בערך עד שנת 2023 היה ברור לכל שהדרך ליצירת תמונה מתוך הדמיון שלנו דורשת שעות רבות של עבודה ע״י גרפיקאים ומאיירים מומחים ששולטים בכלים שלימוד מקצועי שלהם לוקח שנים וכנראה גם תקציב של אלפי שקלים במקרה הטוב. ואז הגיעה מהפכת הבינה המלאכותית- זה התחיל כסוג של גימיק שלא באמת יכל להתחרות עם שירות מקצועי, היה מגניב ומלהיב לראות איך שורה של כמה מילים הופכת לנגד עינינו לתמונה- גם אם לא איכותית במיוחד.
אבל במהפכה כמו מהפכה הדברים מתקדמים בקצב מסחרר, שבוע אחרי שבוע השתפרו מחוללי התמונות הג׳נרטיביים (השם המקצועי לאפליקציית AI המאפשרת יצירת תמונה ע״י כתיבת טקסט) והציגו יכולות משופרות שהצליחו לשמוט לסתות פעם אחר פעם- מבחינת איכות ודיוק התמונות ומבחינת יכולת הבנת השפה של אותם המנועים. כמי שמגיעים מהתחום טרם מהפכת ה-AI, כאן המקום להגיד שלכל כלי יש חסרונות, בתחילה הם היו מורגשים במיוחד, ועם הזמן הגבול מיטשטש בין מעורבות של יד מקצועית לעבודה של חובבן שנעשתה לגמרי באמצעות AI – בהמשך המאמר נציג בפירוט את הדברים שכדאי לשים לב אליהם. 
עד אמצע שנת 2025 התחום התפתח בצורה שלדעתנו צריך להבין טיפה מאחורי הקלעים כדי להבין כמה היא מדהימה:
> כבר בתחילת הדרך הופיע Midjourney שהציב את עצמו בליגה מעל כולם, עם תוצאות שלא רק העידו על הבנת הכתוב אלא גם פרשנות אומנותית מרהיבה לכל נסיון יצירת תמונה – פתאום כל אחד יכל ליצור תמונות סוריאליסטיות איכותיות במיוחד שמציתות את הדמיון, דבר שהיה נחלתם של מומחי פוטושופ מהעשירון העליון של הכישרון הגרפי.
> מנוע ה-Stable diffusion התפתח במהירות מסחררת ועם ממשק comfyui וכלים כמו controlnet ו-LorA הוא יכול לתפקד ממש כמו סטודיו לעיצוב גרפי ונותן יכולת שליטה בתוצאות עד רמת הפיקסל. כמובן שהוא דורש גם לימוד מעמיק וגם כוח מחשוב חזק במיוחד, אבל הוא זמין בתצורות שונות וקלות יותר גם בשירותים מבוססי ענן כמו לאונרדו, פיקאסו ועוד.
> עם הזמן נכנסו לתמונה כלים כדוגמת krea ו-kling המיועדים ליצירת וידאו ע״י בינה מלאכותית, גם כאן ההתחלה היתה מגניבה ופחות שימושית, אבל תוך זמן קצר התחלנו לראות איכות אפקטים של הוליווד או לחלופין סרטונים שכמעט ולא ניתן להבחין שהם לא צילום מהעולם האמיתי, הכל באמצעות כלים שזמינים לקהל הרחב וכמעט ולא דורשים לימוד מעמיק.
> בתחילת המהפכה החסרון הגדול של מנועי ה-AI היה היכולת להתמודד עם טקסט בתוך התמונה, פחות משנתיים ומודל Flux הבנוי בסביבת stable diffusion טרף את הקלפים ולצד תמונות ריאליסטיות במיוחד, היה גם הראשון שהתמודד כראוי עם שילוב טקסטים בצורה שקרובה לשלמות. המתחרים בשוק לא נשארו מאחור זמן רב והשלימו את הפער במהירות. (נכון ל-10/25 שילוב טקסטים בעברית עשיין רחוק מלביות מושלם)
> בתחילת 2025 צ׳אט GPT הדהים את כולם והביא את העריכה המתקדמת לכל בית- כלי ה-AI ה״בסיסי״ והמוכר ביותר בעולם הציג יכולת יצירת תמונות שלא מביישת את הכלים המתקדמים ביותר. הדובדבן שבקצפת- לא דרוש ידע מוקדם, רק דיבור בשפה טבעית ״כמו עם חבר״ והוא כבר יודע בדיוק מה לעשות. בהמשך השנה גם גוגל נכנסה למשחק עם ה-Nano Banana, מנועים חדשים מבוססי סטייבל מופיעים כמעט בכל יום ונראה שכבר שום דבר לא באמת יפתיע אותנו.

ונחזור לנושא שלנו…