IA generativa é um campo da inteligência artificial (IA) focado em sistemas capazes de criar novos conteúdos — como imagens, textos e áudios — que imitam a criatividade humana. Diferente de outras formas de IA, como o machine learning voltado a analisar dados existentes e fazer previsões, a IA generativa cria conteúdo do zero.
Uma das principais ferramentas usadas em IA generativa é a rede neural, um algoritmo de aprendizado de máquina projetado para imitar o funcionamento do cérebro humano. Essas redes são compostas por muitos nós interconectados capazes de processar informações, e há várias aplicações empolgantes em campos criativos como arte, música e literatura.
Alguns exemplos de IA generativa são vídeos deepfake, que fazem um registro parecer que uma pessoa fez ou disse algo que não fez, ou músicas geradas por IA, que podem romper com estruturas tradicionais.
A sociedade ainda está decidindo como integrar essa tecnologia. Até lá, a IA generativa segue como um campo empolgante e em rápida evolução, com potencial para transformar a forma como criamos e consumimos conteúdo. Neste artigo, vamos explorar como essas ferramentas podem turbinar sua criatividade.
Usos criativos da IA generativa
A IA generativa usa diversos métodos para produzir diferentes tipos de conteúdo — de arte e música a texto.
Ao entender essas técnicas, você consegue criar prompts melhores e obter resultados superiores. Se você é completamente novo em apps de IA, confira nosso curso Introduction to ChatGPT.
IA e escrita criativa
Poesia e literatura
Geração de linguagem natural (NLG) é uma técnica de IA generativa que cria textos que imitam a estrutura da linguagem humana. Ela já foi usada para gerar novas obras de literatura e poesia.
A ideia básica é treinar uma rede neural para aprender regras e estruturas e, assim, gerar textos gramaticalmente corretos e com estilo consistente com a linguagem humana.
Autores e poetas têm usado NLG para criar novas obras. Como em outras mídias, um autor pode usar NLG para gerar um romance que incorpore elementos de obras existentes, mas com enredo e personagens originais. Um poeta pode usar NLG para criar poemas que explorem diferentes temas e estilos.
A série de livros de poesia Aum Golly é um comentário de IA sobre a humanidade, gerada por editores finlandeses em 2021 e 2023. Totalmente ilustrada e à venda na Amazon, seus criadores foram totalmente transparentes sobre o custo e o tempo para criar as obras: “24 horas e US$ 2,64” no caso do primeiro volume.
Enquanto a poesia pode ser mais acessível para máquinas que ainda estão aprimorando a gramática, romances e textos longos têm se mostrado um desafio para NLG. Em 2017, o escritor Ross Goodwin tentou usar IA para criar uma versão de On the Road, o romance de Jack Kerouac. Goodwin publicou o resultado, 1 the Road, para fins de pesquisa, apesar de ser truncado e em grande parte ininteligível.
Além de literatura e poesia, NLG também tem sido usada em outras aplicações criativas. Por exemplo, para gerar descrições de produtos e textos de marketing para sites e e-commerces.
Chatbots e assistentes virtuais
Chatbots e assistentes virtuais usam processamento de linguagem natural e algoritmos de aprendizado de máquina para simular conversas com humanos e ajudar em várias tarefas.
No mundo da arte, chatbots já foram usados como exposições interativas em galerias e museus. Os visitantes podem perguntar ao chatbot sobre a mostra ou o artista, criando uma experiência mais envolvente e interativa.
Assistentes virtuais, por sua vez, têm sido usados em setores criativos como publicidade e marketing. Eles ajudam empresas a criar e gerenciar contas nas redes sociais, gerar ideias de conteúdo e interagir com clientes.
Por exemplo, usar um assistente virtual para responder dúvidas de clientes nas redes sociais ajuda a construir um relacionamento mais próximo enquanto administra uma carga de trabalho intensa.
Além das artes e indústrias criativas, chatbots e assistentes virtuais também são usados em várias outras aplicações. Um exemplo é o Woebot, um chatbot que usa terapia cognitivo-comportamental para ajudar usuários a cuidar da saúde mental.
Análise de sentimento e classificação de texto
Análise de sentimento e técnicas de classificação de texto são usadas para entender o sentimento ou a categoria de um texto. Elas aparecem em diversas aplicações criativas, como gerar novas obras literárias e identificar o tom emocional do texto.
Você pode treinar uma rede neural para identificar se um texto é positivo, negativo ou neutro. Escritores podem usar isso para desenvolver obras que evoquem uma resposta emocional específica.
Já a classificação de texto envolve categorizar textos. Por exemplo, você pode treinar uma rede para classificar artigos por temas — política, esportes, entretenimento — e então gerar novos textos que explorem tópicos e temas semelhantes.
Artistas e escritores têm usado análise de sentimento e classificação de texto para criar obras que exploram diferentes tons emocionais e temáticas.
Dicas para IA e escrita criativa
Se quiser usar IA para impulsionar sua escrita, familiarize-se com prompt engineering em ferramentas como ChatGPT e Google Bard. Para gerar resultados de alta qualidade, oriente os modelos com instruções detalhadas. Por exemplo, no caso do GPT-3.5, você pode pedir que escreva um soneto sobre a primavera ou que continue uma história no estilo de um determinado autor usando um prompt específico.
Confira nosso guia rápido do ChatGPT para aprender a usar os prompts certos.
IA e arte: imagens estáticas e vídeo
Modelos generativos podem receber dados estáticos e em tempo real, como na instalação do artista Rafael Lozano-Hemmer, “Pulse Room”, que usa IA generativa para criar um espetáculo de luz único a partir dos batimentos cardíacos dos participantes.
A instalação usa sensores para captar os batimentos cardíacos, e algoritmos generativos criam um padrão de luz único com base neles. Vamos abordar essas e outras técnicas que você pode usar com diversas ferramentas abertas de IA generativa para mídia digital.
Transferência de estilo
Style transfer é uma técnica que permite aplicar o estilo de uma imagem a outra.
A ideia é treinar uma rede neural para reconhecer o estilo distinto de um artista, alimentando-a com um grande conjunto de imagens com o estilo desejado. Assim, ela aprende a identificar traços característicos para aplicar em outras imagens.
A rede recebe duas imagens: uma de “conteúdo” e outra de “estilo”. Aplicando o estilo aprendido à imagem de conteúdo, gera-se uma nova imagem que combina o conteúdo original com o estilo da imagem de referência.
Artistas usam transferência de estilo para criar obras que combinam estilos característicos de diferentes autores. Por exemplo, é possível combinar o estilo de um quadro de Picasso com o conteúdo de uma fotografia, resultando em uma imagem com os traços do quadro e o tema da foto.
A Mona Lisa nos estilos de Picasso, Van Gogh e Monet
Tradução de imagem para imagem
Image-to-image translation é uma técnica de IA generativa que permite traduzir uma imagem de um domínio para outro. Por exemplo, treinar uma rede para mapear imagens de cavalos em imagens de zebras. A rede aprende os traços característicos de cada domínio e usa essas informações para traduzir imagens entre eles.
O exemplo mais popular dessa tecnologia talvez tenha sido a febre do app Lensa AI nas redes sociais no fim de 2022. O app basicamente pega seus selfies e os transforma em avatares digitais replicando vários estilos artísticos.
Versões semelhantes surgiram pela internet. Por exemplo, o Media.io dá mais controle ao permitir escolher o estilo aplicado ao selfie — de Barbie a histórias em quadrinhos e caricaturas animadas — mostrando claramente como a tradução de imagem para imagem funciona no app.
Além da arte, a tradução de imagem para imagem também é usada em outras aplicações criativas. Por exemplo, na geração de novos visuais para sites e redes sociais. Ao traduzir imagens entre domínios, empresas conseguem criar conteúdos diversos que atraem públicos mais amplos.
Nesse processo, o gerador aprende a criar imagens cada vez mais realistas. Artistas podem usar GANs para criar novas imagens inspiradas em obras existentes ou gerar imagens totalmente inéditas.
Aumento de dados
Data augmentation é uma técnica que aplica transformações a materiais artísticos existentes. Esse processo ajuda a criar novos insumos, que podem melhorar os resultados de uma rede neural. A ideia é aumentar a precisão e a robustez do modelo para obter resultados melhores.
Há muitos tipos de transformações possíveis: rotações, translações, reflexões; alterações de brilho ou contraste; aplicação de filtros e muito mais — tudo para criar um conjunto robusto de insumos artísticos. Depois de aplicar as transformações, você pode usar as imagens resultantes para treinar a rede neural. Assim, artistas criam novas obras que incorporam elementos de peças existentes com variações e transformações únicas.
Artistas têm usado aumento de dados para criar séries que exploram os limites de estilos e técnicas. Por exemplo, gerar variações de um mesmo estilo de pintura, explorando diferentes paletas de cores, pinceladas e composições.
Um exemplo é a coleção de Mario Klingemann, “Memories of Passerby I”, treinada em um dataset de retratos dos séculos XVII a XIX e ampliada com transformações dessas imagens.
Dicas para IA e arte
Ao usar ferramentas de IA na arte, lembre-se: elas existem para ampliar sua criatividade. É essencial experimentar e iterar com diferentes insumos, parâmetros e estilos para criar uma obra alinhada à sua visão. No fim, a arte deve expressar suas ideias e imaginação — a IA é uma aliada poderosa para dar vida a essas visões.
IA e áudio: som e música
Músicos também estão usando IAs generativas para criar novas músicas. Redes neurais podem analisar canções existentes, identificar padrões e estruturas e, a partir disso, gerar novas melodias e progressões de acordes. Essa tecnologia permite que qualquer pessoa, mesmo sem formação musical, crie faixas inspiradas em obras existentes, mas com identidade própria.
Composição musical algorítmica
Outro uso da IA generativa na música é a composição algorítmica. Músicas generativas podem ser criadas em tempo real com algoritmos programados para soar de forma única a cada execução. Um exemplo é o app Endel, que cria trilhas generativas com base nas preferências do usuário, localização e horário do dia.
Outros exemplos incluem gerar séries de melodias que seguem a mesma progressão de acordes ou ritmo. O resultado pode servir como ponto de partida para uma nova composição ou ser combinado a outros elementos para formar uma peça completa.
Há muitos algoritmos para composição musical, cada um com seus pontos fortes e limitações. Alguns geram música a partir de regras ou padrões; outros usam técnicas de aprendizado de máquina para aprender com composições existentes e criar novas peças.
Modelos de tradução, por exemplo, permitem que um algoritmo capte informações de mídias não musicais (como uma imagem) e as traduza em resultado musical. Uma ferramenta para experimentar é o CLIP Interrogator, que cria uma faixa curta ou loop em resposta a uma imagem enviada por você.
Transferência de estilo musical
Como em outras mídias, a transferência de estilo aplica variáveis artísticas-chave a diferentes peças musicais. Essa técnica já foi usada em várias aplicações criativas, como desenvolver novas obras e remixar faixas existentes.
Por exemplo, um músico pode treinar uma rede para mapear música clássica em música eletrônica. A rede identifica os traços característicos de cada estilo e usa essas informações para transferir o estilo de uma peça para outra.
Além da música, a transferência de estilo também aparece em outros usos de áudio, como fala e composição. Ao transferir o estilo de um conteúdo para outro, criadores exploram novas formas de expressão e desafiam os limites dos formatos tradicionais.
Geração de efeitos sonoros e ambiências
A geração de sons com IA vem crescendo nos últimos anos, com aplicações em música, cinema e games. Ao treinar uma rede com um grande conjunto de efeitos sonoros, ela aprende a gerar novos sons com estilo e textura semelhantes. Essa técnica é útil em várias aplicações criativas, como criar efeitos para jogos ou adicionar ambiências a filmes.
Outra abordagem é o áudio procedural: uma técnica que gera efeitos sonoros em tempo real com base em regras e parâmetros. Isso permite efeitos altamente customizáveis e adaptáveis, que mudam dinamicamente conforme o contexto do projeto.
Dicas para música e IA
Aproveitar a IA em som e música abre um leque enorme de possibilidades criativas. De composições originais que misturam estilos e climas à transferência de estilo de áudio e à criação de paisagens sonoras imersivas e personalizadas, a IA oferece caminhos diversos.
Ela também acelera mixagem e masterização automatizadas com alta qualidade e gera efeitos sonoros únicos para uma identidade sonora marcante. Como uma musa digital na composição, a IA fornece ideias para melodias e harmonias. Lembre-se: essas ferramentas existem para enriquecer sua criatividade — não para substituí-la.
Considerações finais e recursos
O processo criativo, às vezes, é desafiador. Com IA generativa, qualquer pessoa pode encontrar inspiração para seus projetos. E, com as técnicas que mostramos aqui, até artistas consolidados podem escalar sua produção.
Enquanto a sociedade continua explorando como essa tecnologia vai afetar a cultura e impactar nosso futuro, este é um ótimo momento para entender essas ferramentas e formar sua própria opinião.
Aqui vão alguns recursos para aprender mais e se manter em dia com novidades em IA generativa:
