چشم‌انداز دیجیتال، که اغلب بوم آشفته‌ای از روندهای گذرا و محتوای زودگذر است، اخیراً دستخوش دگرگونی متمایز و نسبتاً مسحورکننده‌ای شد. به نظر می‌رسید یک شبه، فیدهای رسانه‌های اجتماعی با زیبایی‌شناسی خاصی شکوفا شدند - سبکی که با نور ملایم و نقاشی‌گونه، شخصیت‌های بیانی با چشمان درشت، و مناظری آغشته به حس شگفتی لطیف مشخص می‌شد. ناظران آشنا با دنیای انیمیشن بلافاصله سبک امضا را تشخیص دادند: Studio Ghibli، استودیوی انیمیشن محبوب ژاپنی که توسط هایائو میازاکی افسانه‌ای تأسیس شده است. این تکثیر ناگهانی نتیجه اکران فیلم جدید یا کمپین هماهنگ طرفداران نبود، بلکه پیامد غیرمنتظره پیشرفت فناورانه‌ای بود که از قلب انقلاب هوش مصنوعی سرچشمه می‌گرفت: به‌روزرسانی مدل قدرتمند GPT-4o شرکت OpenAI. اینترنت، به شیوه منحصر به فرد خود، ابزار جدیدی را به دست گرفته بود و شهر را به رنگ Ghibli درآورده بود.
پیدایش یک جنبش هنری دیجیتال: جرقه GPT-4o
کاتالیزور این انفجار هنری با هیاهوی کم اما تأثیر قابل توجهی از راه رسید. OpenAI، پیشرو در زمینه هوش مصنوعی که به سرعت در حال تحول است، بهبودهایی را در مدل چندوجهی خود، GPT-4o، ارائه کرد. در حالی که این به‌روزرسانی بهبودهای مختلفی را به همراه داشت، یک پیشرفت کلیدی در قابلیت‌های تولید تصویر آن نهفته بود که مستقیماً در رابط ChatGPT ادغام شده بود. این صرفاً یک ارتقاء تدریجی نبود؛ کاربران به سرعت دریافتند که این مدل استعداد شگفت‌انگیزی در تفسیر دستورات سبکی با وفاداری تازه‌ای دارد. هنگامی که از آن خواسته شد تا زبان بصری متمایز Studio Ghibli را تقلید کند، نتایج برای بسیاری، به طرز شگفت‌آوری دقیق و تداعی‌گر بود.
نسخه‌های قبلی مولدهای تصویر هوش مصنوعی، از جمله سری DALL·E خود OpenAI، مطمئناً می‌توانستند تصاویر سبک‌دار تولید کنند. با این حال، دستیابی به تفاوت‌های ظریف خاص یک امضای هنری بسیار مشخص مانند Ghibli - روش خاص تابش نور، طراحی‌های منحصر به فرد شخصیت‌ها، ترکیب جزئیات و نرمی - اغلب چالش‌برانگیز بود یا به تفسیرهای عمومی منجر می‌شد. اما GPT-4o درک پیچیده‌تری را نشان داد. به نظر می‌رسید که قادر به درک جوهر زیبایی‌شناسی Ghibli است و دستورات را نه تنها به صورت تحت‌اللفظی، بلکه به صورت سبکی ترجمه می‌کند.
مکانیسم پشت این قابلیت بهبود یافته تا حدی در معماری و آموزش مدل نهفته است. برخلاف برخی مدل‌های قبلی که تصاویر را در یک مرحله تولید می‌کردند، GPT-4o طبق گزارش‌ها تصاویر را به صورت پیشرونده‌تری می‌سازد، که شاید امکان اعمال لایه‌ای‌تر و ظریف‌تر عناصر سبکی را فراهم کند. علاوه بر این، مجموعه داده‌های عظیمی که این مدل‌های زبان بزرگ و چندوجهی بر روی آن‌ها آموزش دیده‌اند، ناگزیر شامل نمونه‌های بی‌شماری از آثار هنری تأثیرگذار Ghibli است که به هوش مصنوعی امکان می‌دهد ویژگی‌های تعیین‌کننده آن را یاد بگیرد و تکرار کند.
ادغام در رابط آشنای ChatGPT نیز نقش مهمی ایفا کرد. این امر مانع ورود را کاهش داد و تولید تصویر پیچیده را برای مخاطبان گسترده‌تری فراتر از طراحان گرافیک اختصاصی یا علاقه‌مندان به هوش مصنوعی در دسترس قرار داد. اکنون یک دستور مکالمه‌ای ساده برای ایجاد تصاویری کافی بود که قبلاً به نرم‌افزار تخصصی یا مهارت هنری قابل توجهی نیاز داشت. این سهولت استفاده، همراه با کیفیت شگفت‌آور بالای خروجی‌های سبک Ghibli، طوفان کاملی را برای پذیرش ویروسی ایجاد کرد.
آتش‌سوزی ویروسی: نقاشی اینترنت به سبک Ghibli
هنگامی که کشف اولیه انجام شد، این پدیده مانند آتش‌سوزی در سراسر پلتفرم‌های اصلی رسانه‌های اجتماعی گسترش یافت. X (توئیتر سابق)، Instagram، Reddit و سایر جوامع آنلاین به گالری‌هایی تبدیل شدند که خلاقیت‌های تولید شده توسط هوش مصنوعی به سبک Ghibli را به نمایش می‌گذاشتند. گستردگی موضوعات قابل توجه بود و تطبیق‌پذیری را که کاربران در این ابزار یافته بودند نشان می‌داد:
- پرتره‌های شخصی: کاربران سلفی‌ها و عکس‌های دوستان و خانواده را به هوش مصنوعی دادند و درخواست تبدیل به سبک Ghibli کردند. نتایج اغلب دارای چشمان درشت و بیانی مشخص و ویژگی‌های نرم‌تر مرتبط با شخصیت‌های میازاکی بود.
- ترسیم حیوانات خانگی: حیوانات خانگی محبوب - گربه‌ها، سگ‌ها و همراهان عجیب‌تر - به عنوان موجودات عجیب و غریبی که به طور بالقوه در جنگل‌های همسایه من توتورو یا آسمان‌های سرویس تحویل کی‌کی ساکن هستند، دوباره تصور شدند.
- مناظر خارق‌العاده: صحنه‌های پیش پا افتاده یا مناظر خیالی با پالت‌های آبرنگ ملایم، شاخ و برگ‌های دقیق و نورپردازی جوی معمول هنر پس‌زمینه Ghibli ارائه شدند. مناظر شهری به شهرهای جذاب و کمی نوستالژیک تبدیل شدند؛ جنگل‌ها عمیق‌تر و جادویی‌تر شدند.
- ترکیب‌های فرهنگ پاپ: افراد مشهور، شخصیت‌های تاریخی و شخصیت‌های دیگر فرنچایزها تحت تأثیر Ghibli قرار گرفتند و ترکیب‌های سرگرم‌کننده و اغلب به طرز شگفت‌آوری متناسبی ایجاد کردند.
- اشیاء بی‌جان: حتی اشیاء روزمره، مانند دوچرخه یا لیوان قهوه، هنگامی که به سبک Ghibli ارائه می‌شدند، با جذابیت و شخصیت خاصی آغشته می‌شدند، گویی ممکن است هر لحظه جان بگیرند.
هشتگ‌هایی مانند #GhibliStyle، #AIGhibli و #GPT4oArt به سرعت ترند شدند و خلاقیت‌ها را تثبیت و دیده‌شدن آن‌ها را تقویت کردند. کاربران نه تنها نتایج خود، بلکه دستوراتی را که استفاده کرده بودند نیز به اشتراک گذاشتند و محیطی مشارکتی را ایجاد کردند که در آن دیگران می‌توانستند تکنیک‌های خود را آزمایش و اصلاح کنند. جذابیت آن غیرقابل انکار بود - راهی را برای افراد، صرف نظر از توانایی هنری‌شان، فراهم می‌کرد تا در دنیای بصری یک استودیوی انیمیشن عمیقاً گرامی داشته شده شرکت کنند.
این روند حتی توجه چهره‌های برجسته در صنعت فناوری را نیز به خود جلب کرد. مدیرعامل OpenAI، سم آلتمن، خود به شوخی در مورد این پدیده از طریق X اظهار نظر کرد و به کاربردهای گاه غیرمنتظره فناوری قدرتمند اشاره کرد. پست او، با اذعان به سیل پیام‌هایی که او را به ‘سبک Ghibli جوان و جذاب’ تبدیل می‌کردند، بر طنین فرهنگی و جهت کمی پوچ توانایی‌های هوش مصنوعی در چشم عموم تأکید کرد و آن را با اهداف بلندپروازانه‌تر و تغییردهنده جهان که اغلب با توسعه هوش مصنوعی مرتبط است، مقایسه کرد. این اذعان از سوی بالاترین مقام، گفتگو را بیشتر تقویت کرد و اهمیت این روند را تأیید کرد.
پیمایش ویژگی جدید: دسترسی و انحرافات
ویژگی خاصی که این روند را هدایت می‌کند ‘Images in ChatGPT’ نام دارد که به طور یکپارچه در قابلیت‌های مکالمه‌ای مدل GPT-4o ادغام شده است. در حالی که OpenAI این ویژگی را به طور گسترده در دسترس قرار داد، عرضه آن کاملاً روان نبود و بر چالش‌های استقرار هوش مصنوعی پیشرفته در مقیاس بزرگ تأکید کرد.
در ابتدا، تقاضای طاقت‌فرسا منجر به محدودیت‌ها و تأخیرها شد، به ویژه برای کاربرانی که از طریق سطح رایگان به ChatGPT دسترسی داشتند. منابع محاسباتی مورد نیاز برای تولید تصویر با کیفیت بالا قابل توجه است و مدیریت بار سرور ضمن اطمینان از تجربه کاربری مثبت، یک عمل متعادل‌سازی مداوم برای شرکت‌های هوش مصنوعی است. مشترکین پولی عموماً دسترسی پایدارتری را تجربه کردند که منعکس‌کننده مدل‌های خدمات طبقه‌بندی شده رایج در این صنعت است.
فراتر از مسائل دسترسی، خود فناوری نیز برخی ویژگی‌های عجیب و غریب را نشان داد. طبق گزارش‌ها، یک باگ اولیه باعث شد که مدل به طور متفاوتی به دستورات درخواست ‘مردان جذاب’ در مقابل ‘زنان جذاب’ پاسخ دهد و در تولید دومی ناموفق بود در حالی که اولی را انجام می‌داد. OpenAI این مشکل را تأیید و برطرف کرد، اما این یادآوری چالش‌های مداوم در کاهش سوگیری‌ها و اطمینان از رفتار سازگار و مناسب در سیستم‌های پیچیده هوش مصنوعی بود. این مدل‌ها از مجموعه داده‌های عظیم تولید شده توسط انسان یاد می‌گیرند و سوگیری‌های ناخواسته یا رفتارهای نوظهور غیرمنتظره حوزه‌های تحقیقات و توسعه فعال هستند.
علیرغم این سکسکه‌های اولیه، فناوری زیربنایی گام قابل توجهی رو به جلو را نشان می‌داد. روش گزارش شده تولید تصویر قطعه به قطعه، در تضاد با رویکرد یکباره مدل‌های قبلی مانند DALL·E، فرآیند دقیق‌تری را نشان می‌دهد. این پالایش تکراری می‌تواند به بهبود انسجام، جزئیات و پایبندی سبکی مشاهده شده در خروجی‌های GPT-4o، به ویژه توانایی آن در ثبت ظرافت‌های زیبایی‌شناسی Ghibli کمک کند.
جذابیت پایدار Ghibli: چرا این سبک طنین‌انداز می‌شود
این سوال مطرح می‌شود: چرا سبک Ghibli، بیش از همه سبک‌های دیگر، به زیبایی‌شناسی تعیین‌کننده این لحظه خاص هوش مصنوعی تبدیل شد؟ پاسخ در تأثیر فرهنگی عمیق و پایدار خود Studio Ghibli نهفته است.
- شناخت و علاقه جهانی: فیلم‌های Studio Ghibli، از جمله شاهکارهایی مانند Spirited Away، My Neighbor Totoro، Howl’s Moving Castle و Princess Mononoke، از محبوبیت بسیار زیادی در سراسر جهان برخوردار هستند. آن‌ها از شکاف‌های فرهنگی و نسلی فراتر می‌روند و به خاطر داستان‌سرایی، هنر و عمق احساسی‌شان گرامی داشته می‌شوند.
- زیبایی‌شناسی متمایز و جذاب: سبک بصری Ghibli فوراً قابل تشخیص و به طور گسترده‌ای مورد تحسین است. این سبک جزئیات دقیق را با کیفیتی نرم و نقاشی‌گونه ترکیب می‌کند و دنیاهایی را ایجاد می‌کند که هم خارق‌العاده و هم زمینی به نظر می‌رسند. طراحی شخصیت‌ها بیانی و قابل ارتباط است، در حالی که مناظر احساسات نوستالژی، شگفتی و هماهنگی با طبیعت را برمی‌انگیزند. این زیبایی‌شناسی برای بسیاری که با تماشای این فیلم‌ها بزرگ شده‌اند، جذابیت نوستالژیک قدرتمندی دارد.
- ارتباط عاطفی: فیلم‌های Ghibli اغلب مضامین جهانی دوران کودکی، محیط‌زیست‌گرایی، صلح‌طلبی، عشق و فقدان را با حساسیت و ظرافت بررسی می‌کنند. مخاطبان ارتباطات عاطفی عمیقی با شخصیت‌ها و سفرهایشان برقرار می‌کنند. توانایی قدم گذاشتن لحظه‌ای به آن دنیای بصری، حتی از طریق یک تصویر تولید شده توسط هوش مصنوعی، به این مخزن عاطفی موجود ضربه می‌زند.
- محتوای ‘سالم’: در عصر دیجیتال اغلب بدبینانه، طبیعت عموماً سالم و خوش‌بینانه دنیاهای Ghibli یک فرار آرامش‌بخش را ارائه می‌دهد. تولید تصاویر در این سبک به کاربران امکان می‌دهد محتوایی آغشته به این حس گرما و مثبت‌اندیشی را ایجاد و به اشتراک بگذارند.
بنابراین، GPT-4o فقط یک ابزار ارائه نکرد؛ ابزاری را ارائه کرد که قادر به تکرار زیبایی‌شناسی عمیقاً جا افتاده در آگاهی فرهنگی و مرتبط با احساسات مثبت و تحسین هنری بود. هوش مصنوعی به عنوان یک مجرا عمل کرد و به میلیون‌ها نفر اجازه داد تا به طور خلاقانه با یک سبک محبوب درگیر شوند و توانایی تولید تصاویری را که پژواک جادوی میازاکی و همکارانش است، دموکراتیزه کرد.
پیامدهای گسترده‌تر: هنر، هوش مصنوعی و مؤلف بودن
در حالی که روند سبک Ghibli عمدتاً جشن‌گونه بوده است، ناگزیر به گفتگوهای گسترده‌تری پیرامون هوش مصنوعی و خلاقیت می‌پردازد.
سهولتی که کاربران اکنون می‌توانند تصاویر زیبایی‌شناختی را در یک سبک خاص و پیچیده تولید کنند، سوالاتی را در مورد ماهیت خلق هنر مطرح می‌کند. آیا این امر مهارت و تلاش هنرمندان انسانی را که سال‌ها صرف تسلط بر هنر خود می‌کنند، بی‌ارزش می‌کند؟ یا شکل جدیدی از بیان خلاق را نشان می‌دهد که در آن دستور دادن و سرپرستی به خودی خود به اعمال هنری تبدیل می‌شوند؟ این روند نوعی دموکراتیزاسیون را نشان می‌دهد و افراد بدون آموزش هنری سنتی را قادر می‌سازد تا ایده‌های خود را در یک سبک پیچیده تجسم کنند.
علاوه بر این، توانایی هوش مصنوعی در تقلید امضاهای هنری متمایز، ملاحظات مربوط به حق چاپ و مالکیت معنوی را به خط مقدم می‌آورد. در حالی که تولید فن آرت به طور کلی پذیرفته شده است، تولید انبوه تصاویری که به شدت از سبک یک استودیوی خاص وام گرفته‌اند، که توسط یک ابزار هوش مصنوعی تجاری فعال شده است، در منطقه خاکستری‌تری قرار دارد. داده‌های آموزشی مورد استفاده برای این مدل‌ها اغلب شامل آثار دارای حق چاپ است که منجر به بحث‌های مداوم در مورد استفاده منصفانه و جبران خسارت برای سازندگان اصلی می‌شود. در حالی که به نظر می‌رسد این روند خاص ناشی از قدردانی است تا بهره‌برداری تجاری، چارچوب‌های قانونی و اخلاقی را که برای همگام شدن با پیشرفت‌های فناوری تلاش می‌کنند، برجسته می‌کند.
واکنش هنرمندان حرفه‌ای اغلب متفاوت است. برخی با سوء ظن به این ابزارها نگاه می‌کنند و از جابجایی شغلی یا یکسان‌سازی هنر می‌ترسند. برخی دیگر هوش مصنوعی را به عنوان یک دستیار بالقوه، ابزاری برای طوفان فکری یا راهی برای غلبه بر موانع خلاقانه می‌پذیرند. روند Ghibli، که از علاقه به منبع اصلی تغذیه می‌شود، شاید برخی از این نگرانی‌ها را کاهش دهد و آن را بیشتر به عنوان ادای احترام تا جایگزینی قاب‌بندی کند. با این حال، قابلیت اساسی - قدرت هوش مصنوعی برای تکرار سبک - یک نیروی قوی و بالقوه مخرب باقی می‌ماند.
این موج از تصاویر الهام گرفته از Ghibli به عنوان یک مطالعه موردی قانع‌کننده در تقاطع فناوری پیشرفته و فرهنگ عامه عمل می‌کند. این نشان می‌دهد که چگونه ابزارهای هوش مصنوعی دیگر به آزمایشگاه‌های تحقیقاتی یا کاربردهای خاص محدود نمی‌شوند، بلکه به طور فعال بیان و تعامل آنلاین را شکل می‌دهند. آنچه به عنوان یک به‌روزرسانی نرم‌افزاری آغاز شد، به سرعت به یک جنبش هنری مشارکتی تبدیل شد که ناشی از قدردانی مشترک از یک زیبایی‌شناسی منحصر به فرد و قابلیت‌های شگفت‌انگیز نسل جدیدی از هوش مصنوعی بود. باد دیجیتال، برای مدتی، با آهنگ‌های غیرقابل انکار Studio Ghibli زمزمه می‌کرد، که توسط خطوط کد و تخیل جمعی اینترنت احضار شده بود.