A mesterséges intelligencia segítségével történő képgenerálás terén az OpenAI továbbra is olyan előrelépéseket mutat be, amelyek a lehetséges határokat feszegetik. Ennek bizonyítéka a szeptemberi bemutató DALL-E3, egy új algoritmus, amely igazi forradalmat jelent a szöveg-kép létrehozás világában.
DALL-E3 egy olyan modell, amely a DALL-E 2-n és a ChatGPT-n alapul, de mindenekelőtt abban áll ki, hogy "fordítsa le" a szöveges leírásokat képekre, nagy részletességgel és pontossággal. Az eredmények az eddig kiszivárgott képek fényében (amelyek közül néhányat ebben a cikkben is bemutatunk) egyszerűen lenyűgözőek.
Ez a nagy teljesítményű AI modell Még mindig a fejlesztés és a kutatás korai szakaszában jár.. Az eddig ismertek azonban mindenképpen lelkesedést keltenek. Ez a képgeneráló technológia jövőjének bejelentése, egy olyan forgatókönyv, amelynek úgy tűnik, nincsenek határai, és amely kétségtelenül sokszor el fog hagyni minket.
A DALL-E 3-mal kapcsolatban még sok részletet kell elárulni, de a már ismertekkel egy kis bemutatót készíthetünk arról, hogy mit is tud nekünk nyújtani ez az eszköz:
Mi az a szöveg-kép generálás?
Ez az egyik olyan terület, ahol a mesterséges intelligencia életünkre gyakorolt hatása a legnyilvánvalóbb. Az olyan modellek, mint a DALL-E 3, neurális hálózatokat hoznak létre, hogy a szövegeket élénk, rendkívül valósághű képekké alakítsák.
Ezek a modellek megérteni és értelmezni írásainkat, összetett részleteket, színeket és kontextusokat rögzítve lenyűgöző vizuális megjelenítések létrehozásához. Számos alkalmazás létezik a képalkotás új módjára: művészet, design, tartalomkészítés... Hatékony eszköz a kreatív ötletek életre keltésére.
Egy új módszer a képek szövegből történő létrehozására
A DALL-E 3-at kifejezetten arra tervezték, hogy újradefiniálja a szövegből képalkotási módot. Az eddig bemutatott megoldások gyakran elmaradnak, ugyanis figyelmen kívül hagynak bizonyos szavakat, kifejezéseket. Más szóval: csak azok a felhasználók vehetik igénybe ezt a lehetőséget, akik jártasak a rapid engineering nyelvben.
Éppen ellenkezőleg, a DALL-E 3 radikális változást jelent. Előrelépés, ami azt jelenti, hogy bármely felhasználó használhatja ezt a technológiát és hihetetlen eredményeket érhet el, bonyolultság nélkül.
A ChatGPT-vel tökéletesen integrálva a DALL-E 3 kreatív és érzékeny partnerré válik igényeinknek. Csak annyit kell tennünk, hogy szavakkal és leírásokkal továbbítjuk az ötleteinket, és hagyjuk, hogy az algoritmus elvégezze a munka többi részét: adj életet gondolatainknak, személyre szabott, nagy vizuális hatású képeket generál.
pontosabb
A DALL-E korábbi verziójában ugyanazok a problémák jelentkeztek, mint a többi generatív mesterséges intelligencia modellben. Az összetett szöveges üzenetek értelmezésének módja nem mindig volt helyes. Néha a fogalmak keveredtek is a képek generálásakor, ami abszurd vagy groteszk eredményeket eredményezett.
De az elődeivel ellentétben A DALL-E 3-at úgy tervezték, hogy figyelemre méltó pontossággal megértse a szöveges felszólításokat, olyan árnyalatokat és részleteket rögzít, mint még soha.
Etikai kérdések és átláthatóság
A mesterséges intelligencia által generált képek körüli etikai vita már sok ember ajkán zajlik, nem csak szakértők. Mert kerülje az erőszakos, pornográf tartalmú vagy gyűlöletet szító képek létrehozását, a DALL-E 3 bizonyos biztonsági intézkedéseket tartalmaz, amelyek korlátozzák a tartalomgenerálás bizonyos szempontjait. Ezenkívül rendelkezik egy szűrővel is, amely megakadályozza, hogy közszereplőkről képeket hozzanak létre, így védik magánéletüket, és küzdenek ezen formák ellen. hamis hírek.
A DALL-E 3-ért felelős személyek másik gondja az, hogy a lehető legátláthatóbb legyen a felhasználók számára képeik "valóságával". Nem is lehet ez másként, hiszen ahogy a mesterséges intelligencia által generált tartalom egyre gyakoribbá válik az interneten, úgy növekszik annak szükségessége, hogy az említett tartalom azonosítása során a lehető legátláthatóbb legyen. A szándék ismét az, hogy elkerüljük a megtévesztést és a félreértéseket, lefektetve az új technológia felelős használatának alapjait. Ha ez nem kiméra.
Emiatt az OpenAI aktívan kutat új módszereket annak érdekében, hogy segítsen az embereknek megkülönböztetni a mesterséges intelligencia által létrehozott képeket az emberek által készített képektől. Most egy belső eszközt tesztelnek, amely már el lett nevezve "származási osztályozó". Elméletileg ennek a műszernek köszönhetően lehetővé válik annak meghatározása, hogy a DALL-E 3 egy képet generált-e, és ezért az nem valódi kép.
Megjelenés dátuma
Ha minden a tervek szerint alakul, a DALL-E 3 2023 októberében kerül bemutatásra a nagyközönségnek. Az új algoritmus működését először a ChatGPT Plus és a ChatGPT Enterprise felhasználói láthatják majd. Az OpenAI a DALL-E 3-at fázisos modellben kívánja megvalósítani, vagyis a funkcionalitásainak adagolását, bár a nyilvános és ingyenes bevezetés konkrét dátumát még nem erősítette meg.