Cominciando dall’inizio: I dataset
Il percorso fatto per arrivare alle IA che generano immagini è stato pittosto lungo. Il primo passo è stato creare i dataset, raccolte di immagini etichettate
L’estate del 2022 ha segnato la nascita, pubblica, dell’Intelligenza Artificiale capace di generare immagini. Fra luglio ed Agosto sono stati fatti gli annunci della disponibilità al pubblico di DALL-E, Midjourney e Stable Diffusion.
Ma quali sono stati i passi precedenti che hanno portato a quegli annunci?
Il primo passo, necessario, è stata la creazione di immense raccolte di immagini, di qualsiasi tipo. Foto, disegni, grafici, qualunque cosa avesse un aspetto grafico. Ma non immagini “semplici”, quello che hanno fatto i creatori di queste raccolte è stato cercare di associare ad ogni imagine una descrizione generica dell’immagine assieme all’evidenziare gli elementi contenuti all’interno. Vediamo qualche esempio.
Questo è l’Open Image Dataset V7 di Google, raccoglie oltre 9 milioni di immagini prese da Flickr, descritte in diversi modi. Rilasciato con licenza Creative Commons CC BY 4.0.
Forse il più curioso dei modi usati per descrivere le immagini è questo, una persona guardando una foto racconta cosa vede e contemporaneamente deve muovere il mouse per evidenziare di cosa sta parlando in quel momento. Il sistema memorizza voce e tracciato del mouse in modo coerente e li analizza.
Il COCO (Common Objects in COntext) Dataset di Microsoft contiene circa 330.000 immagini di cui oltre 200.000 etichettate. Anche questo sistema ha usato immagini prese da Flickr, si tratta di oggetti di uso comune presi nei loro ambienti altrettanto comuni, analizzate per evidenziare 80 elementi diversi, dall’elefante allo skateboard, dalla pizza al computer. Rilasciato con licenza Creative Commons CC BY 4.0.
Il tipo di analisi, per ogni immagine etichettata c’è una descrizione il più possibile oggettiva e sono evidenziati gli oggetti presenti scelti nella lista degli 80.
Un dataset molto specialistico è il Cityscapes Dataset di Daimler/Max Planck Institute for Informatics/Technical University of Darmstadt. Contiene 25.000 immagini circa, relative a scene stradali di 50 città tedesche. Viene facile pensare che sia destinato allo sviluppo dell’auto a guida autonoma, questo dimostra anche che sapere riconoscere le immagini può servire ad applicazioni le più diverse, mi viene da pensare alla medicina e in modo particolare alla diagnostica, a quanto sia utile proprio in termini di vite umane avere uno strumento in grado di analizza velocemente e sempre al meglio delle sue prestazioni qualsiasi esame che produca immagini. Rilasciata solo per uso non-commerciale.
È interessante il modo di raccolta delle immagini, hanno mandato in giro delle auto con telecamere che riprendevano di video. Da questi hanno estratto ed analizzato un frame ogni 20 secondi.
Ma quello che potrebbe essere considerato IL Dataset è quello di LAION, per la precisione il LAION 5B, con contiene 5,85 miliardi di immagini. Sì, cinquemiliardiottocentocinquantamilioni di immagini, in numeri 5.850.000.000. Circa, ovvio. Rilasciato con licenza Creative Commons CC BY 4.0.
È stato alimentato raccogliendo a strascico tutto quello che ha trovato in rete senza applicare nessun filtro. Nella descrizione c’è l’avvertenza di contenuti inquietanti e che potrebbero creare dei disagi, ma è solo un’ulteriore conferma che in rete si trova di tutto.
Altro problema, visto il metodo di raccolta, il copyright delle immagini raccolte. Sono state avviate alcune cause legali sull’argomento, la più nota è quella di Getty contro Stable Diffusion. Non è scontato dire a quali sentenze porteranno le varie cause, sono dell’idea che serviranno per portare un po’ di regole in questo nuovo ambito e questo è positivo.
Questo articolo è una tappa del Percorso Cos’è un dataset e come si forma, che lo unisce ad altri articoli del blog su questo tema.
