AI Deep Dream: De l'experiment de Google a l'art viral

El 2015, els meus feeds socials es van omplir de fotos d'edificis, arbres i núvols que semblaven fondre's en cares de gossos i ulls extra. Molts espectadors ho van anomenar art AI estrany. El que observaven era una de les primeres vegades que el públic va veure una xarxa neuronal revelar com “veia” una imatge.

Què és l'AI Deep Dream i per què importa

L'AI Deep Dream importa perquè es troba en un punt d'inflexió de la tecnologia creativa. Va donar al públic una mirada vívida, inquietant i inoblidable a l'interior d'una xarxa neuronal en un moment en què pocs havien interactuat directament amb l'aprenentatge automàtic.

La primera cosa a aclarir és el major malentès. El DeepDream no creava imatges des de zero com ho fan moltes eines AI modernes. Començava amb una imatge existent i després exagerava els patrons ja presents fins que el resultat semblava psicodèlic, atapeït i somniador.

Aquesta distinció encara confon la gent. En una discussió de Reddit, el 78% d'usuaris que preguntaven “Com faig les meves pròpies imatges deepdream?” mostraven confusió sobre si l'eina generava contingut original o distorsionava una imatge d'entrada, segons aquest fils de Reddit sobre què són les imatges DeepDream.

Què fa realment el DeepDream

Quan mires els núvols, pots començar a veure animals, cares o símbols. El DeepDream fa alguna cosa similar, però en lloc de notar formes casualment, les amplifica agressivament.

Regla pràctica: Si no hi ha una imatge font, no hi ha resultat clàssic de DeepDream.

Per això és millor anomenar el DeepDream una eina de visualització que un generador d'imatges general. Mostra els tipus de patrons que una xarxa neuronal entrenada ha après a notar i després empeny aquests patrons fins que es tornen impossibles d'ignorar.

Per què els creadors encara haurien de preocupar-se'n

Per als creadors que treballen avui, el DeepDream és més que una curiositat antiga d'internet. Va introduir un llenguatge visual que encara apareix arreu: textures recursives, distorsions orgàniques, ulls repetits, formes semblants a animals i la sensació que la realitat llisca de costat.

Pots veure'n la influència a:

• Visuals musicals que converteixen escenes en al·lucinacions pulsantejants
• Edicions de moda que barregen imatges de bellesa amb sobrecàrrega de patrons
• Vídeos curts que utilitzen transicions surrealistes per aturar el scroll de l'espectador
• Explicadors educatius que visualitzen la percepció, la memòria o estats alterats

L'autèntic llegat del DeepDream no és el codi original. És l'estètica i la idea darrere. Les màquines no només etiqueten imatges. Poden remodelar-les basant-se en el que han après a detectar. Un cop ho entens, els efectes de vídeo AI moderns tenen molt més sentit.

El fenomen viral de l'experiment AI de Google

El 2015, internet de sobte va semblar que havia començat a al·lucidar. Fotos de gossos, edificis i carrers de ciutat tornaven cobertes d'ulls extra, textures enrotllades i formes animals que semblaven créixer de la imatge mateixa. Per a moltes persones, el DeepDream va ser la primera vegada que l'AI va deixar de semblar infraestructures de fons i es va convertir en alguna cosa que podies veure, compartir i reaccionar a l'instant.

El DeepDream va començar dins de Google com un projecte de recerca dirigit per Alexander Mordvintsev, Mike Tyka i Christopher Olah. Al principi, el procés es deia Inceptionism, un nom que tenia sentit per als investigadors però que explicava poc la sensació de les imatges. DeepDream va quedar perquè coincidia amb el resultat. Les imatges semblaven menys sortides de software i més visions fetes per màquines.

Google va publicar el projecte al seu blog de recerca el juny de 2015 i va alliberar el codi poc després, com s'ha esmentat anteriorment. Aquella seqüència va importar. Un experiment de laboratori es va convertir en una eina pública i, un cop la gent podia executar-la amb les seves pròpies fotos, l'estil es va estendre molt més enllà dels cercles de recerca AI.

Per què l'alliberament es va estendre tan ràpidament

El DeepDream va arribar exactament en el moment d'internet que recompensa l'impacte visual. Els feeds socials ja afavorien la cultura de remescla, l'humor estrany i les imatges que feien que la gent aturés el scroll un segon només per preguntar-se: “Què estic mirant?”

Diversos factors van ajudar-lo a propagar-se:

• Qualsevol ho podia provar: L'obertura de codi va convertir espectadors en participants.
• La sortida era llegible a l'instant: No necessitaves coneixements d'aprenentatge automàtic per reaccionar a un cel·larier amb ulls i musells.
• Barregava bellesa amb inquietud: Les imatges eren juganeres, espeluznants i curiosament mesmeritzants alhora.

Aquesta combinació va fer que el DeepDream fos fàcil de memificar, fàcil de remesclar i fàcil de recordar.

Una frase explica la seva força cultural. El DeepDream va donar als usuaris ordinaris d'internet una manera d'experimentar la percepció de la màquina com un estil d'imatge.

De curiositat d'internet a material del món de l'art

La viralitat va ser només el primer capítol. aviat, els artistes van començar a utilitzar el DeepDream com més que un filtre de novetat. Galeries i institucions creatives van començar a tractar les imatges de xarxes neuronals com un mitjà artístic real, no només un truc tècnic.

Aquest canvi importa perquè va transformar la conversa al voltant de les visuals AI. Abans del DeepDream, la visió per ordinador sonava principalment administrativa. Etiquetava fotos, detectava objectes i ordenava informació. El DeepDream va girar aquest procés ocult cap a fora. Va fer visible, estrany i emocionalment carregat el comportament de cerca de patrons del sistema.

Per als creadors d'avui, aquesta és la lliçó històrica que val la pena conservar. El DeepDream era rústic, lent i difícil de controlar segons els estàndards actuals, però va introduir un llenguatge visual surrealista que encara funciona. Eines modernes com ShortGenius et permeten produir aquesta mateixa inestabilitat somniadora en vídeo curt amb molt més velocitat i control, ja sigui que vulguis una transició deformada, un canvi de textura progressiu o una seqüència completa d'al·lucinació AI feta per a plataformes socials.

El DeepDream ara es llegeix com un artefacte històric de l'era inicial pública de l'art AI. La seva influència encara viu. La diferència és que els creadors ja no han d'acceptar els límits de l'eina original per utilitzar l'estètica.

Com el DeepDream converteix imatges en somnis

Una bona manera d'entendre el DeepDream és començar amb una fotografia d'alguna cosa ordinary. Potser una línia d'arbres, una façana d'edifici o un cel ennuvolat. El sistema estudia aquesta imatge, comença a afavorir certs senyals visuals i després continua empenyent aquests senyals de tornada a la imatge fins que l'escena comença a al·lucidar-se a si mateixa.

A nivell tècnic, el DeepDream edita una imatge d'entrada mesurant quins píxels augmentarien l'activitat en una capa seleccionada d'una xarxa neuronal entrenada, i després empeny la imatge en aquella direcció una vegada i una altra. El tutorial de DeepDream de TensorFlow explica aquest procés basat en gradients i mostra per què les capes superficials tendeixen a produir textures més senzilles mentre que les capes més profundes extreuen formes més complexes.

Això sona abstracte fins que ho veus com un bucle de retroalimentació.

1. Comença amb una imatge real.
2. Tria una capa de la xarxa.
3. Mesura quins canvis visuals farien que aquesta capa reaccionés més fortament.
4. Aplica aquests canvis a la imatge.
5. Repeteix.

Cada passada és petita. L'acumulació és el que importa.

Un pedaç de fulles pot començar a treure plomes. Un banc de núvols pot fer créixer ulls. Un mur de pedra pot desenvolupar cares d'animals que mai hi eren, però que ara semblen impossibles d'ignorar.

Per què algunes sortides semblen subtils i altres ferals

Diferents parts de la xarxa presten atenció a diferents ingredients visuals. Les capes inicials responen a vores, canvis de contrast i textura. Les capes mitjanes comencen a agrupar aquests fragments en motius. Les capes més profundes reaccionen a patrons més grans i semblants a objectes.

Això explica per què les imatges DeepDream poden semblar tan diferents fins i tot quan les fotos inicials són igualment planes. La capa escollida canvia el tipus d'exageració visual, gairebé com girar diferents pomells en un pedal de distorsió.

Si vols una base més clara de com les xarxes neuronals representen característiques visuals, aquest explicador pràctic de models d'imatges AI dóna context útil.

Un exemple en moviment ajuda més que una definició. Aquesta guia mostra l'efecte en acció:

El paper de la pareidòlia algorítmica

Els humans ja fem alguna cosa similar. Volem veure cares a les finestres, criatures al fum i patrons a les catifes. El DeepDream converteix aquesta impuls en un procés de màquina.

L'efecte de somni ve de la màquina comprometre's excessivament amb patrons que reconeix a mitges.

Això és el que fa que la sortida sembli inquietant en lloc d'aleatòria. La xarxa continua fent una suposició visual i després pinta aquesta suposició de tornada a la imatge fins que la suggerència es endureix en estructura.

Per als creadors, aquesta idea encara importa. Les visuals surrealistes més fortes normalment mantenen un peu a la realitat. Doblegen una escena recognizable en lloc de substituir-la completament. El 2015, el DeepDream ho feia mitjançant iteracions lentes d'imatge. Avui, eines de vídeo curt com ShortGenius permeten als creadors aplicar el mateix principi al moviment, les transicions i les textures evolutives amb molt més control. L'estètica sobreviu, però el flux de treball s'ajusta a la creació de contingut modern.

DeepDream davant de l'AI generativa moderna

El DeepDream encara importa, però ajuda col·locar-lo correctament. És un artefacte històric, no un flux de producció modern. Segons una retrospectiva documentada, deu anys després de la seva alliberació el 2015, el DeepDream segueix sent fonamental en la història de les imatges AI, antecedent Stable Diffusion en 7 anys i Google Veo 3 en 10 anys, i funcionava millorant iterativament imatges dins d'una xarxa VGG16 en lloc de generar des de famílies de models més nous, com es descriu en aquest vídeo retrospectiu de DeepDream.

Aquest enquadrament d'“artefacte històric” és important perquè molts creadors descobreixen el DeepDream a la inversa. Encuentren eines d'imatges i vídeo AI modernes primer, després busquen sistemes antics i assumeixen que eren versions inicials de la mateixa cosa. No ho eren.

La diferència central

El DeepDream tracta d'enriquiment. L'AI generativa moderna tracta sovint de creació.

El DeepDream comença amb una imatge i la transforma exagerant característiques apreses. Els sistemes moderns poden començar sovint amb un prompt de text, generar una escena des de zero, revisar-la, animar-la, expandir-la i adaptar-la per a diferents sortides en un sol flux de treball.

Això canvia tot per als creadors. Afecta la velocitat, el control, la repetibilitat i la facilitat per treballar en vídeo.

DeepDream vs eines AI modernes

Per què això importa en la pràctica

Si vols el procés exacte de DeepDream per raons històriques o artístiques, el mètode antic encara és interessant. Però la majoria de creadors professionals no necessiten fidelitat històrica. Necessiten un resultat que puguin modelar i llançar.

Això significa que la pregunta d'avui normalment no és: “Com executo el DeepDream clàssic?” És més aviat: “Com obtinc aquesta sensació inquietant, sobreinterpretada i somniadora en un vídeo vertical sense perdre el control?”

Les eines modernes són millors a:

• Mantenir consistència del subjecte
• Gestionar formats socials
• Integrar subtítols, ritme i veu en off
• Permetre't iterar sense reconstruir tot manualment

Si vols un mapa més ampli de com diferixen els sistemes d'imatges, aquest explicador pràctic de models d'imatges AI és útil perquè separa aproximacions antigues de categories de models nous en llenguatge planer.

Llavors davant ara per a estètiques surrealistes

El DeepDream ens va donar una mirada a la percepció de la màquina. Les eines AI modernes et permeten dirigir aquesta percepció cap a un objectiu creatiu. Aquest és el canvi clau.

Regla de treball: Tracta el DeepDream com a inspiració, no com la teva pila de producció.

Per als creadors de contingut curt, l'oportunitat ara és més gran. Pots prendre la lògica estètica original, motius repetits, textura deformada, realisme inestable, recursió visual, i aplicar-la amb molt més control que permetia el flux de 2015.

Recreant visuals surrealistes per a contingut modern

Un creador el 2015 podria haver introduït una imatge estàtica al DeepDream, esperar i veure com el software convertia pèl, núvols i pedra en un munt febril d'ulls i cares d'animals. Un creador fent Shorts ara necessita alguna cosa diferent. La imatge encara ha de semblar incòmoda, però també ha d'encaixar en un marc 9:16, captar l'atenció en el primer segon i romandre llegible per donar suport a un missatge.

Aquest canvi importa perquè el DeepDream ara és menys útil com a mètode de producció que com a punt de referència visual. Va mostrar com era la percepció de la màquina quan un model sobre-llegia una imatge. Els creadors curts moderns poden recrear aquesta mateixa tensió, realitat ordinary basculant cap a obsessió de patrons, amb molt més control sobre el ritme, el focus del subjecte i el format final.

Comença amb metratge que pugui mutar bé

El DeepDream sempre afavoria imatges amb superfícies, vores i formes repetides. El mateix principi val per al vídeo modern. Les visuals denses donen al sistema més oportunitats per exagerar, fer eco i distorsionar.

Punts de partida útils inclouen:

• Arquitectura: finestres, rajoles, baranes, superfícies gravades
• Met ratge natural: núvols, branques, flors, aigua, fum
• Primers plans de retrats: cabell, pestanyes, joies, textures de maquillatge
• Productes detallats: vidre, costures, crom, etiquetes, embalatges

Escenes escasses rarament funcionen. Un mur en blanc et dona molt poc per transformar. Un marc ple de textura et dona material per doblegar.

Construeix l'efecte surrealista en etapes

L'error més fàcil és aplicar distorsió màxima des del primer fotograma. Les sortides antigues de DeepDream sovint semblaven atractives perquè l'espectador encara podia reconèixer la imatge original sota l'al·lucinació. El bon vídeo curt utilitza aquest mateix impuls i tirada.

Una seqüència pràctica sembla així:

1. Comença amb una presa estable
   Utilitza un clip amb composició clara i sacsejada de càmera limitada. El moviment lent dona a l'audiència temps per notar el canvi.

2. Augmenta la textura i detall de vores
   Treu patrons petits, línies i contrast de superfície. Això recrea l'hàbit antic de DeepDream de convertir detall amagat en soroll visual.

3. Repeteix un motiu
   Tria una forma recurrent com ulls, pètals, reflexos líquids, venes ramificades o geometria plegada. La repetició fa que l'efecte sembli somniador en lloc d'aleatori.

4. Canvia la lògica del color
   Verds àcids, vermells infrar Vermells, blaus elèctrics o boira pastel esvaïda poden canviar la lectura emocional de l'escena abans que l'espectador noti la distorsió mateixa.

5. Perturba el moviment lleugerament
   Morfing suau, zooms pulsantejants i inestabilitat en bucle sovint semblen més inquietants que moviment agressiu.

Aquest procés funciona com augmentar la retroalimentació en una mescla d'àudio. Una petita quantitat afegeix caràcter. Massa converteix tot el senyal en soroll.

Modela el clip com un somni, no una demo de filtre

Les edicions surrealistes fortes normalment tenen un arc simple. L'escena comença en realitat, llisca cap a malreconèixer, arriba a sobrecàrrega i després torna a la claredat o aterra en una revelació.

Aquesta estructura és útil perquè l'audiència necessita contrast per sentir la transformació. Si tot és estrany des del primer fotograma, res sembla que hagi canviat.

Una progressió simple de quatre parts funciona bé:

• Obre amb realitat normal
• Deixa que un detall muti
• Escampa aquesta lògica per tot el marc
• Resol amb una imatge neta, presa de producte o línia clau

Aquesta és una de les maneres més clares de prendre prest·at del DeepDream sense copiar el seu flux original.

Componeix per a pantalles verticals

El vídeo vertical canvia on ha de viure l'energia surrealista. En una imatge de galeria, l'ull pot vagar de costat. En una pantalla de mòbil, l'atenció tendeix a quedar al centre i viatjar amunt o avall.

Per a edicions 9:16:

• Mantén el subjecte principal centrat
• Deixa espai per a subtítols i elements d'interfície
• Deixa que degoteigs, vines, fum, ulls o formes repetides pugin verticalment
• Evita omplir els costats amb detall

Si vols referències abans de dissenyar una seqüència, navegar una categoria visual com estil tatuatge surreal pot ajudar perquè els tatuadors sovint comprimeixen imatges de somnis bisarres en composicions audaces i llegibles. Això és una restricció útil per a vídeo social també.

Un flux modern per a creadors de contingut curt

Un flux de vídeo AI modern et dóna l'ànim de DeepDream sense la fricció antiga. Eines fetes per a producció curta et permeten generar la capa surrealista, temporalitzar-la a un ritme i mantenir el subjecte llegible a través d'escenes. Si vols un exemple actual, ShortGenius per a creació de vídeo curt AI s'ajusta a aquesta aproximació.

Utilitza una lògica de producció simple:

• Tria un subjecte ancoratge: una cara, objecte o entorn
• Estableix una regla de mutació: creixement floral, ulls de màquina, metall líquid, boira còsmica, simetria d'insectes
• Augmenta la intensitat amb el temps: subtil primer, pesada després
• Talla en un ritme, lletra o gir de guió: l'efecte sembla intencional quan el canvi visual coincideix amb el significat
• Acaba en claredat: l'audiència ha de recordar el punt, no només la distorsió

La direcció importa més que el caos.

Aquesta és la lliçó central a portar endavant del DeepDream. Les imatges memorables no eren només rares. Donaven a l'espectador una cosa estable per agafar mentre la resta del marc lliscava cap a fantasia de màquina.

On funciona millor aquesta estètica

Les visuals surrealistes poden donar suport a molt més que experiments artístics. Funcionen especialment bé quan la distorsió expressa una idea.

L'objectiu no és recreació històrica. L'objectiu és prendre un llenguatge visual nascut en l'era DeepDream i refar-lo per a les exigències de velocitat, marc i narració del vídeo curt.

Usos creatius i ètics per a creadors

El DeepDream va deixar als creadors una etiqueta d'advertència útil. L'AI no només genera estil. També revela què ha après un sistema a notar, repetir i exagerar.

Una peculiaritat famosa del DeepDream va fer això fàcil de veure. Com que el model tenia una forta exposició a imatges de gossos, continuava traient ulls, musells i patrons de pèl semblants a gossos de subjectes no relacionats. Un núvol es convertia en un chenil de cares amagades. Una façana d'edifici començava a treure musells. La imatge semblava surrealista, però el biaix era concret.

Aquesta mateixa lliçó s'aplica a les eines de vídeo actuals. Si el teu prompt demana “transformació somniadora” i la sortida continua derivant cap a cares femenines brillants, neó cyberpunk o textures de luxe foses, l'eina et mostra els seus hàbits. Aquests hàbits vénen de dades d'entrenament, ajustos del model i predeterminats del producte. Tracta'ls com senyals per dirigir, no com respostes finals per acceptar.

Maneres creatives d'utilitzar l'estètica

El surrealisme funciona millor quan la distorsió diu alguna cosa específica.

Un creador de cura de la pell, per exemple, pot deixar que els porus es converteixin en sòl desèrtic esquerdat i després restaurar la pell suau quan apareix el producte. Una promo musical pot fer que fanals de carrer floreixin en ulls vigilants al ritme, convertint l'ansietat en un motiu visual en lloc d'estranyesa aleatòria. Un educador explicant reconèixer patrons pot mostrar un passadís neutral omplint-se gradualment de cares repetides o formes animals, perquè els espectadors sentin com un sistema AI comença a forçar significat sobre soroll.

Aplicacions útils inclouen:

• B-roll hipnòtic: transforma habitacions, carrers o escenes naturals en metàfores per estrès, desig, memòria o sobrecàrrega
• Transicions de producte: deixa que una textura de producte, com bombolles, crom, pètals o fum, s'estengui per tot el marc abans de tornar bruscament a l'article
• Narració educativa: visualitza biaix, detecció falsa de patrons, percepció inestable o errors de visió de màquina
• Promos d'artistes: comença amb un esbós real, roba, màscara o cara, després deixa que una característica es repliqui i muti amb propòsit
• Ganxos de campanya: obre amb un esdeveniment visual impossible que guanyi atenció ràpid, després torna a un missatge clar

Per a vídeo curt, la moderació importa. Una mutació portada a través de tres tallades ràpides normalment impacta més que deu efectes no relacionats en deu segons.

Una prova ètica pràctica

Utilitza dues preguntes abans de publicar.

Primer, què em empeny aquesta eina visualment? Respon amb especificitats. Si cada prompt de “retrat bonic” torna pell més clara, trets simètrics i maquillatge editorial car, el biaix ja no és abstracte. Si cada prompt de “ciutat surreal” es converteix en Tòquio neó a la nit, el model col·lapsa una idea ampla en un conjunt d'imatges internet conegudes.

Segon, què és meu en aquesta peça? La teva elecció de subjecte, temporalització d'edició, guió, referència de càmera i lògica de selecció haurien de ser visibles. Si el resultat depèn principalment del gust predeterminat d'un model, la feina semblarà intercambiable. Si reflecteix la teva direcció, el surrealisme es converteix en part de l'autoria.

L'art AI responsable comença quan els creadors noten la repetició, la rastrejen de tornada al sistema i trien si mantenir-la, redirigir-la o rebutjar-la.

Mantén la part humana visible

El DeepDream importa avui perquè va exposar tant el truc màgic com el defecte. La màquina podia generar imatges sorprenents, però també continuava mostrant els seus hàbits en públic. Les eines modernes són més ràpides, netes i molt més útils per a vídeo, especialment per a creadors fent contingut curt en terminis ajustats. La responsabilitat no ha canviat.

El creador encara decideix què significa el somni.

Això és on es troben el bon gust, el judici d'edició i el judici ètic. Utilitza estètiques surrealistes per expressar obsessió, deriva de memòria, sobrecàrrega sensorial o transformació. No les utilitgis per aplanar persones en estereotips, imitar un altre artista massa estretament o deixar que els motius favorits d'un model substitueixin el teu propi punt de vista.

Com s'ha esmentat anteriorment, els fluxos de vídeo més nous fan molt més fàcil construir aquest tipus de seqüència surrealista controlada per a Reels, Shorts, anuncis i contingut de creadors. La lliçó històrica del DeepDream encara val. Les imatges estranyes es tornen memorables quan un humà tria què ha de romandre real, què ha de mutar i per què.