Rozmawialiśmy już o tym przy innej okazji DALL-E. Z tej okazji pojawia się jego trzecia wersja. DALL-E3 to nazwa nowej wersji sztucznej inteligencji OpenAI który tworzy obrazy z tekstu. To ewolucja DALL-E, który został zaprezentowany w styczniu 2021 roku i już zaskoczył świat możliwością generowania obrazów tak różnorodnych koncepcji. jak pingwin w kapeluszu lub awokado w kształcie krzesła. DALL-E 3 znacznie poprawia wydajność i możliwości swojego poprzednika, oferując bardziej realistyczne, szczegółowe i spójne obrazy z dostarczonym mu tekstem.
Ponadto, natywnie integruje się z ChatGPT, chatbot oparty na GPT-3, który pozwala rozmawiać ze sztuczną inteligencją i prosić ją o utworzenie obrazów zgodnie z naszymi instrukcjami. W tym artykule powiemy Ci jak działa DALL-E 3, jakie nowe funkcje wnosi w odniesieniu do DALL-E, jakiego rodzaju obrazy może tworzyć i jakie konsekwencje ma ta technologia dla przyszłości projektowania i komunikacji.
Jak działa DALL-E 3?
DALL-E3 Jest to model sztucznej inteligencji oparty na sztuczne sieci neuronowe, w szczególności w tzw. transformatorach, które potrafią przetwarzać ciągi danych, takich jak tekst czy obrazy, i uczyć się zależności między nimi.
Ten model został przeszkolony z dużą liczbą par tekst-obraz, pobrane z Internetu, aby nauczyć się kojarzyć pojęcia wizualne ze słowami. W ten sposób, mając do dyspozycji tekst, jest w stanie wygenerować obraz ilustrujący go, wykorzystując własną kreatywność i wyobraźnię.
Otrzymuj zarówno tekst, jak i obraz jako pojedynczy strumień danych, złożony z maksymalnie 1280 tokenów. Token to dowolny symbol odrębnego słownictwa; Na przykład każda litera alfabetu jest tokenem. Słownictwo DALL-E 3 ma tokeny zarówno dla tekstu, jak i obrazu. Tekst jest reprezentowany przy użyciu maksymalnie 256 tokenów zakodowanych przy użyciu BPE (kodowanie par bajtów), a obraz jest reprezentowany przy użyciu 1024 tokenów zakodowanych przy użyciu BPE (kodowanie par bajtów). VQ-VAE (skwantowany wektorowo wariacyjny autoenkoder).
DALL-E 3 jest szkolony przy użyciu metody największej wiarygodności, która polega na generowaniu wszystkich tokenów jeden po drugim, maksymalizując prawdopodobieństwo każdego z podanych poprzednich. W ten sposób DALL-E 3 możesz stworzyć obraz od zeralub wygeneruj ponownie dowolną część istniejącego obrazu, która sięga do prawego dolnego rogu, o ile jest spójna z tekstem.
Jakie wieści przynosi?
Zakłada się, że DALL-E 3 duży postęp w porównaniu do DALL-E w kilku aspektach. Przede wszystkim DALL-E 3 charakteryzuje się wyższą rozdzielczością i jakością generowanych obrazów. Podczas gdy DALL-E stworzył obrazy 256 x 256 pikseli, DALL-E 3 tworzy obrazy 512 x 512 pikseli, co pozwala lepiej docenić szczegóły i tekstury.
Po drugie, DALL-E 3 ma większe zrozumienie i precyzja przy interpretacji podanego tekstu. Potrafi lepiej uchwycić niuanse i specyfikę tekstu, a także relacje pomiędzy elementami składającymi się na obraz. Na przykład, możesz tworzyć obrazy z tekstem w środku, takie jak plakaty lub etykiety, z poszanowaniem języka i formatu tekstu. Można także tworzyć obrazy przedstawiające bardziej realistyczne i proporcjonalne części ludzkiego ciała, takie jak dłonie lub stopy.
Po trzecie, DALL-E 3 ma większą integrację i łatwość użyteczny dzięki połączeniu z ChatGPT. ChatGPT to chatbot OpenAI oparty na GPT-3, najbardziej zaawansowanym modelu językowym na świecie, który pozwala rozmawiać ze sztuczną inteligencją i prosić ją o wykonanie różnych czynności. Dzięki integracji z ChatGPT, DALL-E 3 możesz otrzymać bardziej szczegółowe instrukcje i wyraźne obrazy do tworzenia obrazów, a także oferowanie użytkownikowi bardziej naturalnych i płynnych informacji zwrotnych.
Jakie obrazy może tworzyć DALL-E 3?
DALL-E3 potrafi tworzyć obrazy różnorodnych koncepcji, które można wyrazić w języku naturalnym. Oto kilka przykładów:
- Obrazy antropomorfizowanych obiektów lub zwierzątczyli z cechami ludzkimi. Na przykład kot w garniturze i krawacie lub słoń w okularach i kapeluszu.
- Obrazy obiektów hybrydowych lub zwierząt, to znaczy o połączonych cechach dwóch lub więcej gatunków. Na przykład pies ze skrzydłami motyla lub wąż z głową lwa.
- Obrazy zmodyfikowanych obiektów lub zwierząt, to znaczy ze zmienionymi lub dodanymi cechami. Na przykład samochód z serowymi kołami lub kwiat ze szklanymi płatkami.
- Obrazy wyimaginowanych obiektów lub zwierząt, to znaczy, że nie istnieją w rzeczywistości. Na przykład różowy jednorożec lub ognisty smok.
- Obrazy przedstawiające fikcyjne sceny lub krajobrazy, to znaczy nie odpowiadają żadnemu prawdziwemu miejscu. Na przykład unoszące się na niebie miasto lub zaczarowany las.
- Obrazy z przekształceń lub manipulacji istniejących obrazów, to znaczy zmieniają jakiś aspekt oryginalnego obrazu. Na przykład zmiana koloru włosów lub oczu danej osoby albo dodanie lub usunięcie czegoś z obrazu.
Jakie konsekwencje ma DALL-E 3?
DALL-E 3 jest przykładem ogromnego potencjału, jaki kryje w sobie sztuczna inteligencja w dziedzinie projektowanie i komunikacja. Dzięki DALL-E 3 otwiera się możliwość tworzenia spersonalizowanych i oryginalnych obrazów poprzez proste napisanie frazy, która może mieć wiele praktycznych zastosowań i kreatywny.
Na przykład DALL-E 3 można wykorzystać do:
- Tworzyć ilustracje do książek, czasopisma lub blogi.
- Twórz logo lub plakaty dla marek lub wydarzeń.
- Twórz awatary lub emotikony do sieci społecznościowych lub gier.
- Twórz memy lub naklejki podzielić się z przyjaciółmi.
- Twórz szkice lub prototypy do projektów artystycznych lub zawodowych.
- Twórz obrazy edukacyjne lub informacyjny, aby wyjaśnić złożone pojęcia.
Jednak DALL-E 3 stwarza również pewne wyzwania i ryzyko, które należy wziąć pod uwagę. Z jednej strony DALL-E 3 może mieć wpływ na pracę oraz uznanie dla ludzkich projektantów i artystów, którzy widzieli, jak maszyna zagraża ich kreatywności i oryginalności. Z drugiej strony DALL-E 3 może ułatwić tworzenie i rozpowszechnianie fałszywych lub wprowadzających w błąd treści, takich jak deepfakes lub fake news, które mogą mieć negatywne konsekwencje dla społeczeństwa.
Twoja wyobraźnia, teraz bez barier
DALL-E 3 to nowa wersja Sztuczna inteligencja OpenAI który tworzy obrazy z tekstu. DALL-E 3 poprawia jakość i precyzję generowanych obrazów, a także jego integrację z ChatGPT. Możesz tworzyć niesamowite obrazy szerokiej gamy koncepcji, które można wyrazić w języku naturalnym. DALL-E 3 ma duży potencjał projektowy i komunikacyjny, ale wiąże się to również z pewnymi wyzwaniami i ryzykiem, które należy wziąć pod uwagę.