Post ඔයාගේ සාමාන්‍ය Photo එකක් 1985 Retro Photo එකක් වෙන්නේ කොහොමද?

ඔයාගේ සාමාන්‍ය Photo එකක් 1985 Retro Photo එකක් වෙන්නේ කොහොමද? මේ දවස්වල Social Media එකේ ගොඩක් දෙනෙක් තමන්ගේ සාමාන්‍ය photo එකක් upload කරලා ඒක 1980 ගණන්වල කැමරාවකින් ගත්ත photo එකක් වගේ හදාගන්නවා ඔයා දැකලා ඇති. Denim jacket එකක්, curly hairstyle එකක්, ලොකු කණ්නාඩි, අර පරණ ෆොටෝ වල තියෙන බොඳ වුණු පාට... මේවා දැක්කම ඇත්තටම 1985 දී ගත්ත photo එකක් වගේමයි. 😎 හැබැයි මෙතන තියෙන රසවත්ම ප්‍රශ්නය තමයි, “AI එක මේ photo එක ඇතුළෙන් ඇත්තටම ඉගෙනගන්නේ මොනවාද? ඒක ඇතුළේ වැඩ කරන්නේ කොහොමද?” කියන එක. මේක නිකන්ම ෆිල්ටර් එකක් නෙවෙයි. මේක තේරුම් ගන්න නම් අපි AI එකේ pixels වල ඉඳන් අලුත් image එකක් හැදෙන තැනට යන ගමන බලන්න ඕනේ. 🧠 🧠 මුලින්ම AI එකට Photo එකක් කියන්නේ Photo එකක් නෙවෙයි 🖼 අපිට මේක ලස්සන ෆොටෝ එකක් වුණාට, AI එකට මේක පේන්නේ ඉලක්කම් ගොඩක් විදියට විතරයි. ෆොටෝ එකේ තියෙන හැම පුංචි තිතක්ම (Pixel එකක්ම) රතු, කොළ සහ නිල් කියන වර්ණ තුනේ එකතුවකින් තමයි හැදෙන්නේ. සාමාන්‍ය ෆොටෝ එකක් ගත්තොත්, ඒක ඇතුළේ මේ වගේ ඉලක්කම් මිලියන ගණනක් තියෙනවා. AI එකේ ගමන පටන් ගන්නේ අන්න ඒ දැවැන්ත ඉලක්කම් ගොඩෙන්. මුලින්ම AI එකට "මෙතන මනුස්සයෙක් ඉන්නවා" කියලා පේන්නේ නෑ. එහෙනම් “මේක මනුස්සයෙක්” කියලා AI එක දන්නේ කොහොමද? මෙතනදි තමයි Neural Network එළියට එන්නේ. මේ ඉලක්කම් ගොඩ එකපාරටම තේරුම් ගන්නවා වෙනුවට, AI එක ඒක පියවරෙන් පියවර (Layers හරහා) වෙනස් කරනවා. මුල් පියවර වලදී edges අඳුරගන්නවා. ඊළඟට හැඩතල අඳුරගන්නවා. අන්තිම වෙනකොට, "මෙතන මුහුණක් තියෙනවා", "මෙතන කොණ්ඩයක් තියෙනවා" කියන එක AI එක තේරුම් ගන්නවා. මේ සංකීර්ණ තොරතුරු ඔක්කොම එකතු කරලා AI එක විශේෂ ඉලක්කම් ලැයිස්තුවක් හදනවා. තාක්ෂණිකව මේකට කියන්නේ Embedding එකක් කියලා. මේ Embedding එක ඇතුළේ ඔයාගේ මුහුණේ හැඩය, ඇස් වල පිහිටීම වගේ දේවල් ඉලක්කම් විදියට ගබඩා වෙලා තියෙනවා. Transformer සහ "Attention" කියන මැජික් එක ChatGPT වගේ දේවල් මේ තරම් දක්ෂ වෙන්න ප්‍රධානම හේතුවක් තමයි Transformer කියන තාක්ෂණය. මේකේ තියෙන ප්‍රධානම අදහස තමයි Attention (අවධානය යොමු කිරීම). සමීකරණ නැතුව මේක සරලව තේරුම් ගනිමු; - ෆොටෝ එකක තියෙන කණ්නාඩිය, මුහුණට ගොඩක් සම්බන්ධයි. - කොණ්ඩය, ඔළුවට සම්බන්ධයි. - ජැකට් එක, ඇඟට සම්බන්ධයි. Transformer එක කරන්නේ මේ එකිනෙකට තියෙන සම්බන්ධතාවය කොච්චර ප්‍රබලද කියලා ගණනය කරන එකයි. ඒ නිසා AI එකට පුළුවන් ෆොටෝ එකේ තියෙන දේවල් වල සන්දර්භය (context) හරියටම තේරුම් ගන්න. පරණ ක්‍රමය සහ අලුත් ක්‍රමය (Diffusion vs. GPT-4o) මේ ෆොටෝ ජෙනරේට් කරන විදිය ගැන කතා කරද්දී ගොඩක් අය හිතන්නේ එකම ක්‍රමයයි තියෙන්නේ කියලා. Traditional Diffusion (DALL·E වගේ) - මේ ක්‍රමයේදී කරන්නේ ෆොටෝ එකකට වැලි දැම්මා වගේ සම්පූර්ණයෙන්ම බොඳ කරලා (Noise එකතු කරලා), ඊට පස්සේ ඒ වැලි ටික අයින් කරන ගමන් අලුත් ෆොටෝ එකක් මතු කරගන්න එක. අලුත් ක්‍රමය (GPT-4o Architecture) - OpenAI ආයතනය පැහැදිලි කරන විදියට, එයාලගේ අලුත්ම මාදිලි වැඩ කරන්නේ ටිකක් වෙනස් විදියට. ඒකෙදි Text සහ Images දෙකම එකම මොළයකින් (end-to-end trained multimodal network) තමයි process කරන්නේ. ඒ කියන්නේ වචන කෑලි වලට කඩනවා වගේම, ෆොටෝ එකත් කුඩා "Tokens" වලට කඩලා තමයි AI එක තේරුම් ගන්නේ. මේක ගොඩක් වේගවත් වගේම ස්වභාවිකයි. අවසානයේ AI එක “1985” කියලා දන්නේ කොහොමද? AI එකට 1985 කියන්නේ නිකන්ම අවුරුද්දක් නෙවෙයි. එයාව ට්‍රේන් කරද්දී, 1985 කියන වචනයත් එක්ක තියෙන ෆොටෝස් වල අර බොඳ වුණු පාට (film grain), ලොකු කොණ්ඩ මෝස්තර, සහ පරණ විලාසිතා තියෙනවා කියලා එයා ඉගෙනගෙන තියෙනවා. ඒ නිසා ඔයාගේ ෆොටෝ එකේ තියෙන මුහුණේ හැඩය (Embedding එක) අරගෙන, ඒකට 1985 විලාසිතාවන් එකතු කරලා අලුත්ම ෆොටෝ එකක් නිර්මාණය කරනවා. මේක Photoshop වලින් කරනවා වගේ කෑලි කපලා අලවනවා නෙවෙයි. මේක බිලියන ගණනක් ගණනය කිරීම් හරහා නිර්මාණය වෙන අලුත්ම යථාර්ථයක්. 🤯