: Czyli to jest po prostu wręcz rzeczywiste, nie poznałbyś się.
Karol: Nie.
Marcin: A zobacz, jesteś ekspertem w dziedzinie AI, znasz się na tym, tym bardziej nagrywasz podcasty.
Karol: Rozmawiałem ostatnio z Wojtkiem Oleksiakiem, który produkuje dużo zagranicznych podcastów i miał przykład taki, że tworzył reportaż z wywiadami, wiesz, Hiszpanie, Francuzi i tak dalej. I mówi tak, no jak zastosuję voice over do podcastu słabo, bo to źle brzmi. Mówi, że wygenerowali sztucznie fragmenty podcastu, po przetłumaczeniu oczywiście tekstu. I nie się poznał. Ludzie byli sami zaskoczeni, ci, którzy słyszeli swój głos, że to brzmi tak jak oni.
Marcin: To jest przerażające. To jest naprawdę przerażające. I zobacz, po raz kolejny mówimy cały czas o narzędziach, które są powszechnie dostępne. 6 dolarów miesięcznie? To jest nic.
Karol: To jest nic. Teraz zobacz, co się dzieje w USA. Zbliżają się wybory prezydenckie.
Marcin: Myślę, że tego typu technologia nie jest gdzieś wykorzystywana. Już przy poprzednich wyborach deepfake’i zaczęły wchodzić bardzo mocno. Pamiętam, że wtedy też pojawiły się programy, które miały analizować obraz, dźwięk pod kątem tego, co może nie grać. Pamiętam, że wtedy ówczesne algorytmy analizowały na przykład ruchy twarzy, ale co więcej… Te programy analizowały zmienianie się koloru w obrębie żył, czy też tam po prostu jakoś są bardziej napompowane krwią, czy w momencie, kiedy ktoś coś mówi, czy inaczej się napinają mięśnie, jak wyglądają oczy, czy gałki oczne się poruszają. No i wtedy pamiętam, że te deepfake’i leżały, ale z czasem to się zaczęło zmieniać. Z czasem te programy nie były w stanie już wyłapać tych różnic. I szczerze mówiąc, ja mam ogromną nadzieję, że inicjatywy podejmowane przez światowych gigantów typu Google, Adobe, nie wiem, Getty Images, dotyczące fact checkingu i rozpoznawania fake newsów pójdą jeszcze bardziej do przodu. Tylko widzisz, problem polega na tym, że jeżeli pojawi się narzędzie, które rozpoznaje te deepfake’i, zaraz pojawią się deepfake’i kolejnej generacji. I co, jesteśmy cały czas w kółko oszukiwani.
Wydaje mi się, że z tego typu contentem my spotykamy się na co dzień i nawet nie zwracamy na niego uwagi. Słuchaj, coś takiego jak wirtualne agencje modelek albo generatywni influencerzy, to już istnieje od kilku dobrych lat i bardzo często trudno jest się poznać, że to jest coś nierzeczywistego. Oczywiście możemy od razu odnieść się do kompletnie innej branży, która również eksplodowała podczas pandemii COVID-19, czyli to OnlyFans i tego, jak generatywne obrazy zmieniły tę branżę, branżę powiedzmy takiego cyfrowego seksworkingu. W pewnym momencie przecież seksworkerzy z całego świata zaczęli też gdzieś tam w sieci strajkować przeciwko generatywnym sieciom neuronowym, ponieważ oni przestali zarabiać. Nagle po prostu zarabiało zaledwie tylko kilka procent jakichś takich topowych twórców treści, a ci, którzy próbowali wejść na rynek, nie mieli szans tak naprawdę z wyidealizowanymi postaciami, które powstały za pośrednictwem generatywnych sieci neuronowych. To, że przykładowo Stable Division akurat ma mniejszy filtr, ale na przykład Mid Journey ma jakiś filtr, który uniemożliwia operowanie na gościom, to nie oznacza, że nie ma innych sieci numerynowych. Jeżeli ktoś chce po prostu tym grać, to bez problemu to znajdzie. To jest bajecznie proste i tanie.
Karol: To czego nie są w stanie zastąpić sieci generatywną?
Marcin: To jest bardzo dobre pytanie. Wiesz co, jeżeli idziemy dalej w kierunku tego, że powstają chatboty, które romansują, mówimy też już o robotach, które mają zaimplementowane API OpenAI, to na pewno widziałeś kilka już w tym momencie dostępnych komercyjnie.
Karol: Co będzie autentyczne, szczere i będzie może po prostu relacje międzyludzkie?
Marcin: Myślę, że relacje międzyludzkie w tym momencie mogą odżyć, biorąc pod uwagę to, że jesteśmy z każdej strony bombardowani różnymi ładunkami emocjonalnymi, które nie są prawdziwe, sfinkowanym życiem, wyidealizowanym światem nie tylko influencerów, ale generatywnych obrazów.
Karol: Bo jak dołączymy do tego jeszcze wirtualną rzeczywistość, a rozszerzoną rzeczywistość, to może się okazać, że taka relacja z drugim człowiekiem w ciekawym miejscu, w odcięciu od sieci, będzie czymś, za co ludzie będą chcieli płacić duże pieniądze.
Marcin: Słuchaj, tylko wiesz, teraz trzeba pójść dalej w teorię spiskowej i pomyśleć, czy rządom będzie to na rękę.
Karol: Wiesz, rok 2099, Matrix. Rządom czy korporacją?
Marcin: To jest jedno i to samo przecież. Każdy rząd jest korporacją. Żyjemy w czasach technokracji, gdzie tak naprawdę status człowieka jest liczony względem jego pozycji na rynku. Na tym polega cały system, w którym operujemy. Hmm. Ale faktycznie dochodzimy do momentu, w którym tak naprawdę możemy za pośrednictwem różnego rodzaju impulsów stymulować odbiór różnych rzeczy przez człowieka.
Karol: Nie mówię w tym momencie o zapięciu mięśni przez prąd albo… Jeżeli neuralnik teraz zaczyna działać w jedną stronę, to znaczy jestem w stanie przekazać, co myślę. Chciałem właśnie o tym powiedzieć. Za chwilę okaże się, że Neuralink działa w drugą stronę i może wzbudzać określone obrony w naszym mózgu.
Marcin: Ja myślę, że to się już dzieje, tylko nie wiemy o tym po prostu. Słuchaj, zobacz, że my w tym momencie gdybamy i mówimy o rozwiązaniach, które my mamy powszechnie dostępne.
Pamiętaj o tym, że to jest coś, co jest na wyciągnięcie ręki w tym momencie. Każdy, kto ma w domu komputer, może sobie go otworzyć, wpisać sobie w wyszukiwarkę jedną, drugą, trzecią rzecz i dowie się tego wszystkiego, o czym my tak naprawdę teraz mówimy. Ale tutaj trzeba po prostu patrzeć poza pudełkiem. Trzeba pomyśleć o tym, o tej zapleczowej strony, na zasadzie tego, jakie testy I testy jakich rozwiązań w tym momencie są gdzieś prowadzone. I to, co mówisz odnośnie Neuralink i gry w szachy przez osobę, która jest sparaliżowana, to okej, dobra, to jest jedna rzecz, ale faktycznie teraz w drugą stronę, żeby przykładowo taka gra w szachy mogła odbywać się w mózgu tej osoby, żeby ta osoba mogła to zobaczyć i odczuwać, wydaje mi się, że… To jest pieśń bardzo niedalekiej przyszłości. I tutaj możemy się posunąć jeszcze dalej, nawiązując też do cyberpunka, dojść do kwestii transhumanizmu i tego, że tak naprawdę coś takiego jak rozszerzona rzeczywistość za jakiś czas może być normalną rzeczywistością. My w tym momencie będziemy to tak nazywać.
Karol: Apple Vision Pro. Widziałeś ten film Casey’ego Neistata? Jak z Apple Vision Pro chodzi i spaceruje po Nowym Jorku?
Marcin: Nie, nie widziałem. Muszę to nadrobić akurat. Znam w samym koncepcie. Casey’ego przestałem oglądać chyba kiedy zaczął promować jakieś GoPro, które się strasznie wykrzaczało.
Ale no, muszę to nadrobić. Ale tutaj chciałem powiedzieć, że po raz kolejny możemy się odnosić do jakiejś wizji, które znamy po prostu z filmów albo z seriali. Nie mogę sobie przypomnieć nazwy filmu. Ale pamiętam, że oglądałem film plus jeszcze był też serial w podobnym klimacie. W każdym razie w jednej i drugiej produkcji chodziło o soczewki, które były sprzężone z człowiekiem. To były soczewki, które faktycznie pozwalały na… postrzeganie rzeczywistości dużo szerzej, ale one były też biologicznie dostosowane do człowieka, że one w jakiś sposób po prostu zespajały się z człowiekiem i to było naturalne dla osób, które te osoby były przyzwyczajone, bo obcowały z tą technologią od najmłodszych lat. I też wydaje mi się, że to nie jest pieśń o tak odległej przeszłości, bo z tego, co pamiętam, to smart soczewki pierwsze już pojawiły się kilka dobrych lat temu, ale temat nagle ucichł.
Karol: Parę dni temu Meta pokazała okulary z rozszerzoną rzeczywistością.
Marcin: No i pytanie, czy ta rozszerzona rzeczywistość jest dla nas taka rzeczywista, taka nienaturalna? Skoro i tak siedzimy przed smartfonami, siedzimy przed komputerami, telewizorami i cały czas chłoniemy różnego rodzaju informacje. Tutaj wydaje mi się, że bardzo ważne jest to, że współczesny człowiek żyjący w mocno rozwiniętym technologicznie świecie jest przyzwyczajony już w dużym stopniu do nadmiaru bodźców. I oczywiście pierwszym realnym zagrożeniem jest to, że tych bodźców będzie za dużo, będziemy wiecznie przebodźcowani, będą nas bolały głowy albo co więcej możemy dostać udaru. Takie sytuacje zdarzały się przecież na początku, kiedy wchodziłem w filmy 3D. gdzie ludzie nie byli w stanie wytrzymać sensu. Ale my żyjemy w świecie wypełnionym ekranami, wypełnionym informacjami zewsząd.
Przecież zobacz nawet, w jaki sposób funkcjonujemy, czy to w pracy, czy to w domu, na przykład oglądając telewizję. Masz włączony telewizor, leci sobie jakiś program. Załóżmy, że to będzie jakiś program informacyjny na jakimś kanale informacyjnym. Oprócz tego, że oglądasz obraz i słuchasz informacji, obok pojawiają się jakieś paski. Na dole masz pasek z jakimiś informacjami, obok masz godzinę, gdzieś tam pojawiają się notowania giełdowe, a i tak jeszcze w międzyczasie pewnie sprawdzisz, czy ktoś nie napisał do ciebie na Messengerze, albo nie zobaczysz, czy nie dostałeś jakiegoś powiadomienia na LinkedIn, na Instagramie, albo na czymś innym. Po prostu mamy coś takiego już obecnie, że… że te wszystkie nienaturalne bodźce stały się dla nas naturalne. I to jest ogromny problem, tak naprawdę wydaje mi się.
Karol: Z jednej strony information overload, z drugiej strony overload, jeżeli chodzi…
Marcin: Boisz się, że będziesz miał za dużo informacji, boisz się, że będziesz poza tymi informacjami. Tutaj wiesz, to jest błędne koło tak naprawdę, w jakim kierunku powinniśmy iść. I tutaj zastanawiam się, czy tak naprawdę nie dojdziemy do etapu, w którym ludzie zaczną się bardzo mocno błędować przeciwko współczesnym technologiom i zaczną je odrzucać, bo tego będzie za dużo. I tak naprawdę w tym momencie odejdziemy od tej wizji cyberpunkowej, gdzie żyjemy w zgodzie z technologią. ale pójdziemy właśnie przykładowo w jakiegoś Mad Maxa, gdzie odrzucamy to wszystko i wracamy po prostu do takich korzeni, gdzie tak naprawdę najfajniejszą rzeczą, jaką możemy zrobić, to jest zostawienie całej tej technologii, wyjechanie do lasu bez żadnych czujników, bez telefonów, bez niczego, co najwyżej z krzesiwem i po prostu czerpanie z życia tego, co jest naturalne. I w tym momencie przecież city breaki są bardzo popularne, tego typu wydarzenia, gdzie ludzie faktycznie zostawiają całą technologię i jadą w górę, niech to będzie, rzucają wszystko jedno w Bieszczady, to staje się mega popularne i to jest trend, który będzie się bardzo mocno posuwał i też obawiam się, że dużym firmom będzie to bardzo nie na rękę, bo przecież jeżeli ktoś nie czerpie z tej technologii, nie pochłania informacji, nie pochłania tej technologii, nie wydaje na nią pieniędzy, to nie zasila portfela wielkich firm i dochodzimy do problemu systemowego.
Karol: A ty Marcin, potrafiłbyś się odciąć?
Marcin: Ja nie, ja nie potrafiłbym się odciąć.
Pracuję w mediach od wielu, wielu lat. Tak naprawdę właściwie cała moja przygoda zawodowa jest związana z mediami. To, że zajmuję się fotografią, fotografia też jest przecież medium tak naprawdę, bez względu na to, czy będę zajmował się fotografią tradycyjną na analogowych nośnikach, czy będę zajmował się fotografią cyfrową. Moje ego nie pozwoli mi tego, żeby zachować to tylko dla siebie. Ja i tak będę chciał to pokazać, bez względu na to, czy będę chciał pokazać to w formie cyfrowej, czy będę chciał to pokazać w formie fizycznej. I tak będę musiał dojść w jakiś sposób do grona odbiorców. Jasne, mogę wydrukować plakaty, mogę stać i rozdawać ulotki, ale nigdy to nie będzie tak wydajne, jak rozpromowanie czegoś online. Więc tak naprawdę dla mnie, jako osoby, która tak naprawdę wychowała się w środowisku cyfrowym,
Karol: Nie wyobrażam sobie życia tak naprawdę bez tej współczesnej technologii. Ciekaw jestem, jak będzie wyglądało pokolenie, które nie tylko powie, że wychowało się w środowisku cyfrowym.
Marcin: Nie zna świata bez środowiska cyfrowego.
Karol: Mało tego, generatywnego.
Marcin: No to myślę, że za jakieś 10-15 lat się dowiemy, jak to wygląda. Bo tak wiesz, za 15 lat to już te dzieci, które urodziły się w erze twórczości generatywnej, deepfake’ów, będą przechodziły bunt nastolatków. I ten nastoletni bunt myślę, że tego obecnie rodzącego się, powstającego pokolenia może przynieść nam tchnienie takiego świeżego powietrza.
Karol: A to nie jest tak, że my trochę żyjemy w takiej bańce medialnej, technologicznej?
Marcin: Jasne, że tak. Zwróćcie uwagę na to, że cały czas gdzieś na świecie są plemiona, które w ogóle nie znają technologii, których my nie odkryliśmy i których tak naprawdę nie zepsuliśmy. Są ludzie, którzy żyją w zgodzie z naturą, są ludzie, którzy w ten sposób funkcjonują od tysięcy lat. Im do niczego nie jest potrzebna technologia. Technologia jest skutkiem ubocznym rozwoju cywilizacyjnego po prostu. Ale to jest mniejszość.
Karol: I?
Marcin: Ok, to jest mniejszość, ale wydaje mi się, że ta mniejszość jest szczęśliwsza niż my. Zobacz, że my martwimy się o bardzo wiele rzeczy. Niektórzy martwią się o to, czy mają kasy na to, żeby kupić sobie jakieś markowe ciuchy.
Zastanawiają się, co zjedzą, zastanawiają się, jakiej rozrywce się poddadzą, na co wydadzą swoje ciężko zarobione pieniądze. A przecież są społeczności, które żyją absolutnie bez pieniędzy, a ich największym zmartwieniem jest to, czy tak naprawdę uda im się upolować coś na obiad. A uda im się na pewno, ponieważ mają absolutnie do perfekcji opanowane techniki, które umożliwiają im to wszystko.
I oni nie potrzebują niczego zmieniać. To są naprawdę wolni ludzie. To nie są ludzie, którzy poddają się wręcz niewolniczej pracy po to, żeby dostać albo osiągnąć, kupić coś tak naturalnego jak jedzenie. Jedzenie występuje przecież naturalnie w przyrodzie. Wystarczy, że po nie sięgniemy.
A my nie wyobrażamy sobie funkcjonowania w taki sposób. Gdybyśmy my zaczęli sięgać po prostu po to jedzenie, które jest na zewnątrz, Społeczeństwo zaczęłoby na nas dziwnie patrzeć. Ja spotkałem się z kilkoma blogerami, którzy prowadzą bloga tylko i wyłącznie po to, żeby pokazać ludziom, że można żyć bez wszystkich udogodnień, bez ogromnych korporacji, bez zarabiania kupy siana. i być szczęśliwym. I jedyne, czego potrzebują tak naprawdę do tego szczęścia, to jest to, żeby nie padało im na głowę, żeby mieli co zjeść. A jeżeli nie mają na tę chwilę co zjeść, to okej, dobra, pojadą, kupią kurę, pojadą, kupią jajka, z tych jajek wyglądają się kolejne kury, nagle pojawią się jakieś krówki i nagle człowiek staje się absolutnie samowystarczalny. Bez kasy, bez nowej technologii, tylko żyje zwyczajnie w świecie, w zgodzie ze sobą.
Karol: Podcast The Minimalists polecam. Koniecznie. Dziękuję serdecznie.
Marcin: Dziękuję bardzo.
