هوش مصنوعی ایرانی مانی برای تبدیل متن به عکس (راهنمای ثبت‌نام و استفاده) مانی؛ تلاشی برای هموار کردن مسیر میدجرنی

به گزارش پیوست، هوش مصنوعی ایرانی مانی در شرایطی که میدجرنی فقط روی پلتفرم دیسکورد به کاربران سرویس می‌دهد و بسیاری با این پلتفرم و کار با آن آشنایی ندارند و البته گران تمام شدن نسخه پولی میدجرنی برای ایرانیان، می‌تواند نسخه دردسترس‌تری برای کاربران ایرانی باشد. هر چند هنوز برای جایگزینی «مانی» با «میدجرنی» زود است.

Midjourney یکی از ابزار‌های تصویرسازی هوش مصنوعی است. این ابزار با دریافت دستورات متنی (پرامپت – prompt)، تصویری در مورد متن دریافتی تولید می‌کند. میدجرنی به مرور توسعه یافت، تا جایی که دیگر تفاوت تصاویر ساخته شده به سبک واقع‌گرایانه‌ را با واقعی نمی‌توان تشخیص داد. اگر با کار با این ربات هنرمند آشنا نیستید می‌توانید راهنمای استفاده از هوش مصنوعی Midjourney را بخوانید.

هوش مصنوعی ایرانی مانی Mann-E یک مدل Dream Booth است که بر اساس Stable Diffusion و روی داده‌های تولید شده توسط سایر موتورهای هوش مصنوعی و محتوای بدست‌آمده از اینترنت آموزش دیده است. DreamBooth یک مدل مولد یادگیری عمیق است که برای تنظیم دقیق مدل‌های متن به تصویر موجود استفاده می‌شود این مدل توسط محققان گوگل و دانشگاه بوستون در سال ۲۰۲۲ توسعه یافت. فناوری دیگر یعنی Stable Diffusion که در این ابزار بکار رفته، یک هوش مصنوعی منبع باز است که برای تولید تصاویر از متن طبیعی مورد استفاده قرار می‌گیرد. در نتیجه کاربران می‌توانند با استفاده از زبان طبیعی درخواستی ارائه دهند و هوش مصنوعی تصویری را که منعکس کننده درخواست آنها است تفسیر و تولید می‌کند.

هرچند میدجرنی در حال حاضر، یکه‌تاز ابزار هوش مصنوعی در زمینه تصویر‌سازی است، اما به دلیل غیرفعال بودن نسخه رایگان آن به علت شلوغی سرور‌ها و مشکلات پرداخت و سخت بودن پروسه خرید و گران بودن نسخه پولی برای کاربران ایرانی، کمی دور از دسترس است.

اما در همین هیا‌هوی هوش مصنوعی و مقایسه آن با هوش انسانی، یک توسعه‌دهنده وطنی و علاقه‌مند دیرینه به حوزه هوش مصنوعی یک پلتفرم مشابه با میدجرنی، اما قابل دسترس و با قیمتی معقول را توسعه داد، هوش مصنوعی مانی.

این مطلب را هم بخوانید:
آموزش استفاده از هوش مصنوعی گوگل، راهنمای گفتگو، ثبت‌نام و کاربردها
آموزش کامل ثبت‌نام و استفاده از ربات هوش مصنوعی ChatGpt در ایران
راهنمای استفاده از هوش مصنوعی مایکروسافت بینگ برای تولید متن و عکس رایگان

آموزش استفاده از هوش مصنوعی ایرانی مانی

برای این کار کافی‌ست ابتدا به قسمت ساخت اکانت در سایت مانی مراجعه کرده و با وارد کردن ایمیل و ثبت رمز مورد نظر، حساب کاربری خود را بسازید. پس از تایید حساب کاربری توسط لینک ارسال شده به ایمیل شما گزینه Make art! در سایت برای شما فعال می‌شود.

به محض ساخت حساب کاربری برخلاف گذشته که ۵ Credit دریافت می‌کردید، ۱۵ عدد Credit برای ساخت ۱۵ تصویر دریافت می‌کنید و برای ساخت تصاویر بیشتر باید Creditهای بیشتری از سایت خریداری کنید.

برای شروع تصویر سازی ابتدا روی گزینه Make art! کلیک کنید. در صفحه باز شده در بخش Prompt ویژگی تصویری که می‌خواهید برای شما ساخته شود را بنویسید. ترجیحا از پرامپت‌های انگلیسی استفاده کنید، چرا که امکان نوشتن پرامپت فارسی تازه به این ابزار اضافه شده و هنوز تصاویری به دقت تصاویری که با پرامپت‌های انگلیسی ساخته می‌شوند، ارائه نمی‌کند. مثلا: یک نقاشی زیبا از یک کلبه جنگلی در یک روز بارانی

در بخش Negative prompt ویژگی‌هایی که نمی‌خواهید تصاویر شما آنها را داشته باشد وارد کنید، مثلا اگر یک نقاشی از یک باغ کشیدید و یک سگ در نقاشی وجود دارد، با وارد کردن کلمه سگ در این بخش دیگر سگی در باغ شما وجود نخواهد داشت.

Pre Style: گزینه‌های این بخش یک فضای کلی به شما می‌دهد. مثلا اگر Elden Ring را انتخاب کنید، هر نقاشی که بکشید فضایی شبیه به بازی الدن رینگ را خواهد داشت و به همین ترتیب دیگر گزینه‌ها فضایی شبیه به آن مورد.

Style: این بخش جزئیات را  تغریف می‌کند. مثلا اگه پری استایل را روی Elden Ring بگذارید و برای استایل گزینه Monet را انتخاب کنید و پرامپت شما یک قلعه باشد، به شما نقاشی یک قلعه در حال و هوای بازی الدن رینگ اما با به صورت امپرسیونیسمی و آب‌رنگی تحویل خواهد داد.

در قسمت آخر نیز در بخش Image layout امکان انتخاب حالت تصویر، مربعی یا افقی بودن آن وجود دارد.

مقایسه تصاویر تولید شده توسط میدجرنی و مانی

هرچند بدون شک هوش مصنوعی میدجرنی در حال حاضر یکی از قدرتمند‌ترین یا شاید قدرتمند‌ترین هوش مصنوعی در زمینه تبدیل دستورات متنی به تصویر است، اما برای درک بهتر کیفیت تصاویر تولید شده توسط هوش مصنوعی ایرانی مانی به مقایسه این دو پلتفرم پرداختیم و با دادن دستورات متنی مشابه به هر دو هوش‌ مصنوعی نتایج را مقایسه کردیم که در ادامه این عکس‌هارا می‌بینید.

در مورد هوش مصنوعی مانی بعد از این امتحان باید گفت هنوز جای زیادی برای یادگیری و پیشرفت دارد و در مواردی که نیاز به جزئیات بیشتر از جمله چهره، انگشان و … است مانی ضعیف عمل می‌کند، اما در مواردی مانند تصویر یک منظره زیبا، نقاشی‌های پرتره و برخی مواردی که جزئیات خیلی زیادی ندارند می‌تواند جایگزین در دسترس‌تری برای میدجرنی باشد.

تفاوت‌های مانی و میدجرنی

طراح و توسعه دهنده مانی در مورد تفاوت‌های مانی و میدجرنی می‌گوید: مانی و میدجرنی سه تفاوت عمده دارند، تفاوت اول این که من مستقل از پلتفرمی دیگر مثل دیسکورد مدل هوش مصنوعی مانی را ارائه می‌دهم و تا جایی که خبر دارم میدجرنی فعلا برنامه‌ای برای اضافه کردن آپشن‌های دیگری بجز دیسکورد ندارد و این به نظر من یک امتیاز برای مانی محسوب می‌شود، چرا که هرچقدر از پیام‌رسان‌ها و شبکه‌های اجتماعی سرویس‌هایمان را فاصله بدهیم و به سمت خود وب برویم در واقع گزینه‌های در دسترس‌تر را بیشتر می‌کنیم و  سهولت استفاده را بالا می‌بریم.

او ادامه داد: حتی بخشی از پروسه ترینینگ را در قالب یک مقاله منتشر کردم و کد‌ها را به صورت اوپن سورس منتشر کردم تا همه ببینند که این مدل واقعا train شده و از API آماده‌ای مثل DALL-E استفاده نشده است.

تفاوت دوم آن امکان درک پرامپت فارسی (دستورات متنی که به هوش مصنوعی داده می‌شود تا طبق آنها تصویری ساخته شود) است و بر خلاف Midjourney می‌توانید با جملات فارسی نیز تصویر مورد نظر خود را دریافت کنید.

تفاوت سوم که به کابران ایرانی مربوط است، بحث پرداخت آن است که ریالی است و از نظر قیمتی هم به نظر من قیمت‌های مانی معقول‌تر است.

ایده خلق هوش مصنوعی ایرانی مانی و موانع پیش‌ رو

محمدرضا حقیری که خود را در این راه ارتش یک‌نفره می‌داند در مورد چگونگی شروع ایده ایجاد یک پلتفرم هوش مصنوعی خالق عکس گفت: داستان از جایی شروع شد که یکی از دوستانم به اسم امیر در اکانت توییتر خود عکس‌هایی که به وسیله هوش مصنوعی و با روش‌های دیگری تولید می‌کرد را منتشر می‌کرد به این موضوع علاقمند شدم و در نهایت شروع به توسعه  بعد از دیدن این عکس‌ها من هم پیگیر موضوع شدم و کد‌هایی را پیدا کردم که این کار را انجام می‌دادند و به اتفاقات پشت صحنه یعنی مدل هوش مصنوعی و کد‌های آن علاقه‌مند شدم و کم کم شروع به توسعه آن کردم، از جمله اضافه کردن عکس‌های بیشتر، سبک‌های بیشتر و حتی تغییر معماری هوش مصنوعی آن.

محمدرضا حقیری، توسعه دهنده هوش مصنوعی ایرانی مانی در مورد پیچ‌ و خم‌های این راه گفت: فیلترینگ و مخصوصا تحریم‌ها بزرگ‌ترین مانع کار من بودند و تا حد زیادی پروسه کار را کند کردند.

چرا مانی؟

حقیری در مورد علت انتخاب نام مانی برای این پلتفرم گفت: مانی نام شخصی در اواخر دوره اشکانیان و اوایل دوره ساسانیان است. مانی کتابی به نام  ارژنگ داشت که در مورد آموزه‌ها ودرس‌های زندگی بود. این کتاب تماما نقاشی بود و به همین دلیل  اسم مدل هوش مصنوعی‌ام را از نام این شخصیت گرفتم، شخصیتی که بجای نوشتن کتاب متنی با خلاقیت کتابی تنها با تصویر خلق کرد و در اصل متن را به تصویر تبدیل کرد.

محمدرضا حقیری با اشاره به موضوع اینکه خود به تنهایی همه پروسه تولید این محصول را انجام داده است گفت: از هیچ پلتفرم و API آماده‌ای در تولید این هوش مصنوعی استفاده نکردم و تولید این محصول صد‌درصدی است و اگر بخواهم توضیحی در مورد چگونگی انجام این کار بدهم باید بگویم که در حال حاضر چک‌پوینتی روی سایت است به نام مانی ۵، البته دقیق‌تر آن مانی ‌۴.۲.۲ است اما این پنجمین باری است که این هوش مصنوعی تعلیم داده شده است. در دوره پنجم برای آموزش هوش مصنوعی ایرانی مانی از تصاویر خروجی میدجرنی استفاده شد.

ملاحظات و نکات اخلاقی و کپی‌رایت

از نظر محمدرضا حقیری توسعه دهنده مانی ملاحظات و نکات اخلاقی در این حوزه چند وجهی است. او می‌گوید اول باید دید که آیا اصلا ارائه سرویس تبدیل متن به یک نقاشی از طریق هوش مصنوعی اخلاقی است یا نه، از نظر من بله اخلاقی است، چون سیر نقاشی همیشه در حال پیشرفت بوده و از قلم و کاغذ یا حتی قبل‌تر ذغال و … شروع شده و بعدها به سمت دیجیتالی شدن و نقاشی با تبلت‌ها و قلم‌ دیجیتال رفت، در حال حاضر هم ابزار یک نقاش را می‌توان هوش مصنوعی در نظر گرفت.

اما یک موضوع دیگری نیز در این مورد وجود دارد، این که مثلا شخصی یه نقاشی در سبک ونگوگ تولید کند و آن را به عنوان «نقاشی از ونگوگ که کمتر کسی آن را دیده است» منتشر کند، چرا که اگر از استایل ون‌گوگ در هوش مصنوعی ایرانی مانی  استفاده کنید می‌بینید که کاملا توانایی تولید نقاشی شبیه به نقاشی‌های ونگوگ را دارد و این موضوع وارد حوزه جعل و تقلب می‌شود که اخلاقی نیست.

خالق مانی می‌گوید: مورد دومی که باید مدنظر قرار داد این است که آیا می‌توان از این پلتفرم برای تولید خبر فیک استفاده کرد؟ بله ممکن است دقیقا مثل تصاویر ساخته شده توسط میدجرنی از دستگیری ترامپ که چند وقت گذشته وایرال شده بود و سعی می‌کنیم تا جای ممکن جلوی این مورد را بگیریم زیرا این کار اصلا اخلاقی نیست.

او ادامه می‌دهد: موضوع سوم اخلاقی بودن و امنیت محتوایی است که به کاربران نمایش داده می‌شود، مثلا تصاویری که ممکن است قابل اتکا باشند (not suitable for work) را به شما ارائه دهد. هر چند برای این امر یک سری دستورهای متنی  خاص فیلتر شده‌اند و اجازه استفاده از آنها در فرایندها داده نمی‌شود.

البته باید بگویم که در دنیا و نه فقط ایران رگولاتوری جالبی در مورد قضیه هوش مصنوعی نداریم چون سرعت رشد هوش مصنوعی مولد (Generative AI) افزایش یافته‌است و حال تبدیل به مشکلی برای دستگاه‌های نظارتی شده است و در اصل آنها با وجود اینکه از سال ۲۰۱۴ هوش مصنوعی را رصد می‌کردند از این موضوع عقب مانده‌اند.

چشم‌انداز آینده

محمدرضا حقیری چشم‌اندازی فراتر از استفاده کاربران به صورت مستقیم از این پلتفرم دارد و می‌گوید: به طور کلی در حال حاضر پلتفرم به صورت B2C کار می‌کند یعنی مستقیم به کلاینت‌ها سرویس می‌دهد، اما به زودی سیستم به سمت B2B و حتی B2B2C شدن می‌رود چرا که در روز ۲۶ فروردین به صورت رسمی از API آن برای استفاده B2B  رونمایی شد.