DALL-E 2'den Midjourney'e: Metni görselleştiren yapay zekâ teknolojisinin yükselişi

2021 ve 2022 “yapay zekânın” (AI) yılı olduk desek pek de yanılmış olmayız. Sohbet robotlarından işe alım sürecinde kullanılmasına kadar, özellikle de son iki yılda yapay zekâ teknolojisinin adını sık sık duyduk ve duymaya da devam edeceğiz gibi gözüküyor. Ancak yapay zekânın kullanıldığı bir alan var ki son dönemde sadece teknoloji meraklıların değil, herkesin dikkatini çekiyor. Evet, metni görsele dönüştüren yapay zekâ teknolojisinden bahsediyoruz.

Peki, metni görsele dönüştüren başlıca yapay zekâ botları hangileri?

DALL-E 2

Metni görselleştiren yapay zekâ dendiğinde çoğumuzun aklına gelen ilk ismin aynı olduğunu düşünüyoruz: Elon Musk’ın kurucu ortağı olduğu yapay zekâ araştırma laboratuvarı OpenAI’ın yapay zekâ teknolojisi DALL-E 2.

^{"Fotogerçekçi tarzda at süren bir astronot"/DALL-E 2}

Basitçe tanımlamak gerekirse, Nisan 2022’de piyasaya sürüldüğünde DALL-E 2, sosyal medyayı resmen hayrete düşürdü. Aslında OpenAI’a ait DALL-E’nin yükseltilmiş versiyonu olan DALL-E 2, kullanıcıların girdikleri metinlerdeki detaylar ışığında kafalarında canlandırdıkları herhangi bir şeyi fotogerçekçi görsellere dönüştürmesine imkân tanıyor. Üstelik kullanımının oldukça kolay olduğu gerçeği, DALL-E 2’nin bu kadar popüler olmasının başlıca nedenlerinden de biri.

^{"1960'lar posteri olarak evrende bir gezegen şeklinde bir kase çorba"/DALL-E 2}

Örneğin, dört kişilik bir tavşan ailesinin plaj voleybolu oynadığı bir anı mı resmetmek istiyorsunuz? Ya da yüzlerce uzay gemisinin saldırıya hazır bir şekilde bir gezegenin hemen dışında beklediğini? Bunların hepsi ve çok daha fazlası DALL-E 2 ile mümkün. Hatta işleri daha da ilgi çekici bir hâle getirerek girdiğiniz herhangi bir senaryonun Salvador Dali, Caravaggio ya da Vincent van Gogh gibi ünlü bir ressamın stilinde görselleştirilmesini de isteyebilirsiniz.

^{"Ukiyo-e tarzında yiyecek alışverişi yapan peluş ayılar"/DALL-E 2}

DALL-E 2’nin çalışma prensibi, bir kullanıcının girdiği metin istemindeki bilgileri fotogerçekçi bir şekilde resme dökmek için doğal dil işleme ve yapay zekâ kullanılmasına bağlı. Bunun olması için de her şeyden önce yapay zekânın eğitilmesi, bunun olması içinse “derin öğrenme” gerekiyor. Bu noktada DALL-E 2, internette var olan metin-görüntü eşleşmelerinden yola çıkarak bir görüntü ile eşleşen metin açıklamaları bulmayı sağlayan OpenAI’ın bir diğer teknolojisi CLIP’i (Contrastive Language-Image Pre-Training) kullanmakta.

Stable Diffusion

EleutherAI ve LAION’un işbirliğiyle StabilityAI tarafından geliştirilen ve popülerlik açısından DALL-E 2’den hemen sonra gelen Stable Diffusion, tıpkı DALL-E 2 gibi metinden fotogerçekçi görüntüler oluşturan açık kaynaklı bir yapay zekâ yazılımı. Ortaya bir görsel çıkarmak için Python ve başka programlama dillerinden faydalanan Stable Diffusion, CUDA (Compute Unified Device Architecture) çekirdeklerini destekleyen tüm işletim sistemlerinde çalıştırabiliyor.

^{Stable Diffusion}

Stable Diffusion’ı DALL-E 2 ve diğer benzer yapay zekâ yazılımlarından ayıran şey ise StabilityAI’nın yazılım konusundaki şeffaflığı olarak öne çıkıyor. Şirket, Stable Diffusion’ın kaynak kodunu Creative ML OpenRAIL-M lisansı altında açıkça kullanılabilir hâle getiriyor ki bu da rakip modellere karşı tam bir tezat oluşturuyor.

^{Stable Diffusion}

Midjourney

Yapay zekâyla görsel oluşturma trendinin en bilinen üyelerinden birisi de Midjourney. Bir Midjourney kullanıcısının yazılımla oluşturduğu bir görseli kullanarak katıldığı bir güzel sanatlar yarışmasında birinci olmasıyla adından söz ettirmeye başlayan Midjourney, bir Discord sunucusu aracılığıyla çalıştırılabiliyor ve özellikle de sanatsal tarzda yüksel kaliteli görseller oluşturmak için Discord bot komutlarını kullanıyor. Başka bir deyişle, Midjourney’i kullanmak için bir Discord hesabınızın olması da şart.

^{Weird Wonderful AI Art}

Ancak Midjourney’i muadillerinden ayıran ve bir noktada “dezavantaj” olarak görülebilecek bir durum var: Midjourney, metinden görüntü oluşturan bir yapay zekâ yazılımı için hayli stilize. Bu da Midjourney’de fotogerçekçi görüntüler oluşturmanın neredeyse imkânsız olduğu anlamına geliyor. Öte yandan, Midjourney’in odağında da hiçbir zaman “gerçekçi” görüntüler oluşturmak olmadı, ki bunun da bir yapay zekâ üreticisi olarak şirketin felsefesinin bir parçası olduğu söylenebilir.

^{Creativeshrimp}

Konuya dair The Verge’e konuşan Midjourney kurucusu David Holz da “Varsayılan bir stilimiz ve görünümümüz var: bu sanatsal ve güzel” diyerek Midjourney felsefesinin altını çizerken, "Belki 100 saat uğraşırsanız, gerçekten gerçekçi görünmesini sağlayan bazı doğru kelime kombinasyonlarını bulabilirsiniz, ancak bir fotoğraf gibi görünmesi için gerçekten çok çalışmanız gerekir." diye sözlerine eklemeyi de ihmal etmiyor.

Craiyon

Bir zamanlar DALL-E mini olarak bilinmesine rağmen şirketin modellerinde sağladığı büyük miktarda kamuya açık bilgiyi kullanmak dışında OpenAI ile bir ilgisi olmayan Craiyon, çevrimiçi olarak kullanılabilen bir başka yapay zekâ görüntü üreticisi olarak karşımıza çıkıyor. 

^{“Hawaii sahilinde pizza yiyen bir hamster” / Craiyon}

Tamamen ücretsiz olan Craiyon, yazılımın herhangi bir istemi bir sansür uygulamadan görselleştirmesiyle de rakiplerinden ayrılıyor. Öte yandan, bir yazılım mühendisi olan Boris Dayma tarafından geliştirilen Craiyon, görüntü kalitesi açısından rakiplerinin gerisinde kalıyor; ancak tıpkı Midjourney’de de olduğu gibi daha detaylı istemler girilmesi ve sıkı bir uğraş ile daha kaliteli ve gerçekçi görseller elde edilebileceği belirtiliyor.

Bir küçük telif meselesi

Bundan 20 hatta 10 yıl öncesine kadar belki de bir gün bu soruyu soracak olduğumuz kimsenin aklının köşesinden geçmezdi; ancak bugün geldiğimiz noktada teknoloji öylesine bir evrim geçirdi artık bu soruyu sormak bir merak değil de ihtiyaç hâline geldi: Yapay zekâ yazılımlarıyla üretilen görsellerin telif hakkı kime ait olacak?

Naruto v. Slater

Bu noktada size ilk olarak Naruto v. Slater olayından bahsetmemiz gerekiyor.

2008 yılında nesli tükenmekte olan Celebes tepeli makak maymunlarını fotoğraflamak amacıyla Endonezya’ya giden İngiliz fotoğrafçı David Slater’ın fotoğraf makinesi bir maymun tarafından “çalındı” ve maymun, Slater’ın makinesini kullanarak bir "selfie" de dâhil olmak üzere yüzlerce fotoğraf çekti. Wikipedia’nın bu maymun tarafından çekilen fotoğrafların telif hakkı kapsamında olmadığını belirtmesinin ardındansa Slater, fotoğrafların münhasır haklarına sahip olduğunu belirterek ABD Telif Hakkı Mahkemesi’nde yasal işlem başlattı.

^BBC

Daha sonrasında ise PETA devreye girerek Slater’a dava açtı ve fotoğrafın kullanılmasından elde edilen tüm gelirin Endonezya’daki bir hayvan koruma alanındaki makakların korunması için kullanılmasını talep etti. İlerleyen süreçte dava mahkeme dışında çözüldü ve Slater, gelecekte fotoğraftan gelecek gelirin %25’ini bağışlamayı kabul etti.

Şimdi, gelelim asıl konumuza. Telif hakkı yasası, her ne kadar yapay zekâyı ve hatta orijinal sanatın insan sahipliği özel olarak kadrajına almasa da, bir eserin arkasında her zaman bir “insan” olduğunu varsayar. Art Law Journal’a göreyse bir sanat eserine Telif Hakkı Yasası kapsamında koruma sağlanması için aşağıdaki gereksinimler karşılanmalıdır:

• Özgün bir eser sahipliği
• Somut bir aracıya sabitli olmak
• Minimum miktarda yaratıcılık içermek

Sanatta telif hakkı koruması bir eser oluşturulur oluşturulmaz verilir, bu nedenle de eserin yaratıcısının, eserin kullanımına karar verme münhasır hakkı vardır. Ancak bir makine tarafından yaratılan bir çalışma kolayca kopyalanabilir ve bu nedenle de mülkiyetin ayırt edilmesi pek kolay değildir.

Telif hakkı yasasına göre telif hakkı tesciline sahip olmaya hak kazanabilmek için bir eserin “insan yapımı” olması gerekir. Başka bir deyişle, yasaya göre mekanik işlemler ile üretilen eserler tescillenemez.

Bu durumda, yapay zekâyla üretilen bir eser üzerinde eserin “yaratıcısının” telif hakkına sahip olduğunu söylemek oldukça güç. Öte yandan bu, insanların yapay zekâyla üretilen eserlerin üzerinde insanların hiç hakkı olmadığı anlamına da gelmiyor. Buna göre söz konusu yapay zekâ yazılımının üreticisi, donanım ekibi, yazılımı satan şirket, eserin dağıtımını yapan makinenin sahibi ve eserin ortaya çıkması için makinenin çalışmış olduğu tüm sanatçılar aslında eserin telif hakkını ellerinde bulunduruyor.

Belirsizlik bulutu

Mesela, DALL-E 2’yi ele alalım. DALL-E 2’yi kullanmak için OpenAI’ın Kullanım Koşullarını kabul etmeniz gerekiyor ve bu şartlara göre, OpenAI’ın kullanıcılar tarafından yaratılan görsellerin sahibi olduğu belirtiliyor. Öte yandan OpenAI, oluşturduğunuz görselleri satmanıza izin veriyor; ancak ürettiğiniz eserin bir şekilde ücretsiz olarak kopyalayabileceğini göz önünde bulundurduğumuzda bu açıkçası kulağa biraz anlamsız bir çaba gibi geliyor.

Peki, mevcut durumda DALL-E 2 kullanarak ürettiğiniz eser ile ticari olarak ne yapabilirsiniz? Aslına bakarsanız hemen hemen her şeyi yapabilirsiniz. Ancak, başka birinin sizin yarattığınız eseri kullanarak aynı şeyleri yapmasını da engelleyemezsiniz.

Kısaca özetleyecek olursak yapay zekâ aracılığıyla üretilen eserler üzerinde büyük bir “belirsizlik” bulutu dolaşıyor. Bu belirsizlikten gözü korkan bazı görsel platformları da yavaş yavaş bu tür eserlere karşı tavır almaya başlıyor. Buna göre, Getty Images’ın telif hakkı endişeleri nedeniyle yapay zekâ eserlerini yasakladığı ve Shutterstock’ın da bu görselleri kaldırdığı biliniyor.

Yapay zekânın ürettiği eserler "sanat" eseri midir?

Telif hakkı konusunu da aradan çıkardığımıza göre şimdi başka bir tartışmalı konuya yöneliyoruz: Yapay zekâ ile üretilen eserlerin gerçekten de “sanat” eseri olduğu söylenebilir mi?

Kısa bir süre önce Colorado Eyalet Fuarı’nda Jason Allen isimli bir sanatçının eseri birincilik ödülünün sahibi oldu. Tuhaf olan şeyse söz konusu eserin Midjourney ile oluşturulmuş olmasıydı. Ve tahmin edersiniz ki bazı sanatçılar, küresel çapta ses getiren bu birincilikten pek de memnun olmadı.

^{"The Theatre d’Opera Spatial"/CNN}

Kimi sanatçılar metin komutlarını kullanarak tamamen yeni dijital görüntüler oluşturma ve bunu yaratıcı olmak için yeni bir araç olarak kullanma imkânı konusunda oldukça heyecanlı olsalar da, geçimlerini sanattan sağlayan diğer sanatçılar, onları işinden edeceğine ve eserlerinin değerini düşüreceğine inandıkları yapay zekâ teknolojisinden kelimenin tam anlamıyla nefret ediyor.

"Sanat öldü dostum"

Konuya ilişkin BBC’ye konuşan kavramsal sanatçı RJ Palmer, makinelerin belirli bir sanatçının stilini kopyalamak için eğitilebileceğine dikkat çekerek, "Şu anda, bir sanatçı benim tarzımı kopyalamak isterse, onu kopyalamak için bir hafta harcayabilir. Bu, bir kişinin bir şey yaratmak için bir hafta harcaması demektir. Bu makineyle, haftada yüzlerce tane üretebilirsiniz" diyor. 

Bununla birlikte, yapay zekânın sanatçıların bir bakıma “doğrudan özünü çaldığını” belirten Palmer, sanatçıların bunun önüne geçmek için tamamen “güçsüz” olduklarını da sözlerine ekliyor. Geliştiricilerin yapay zekâ modellerini internetteki görüntü veri tabanıyla besleyerek eğittiğini ve bu nedenle bir sanatçının çalışmalarını bir modelin eğitim veri kümesinde bulmasının son derece “olağan” bir şey olduğunu düşündüğümüzde Palmer’ın bahsettiği “özünü çalmak”  daha derin bir anlam kazanıyor. 

Stable Diffusion'ın yaratıcısı Emad Mostaque ise olaya tamamen farklı bir pencereden bakıyor. Yapay zekânın sanatçıların geçimini sağlama becerisini elinden alacağına inanmadığını belirten Mostaque, “Excel, muhasebecileri işsiz bırakmadı; ben hâlâ muhasebecilerime ödeme yapıyorum" diyor ve yapay zekânın sanatçılar için yeni iş imkânları doğuracağını belirterek, “Bu, çok büyüyecek bir sektör. Para kazanmak istiyorsanız bu sektörden para kazanın, çok daha eğlenceli olacak” ifadelerini kullanıyor.

Allen’ın tartışmalı birinciliğinin ardından söyledikleri ise aslında mevcut durumu ve sanatçıların yapay zekâ karşısındaki korkularını özetliyor: “Sanat öldü dostum. Her şey bitti. Yapay zekâ kazandı. İnsanlar kaybetti.”