Анотація
Упровадження нейронних мереж у процес творчого проєктування дає змогу отримувати оригінальні новаторські результати та підвищувати ефективність у створенні візуального мистецького продукту, а тому актуально дослідити, як різноманітні інтерактивні інструменти можуть сприяти розвитку творчих здібностей майбутніх спеціалістів у сфері дизайну. Мета статті – дослідити можливості та характеристики нейронних мереж Midjourney, Stable Diffusion та DALL-E в контексті їх використання в навчанні студентів дизайнерських спеціальностей. У науково-дослідній роботі використано аналітичний метод, порівняння, узагальнення та метод систематизації. У результаті дослідження з’ясовано, що нейронні мережі Midjourney, Stable Diffusion та DALL-E мають перспективи впровадження у навчальний процес для студентів дизайнерських спеціальностей. Розкрито значний потенціал застосування штучного інтелекту, а саме нейронних мереж, у дизайні, зокрема для створення шрифтів, типографічних елементів, плакатів, банерів, розробки графіки й ілюстрацій. Шляхом порівняння можливостей нейронних мереж Midjourney, Stable Diffusion та DALL-E виявлено, що кожна з них володіє специфічним призначенням та архітектурою, що ефективно для виконання різних завдань в сфері дизайну. Результати дослідження свідчать про потенціал нейронних мереж для покращення навчання студентів спеціальностей, пов’язаних з дизайном. Обґрунтовано, що впровадження відповідних методик і технік може сприяти розширенню творчого спектру, забезпечити стабільність та контроль у процесі генерації образів та зумовити більш ефективне втілення ідей у візуальні реалії. Результати роботи можуть бути корисними як інструменти розвитку навчальних підходів у сфері дизайну та впровадження сучасних технологій у навчальний процес.
Ключові слова
візуальний образ; генерування ідей; програмне забезпечення; сучасна освіта; штучний інтелект
Використані джерела
[1] Alışık, E. (2022). “All compressed and rendered with a pathetic delicacy that astounds the eye”: Midjourney renders ambergris as Constantinople. CyberOrient, 16(2), 76-88. doi: 10.1002/cyo2.30.
[2] Borji, A. (2022). Generated faces in the wild: Quantitative comparison of stable diffusion, Midjourney and DALL-e 2. doi: 10.48550/arXiv.2210.00586.
[3] Bozhko, T., & Arefiev, V. (2023). Neural networks as a graphic design tool. Bulletin of KNUKiM. Series in Arts, 48, 125-135. doi: 10.31866/2410-1176.48.2023.282475.
[4] Byrne, U. (2023). A parochial comment on Midjourney. International Journal of Architectural Computing, 21(2), 374-379. doi: 10.1177/14780771231170271.
[5] Cetinic, E., & She, J. (2022). Understanding and creating art with AI: Review and outlook. ACM Transactions on Multimedia Computing, Communications, and Applications (TOMM), 18(2), article number 66. doi: 10.1145/3475799.
[6] Davydova, S.V., & Derevyanko, N.V. (2022). Ethnic design in professional training of future clothing designers. Pedagogical Sciences: Theory and Practice, 1, 129-134. doi: 10.26661/2786-5622-2022-1-19.
[7] Dehouche, N., & Dehouche, K. (2023). What’s in a text-to-image prompt? The potential of stable diffusion in visual arts education. Heliyon, 9(6), article number e16757. doi: 10.1016/j.heliyon.2023.e16757.
[8] Fortuna, P., & Modliński, A. (2021). A(I)rtist or counterfeiter? Artificial intelligence as (d)evaluating factor on the art market. The Journal of Arts Management, Law, and Society, 51(3), 188-201. doi: 10.1080/10632921.2021.1887032.
[9] Justice, L. (2019). The future of design education. Design Management Review, 30(1), 33-37. doi: 10.1111/drev.12159.
[10] Kahng, M., Thorat, N., Chau, D.H., Viégas, F.B., & Wattenberg, M. (2019). Gan lab: Understanding complex deep generative models using interactive visual experimentation. IEEE Transactions on Visualization and Computer Graphics, 25(1), 310-320. doi: 10.1109/TVCG.2018.2864500.
[11] Kolisnyk, O.V., Mykhailova, R.D., Beregovyi, O.S., Vlasiuk, V.V., & Kurovska, D.V. (2023). Midjorney Neural Network as a tool for generating design graphics. Art and Design, 1, 106-115. doi: 10.30857/2617-0272.2023.1.10.
[12] Lee, S., Hoover, B., Strobelt, H., Wang, Z.J., Peng, S., Wright, A., Li, K., Park, H., Yang, H., & Chau, D.H. (2023). Diffusion explainer: Visual explanation for text-to-image stable diffusion. doi: 10.48550/arXiv.2305.03509.
[13] Liu, M., & Hu, Y. (2023). Application potential of stable diffusion in different stages of industrial design. In H. Dehen, & S. Ntoa (Eds.), Artificial Intelligence in HCI: 4th International Conference: Proceedings (Pt 1; pp. 590-609). Cham: Springer. doi: 10.1007/978-3-031-35891-3_37.
[14] Lugova, I.A., & Panchenko, D.D. (2023). Application of artificial intelligence in architectural drawing. In T.M. Zinenko (Ed.), Collection of scientific papers based on the materials of the VI-VII All-Ukrainian scientific and practical conference of students, young scientists and scientific and pedagogical workers “Architectural drawing in the context of professional education” (pp. 199-202). Poltava: National University “Yuri Kondratyuk Poltava Polytechnic”.
[15] Marcus, G., Davis, E., & Aaronson, S. (2022). A very preliminary analysis of DALL-E 2. doi: 10.48550/arXiv.2204.13807.
[16] Marienko, M., & Kovalenko, V. (2023). Artificial intelligence and open science in education. Physical and Mathematical Education, 38(1), 48-53. doi: 10.31110/2413-1571-2023-038-1-007.
[17] Perera, A.S. (2022). DALL·E 2 vs Midjourney vs Stable Diffusion: Comparison between most popular AI art generation tools. Retrieved from https://medium.com/mlearning-ai/dall-e-2-vs-midjourney-vs-stable-diffusion-8eb9eb7d20be.
[18] Romaniuk, O., & Naidiuk, V. (2021). Using neural networks for image processing and recognition. In Abstracts of the XII International Scientific and Technical Conference “Information and computer technologies – 2021 (ICT-2021)” (pp. 72-73). Zhytomyr: Zhytomyr Polytechnic.
[19] UNESCO Education Sector. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development. Paris: United Nations Educational, Scientific and Cultural Organization.
[20] Wang, B., Liu, H., An, P., Li, Q., Li, K., Chen, L., Zhang, Q., Zhang, J., Zhang, X., & Gu, S. (2019). Artificial intelligence and education. In D. Jin (Ed.), Reconstructing our orders: Artificial intelligence and human society (pp. 129-161). Singapore: Springer. doi: 10.1007/978-981-13-2209-9_5.
[21] Yuan, X., Bi, H., & Niu, X. (2023). Computer-aided teaching system design method for information design specialty. Computer-Aided Design & Applications, 20(S4), 44-55. doi: 10.14733/cadaps.2023.S4.44-55.
[22] Zhou, K.-Q., & Nabus, H. (2023). The ethical implications of DALL-E: Opportunities and challenges. Mesopotamian Journal of Computer Science, 2023, 17-23. doi: 10.58496/MJCSC/2023/003.