Generatiivisen tekoälyn hyödyntäminen konseptipaketin visualisoinnissa

Abstract

Generatiivista tekoälyä voidaan käyttää kuvien tuottamiseen, ja opinnäytetyössäni tutkitaan generatiivisen tekoälyn käyttömahdollisuuksia elokuva- ja televisio-alan konseptipakettien visualisoinnissa.

Opinnäytetyö on toteutettu osittain kirjallisuuskatsauksena ja osittain laadullisena sisällönanalyysinä käyttökokemuksista kuvagenerointimalli Midjourneytä käyttäen. Lukuisten tieteellisten artikkeleiden, asiantuntijahaastattelun, verkkouutisten ja alan kirjallisuuden avulla työssä esitellään generatiivisen tekoälyn toimintaperiaatteita ja ominaisuuksia sekä siihen liittyviä ongelmia esimerkiksi ympäristövaikutusten ja koulutusmateriaalin hankinnan saralla.

Opinnäytetyössä myös esitellään kuvagenerointimalli Midjourneyn ominaisuuksia ja käyttöä. Työssä käydään läpi uuden kuvaston tuottamista niin tekstin kuin kuvien avulla, ja kuinka paljon erilaisia parametrejä käyttäjällä on hallussaan mieleisensä lopputuloksen saavuttamiseksi. Kuvagenerointimallin käyttämistä huomattavasti hankalammaksi osoittautui ajatusten ja mielikuvien sanallistaminen niin kuvan sisällön kuin toteutuksen osalta.

Käyttökokemukset generatiivisesta tekoälystä olivat ristiriitaiset. Vaikka tuotettu kuvasto onkin näyttävää, siitä silti puuttuu perinteisten kuvien orgaanisuus ja eloisuus. Midjourneyn käyttö oli nopean perehtymisen jälkeen vaivatonta, mutta mallissa on vielä kehitettävää esimerkiksi tottelemattomuuden korjaamisessa. Opinnäytetyöstä selviää, että tekoäly on hyvä vaihtoehto silloin, kun käyttäjällä on mielessään jonkinlainen käsitys siitä, mitä halutaan tuottaa, ja kun tuotetaan kuvaa jostakin spesifistä, mistä referenssikuvan löytäminen olisi mahdotonta. Vaikka tekoäly ei olekaan vielä täydellinen, niin se on silti potentiaalinen vaihtoehto konseptipaketin visualisoinnin luomiseen.

Artificial Intelligence can be applied to image generation, and this thesis examines the potential uses of generative AI in the visualization of pitch decks for the film and television industry.

This thesis has been carried out partly as a literature review and partly as a qualitative content analysis based on practical experiences with the image generation model Midjourney. Drawing on numerous scientific articles, expert interview, online news sources, and professional literature, the thesis presents the operating principles and characteristics of generative AI, as well as the challenges associated with it, such as environmental impacts and the acquisition of training material.

The thesis also presents the features and use of the image generation model Midjourney. It examines the production of new imagery through both text and images, as well as the wide range of parameters available to users for achieving the desired outcome. However, articulating ideas and mental images in terms of both content and execution proved to be considerably more challenging than using the image generation model itself.

Experiences with generative AI were mixed. Although the generated imagery was visually impressive, it lacked the organic quality and liveliness of traditional images. After initial learning phase, using Midjourney was straightforward, but the model still requires improvement, for example in correcting undesired outputs. The thesis demonstrates that AI is a viable option when users have some idea of what they want to produce, and particularly when creating images of specific subjects for which reference material would be impossible to obtain. While AI is not yet perfect, it nevertheless represents a promising alternative for pitch deck visualizations.