ترند عکس‌های دهه ۸۰ با ChatGPT؛ چرا همه می‌خواهند به گذشته برگردند؟

اگر این روزها در شبکه‌های اجتماعی عکس‌هایی می‌بینید که انگار مستقیماً از یک آلبوم خانوادگی در دهه ۱۹۸۰ بیرون آمده‌اند، احتمالاً با یکی از جدیدترین ترندهای تصویری هوش مصنوعی روبه‌رو شده‌اید.

موهای حجیم، لباس‌های رنگارنگ، کت‌های جین، نور گرم، دوربین‌های آنالوگ، دانه‌های فیلم و البته همان حال‌وهوای خاص عکس‌های قدیمی؛ با چند جمله و یک عکس معمولی، هوش مصنوعی می‌تواند تصویری بسازد که انگار متعلق به چند دهه قبل است.

این ترند حالا در شبکه‌های اجتماعی فراگیر شده و بسیاری از کاربران از ابزارهایی مانند ChatGPT برای ساخت نسخه‌ی «دهه هشتادی» از خودشان استفاده می‌کنند.

اما سؤال جالب‌تر اینجاست:

چرا ما این‌قدر دوست داریم با هوش مصنوعی به گذشته برگردیم؟

از یک عکس معمولی تا یک خاطره از دهه ۸۰

ساخت چنین تصویری در ظاهر بسیار ساده است.

کاربر یک عکس واضح از خودش در اختیار ابزار تولید تصویر قرار می‌دهد و از هوش مصنوعی می‌خواهد ویژگی‌های چهره را حفظ کند، اما لباس، مدل مو، نورپردازی، محیط و سبک عکاسی را به دهه ۱۹۸۰ ببرد.

برای مثال می‌توان از هوش مصنوعی خواست:

«این عکس را به یک پرتره واقعی در دهه ۱۹۸۰ تبدیل کن؛ لباس‌های آن دوره، مدل موی دهه ۸۰، نور گرم، دوربین آنالوگ، دانه‌های فیلم و رنگ‌های کمی محو، مانند یک عکس خانوادگی قدیمی.»

نکته جالب اینجاست که این کار صرفاً شبیه گذاشتن یک فیلتر روی عکس نیست.

مدل هوش مصنوعی در واقع تصویری جدید بر اساس دستور شما تولید می‌کند و می‌توان از آن خواست جزئیات مختلف را بارها تغییر دهد؛ از لباس و مدل مو گرفته تا پس‌زمینه، نور و حتی نوع دوربین.

چرا دهه ۸۰؟

شاید عجیب باشد که در سال ۲۰۲۶، یکی از جذاب‌ترین ترندهای تصویری ما را به حدود چهار دهه قبل می‌برد.

اما نوستالژی یکی از قدرتمندترین ابزارهای بصری است.

دهه ۸۰ ویژگی‌های تصویری بسیار مشخصی دارد:

• رنگ‌های گرم و اشباع‌شده

• لباس‌های متفاوت و جسورانه

• مدل موهای بزرگ و خاص

• کت‌های جین و چرم

• دوربین‌های فیلمی

• فلاش مستقیم دوربین

• دانه‌های فیلم

• عکس‌های خانوادگی با کادرهای ساده

• فروشگاه‌ها و خیابان‌هایی با ظاهر قدیمی

• پوسترها و تبلیغات با طراحی‌های کلاسیک

به همین دلیل، وقتی این عناصر در یک تصویر کنار هم قرار می‌گیرند، حتی اگر فرد واقعاً در دهه ۸۰ زندگی نکرده باشد، تصویر برای مخاطب حس «گذشته» ایجاد می‌کند.

و شاید همین مهم‌ترین دلیل محبوبیت این ترند باشد:

ما الزاماً نمی‌خواهیم به گذشته برگردیم؛ فقط دوست داریم بدانیم اگر در آن زمان زندگی می‌کردیم، چه شکلی بودیم.

هوش مصنوعی دارد خاطره‌هایی را می‌سازد که هیچ‌وقت وجود نداشته‌اند

اینجا ماجرا کمی عمیق‌تر می‌شود.

یک عکس قدیمی معمولاً ثبت‌کننده‌ی یک اتفاق واقعی است.

اما عکس AI ممکن است چیزی کاملاً متفاوت باشد.

ممکن است شخصی تصویری از خودش در یک خانه قدیمی، کنار یک ماشین کلاسیک یا در یک مهمانی خانوادگی دهه ۸۰ بسازد؛ در حالی که آن صحنه هرگز اتفاق نیفتاده است.

تصویر واقعی نیست، اما احساس آن می‌تواند واقعی باشد.

این یکی از جذاب‌ترین جنبه‌های هوش مصنوعی مولد است: مرز بین «خاطره»، «تصور» و «تصویر» را کم‌رنگ می‌کند.

در گذشته برای تصور کردن اینکه اگر در سال ۱۳۶۵ چه شکلی بودیم، فقط تخیل خودمان را داشتیم.

امروز می‌توانیم آن تخیل را در چند ثانیه به تصویر تبدیل کنیم.

چطور عکس دهه ۸۰ با ChatGPT بسازیم؟

برای ساخت یک تصویر خوب، لازم نیست پرامپت فوق‌العاده پیچیده‌ای بنویسید.

خود OpenAI نیز توصیه می‌کند که برای تولید تصویر، معمولاً چند جمله‌ی واضح و مشخص بهتر از یک دستور بسیار طولانی است؛ مهم این است که سوژه، اتفاق، محیط و سبک موردنظر را مشخص کنید.

یک پرامپت نمونه می‌تواند این باشد:

پرامپت پیشنهادی:

این عکس را به یک پرتره کاملاً طبیعی از دهه ۱۹۸۰ تبدیل کن. هویت و ویژگی‌های اصلی چهره را حفظ کن. لباس، مدل مو و فضای تصویر متعلق به دهه ۸۰ باشد. نور گرم استودیویی، دوربین آنالوگ، دانه‌های طبیعی فیلم، رنگ‌های کمی محو و حس یک عکس واقعی خانوادگی از اواخر دهه ۱۹۸۰ داشته باشد. تصویر نباید شبیه یک فیلتر دیجیتال مدرن باشد.

بعد می‌توانید مرحله‌به‌مرحله جزئیات را تغییر دهید.

مثلاً:

لباس را به کت جین دهه ۸۰ تغییر بده.

یا:

پس‌زمینه را به یک خیابان ایرانی در دهه ۶۰ تبدیل کن.

یا:

تصویر را شبیه یک عکس خانوادگی گرفته‌شده با دوربین فیلمی و فلاش مستقیم کن.

این قابلیت ویرایش و تولید تصویر از طریق دستورهای متنی، یکی از دلایلی است که ابزارهای تولید تصویر AI را برای کاربران عادی بسیار ساده کرده است.

اما یک سؤال کمتر دیده‌شده: هر عکس AI چقدر هزینه دارد؟

اینجاست که داستان از یک سرگرمی ساده کمی جدی‌تر می‌شود.

ما فقط یک جمله تایپ می‌کنیم و چند ثانیه بعد تصویر روی صفحه ظاهر می‌شود.

اما پشت این تصویر، دیتاسنترهایی با پردازنده‌های قدرتمند، سرورها، سیستم‌های خنک‌کننده و زیرساخت‌های عظیم محاسباتی قرار دارند.

تولید تصویر AI به محاسبات بیشتری نسبت به یک درخواست متنی ساده نیاز دارد و میزان مصرف انرژی نیز بسته به مدل و فرآیند تولید متفاوت است. برخی پژوهش‌ها برای تولید یک تصویر AI بازه‌ای حدود ۰٫۰۱ تا ۰٫۲۹ کیلووات‌ساعت را گزارش کرده‌اند. این عدد یک مقدار ثابت برای همه مدل‌ها نیست و باید با احتیاط تفسیر شود.

پس مشکل اصلی احتمالاً یک تصویر نیست.

مشکل زمانی ایجاد می‌شود که یک نفر برای انتخاب بهترین تصویر، ۱۰، ۲۰ یا حتی ۵۰ نسخه تولید کند و همین رفتار توسط میلیون‌ها نفر تکرار شود.

ماجرای آب و ChatGPT چیست؟

احتمالاً در شبکه‌های اجتماعی ادعاهایی مثل «هر بار استفاده از ChatGPT نیم لیتر آب مصرف می‌کند» دیده‌اید.

این جمله به شکل عمومی و بدون توضیح، دقیق نیست.

برآورد مصرف آب به عوامل مختلفی مثل محل دیتاسنتر، سیستم خنک‌کننده، منبع برق، مدل مورد استفاده و نوع پردازش بستگی دارد. مطالعه‌ای که زیاد در این زمینه به آن استناد شده، برای مدل GPT-3 تخمین‌هایی درباره مصرف آب ارائه کرده، اما نمی‌توان عدد آن را به‌عنوان یک مقدار ثابت برای هر پیام یا هر تصویر امروزی ChatGPT در نظر گرفت.

حتی خود OpenAI نیز درباره برخی اعداد رایج مربوط به مصرف انرژی ChatGPT تأکید کرده که بسیاری از برآوردهای منتشرشده بر اساس فرضیات قدیمی یا نادرست هستند و مصرف واقعی بسته به سیستم متفاوت است.

بنابراین بهتر است به جای جمله‌های هیجان‌انگیزی مثل:

«هر عکس AI دقیقاً X لیتر آب مصرف می‌کند»

بگوییم:

تولید تصاویر AI دارای هزینه‌ی محاسباتی و در نتیجه مصرف انرژی و منابع است، اما مقدار دقیق آن برای هر تصویر ثابت نیست.

مسئله فقط همان تصویری نیست که روی صفحه می‌بینیم

یک نکته دیگر هم وجود دارد که کمتر درباره آن صحبت می‌شود.

زیرساخت هوش مصنوعی فقط نرم‌افزار نیست.

دیتاسنترها به سرورها، GPUها، تجهیزات شبکه، سیستم‌های خنک‌کننده و تراشه‌های پیشرفته نیاز دارند. تولید این تجهیزات نیز به مواد اولیه، انرژی، کارخانه و زنجیره تأمین جهانی وابسته است.

بنابراین اگر بخواهیم اثر زیست‌محیطی هوش مصنوعی را واقعاً بررسی کنیم، نباید فقط به لحظه‌ای نگاه کنیم که روی دکمه Generate کلیک می‌کنیم.

داستان از سخت‌افزار شروع می‌شود و تا دیتاسنتر، برق، خنک‌سازی و در نهایت پایان عمر تجهیزات ادامه پیدا می‌کند.

آیا پس نباید عکس AI بسازیم؟

نه.

این نتیجه‌گیری بیش از حد ساده‌ای است.

هوش مصنوعی در بسیاری از حوزه‌ها می‌تواند ابزار بسیار مفیدی باشد؛ از طراحی و آموزش گرفته تا تولید محتوا، نمونه‌سازی و خلق آثار هنری.

از طرف دیگر، فناوری در حال بهینه‌تر شدن است و مصرف انرژی هر پردازش می‌تواند با پیشرفت سخت‌افزار و مدل‌ها کاهش پیدا کند. اما همزمان تعداد کاربران و حجم استفاده نیز در حال افزایش است. بنابراین افزایش بهره‌وری لزوماً به معنی کاهش مصرف کل نیست.

شاید سؤال بهتر این نباشد که:

«آیا ساخت یک عکس AI بد است؟»

بلکه این باشد:

«آیا برای هر تصویر واقعاً به ۳۰ نسخه مختلف نیاز داریم؟»

یک ترند سرگرم‌کننده، با یک سؤال جدی

عکس‌های دهه ۸۰ احتمالاً اولین و آخرین ترند نوستالژیک هوش مصنوعی نیستند.

قبل از آن، موج‌های مختلفی از تصاویر AI در شبکه‌های اجتماعی فراگیر شدند؛ از سبک‌های کارتونی و انیمه گرفته تا فیگورهای سه‌بعدی و پرتره‌های سینمایی.

ترندها می‌آیند و می‌روند.

اما چیزی که باقی می‌ماند، زیرساختی است که همه این تصاویر را تولید می‌کند.

شاید جذاب‌ترین بخش ماجرا همین تضاد باشد:

ما با هوش مصنوعی به گذشته برمی‌گردیم، اما برای این سفر به آینده‌ی بسیار پیچیده‌ی فناوری وابسته‌ایم.

یک عکس دهه ۸۰ شاید فقط یک تصویر سرگرم‌کننده باشد.

اما وقتی میلیون‌ها نفر همزمان همین کار را انجام می‌دهند، داستان دیگر فقط درباره نوستالژی نیست؛ درباره مقیاس استفاده از هوش مصنوعی و هزینه‌ی واقعی دنیای دیجیتال هم هست.

جمع‌بندی

ترند عکس دهه ۸۰ با ChatGPT نشان می‌دهد که هوش مصنوعی چقدر سریع توانسته تخیل را به تصویر تبدیل کند.

امروز لازم نیست واقعاً در دهه ۸۰ زندگی کرده باشید تا ببینید آن زمان چه شکلی بودید. کافی است یک عکس، چند جمله و کمی خلاقیت داشته باشید.

اما در کنار هیجان این فناوری، بد نیست بدانیم که هر تصویر تولیدشده پشت صحنه به محاسبات، سخت‌افزار و انرژی نیاز دارد.

پس دفعه بعد که خواستید خودتان را با موهای دهه ۸۰، کت جین و دوربین آنالوگ ببینید، تصویرتان را بسازید؛ اما شاید لازم نباشد برای پیدا کردن نسخه ایده‌آل، پنجاه بار روی Generate بزنید.