ChatGPT teraz dokáže generovať obrázky a sú šokujúco podrobné.

V stredu OpenAI, startup AI v San Franciscu, vydal novú verziu svojho generátora obrázkov DALL-E pre malú skupinu testerov a integroval túto technológiu do ChatGPT, populárneho online chatbota.

Spoločnosť s názvom DALL-E 3 uviedla, že dokáže produkovať obrázky, ktoré sú presvedčivejšie ako predchádzajúce verzie technológie, pričom sa prejavuje zvláštny talent pre obrázky obsahujúce písmená, čísla a ľudské ruky.

„Oveľa lepšie rozumie a vyjadruje to, čo používateľ požaduje,“ povedala Aditya Ramesh, výskumníčka z OpenAI, a dodala, že táto technológia bola navrhnutá tak, aby presnejšie porozumela anglickému jazyku.

Pridaním najnovšej verzie DALL-E do ChatGPT OpenAI upevňuje svojho chatbota ako centrum pre generatívnu AI, ktorá dokáže sama vytvárať text, obrázky, zvuky, softvér a ďalšie digitálne médiá. Odkedy sa ChatGPT minulý rok stal virálnym, odštartoval preteky medzi technologickými gigantmi zo Silicon Valley o to, kto bude v popredí umelej inteligencie s pokrokmi.

Google v utorok vydal novú verziu svojho chatbota Bard, ktorý sa pripája k mnohým z najpopulárnejších služieb spoločnosti vrátane Gmailu, YouTube a Dokumentov. Midjourney a Stable Diffusion, dvaja ďalší tvorcovia obrázkov, aktualizovali svoje modely toto leto.

OpenAI už dlho demonštruje spôsoby, ako prepojiť svojho chatbota s inými online službami, vrátane Expedia, OpenTable a Wikipedia. Toto je ale prvýkrát, čo startup skombinoval chatbota s generátorom obrázkov.

DALL-E a ChatGPT boli predtým dve samostatné aplikácie. Ale s najnovšou verziou môžu ľudia teraz používať ChatGPT na vytváranie digitálnych obrázkov jednoduchým opisom toho, čo chcú vidieť. Alebo môžu vytvárať obrázky pomocou popisov generovaných chatbotmi, čím automatizujú proces vytvárania grafiky, umenia a iných médií.

V demonštrácii tento týždeň výskumník OpenAI Gabriel Goh ukázal, ako ChatGPT teraz dokáže generovať podrobné textové popisy, ktoré sa potom používajú na vytváranie obrázkov. Po vytvorení popisov loga pre reštauráciu s názvom Mountain Ramen napríklad bot vygeneroval niekoľko obrázkov z týchto popisov v priebehu niekoľkých sekúnd.

Nová verzia DALL-E dokáže produkovať obrázky z viacodstavcových popisov a presne sa riadi podrobne popísanými pokynmi, povedal pán Goh. Rovnako ako všetky generátory obrázkov – a iné systémy AI – sú tiež náchylné na chyby, povedal.

Keďže pracuje na zlepšovaní technológie, OpenAI nebude zdieľať DALL-E 3 so širšou verejnosťou až do budúceho mesiaca. DALL-E 3 bude potom k dispozícii prostredníctvom služby ChatGPT Plus, ktorá stojí 20 dolárov mesačne.

Odborníci varovali, že technológia na vytváranie obrázkov by mohla byť použitá na šírenie veľkého množstva dezinformácií online. Na ochranu pred týmto DALL-E 3 má OpenAI integrované nástroje určené na blokovanie problematických tém, ako sú sexuálne explicitné obrázky a zobrazenia verejných činiteľov. Spoločnosť sa tiež snaží obmedziť schopnosť DALL-E napodobňovať štýly konkrétnych umelcov.

Umelá inteligencia bola v posledných mesiacoch využívaná ako zdroj vizuálnych dezinformácií. Mimoriadne vykonštruovaná a nenáročná paródia na zjavný výbuch v Pentagone poslala burzu v máji, okrem iných príkladov, krátko nadol. Odborníci na hlasovanie sa tiež obávajú potenciálu tejto technológie Používané zlomyseľne Počas veľkých volieb.

DALL-E 3 má tendenciu vytvárať obrázky, ktoré sú viac štylizované ako fotorealistické, povedala Sandhini Agarwal, výskumníčka OpenAI zameraná na bezpečnosť a politiku. Pripustila však, že model môže byť požiadaný, aby vytvoril pôsobivé scény, ako sú zrnité obrázky zachytené bezpečnostnými kamerami.

OpenAI z väčšej časti neplánuje blokovať potenciálne problematický obsah pochádzajúci z DALL-E 3. Takýto prístup je „veľmi široký“, pretože obrázky môžu byť neškodné alebo nebezpečné v závislosti od kontextu, v ktorom sa objavia, povedala pani Agarwal .

„Skutočne to závisí od toho, kde sa používa a ako o tom ľudia hovoria,“ povedala.