U polju generisanja slika pomoću veštačke inteligencije, OpenAI nastavlja da predstavlja napredak koji izgleda pomera granice mogućeg. Dokaz je prezentacija ovog istog mjeseca septembra DALL-E3, novi algoritam koji predstavlja pravu revoluciju u svijetu generiranja teksta u sliku.
DALL-E3 je model koji je baziran na DALL-E 2 i ChatGPT, ali se prije svega ističe po zadatku "prevedi" tekstualne opise u slike, sa velikom razinom detalja i preciznosti. Rezultati, s obzirom na slike koje su do danas procurile (neke od njih uključujemo u ovaj članak), jednostavno su impresivni.
Ovaj moćni AI model Još uvijek je u ranoj fazi razvoja i istraživanja.. Međutim, ono što se do sada zna svakako izaziva entuzijazam. To je najava budućnosti tehnologije generiranja slika, scenarija za koji se čini da nema granica i koji će nas nesumnjivo mnogo puta ostaviti bez teksta.
Ostalo je još mnogo detalja koje treba otkriti o DALL-E 3, ali uz ono što je već poznato, možemo nacrtati malu prezentaciju onoga što nam ovaj alat može ponuditi:
Indeks
Šta je generisanje teksta u sliku?
Ovo je jedno od oblasti u kojima je uticaj veštačke inteligencije na naše živote najočigledniji. Modeli poput DALL-E 3 stvaraju neuronske mreže za pretvaranje tekstova u živopisne, vrlo realistične slike.
Ovi modeli razumiju i interpretiraju naše pisanje, hvatajući složene detalje, boje i kontekste kako bismo stvorili upečatljive vizualne predstave. Postoje brojne aplikacije za ovaj novi način generiranja slika: umjetnost, dizajn, kreiranje sadržaja... Moćan alat za oživotvorenje kreativnih ideja.
Novi način generiranja slika iz teksta
DALL-E 3 je posebno dizajniran da redefiniše način na koji generišete slike iz teksta. Rješenja koja su do sada predstavljena često nisu uspješna, jer zanemaruju određene riječi ili izraze. Drugim riječima: samo oni korisnici koji su stručnjaci za brzi inženjerski jezik mogu to iskoristiti.
Naprotiv, DALL-E 3 predstavlja radikalnu promjenu. Napredak koji znači da svaki korisnik može koristiti ovu tehnologiju i postići nevjerovatne rezultate, bez složenosti.
Savršeno integrisan sa ChatGPT-om, DALL-E 3 tako postaje kreativan partner koji odgovara našim zahtevima. Sve što treba da uradimo je da mu prenesemo svoje ideje kroz reči i opise, puštajući algoritmu da uradi ostatak posla: dajte život našim mislima, generisanje personalizovanih slika sa odličnim vizuelnim uticajem.
više preciznosti
U prethodnoj verziji DALL-E pojavili su se isti problemi kao i kod ostalih modela generativne umjetne inteligencije. Način tumačenja složenih tekstualnih poruka nije uvijek bio ispravan. Ponekad su se koncepti čak miješali prilikom generiranja slika, što je dovelo do apsurdnih ili grotesknih rezultata.
Ali za razliku od svojih prethodnika, DALL-E 3 je dizajniran da razume tekstualne upite sa izuzetnim stepenom tačnosti, hvatajući nijanse i detalje kao nikada prije.
Etička pitanja i transparentnost
Etička debata oko slika koje stvara umjetna inteligencija već je na usnama mnogih ljudi, ne samo stručnjaka. Za izbjegavajte stvaranje slika s nasilnim, pornografskim sadržajem ili koje mogu podsticati mržnju, DALL-E 3 uključuje određene sigurnosne mjere koje ograničavaju neke aspekte generiranja sadržaja. Takođe ima filter koji sprečava stvaranje slika javnih ličnosti, čime se štiti njihova privatnost i bori se protiv ovog oblika lažne vesti.
Još jedna briga onih koji su odgovorni za DALL-E 3 je da budu što transparentniji sa svojim korisnicima u pogledu "stvarnosti" njihovih slika. Ne može biti drugačije, jer kako sadržaj generiran umjetnom inteligencijom postaje sve češći na internetu, on raste potreba da se bude što transparentniji u identifikaciji navedenog sadržaja. Opet, namjera je da se izbjegnu obmane i nesporazumi, postavljajući temelje za odgovorno korištenje ove nove tehnologije. Ako to nije himera.
Iz tog razloga, OpenAI aktivno istražuje nove načine da pomogne ljudima da razlikuju slike generirane od umjetne inteligencije od onih koje stvaraju ljudi. Sada se testira interni alat koji je već imenovan "klasifikator porekla". U teoriji, zahvaljujući ovom instrumentu biće moguće utvrditi da li je slika generisana pomoću DALL-E 3 i, prema tome, nije prava slika.
Datum objave
Ako sve bude po planu, DALL-E 3 će biti predstavljen javnosti u oktobru 2023. Prvi koji će imati priliku da vide kako novi algoritam radi biće korisnici ChatGPT Plus i ChatGPT Enterprise. OpenAI namjerava implementirati DALL-E 3 u faznom modelu, odnosno doziranju svojih funkcionalnosti, iako još nije potvrdio konkretan datum za javno i besplatno lansiranje.