Dall-E 3, हे मजकूरांमधून प्रतिमा निर्माण करण्यासाठी शक्तिशाली साधन आहे

dall-e 3

कृत्रिम बुद्धिमत्तेचा वापर करून प्रतिमा निर्मितीच्या क्षेत्रात, OpenAI ने प्रगती सादर करणे सुरू ठेवले आहे जे शक्य आहे त्याची मर्यादा ढकलत आहे. याचा पुरावा म्हणजे याच सप्टेंबर महिन्यातील सादरीकरण DALL-E3, एक नवीन अल्गोरिदम जो मजकूर ते प्रतिमा निर्मितीच्या जगात खरी क्रांती दर्शवतो.

DALL-E3 हे एक मॉडेल आहे जे DALL-E 2 आणि ChatGPT वर आधारित आहे, परंतु सर्वात महत्त्वाचे म्हणजे ते कार्यामध्ये वेगळे आहे प्रतिमांमध्ये मजकूर वर्णनांचे "अनुवाद करा" मोठ्या प्रमाणात तपशील आणि अचूकतेसह. परिणाम, आजपर्यंत लीक झालेल्या प्रतिमा पाहता (आम्ही या लेखात त्यापैकी काही समाविष्ट करतो), फक्त प्रभावी आहेत.

हे शक्तिशाली AI मॉडेल हे अद्याप विकास आणि संशोधनाच्या सुरुवातीच्या टप्प्यात आहे.. मात्र, आतापर्यंत जे काही माहीत आहे ते नक्कीच उत्साहाला निमंत्रण देते. ही प्रतिमा निर्मिती तंत्रज्ञानाच्या भविष्याची घोषणा आहे, एक अशी परिस्थिती ज्याला सीमा नाही असे दिसते आणि हे निःसंशयपणे आपल्याला अनेक वेळा अवाक करेल.

DALL-E 3 बद्दल अद्याप बरेच तपशील उघड करणे बाकी आहे, परंतु आधीच ज्ञात असलेल्या गोष्टींसह, हे साधन आपल्याला काय देऊ शकते याचे एक छोटेसे सादरीकरण आम्ही काढू शकतो:

मजकूर ते प्रतिमा निर्मिती म्हणजे काय?

dall-e 3

हे अशा क्षेत्रांपैकी एक आहे जिथे कृत्रिम बुद्धिमत्तेचा आपल्या जीवनावर सर्वात जास्त प्रभाव दिसून येतो. DALL-E 3 सारखे मॉडेल मजकुराचे ज्वलंत, अत्यंत वास्तववादी प्रतिमांमध्ये रूपांतर करण्यासाठी न्यूरल नेटवर्क तयार करतात.

हे मॉडेल आकर्षक व्हिज्युअल प्रस्तुती निर्माण करण्यासाठी जटिल तपशील, रंग आणि संदर्भ कॅप्चर करून आमचे लेखन समजून घ्या आणि त्याचा अर्थ लावा. प्रतिमा निर्माण करण्याच्या या नवीन मार्गासाठी असंख्य अनुप्रयोग आहेत: कला, डिझाइन, सामग्री निर्मिती... सर्जनशील कल्पनांना जिवंत करण्यासाठी एक शक्तिशाली साधन.

मजकूरातून प्रतिमा निर्माण करण्याचा एक नवीन मार्ग

DALL-E 3 विशेषत: तुम्ही मजकूरातून प्रतिमा व्युत्पन्न करण्याचा मार्ग पुन्हा परिभाषित करण्यासाठी डिझाइन केले आहे. आतापर्यंत सादर केलेले उपाय अनेकदा कमी पडतात, कारण ते विशिष्ट शब्द किंवा अभिव्यक्तीकडे दुर्लक्ष करतात. दुसऱ्या शब्दांत: फक्त तेच वापरकर्ते जे जलद अभियांत्रिकी भाषेतील तज्ञ आहेत तेच याचा लाभ घेऊ शकतात.

याउलट, DALL-E 3 हा आमूलाग्र बदल दर्शवतो. एक आगाऊ म्हणजे कोणताही वापरकर्ता हे तंत्रज्ञान वापरू शकतो आणि जटिलतेशिवाय अविश्वसनीय परिणाम मिळवा.

ChatGPT, DALL-E 3 सह उत्तम प्रकारे एकत्रित केले आहे, त्यामुळे आमच्या मागण्यांसाठी एक सर्जनशील आणि प्रतिसाद देणारा भागीदार बनतो. बाकीचे काम अल्गोरिदमला करू देऊन, आम्हाला फक्त शब्द आणि वर्णनांद्वारे आमच्या कल्पना त्यापर्यंत पोहोचवायच्या आहेत: आमच्या विचारांना जीवन द्या, उत्कृष्ट दृश्य प्रभावासह वैयक्तिकृत प्रतिमा निर्माण करणे.

अधिक अचूकता

dall-e 3

DALL-E च्या मागील आवृत्तीमध्ये, उर्वरित जनरेटिव्ह आर्टिफिशियल इंटेलिजेंस मॉडेल्सप्रमाणेच समस्या उद्भवल्या. क्लिष्ट मजकूर संदेशांचा अर्थ लावण्याचा मार्ग नेहमीच योग्य नसतो. काहीवेळा, प्रतिमा तयार करताना संकल्पना देखील मिश्रित केल्या गेल्या, ज्यामुळे हास्यास्पद किंवा विचित्र परिणाम प्राप्त झाले.

पण त्याच्या पूर्ववर्तींच्या विपरीत, DALL-E 3 हे मजकूर प्रॉम्प्ट समजून घेण्यासाठी डिझाइन केलेले आहे ज्यात अचूकतेचे प्रमाण लक्षणीय आहे, बारकावे आणि तपशील कॅप्चर करणे जसे पूर्वी कधीही नव्हते.

नैतिक समस्या आणि पारदर्शकता

कृत्रिम बुद्धिमत्तेद्वारे व्युत्पन्न केलेल्या प्रतिमांबद्दलचा नैतिक वादविवाद केवळ तज्ञांच्याच नव्हे तर बर्‍याच लोकांच्या ओठांवर आहे. च्या साठी हिंसक, पोर्नोग्राफिक सामग्री असलेल्या किंवा द्वेषाला उत्तेजन देणाऱ्या प्रतिमा तयार करणे टाळा, DALL-E 3 मध्ये काही सुरक्षा उपाय समाविष्ट केले आहेत जे सामग्री निर्मितीच्या काही बाबी मर्यादित करतात. यात एक फिल्टर देखील आहे जो सार्वजनिक व्यक्तींच्या प्रतिमा तयार करण्यास प्रतिबंधित करतो, अशा प्रकारे त्यांच्या गोपनीयतेचे रक्षण करतो आणि या स्वरूपाचा सामना करतो नकली बातम्या.

DALL-E 3 साठी जबाबदार असणार्‍यांची आणखी एक चिंतेची बाब म्हणजे वापरकर्त्यांसोबत त्यांच्या प्रतिमांच्या "वास्तविकतेबद्दल" शक्य तितके पारदर्शक असणे. हे अन्यथा असू शकत नाही, कारण आर्टिफिशियल इंटेलिजन्सद्वारे व्युत्पन्न केलेली सामग्री इंटरनेटवर अधिक वारंवार होत असल्याने ती वाढते उक्त सामग्री ओळखण्यात शक्य तितके पारदर्शक असणे आवश्यक आहे. पुन्हा, फसवणूक आणि गैरसमज टाळणे, या नवीन तंत्रज्ञानाच्या जबाबदार वापरासाठी पाया घालणे हा हेतू आहे. जर ते चिमेरा नसेल तर.

या कारणास्तव, OpenAI सक्रियपणे नवीन मार्गांवर संशोधन करत आहे ज्यामुळे लोकांना AI-व्युत्पन्न केलेल्या प्रतिमा मानवांनी तयार केलेल्या प्रतिमांपासून वेगळे करता येतील. आता एका अंतर्गत साधनाची चाचणी केली जात आहे ज्याचे नाव आधीच दिले गेले आहे "प्रोव्हनन्स क्लासिफायर". सैद्धांतिकदृष्ट्या, या उपकरणामुळे, DALL-E 3 द्वारे प्रतिमा तयार केली गेली आहे की नाही हे निर्धारित करणे शक्य होईल आणि म्हणून ती वास्तविक प्रतिमा नाही.

रिलीझ तारीख

जर सर्व काही नियोजित प्रमाणे चालले तर, DALL-E 3 ऑक्टोबर 2023 मध्ये लोकांसमोर सादर केले जाईल. नवीन अल्गोरिदम कसे कार्य करते हे पाहण्याची संधी सर्वप्रथम ChatGPT Plus आणि ChatGPT Enterprise चे वापरकर्ते असतील. OpenAI चा DALL-E 3 टप्प्याटप्प्याने लागू करण्याचा मानस आहे, म्हणजे, त्याची कार्यक्षमता डोसिंग करणे, जरी अद्याप सार्वजनिक आणि विनामूल्य लॉन्चसाठी विशिष्ट तारखेची पुष्टी केलेली नाही.


आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटा जबाबदार: मिगुएल Áन्गल गॅटन
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.