ວິສະວະກໍາດ່ວນ
ການເບິ່ງທີ່ໃກ້ຊິດຢູ່ໃນ DALL-E 3 ຂອງ OpenAI
ໃນ AI ສ້າງ ໂລກ, ຮັກສາເຖິງຫລ້າສຸດແມ່ນຊື່ຂອງເກມ. ແລະໃນເວລາທີ່ມັນມາກັບການສ້າງຮູບພາບ, Stable Diffusion ແລະ ກາງແຈ້ງ ແມ່ນເວທີທີ່ທຸກຄົນເວົ້າກ່ຽວກັບ - ຈົນເຖິງປະຈຸບັນ.
OpenAI, ສະຫນັບສະຫນູນໂດຍຍັກໃຫຍ່ເຕັກໂນໂລຢີ Microsoft, ນໍາສະເຫນີ DALL E 3 ໃນວັນທີ 20 ກັນຍາ 2023.
DALL-E 3 ບໍ່ພຽງແຕ່ກ່ຽວກັບການສ້າງຮູບພາບ; ມັນກ່ຽວກັບການນໍາເອົາແນວຄວາມຄິດຂອງເຈົ້າໄປສູ່ຊີວິດ, ພຽງແຕ່ວິທີທີ່ເຈົ້າຈິນຕະນາການພວກມັນ. ແລະສ່ວນທີ່ດີທີ່ສຸດ? ມັນໄວ, ຄື, ໄວແທ້ໆ. ທ່ານມີຄວາມຄິດ, ທ່ານລ້ຽງມັນໃຫ້ DALL-E 3, ແລະ boom, ຮູບພາບຂອງທ່ານພ້ອມແລ້ວ.
ດັ່ງນັ້ນ, ໃນບົດຄວາມນີ້, ພວກເຮົາຈະລົງເລິກເຂົ້າໄປໃນສິ່ງທີ່ DALL-E 3 ທັງຫມົດກ່ຽວກັບ. ພວກເຮົາຈະສົນທະນາກ່ຽວກັບວິທີການເຮັດວຽກ, ສິ່ງທີ່ກໍານົດມັນນອກຈາກສ່ວນທີ່ເຫຼືອ, ແລະເປັນຫຍັງມັນອາດຈະເປັນພຽງແຕ່ເຄື່ອງມືທີ່ທ່ານບໍ່ຮູ້ວ່າທ່ານຕ້ອງການ. ບໍ່ວ່າເຈົ້າເປັນນັກອອກແບບ, ນັກສິລະປິນ, ຫຼືພຽງແຕ່ຄົນທີ່ມີແນວຄວາມຄິດດີໆຫຼາຍ, ເຈົ້າຄົງຈະຢາກຢູ່ກັບເລື່ອງນີ້. ໃຫ້ເລີ່ມຕົ້ນ.
ສິ່ງໃຫມ່ຂອງ DALL·E 3 ແມ່ນວ່າມັນໄດ້ຮັບສະພາບການທີ່ດີກວ່າ DALL·E 2. ຮຸ່ນກ່ອນຫນ້າອາດຈະພາດໂອກາດໃນບາງຈຸດພິເສດຫຼືບໍ່ສົນໃຈລາຍລະອຽດບາງຢ່າງຢູ່ທີ່ນີ້ແລະບ່ອນນັ້ນ, ແຕ່ DALL·E 3 ແມ່ນຢູ່ໃນຈຸດ. ມັນເລືອກເອົາລາຍລະອຽດທີ່ແນ່ນອນຂອງສິ່ງທີ່ທ່ານຮ້ອງຂໍ, ໃຫ້ຮູບພາບທີ່ໃກ້ຊິດກັບສິ່ງທີ່ທ່ານຈິນຕະນາການ.
ສ່ວນເຢັນ? DALL·LE 3 ແລະ ສົນທະນາ GPT ໃນປັດຈຸບັນໄດ້ຖືກປະສົມປະສານເຂົ້າກັນ. ພວກເຂົາເຮັດວຽກຮ່ວມກັນເພື່ອຊ່ວຍປັບປຸງແນວຄວາມຄິດຂອງເຈົ້າ. ທ່ານຍິງແນວຄວາມຄິດ, ChatGPT ຊ່ວຍໃນການປັບການກະຕຸ້ນເຕືອນ, ແລະ DALL·LE 3 ເຮັດໃຫ້ມັນມີຊີວິດ. ຖ້າທ່ານບໍ່ແມ່ນແຟນຂອງຮູບພາບ, ທ່ານສາມາດຂໍໃຫ້ ChatGPT ປັບການເຕືອນ ແລະເອົາ DALL·E 3 ເພື່ອລອງອີກຄັ້ງ. ສໍາລັບຄ່າບໍລິການປະຈໍາເດືອນ 20$, ທ່ານໄດ້ຮັບການເຂົ້າເຖິງ GPT-4, DALL·LE 3, ແລະຄຸນນະສົມບັດເຢັນອື່ນໆຈໍານວນຫຼາຍ.
Microsoft ຂອງ bingchat ໄດ້ຮັບມືຂອງຕົນກ່ຽວກັບ DALL·E 3 ແມ້ແຕ່ກ່ອນທີ່ OpenAI's ChatGPT ເຮັດ, ແລະໃນປັດຈຸບັນມັນບໍ່ແມ່ນພຽງແຕ່ວິສາຫະກິດຂະຫນາດໃຫຍ່, ແຕ່ທຸກຄົນທີ່ໄປຫຼິ້ນກັບມັນຟຣີ. ການເຊື່ອມໂຍງເຂົ້າໃນ Bing Chat ແລະ Bing Image Creator ເຮັດໃຫ້ມັນງ່າຍຂຶ້ນຫຼາຍທີ່ຈະນໍາໃຊ້ສໍາລັບທຸກຄົນ.
ການເພີ່ມຂຶ້ນຂອງຕົວແບບການແຜ່ກະຈາຍ
ໃນ 3 ປີທີ່ຜ່ານມາ, ວິໄສທັດ AI ໄດ້ເປັນພະຍານເຖິງການເພີ່ມຂື້ນຂອງຮູບແບບການແຜ່ກະຈາຍ, ກ້າວໄປຂ້າງຫນ້າຢ່າງຫຼວງຫຼາຍ, ໂດຍສະເພາະໃນການຜະລິດຮູບພາບ. ກ່ອນທີ່ຈະແຜ່ກະຈາຍຕົວແບບ, ເຄືອຂ່າຍ Adversarial ທົ່ວໄປ (GANs) ແມ່ນເທັກໂນໂລຍີໄປ-ສູ່ການສ້າງຮູບພາບຈິງ.
GANs
ຢ່າງໃດກໍ່ຕາມ, ພວກເຂົາເຈົ້າມີສ່ວນແບ່ງຂອງສິ່ງທ້າທາຍລວມທັງຄວາມຕ້ອງການຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍແລະພະລັງງານຄອມພິວເຕີ້, ເຊິ່ງມັກຈະເຮັດໃຫ້ພວກເຂົາມີຄວາມຫຍຸ້ງຍາກໃນການຈັດການ.
ກະລຸນາໃສ່ ການແຜ່ກະຈາຍ ແບບຈໍາລອງ. ພວກມັນກາຍເປັນທາງເລືອກທີ່ໝັ້ນຄົງ ແລະມີປະສິດທິພາບຫຼາຍຂຶ້ນຕໍ່ກັບ GANs. ບໍ່ເຫມືອນກັບ GANs, ແບບຈໍາລອງການແຜ່ກະຈາຍດໍາເນີນການໂດຍການເພີ່ມສິ່ງລົບກວນກັບຂໍ້ມູນ, ຂັດຂວາງມັນຈົນກ່ວາພຽງແຕ່ຄວາມສຸ່ມຍັງຄົງຢູ່. ຫຼັງຈາກນັ້ນ, ພວກເຂົາເຈົ້າເຮັດວຽກກັບຄືນໄປບ່ອນເພື່ອກັບຄືນຂະບວນການນີ້, reconstructing ຂໍ້ມູນທີ່ມີຄວາມຫມາຍຈາກສິ່ງລົບກວນ. ຂະບວນການນີ້ໄດ້ພິສູດໃຫ້ເຫັນວ່າມີປະສິດທິພາບ ແລະໃຊ້ຊັບພະຍາກອນໜ້ອຍ, ເຮັດໃຫ້ຮູບແບບການແຜ່ກະຈາຍເປັນຫົວຂໍ້ຮ້ອນໃນຊຸມຊົນ AI.
ຈຸດຫັນປ່ຽນທີ່ແທ້ຈິງແມ່ນມາຮອດປີ 2020, ໂດຍມີບົດຂຽນທີ່ມີຫົວຄິດປະດິດສ້າງ ແລະການນຳເອົາ ຄລິບຂອງ OpenAI ເຕັກໂນໂລຊີ, ທີ່ກ້າວຫນ້າຢ່າງຫຼວງຫຼາຍຄວາມສາມາດຂອງຕົວແບບການແຜ່ກະຈາຍ. ນີ້ເຮັດໃຫ້ແບບຈໍາລອງການແຜ່ກະຈາຍໄດ້ດີພິເສດໃນການສັງເຄາະຂໍ້ຄວາມເປັນຮູບພາບ, ໃຫ້ພວກເຂົາສ້າງຮູບພາບທີ່ແທ້ຈິງຈາກຄໍາອະທິບາຍຂໍ້ຄວາມ. ຄວາມແຕກແຍກເຫຼົ່ານີ້ບໍ່ພຽງແຕ່ຢູ່ໃນການຜະລິດຮູບພາບ, ແຕ່ຍັງຢູ່ໃນຂົງເຂດເຊັ່ນ: ສ່ວນປະກອບດົນຕີ ແລະ ການຄົ້ນຄວ້າຊີວະວິທະຍາ.
ໃນມື້ນີ້, ຮູບແບບການແຜ່ກະຈາຍບໍ່ພຽງແຕ່ເປັນຫົວຂໍ້ທີ່ມີຄວາມສົນໃຈທາງວິຊາການ, ແຕ່ຍັງຖືກນໍາໃຊ້ໃນຕົວຈິງ, ສະຖານະການຕົວຈິງ.
ການສ້າງແບບຈໍາລອງແບບທົ່ວໄປ ແລະຊັ້ນການໃສ່ໃຈຕົນເອງ: DALL-E 3
ຫນຶ່ງໃນຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນພາກສະຫນາມນີ້ແມ່ນວິວັດທະນາຂອງການສ້າງແບບຈໍາລອງການຜະລິດ, ໂດຍມີວິທີການທີ່ອີງໃສ່ຕົວຢ່າງເຊັ່ນການສ້າງແບບຈໍາລອງແບບອັດຕະໂນມັດແລະຂະບວນການແຜ່ກະຈາຍນໍາທາງ. ພວກເຂົາເຈົ້າໄດ້ຫັນປ່ຽນຕົວແບບຂໍ້ຄວາມເປັນຮູບພາບ, ນໍາໄປສູ່ການປັບປຸງປະສິດທິພາບຢ່າງຫຼວງຫຼາຍ. ໂດຍແຍກການສ້າງຮູບພາບອອກເປັນຂັ້ນຕອນທີ່ແຍກກັນ, ແບບຈໍາລອງເຫຼົ່ານີ້ໄດ້ກາຍເປັນເລື່ອງງ່າຍ ແລະງ່າຍຂຶ້ນສໍາລັບເຄືອຂ່າຍ neural ໃນການຮຽນຮູ້.
ໃນຂະຫນານ, ການນໍາໃຊ້ຊັ້ນການເອົາໃຈໃສ່ຕົນເອງໄດ້ມີບົດບາດສໍາຄັນ. ຊັ້ນເຫຼົ່ານີ້, ຊ້ອນກັນ, ໄດ້ຊ່ວຍໃນການສ້າງຮູບພາບໂດຍບໍ່ຈໍາເປັນຕ້ອງມີອະຄະຕິທາງກວ້າງຂອງພື້ນ implicit, ເປັນບັນຫາທົ່ວໄປທີ່ມີ convolutions. ການປ່ຽນແປງນີ້ໄດ້ອະນຸຍາດໃຫ້ຕົວແບບຂໍ້ຄວາມເປັນຮູບພາບສາມາດປັບຂະຫນາດແລະປັບປຸງຄວາມຫນ້າເຊື່ອຖືໄດ້, ເນື່ອງຈາກຄຸນສົມບັດການປັບຂະຫນາດທີ່ເຂົ້າໃຈດີຂອງຫມໍ້ແປງ.
ສິ່ງທ້າທາຍແລະການແກ້ໄຂໃນການຜະລິດຮູບພາບ
ເຖິງວ່າຈະມີຄວາມກ້າວຫນ້າເຫຼົ່ານີ້, ການຄວບຄຸມການຜະລິດຮູບພາບຍັງຄົງເປັນສິ່ງທ້າທາຍ. ບັນຫາເຊັ່ນການປະຕິບັດຕາມການກະຕຸ້ນເຕືອນ, ບ່ອນທີ່ຕົວແບບອາດຈະບໍ່ຕິດກັບຂໍ້ຄວາມທີ່ປ້ອນເຂົ້າຢ່າງໃກ້ຊິດ, ໄດ້ແຜ່ຫຼາຍ. ເພື່ອແກ້ໄຂບັນຫານີ້, ວິທີການໃຫມ່ເຊັ່ນການປັບປຸງຄໍາບັນຍາຍໄດ້ຖືກສະເຫນີ, ເພື່ອແນໃສ່ຍົກສູງຄຸນນະພາບຂອງຂໍ້ຄວາມແລະຮູບພາບຄູ່ໃນຊຸດຂໍ້ມູນການຝຶກອົບຮົມ.
ການປັບປຸງຄໍາບັນຍາຍ: ວິທີການ Novel
ການປັບປຸງຄຳບັນຍາຍກ່ຽວຂ້ອງກັບການສ້າງຄຳບັນຍາຍຄຸນນະພາບທີ່ດີຂຶ້ນສຳລັບຮູບພາບ, ເຊິ່ງໃນນັ້ນຊ່ວຍໃນການຝຶກອົບຮົມຕົວແບບຂໍ້ຄວາມເປັນຮູບທີ່ຖືກຕ້ອງຫຼາຍຂຶ້ນ. ນີ້ແມ່ນບັນລຸໄດ້ໂດຍຜ່ານຕົວບັນຍາຍຮູບພາບທີ່ເຂັ້ມແຂງທີ່ຜະລິດຄໍາອະທິບາຍລາຍລະອຽດແລະຖືກຕ້ອງຂອງຮູບພາບ. ໂດຍການຝຶກອົບຮົມກ່ຽວກັບຄໍາບັນຍາຍທີ່ປັບປຸງເຫຼົ່ານີ້ DALL-E 3 ໄດ້ບັນລຸຜົນໄດ້ຮັບທີ່ໂດດເດັ່ນ, ຄ້າຍຄືກັນກັບຮູບຖ່າຍແລະວຽກງານສິລະປະທີ່ຜະລິດໂດຍມະນຸດ.
ການຝຶກອົບຮົມກ່ຽວກັບ ຂໍ້ມູນສັງເຄາະ
ແນວຄວາມຄິດຂອງການຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນສັງເຄາະບໍ່ແມ່ນໃຫມ່. ຢ່າງໃດກໍຕາມ, ການປະກອບສ່ວນທີ່ເປັນເອກະລັກນີ້ແມ່ນໃນການສ້າງນະວະນິຍາຍ, ລະບົບການບັນຍາຍຮູບພາບ. ຜົນກະທົບຂອງການນໍາໃຊ້ຄໍາບັນຍາຍແບບສັງເຄາະສໍາລັບແບບຈໍາລອງການຜະລິດການຝຶກອົບຮົມແມ່ນມີຢ່າງຫຼວງຫຼາຍ, ນໍາໄປສູ່ການປັບປຸງຄວາມສາມາດຂອງຕົວແບບເພື່ອປະຕິບັດຕາມການກະຕຸ້ນເຕືອນຢ່າງຖືກຕ້ອງ.
ການປະເມີນ DALL-E 3
ຜ່ານການປະເມີນແລະການປຽບທຽບຫຼາຍໆຢ່າງກັບຕົວແບບທີ່ຜ່ານມາເຊັ່ນ DALL-E 2 ແລະ Stable Diffusion XL, DALL-E 3 ໄດ້ສະແດງໃຫ້ເຫັນເຖິງການປະຕິບັດທີ່ເຫນືອກວ່າ, ໂດຍສະເພາະໃນວຽກງານທີ່ກ່ຽວຂ້ອງກັບການກະຕຸ້ນເຕືອນ.
ການປຽບທຽບແບບຈໍາລອງຂໍ້ຄວາມເປັນຮູບພາບກ່ຽວກັບການປະເມີນຜົນຕ່າງໆ
ການນໍາໃຊ້ການປະເມີນຜົນອັດຕະໂນມັດແລະດັດຊະນີໄດ້ສະຫນອງຫຼັກຖານທີ່ຈະແຈ້ງກ່ຽວກັບຄວາມສາມາດຂອງຕົນ, ແຂງຕໍາແຫນ່ງຂອງຕົນເປັນເຄື່ອງສ້າງຂໍ້ຄວາມເປັນຮູບພາບທີ່ທັນສະໄຫມ.
DALL-E 3 ການເຕືອນແລະຄວາມສາມາດ
DALL-E 3 ສະເຫນີວິທີການທີ່ມີເຫດຜົນແລະປັບປຸງໃຫມ່ໃນການສ້າງຮູບພາບ. ໃນຂະນະທີ່ທ່ານເລື່ອນຜ່ານ, ທ່ານຈະສັງເກດເຫັນວິທີການ DALL-E ຫັດຖະກໍາແຕ່ລະຮູບພາບ, ດ້ວຍການຜະສົມຜະສານຂອງຄວາມຖືກຕ້ອງແລະຈິນຕະນາການທີ່ສະທ້ອນກັບການກະຕຸ້ນເຕືອນ.
ບໍ່ຄືກັບລຸ້ນກ່ອນ, ລຸ້ນທີ່ອັບເກຣດນີ້ດີເລີດໃນການຈັດວາງສິ່ງຂອງຢ່າງເປັນທຳມະຊາດພາຍໃນສາກໜຶ່ງ ແລະພັນລະນາລັກສະນະຂອງມະນຸດໄດ້ຢ່າງຖືກຕ້ອງ, ລົງຕາມຕົວເລກທີ່ຖືກຕ້ອງຂອງມື. ການປັບປຸງໄດ້ຂະຫຍາຍໄປສູ່ລາຍລະອຽດທີ່ລະອຽດກວ່າ ແລະໃນປັດຈຸບັນມີຢູ່ໃນຄວາມລະອຽດທີ່ສູງຂຶ້ນ, ຮັບປະກັນຜົນຜະລິດທີ່ແທ້ຈິງ ແລະເປັນມືອາຊີບຫຼາຍຂຶ້ນ.
ຄວາມສາມາດໃນການສະແດງຂໍ້ຄວາມຍັງໄດ້ຮັບການປັບປຸງຢ່າງຫຼວງຫຼາຍ. ບ່ອນທີ່ DALL-E ຮຸ່ນກ່ອນຫນ້າໄດ້ຜະລິດຂໍ້ຄວາມທີ່ແປກປະຫຼາດ, DALL-E 3 ປະຈຸບັນສາມາດສ້າງຕົວອັກສອນທີ່ຊັດເຈນແລະເປັນມືອາຊີບ (ບາງຄັ້ງ), ແລະແມ້ແຕ່ໂລໂກ້ທີ່ສະອາດໃນບາງໂອກາດ.
ຄວາມເຂົ້າໃຈຂອງຕົວແບບກ່ຽວກັບການຮ້ອງຂໍຮູບພາບທີ່ສັບສົນແລະ nuanced ໄດ້ຮັບການປັບປຸງຢ່າງຫຼວງຫຼາຍ. ໃນປັດຈຸບັນ DALL-E 3 ສາມາດປະຕິບັດຕາມຄໍາອະທິບາຍລາຍລະອຽດໄດ້ຢ່າງຖືກຕ້ອງ, ເຖິງແມ່ນວ່າຢູ່ໃນສະຖານະການທີ່ມີອົງປະກອບແລະຄໍາແນະນໍາສະເພາະ, ສະແດງໃຫ້ເຫັນຄວາມສາມາດຂອງຕົນໃນການຜະລິດຮູບພາບທີ່ສອດຄ່ອງກັນແລະອົງປະກອບທີ່ດີ. ມາສຳຫຼວດການກະຕຸ້ນເຕືອນບາງອັນ ແລະຜົນໄດ້ຮັບຕາມລຳດັບທີ່ພວກເຮົາໄດ້ຮັບ:
Design the packaging for a line of organic teas. Include space for the product name and description.
DALL-E 3 ຮູບພາບອີງຕາມການກະຕຸ້ນຂໍ້ຄວາມ (ຫມາຍເຫດວ່າໂປສເຕີຊ້າຍມີການສະກົດຄໍາຜິດ)
Create a web banner advertising a summer sale on outdoor furniture. The image feature a beach setting with different pieces of outdoor furniture, and text announcing 'Huge Summer Savings!'
DALL-E 3 ຮູບພາບໂດຍອີງໃສ່ການເຕືອນຂໍ້ຄວາມ
A vintage travel poster of Paris with bold and stylized text saying 'Visit Paris' at the bottom.
DALL-E 3 ຮູບພາບອີງຕາມການກະຕຸ້ນຂໍ້ຄວາມ (ໃຫ້ສັງເກດວ່າໂປສເຕີທັງສອງມີການສະກົດຄໍາຜິດ)
A bustling scene of the Diwali festival in India, with families lighting lamps, fireworks in the sky, and traditional sweets and decorations.DALL-E 3 ຮູບພາບໂດຍອີງໃສ່ການເຕືອນຂໍ້ຄວາມ
A detailed marketplace in ancient Rome, with people in period-appropriate clothing, various goods for sale, and architecture of the time.
DALL-E 3 ຮູບພາບໂດຍອີງໃສ່ການເຕືອນຂໍ້ຄວາມ
Generate an image of a famous historical figure, like Cleopatra or Leonardo da Vinci, placed in a contemporary setting, using modern technology like smartphones or laptops.
DALL-E 3 ຮູບພາບໂດຍອີງໃສ່ການເຕືອນຂໍ້ຄວາມ
ຂໍ້ຈຳກັດ & ຄວາມສ່ຽງຂອງ DALL-E 3
OpenAI ໄດ້ປະຕິບັດຂັ້ນຕອນທີ່ສໍາຄັນໃນການກັ່ນຕອງເນື້ອຫາທີ່ບໍ່ຊັດເຈນຈາກຂໍ້ມູນການຝຶກອົບຮົມຂອງ DALL-E 3, ເພື່ອແນໃສ່ຫຼຸດຜ່ອນຄວາມລໍາອຽງແລະປັບປຸງຜົນຜະລິດຂອງຕົວແບບ. ນີ້ປະກອບມີການນໍາໃຊ້ຕົວກອງສະເພາະສໍາລັບປະເພດເນື້ອຫາທີ່ອ່ອນໄຫວແລະການປັບປຸງຂອບເຂດສໍາລັບການກັ່ນຕອງທີ່ກວ້າງກວ່າ. stack ການຫຼຸດຜ່ອນການຍັງປະກອບມີການປົກປ້ອງຫຼາຍຊັ້ນ, ເຊັ່ນ: ກົນໄກການປະຕິເສດໃນ ChatGPT ສໍາລັບຫົວຂໍ້ທີ່ລະອຽດອ່ອນ, ການຈັດປະເພດການປ້ອນຂໍ້ມູນທັນທີເພື່ອປ້ອງກັນການລະເມີດນະໂຍບາຍ, ບັນຊີລາຍການບລັອກສໍາລັບປະເພດເນື້ອຫາສະເພາະ, ແລະການຫັນປ່ຽນເພື່ອຮັບປະກັນການກະຕຸ້ນເຕືອນສອດຄ່ອງກັບຄໍາແນະນໍາ.
ເຖິງວ່າຈະມີຄວາມກ້າວຫນ້າຂອງມັນ, DALL-E 3 ມີຂໍ້ຈໍາກັດໃນການເຂົ້າໃຈຄວາມສໍາພັນທາງພື້ນທີ່, ການສະແດງຂໍ້ຄວາມຍາວຢ່າງຖືກຕ້ອງ, ແລະສ້າງຮູບພາບສະເພາະ. OpenAI ຮັບຮູ້ສິ່ງທ້າທາຍເຫຼົ່ານີ້ແລະກໍາລັງເຮັດວຽກກ່ຽວກັບການປັບປຸງສໍາລັບຮຸ່ນໃນອະນາຄົດ.
ບໍລິສັດຍັງເຮັດວຽກກ່ຽວກັບວິທີການແຍກຮູບພາບທີ່ສ້າງໂດຍ AI ຈາກສິ່ງທີ່ເຮັດໂດຍມະນຸດ, ສະທ້ອນໃຫ້ເຫັນເຖິງຄວາມມຸ່ງຫມັ້ນຂອງພວກເຂົາຕໍ່ຄວາມໂປ່ງໃສແລະການນໍາໃຊ້ AI ທີ່ມີຄວາມຮັບຜິດຊອບ.
DALL E 3
DALL-E 3, ຮຸ່ນຫຼ້າສຸດ, ຈະມີຢູ່ໃນໄລຍະເລີ່ມຕົ້ນຈາກກຸ່ມລູກຄ້າສະເພາະແລະຕໍ່ມາຂະຫຍາຍໄປສູ່ຫ້ອງທົດລອງຄົ້ນຄ້ວາແລະການບໍລິການ API. ຢ່າງໃດກໍຕາມ, ວັນທີປ່ອຍສາທາລະນະຟຣີຍັງບໍ່ໄດ້ຢືນຢັນເທື່ອ.
OpenAI ກໍາລັງກໍານົດມາດຕະຖານໃຫມ່ໃນພາກສະຫນາມຂອງ AI ຢ່າງແທ້ຈິງກັບ DALL-E 3, ເຊື່ອມຕໍ່ຄວາມສາມາດດ້ານວິຊາການທີ່ສັບສົນແລະການໂຕ້ຕອບທີ່ເປັນມິດກັບຜູ້ໃຊ້. ການເຊື່ອມໂຍງຂອງ DALL-E 3 ເຂົ້າໄປໃນແພລະຕະຟອມທີ່ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງເຊັ່ນ Bing ສະທ້ອນໃຫ້ເຫັນເຖິງການປ່ຽນແປງຈາກຄໍາຮ້ອງສະຫມັກພິເສດໄປສູ່ຮູບແບບການບັນເທີງແລະປະໂຫຍດທີ່ກວ້າງຂວາງ, ເຂົ້າເຖິງໄດ້ຫຼາຍຂຶ້ນ.
ການປ່ຽນແປງເກມທີ່ແທ້ຈິງໃນຊຸມປີຂ້າງຫນ້າອາດຈະເປັນຄວາມສົມດູນລະຫວ່າງນະວັດຕະກໍາແລະການສ້າງຄວາມເຂັ້ມແຂງຂອງຜູ້ໃຊ້. ບໍລິສັດທີ່ຈະເລີນຮຸ່ງເຮືອງຈະເປັນຜູ້ທີ່ບໍ່ພຽງແຕ່ຊຸກຍູ້ຂອບເຂດຂອງສິ່ງທີ່ AI ສາມາດບັນລຸໄດ້, ແຕ່ຍັງໃຫ້ຜູ້ໃຊ້ທີ່ມີເອກະລາດແລະການຄວບຄຸມທີ່ພວກເຂົາຕ້ອງການ. OpenAI, ດ້ວຍຄວາມມຸ່ງຫມັ້ນຂອງຕົນຕໍ່ AI ດ້ານຈັນຍາບັນ, ກໍາລັງນໍາທາງນີ້ຢ່າງລະມັດລະວັງ. ເປົ້າຫມາຍແມ່ນຈະແຈ້ງ: ເພື່ອສ້າງເຄື່ອງມື AI ທີ່ບໍ່ພຽງແຕ່ມີອໍານາດ, ແຕ່ຍັງມີຄວາມຫນ້າເຊື່ອຖືແລະລວມ, ຮັບປະກັນວ່າຜົນປະໂຫຍດຂອງ AI ແມ່ນສາມາດເຂົ້າເຖິງທັງຫມົດ.
 |
