Prompt Engineering
OpenAI ၏ DALL-E 3 ကို အနီးကပ်ကြည့်ရှုပါ။
ထဲမှာ Generative AI ဖြစ်သည် ကမ္ဘာ၊ နောက်ဆုံးပေါ်ကို လိုက်မီခြင်းသည် ဂိမ်း၏အမည်ဖြစ်သည်။ ပုံများထုတ်လုပ်ခြင်းမှကြွလာသောအခါ Stable Diffusion နှင့် လမ်းလယ် အခုအချိန်အထိ လူတိုင်းပြောနေကြတဲ့ ပလက်ဖောင်းတစ်ခုလား။
နည်းပညာကုမ္ပဏီကြီး Microsoft မှ ကျောထောက်နောက်ခံပြု OpenAI ကို မိတ်ဆက်ခဲ့သည်။ DALL E ၂ စက်တင်ဘာလ 20, 2023 ရက်နေ့တွင်။
DALL-E 3 သည် ပုံများကို ဖန်တီးခြင်းမျှသာ မဟုတ်ပါ။ မင်းစိတ်ကူးထားတဲ့အတိုင်း မင်းရဲ့စိတ်ကူးတွေကို အသက်ဝင်စေမယ့်အရာပါ။ နှင့်အကောင်းဆုံးအပိုင်း? မြန်တယ်၊ တကယ်မြန်တယ်။ မင်းမှာ အကြံတစ်ခုရပြီး၊ DALL-E 3 ကို ကျွေးပြီး boom၊ မင်းရဲ့ပုံက အဆင်သင့်ဖြစ်နေပါပြီ။
ထို့ကြောင့်၊ ဤဆောင်းပါးတွင်၊ ကျွန်ုပ်တို့သည် DALL-E 3 နှင့်ပတ်သက်သည့်အရာအားလုံးကို နက်နက်နဲနဲလေ့လာပါမည်။ ၎င်းသည် မည်သို့အလုပ်လုပ်ပုံ၊ ၎င်းကို အခြားအရာများနှင့် ခြားနားစေမည့် အကြောင်းနှင့် ၎င်းသည် သင်မလိုအပ်သော ကိရိယာတစ်ခု ဖြစ်ကောင်းဖြစ်နိုင်သည်တို့ကို ဆွေးနွေးပါမည်။ သင်ဟာ ဒီဇိုင်နာတစ်ယောက်၊ အနုပညာရှင်တစ်ယောက်ပဲ ဖြစ်ဖြစ် စိတ်ကူးကောင်းတွေ အများကြီးရှိတဲ့သူတစ်ယောက်ပဲ ဖြစ်ဖြစ်၊ ဒီအတွက် စွဲစွဲမြဲမြဲနေချင်နေလိမ့်မယ်။ စလိုက်ကြစို့။
DALL·E 3 ၏အသစ်အဆန်းမှာ DALL·E 2 ထက်စာကြောင်းများစွာပိုကောင်းလာခြင်းဖြစ်သည်။ အစောပိုင်းဗားရှင်းများသည် အချို့သောအသေးစိတ်အချက်အလက်များကိုလွဲချော်သွားခြင်း သို့မဟုတ် ဤနေရာတွင်အသေးစိတ်အချက်အချို့ကို လျစ်လျူရှုထားသော်လည်း DALL·E 3 သည် ပေါ်လွင်နေပါသည်။ ၎င်းသည် သင်တောင်းဆိုနေသည့်အရာ၏ အတိအကျအသေးစိတ်အချက်အလက်များကို ကောက်ယူပြီး သင်စိတ်ကူးထားသည့်အရာနှင့် ပိုမိုနီးစပ်သည့် ဓာတ်ပုံကိုပေးသည်။
အေးမြတဲ့အပိုင်း? DALL·LE 3 နှင့် GPT ချတ် ယခုအခါ အတူတကွ ပေါင်းစည်းနေကြပြီဖြစ်သည်။ သူတို့သည် သင့်စိတ်ကူးများကို ပြုပြင်ရန် အတူတူလုပ်ဆောင်ကြသည်။ အယူအဆတစ်ခုကို သင်ရိုက်ကူးသည်၊ ChatGPT သည် အချက်ပြမှုကို ကောင်းစွာချိန်ညှိရာတွင် ကူညီပေးပြီး DALL·3 သည် ၎င်းကို အသက်ဝင်စေပါသည်။ အကယ်၍ သင်သည် ပုံ၏အမာခံမဟုတ်ပါက၊ အမှာစာအား ပြုပြင်ပြောင်းလဲရန် ChatGPT ကို တောင်းဆိုနိုင်ပြီး ထပ်မံကြိုးစားရန် DALL·E 3 ကို ရယူနိုင်ပါသည်။ လစဉ် 20$ အခကြေးငွေဖြင့်၊ သင်သည် GPT-4၊ DALL·LE 3 နှင့် အခြားအမိုက်စား လုပ်ဆောင်ချက်များစွာကို အသုံးပြုနိုင်မည်ဖြစ်သည်။
Microsoft ရဲ့ bingchat OpenAI ၏ ChatGPT မလုပ်မီကပင် DALL·E 3 ကို လက်ထဲရရှိထားပြီး ယခုအခါ ၎င်းသည် လုပ်ငန်းကြီးကြီးမားမားများသာမက ၎င်းနှင့် အခမဲ့ကစားနိုင်သူတိုင်းကို အခမဲ့လုပ်ဆောင်နိုင်ခဲ့သည်။ Bing Chat နှင့် Bing Image Creator တွင် ပေါင်းစည်းခြင်းသည် မည်သူမဆို အသုံးပြုရန် ပိုမိုလွယ်ကူစေသည်။
ပျံ့နှံ့မှုမော်ဒယ်များ ထွန်းကားလာခြင်း
လွန်ခဲ့သည့် 3 နှစ်အတွင်း၊ အမြင် AI သည် အထူးသဖြင့် ရုပ်ပုံမျိုးဆက်တွင် သိသာထင်ရှားစွာ ရှေ့သို့ ခုန်တက်သွားခဲ့သည်။ မပျံ့ခင် တစ်ချောင်း၊ Generative Adversarial Networks (GANs) လက်တွေ့ဆန်သော ရုပ်ပုံများကို ဖန်တီးရန်အတွက် လိုက်ဖက်သောနည်းပညာဖြစ်သည်။
GAN များ
သို့သော်၊ ၎င်းတို့တွင် များပြားလှသော ဒေတာပမာဏနှင့် တွက်ချက်မှုဆိုင်ရာ စွမ်းအား လိုအပ်မှု အပါအဝင် ၎င်းတို့၏ စိန်ခေါ်မှုများကို တွေ့ကြုံခဲ့ရပြီး ၎င်းတို့ကို ကိုင်တွယ်ရန် ခက်ခဲစေတတ်ပါသည်။
ဝင်ရောက် ပျံ့နှံ့ မော်ဒယ်များ။ ၎င်းတို့သည် GAN များအတွက် ပိုမိုတည်ငြိမ်ပြီး ထိရောက်သော အစားထိုးတစ်ခုအဖြစ် ပေါ်ထွက်လာသည်။ GAN များနှင့်မတူဘဲ၊ ပျံ့နှံ့မှုပုံစံများသည် ဒေတာသို့ ဆူညံသံများထည့်ခြင်းဖြင့် ၎င်းကို ကျပန်းအဖြစ်သာကျန်ရှိသည်အထိ ဖုံးကွယ်ထားသည်။ ထို့နောက် ၎င်းတို့သည် ဆူညံသံမှ အဓိပ္ပာယ်ရှိသော အချက်အလက်ကို ပြန်လည်တည်ဆောက်ကာ ဤလုပ်ငန်းစဉ်ကို ပြောင်းပြန်လှန်ရန် နောက်ပြန်လုပ်ဆောင်သည်။ ဤလုပ်ငန်းစဉ်သည် ထိရောက်ပြီး အရင်းအမြစ်-နည်းသောနည်းဖြစ်ကြောင်း သက်သေပြခဲ့ပြီး၊ ပျံ့နှံ့မှုပုံစံများသည် AI အသိုက်အဝန်းတွင် ခေါင်းစဉ်ကြီးတစ်ခုဖြစ်လာစေသည်။
ဆန်းသစ်တီထွင်ထားသော စာတမ်းများနှင့် နိဒါန်းများနှင့်အတူ 2020 ခုနှစ်ဝန်းကျင်တွင် အမှန်တကယ် အချိုးအကွေ့ရောက်ရှိလာပါသည်။ OpenAI ၏ ကလစ် နည်းပညာသည် သိသိသာသာ မြင့်မားသော diffusion မော်ဒယ်များ၏ စွမ်းရည်များဖြစ်သည်။ ၎င်းသည် စာသားမှပုံရိပ်ပေါင်းစပ်မှုတွင် ပျံ့နှံ့မှုပုံစံများကို အထူးကောင်းမွန်စေပြီး စာသားဖော်ပြချက်များမှ လက်တွေ့ဆန်သောပုံများကို ဖန်တီးနိုင်စေခဲ့သည်။ ဤအောင်မြင်မှုသည် ပုံသဏ္ဍာန်မျိုးဆက်တွင်သာမက၊ ထိုကဲ့သို့သောနယ်ပယ်များတွင်လည်းဖြစ်သည်။ ဂီတဖွဲ့စည်းမှု နှင့် ဇီဝဆေးသုတေသန.
ယနေ့ခေတ်တွင် ပျံ့နှံ့မှုပုံစံများသည် ပညာရပ်ဆိုင်ရာ စိတ်ဝင်စားဖွယ်အကြောင်းအရာတစ်ခုမျှသာမဟုတ်သော်လည်း လက်တွေ့၊ လက်တွေ့ကမ္ဘာအခြေအနေများတွင် အသုံးပြုလျက်ရှိသည်။
Generative Modeling နှင့် Self-အာရုံစိုက်အလွှာများ- DALL-E ၃
ဤနယ်ပယ်တွင် အရေးပါသောတိုးတက်မှုများထဲမှတစ်ခုမှာ autoregressive generative modeling နှင့် diffusion process များကဲ့သို့နမူနာအခြေခံသောချဉ်းကပ်မှုများနှင့်အတူ generative modeling ၏ဆင့်ကဲဖြစ်စဉ်များဖြစ်သည်။ ၎င်းတို့သည် စာသားမှ ရုပ်ပုံပုံစံများကို ပြောင်းလဲခဲ့ပြီး စွမ်းဆောင်ရည် သိသိသာသာ မြှင့်တင်ပေးခဲ့သည်။ ရုပ်ပုံထုတ်လုပ်ခြင်းကို သီးခြားအဆင့်များအဖြစ် ခွဲခြမ်းခြင်းဖြင့်၊ ဤမော်ဒယ်များသည် အာရုံကြောကွန်ရက်များအတွက် လေ့လာရန် ပိုမိုလွယ်ကူလာပြီး ပိုမိုလွယ်ကူလာပါသည်။
တဆက်တည်းတွင်၊ မိမိကိုယ်ကို အာရုံစူးစိုက်မှုအလွှာများအသုံးပြုခြင်းသည် အရေးကြီးသောအခန်းကဏ္ဍမှ ပါဝင်ခဲ့သည်။ ပေါင်းစပ်ထားသော ဤအလွှာများသည် သွယ်ဝိုက်သော spatial bias များမလိုအပ်ဘဲ ပုံများဖန်တီးရာတွင် အထောက်အကူဖြစ်စေပြီး convolutions နှင့် ပတ်သက်သော ဘုံပြဿနာတစ်ခုဖြစ်သည်။ ဤပြောင်းလဲမှုသည် ထရန်စဖော်မာများ၏ ကောင်းစွာနားလည်ထားသော အတိုင်းအတာဂုဏ်သတ္တိများကြောင့် စာသားမှပုံမော်ဒယ်များကို အတိုင်းအတာနှင့် ယုံကြည်စိတ်ချစွာ မြှင့်တင်နိုင်စေပါသည်။
Image Generation တွင် စိန်ခေါ်မှုများနှင့် ဖြေရှင်းချက်များ
ဤတိုးတက်မှုများရှိနေသော်လည်း၊ ရုပ်ပုံထုတ်လုပ်ခြင်းတွင် ထိန်းချုပ်နိုင်မှုသည် စိန်ခေါ်မှုတစ်ခုအဖြစ် ရှိနေသေးသည်။ မော်ဒယ်သည် ထည့်သွင်းစာသားကို နီးကပ်စွာ မလိုက်နာနိုင်သည့် အချက်ပြ လိုက်နာခြင်းကဲ့သို့သော ပြဿနာများ ပျံ့နှံ့နေပါသည်။ ၎င်းကိုဖြေရှင်းရန်၊ လေ့ကျင့်ရေးဒေတာအတွဲများတွင် စာသားနှင့် ရုပ်ပုံတွဲခြင်းများ၏ အရည်အသွေးကို မြှင့်တင်ရန် ရည်ရွယ်သည့် စာတန်းထိုးမြှင့်တင်မှုကဲ့သို့သော ချဉ်းကပ်မှုအသစ်များကို အဆိုပြုထားသည်။
စာတန်းထိုးတိုးတက်မှု- ဝတ္ထုချဉ်းကပ်မှု
စာတန်းမြှင့်တင်ခြင်းတွင် ရုပ်ပုံများအတွက် အရည်အသွေးပိုကောင်းသော စာတန်းများထုတ်ပေးခြင်းတွင် ပါဝင်ပြီး ၎င်းသည် ပိုမိုတိကျသော စာသားမှပုံမော်ဒယ်များကို လေ့ကျင့်သင်ကြားပေးရာတွင် ကူညီပေးပါသည်။ ပုံများ၏အသေးစိတ်နှင့်တိကျသောဖော်ပြချက်များကိုထုတ်ပေးသည့်ခိုင်မာသောရုပ်ပုံစာတန်းထိုးဖြင့်၎င်းကိုအောင်မြင်သည်။ အဆိုပါ မြှင့်တင်ထားသော စာတန်းများကို DALL-E 3 တွင် လေ့ကျင့်ပေးခြင်းဖြင့် လူသားများမှ ထုတ်လုပ်သော ဓာတ်ပုံများနှင့် အနုပညာလက်ရာများကဲ့သို့ ထူးထူးခြားခြား ရလဒ်များကို ရရှိနိုင်ပါသည်။
လေ့ကျင့်ခြင်းများ Synthetic Data များ
ပေါင်းစပ်ဒေတာကို လေ့ကျင့်ပေးခြင်း၏ သဘောတရားသည် အသစ်အဆန်းမဟုတ်ပါ။ သို့သော်၊ ဤနေရာတွင် ထူးခြားသောပံ့ပိုးမှုမှာ ဝတ္ထုရှည်၊ သရုပ်ဖော်ပုံစာတန်းထိုးခြင်းစနစ်တစ်ခု ဖန်တီးမှုတွင်ဖြစ်သည်။ လေ့ကျင့်ရေး မျိုးဆက်သစ်မော်ဒယ်များအတွက် ပေါင်းစပ်စာတန်းများကို အသုံးပြုခြင်း၏ အကျိုးသက်ရောက်မှုသည် သိသိသာသာဖြစ်ပြီး၊ မော်ဒယ်၏ အချက်ပြမှုများကို တိကျစွာလိုက်နာနိုင်မှုစွမ်းရည်ကို မြှင့်တင်ပေးပါသည်။
DALL-E 3 ကို အကဲဖြတ်ခြင်း။
DALL-E 2 နှင့် Stable Diffusion XL ကဲ့သို့သော ယခင်မော်ဒယ်များနှင့် နှိုင်းယှဉ်မှုများစွာဖြင့် DALL-E 3 သည် အထူးသဖြင့် အောက်ပါအချက်များနှင့် သက်ဆိုင်သည့် အလုပ်များတွင် သာလွန်ကောင်းမွန်သောစွမ်းဆောင်ရည်ကို ပြသခဲ့သည်။
အမျိုးမျိုးသော အကဲဖြတ်ချက်များအပေါ် စာသားမှပုံမော်ဒယ်များကို နှိုင်းယှဉ်ခြင်း။
အလိုအလျောက် အကဲဖြတ်ချက်များနှင့် စံညွှန်းများကို အသုံးပြုခြင်းသည် ၎င်း၏စွမ်းရည်များကို ရှင်းလင်းပြတ်သားစွာ သက်သေပြခဲ့ပြီး ၎င်း၏ရာထူးကို ခေတ်မီသော စာသားမှပုံထုတ်ပေးသည့် ဂျင်နရေတာတစ်ခုအဖြစ် ခိုင်မာစေပါသည်။
DALL-E 3 နှိုးဆော်ချက်များနှင့် စွမ်းရည်များ
DALL-E 3 သည် ရုပ်ပုံများကို ဖန်တီးရန်အတွက် ပိုမိုယုတ္တိရှိပြီး သန့်စင်သောချဉ်းကပ်မှုကို ပေးပါသည်။ သင်ဖြတ်သန်းသွားသည့်အခါတွင် DALL-E သည် ပုံတစ်ပုံချင်းစီကို တိကျမှုနှင့် စိတ်ကူးစိတ်သန်းများ ရောစပ်ပြီး ပေးထားသည့် အချက်ပြချက်နှင့် ထပ်တူထပ်မျှ တူညီသော စိတ်ကူးစိတ်သန်းများဖြင့် ပုံတစ်ပုံချင်းစီကို မည်သို့ဖန်တီးသည်ကို သတိပြုမိမည်ဖြစ်သည်။
၎င်း၏ရှေ့ဆက်သူနှင့်မတူဘဲ၊ ဤအဆင့်မြှင့်ထားသောဗားရှင်းသည် မြင်ကွင်းတစ်ခုအတွင်း သဘာဝကျကျအရာဝတ္ထုများစီစဉ်ခြင်းနှင့် လက်တစ်ဘက်ရှိ လက်ချောင်းအရေအတွက်အထိ မှန်ကန်သောလက်ချောင်းများအထိ လူသားအသွင်အပြင်များကို တိကျစွာပုံဖော်ပေးရာတွင် ထူးချွန်ပါသည်။ မြှင့်တင်မှုများသည် ပိုမိုအသေးစိတ်အသေးစိတ်များအထိ ချဲ့ထွင်ပြီး ပိုမိုလက်တွေ့ကျပြီး ပရော်ဖက်ရှင်နယ်ထွက်ရှိမှုကို သေချာစေမည့် ပိုမိုမြင့်မားသော ကြည်လင်ပြတ်သားမှုဖြင့် ရရှိနိုင်ပါသည်။
စာသား rendering စွမ်းရည်များ သိသိသာသာ တိုးတက်လာသည်ကို တွေ့ရသည်။ DALL-E သည် ယခင်ဗားရှင်းများသည် ညစ်ညမ်းသောစာသားများကို ထုတ်လုပ်သည့်နေရာတွင်၊ DALL-E 3 သည် ယခုအခါတွင် မြင်သာထင်သာရှိပြီး ပရော်ဖက်ရှင်နယ်ပုံစံဖြင့် စာလုံးပုံစံ (တစ်ခါတစ်ရံ) နှင့် တစ်ခါတစ်ရံတွင် လိုဂိုများကိုပင် သန့်ရှင်းပေးနိုင်ပါသည်။
ရှုပ်ထွေးပြီး သပ်ရပ်သော ရုပ်ပုံတောင်းဆိုမှုများကို မော်ဒယ်၏ နားလည်မှုကို သိသိသာသာ မြှင့်တင်ထားပါသည်။ DALL-E 3 သည် ယခုအခါ ဒြပ်စင်များစွာနှင့် သီးခြားညွှန်ကြားချက်များပါသည့် အခြေအနေများတွင်ပင် အသေးစိတ်ဖော်ပြချက်များကို တိကျစွာလိုက်နာနိုင်ပြီး ပေါင်းစပ်ပြီး ကောင်းမွန်စွာဖွဲ့စည်းထားသော ပုံများကို ထုတ်လုပ်ရန် ၎င်း၏စွမ်းရည်ကို ပြသနိုင်ပြီဖြစ်သည်။ ကျွန်ုပ်တို့ရရှိသော အချက်များနှင့် သက်ဆိုင်ရာ ရလဒ်အချို့ကို လေ့လာကြည့်ကြပါစို့။
Design the packaging for a line of organic teas. Include space for the product name and description.
စာသားသတိပေးချက်များအပေါ်အခြေခံသည့် DALL-E 3 ပုံများ (ဘယ်ဘက်ပိုစတာတွင် စာလုံးပေါင်းမှားနေကြောင်း သတိပြုပါ)
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!'
စာသားအချက်ပြမှုများအပေါ်အခြေခံ၍ DALL-E 3 ပုံများ
A vintage travel poster of Paris with bold and stylized text saying 'Visit Paris' at the bottom.
စာသားသတိပေးချက်များအပေါ်အခြေခံ၍ DALL-E 3 ရုပ်ပုံများ (ပိုစတာနှစ်ခုလုံးတွင် စာလုံးပေါင်းမှားနေကြောင်း သတိပြုပါ)
A bustling scene of the Diwali festival in India, with families lighting lamps, fireworks in the sky, and traditional sweets and decorations.စာသားအချက်ပြမှုများအပေါ်အခြေခံ၍ DALL-E 3 ပုံများ
A detailed marketplace in ancient Rome, with people in period-appropriate clothing, various goods for sale, and architecture of the time.
စာသားအချက်ပြမှုများအပေါ်အခြေခံ၍ DALL-E 3 ပုံများ
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.
စာသားအချက်ပြမှုများအပေါ်အခြေခံ၍ DALL-E 3 ပုံများ
DALL-E ၏ ကန့်သတ်ချက်များနှင့် အန္တရာယ် ၃
OpenAI သည် ဘက်လိုက်မှုများကို လျှော့ချရန်နှင့် မော်ဒယ်၏ထွက်ရှိမှုကို မြှင့်တင်ရန် ရည်ရွယ်၍ DALL-E 3 ၏ လေ့ကျင့်ရေးဒေတာမှ ထင်ရှားသောအကြောင်းအရာများကို စစ်ထုတ်ရန် သိသာထင်ရှားသောခြေလှမ်းများ လုပ်ဆောင်ခဲ့သည်။ ၎င်းတွင် ထိလွယ်ရှလွယ် အကြောင်းအရာအမျိုးအစားများအတွက် သီးခြားစစ်ထုတ်ခြင်းများကို အသုံးချခြင်းနှင့် ပိုမိုကျယ်ပြန့်သော စစ်ထုတ်ခြင်းများအတွက် ကန့်သတ်ချက်များကို ပြန်လည်ပြင်ဆင်ခြင်း ပါဝင်သည်။ လျော့ပါးသွားသည့်အစုတွင် အကဲဆတ်သောအကြောင်းအရာများအတွက် ChatGPT ရှိ ငြင်းဆိုမှုယန္တရားများ၊ မူဝါဒချိုးဖောက်မှုများကို ကာကွယ်ရန် အချက်ပြထည့်သွင်းမှုများ၊ သီးခြားအကြောင်းအရာအမျိုးအစားများအတွက် ပိတ်ဆို့စာရင်းများနှင့် လမ်းညွှန်ချက်များနှင့်အညီ သေချာစေရန် အသွင်ပြောင်းမှုများကဲ့သို့သော အကာအကွယ်အလွှာများစွာပါရှိပါသည်။
၎င်း၏တိုးတက်မှုများရှိသော်လည်း၊ DALL-E 3 သည် spatial ဆက်ဆံရေးများကိုနားလည်ရန်၊ ရှည်လျားသောစာသားကိုတိကျစွာပြန်ဆိုခြင်းနှင့်တိကျသောပုံများကိုဖန်တီးခြင်းအတွက်ကန့်သတ်ချက်များရှိသည်။ OpenAI သည် ဤစိန်ခေါ်မှုများကို အသိအမှတ်ပြုပြီး အနာဂတ်ဗားရှင်းများအတွက် တိုးတက်မှုများကို လုပ်ဆောင်နေပါသည်။
ကုမ္ပဏီသည် ပွင့်လင်းမြင်သာမှုနှင့် တာဝန်ယူမှုရှိသော AI အသုံးပြုမှုအပေါ် ၎င်းတို့၏ကတိကဝတ်ကို ထင်ဟပ်စေသည့် လူသားများဖန်တီးထားသည့် AI ပုံရိပ်များကို ကွဲပြားစေမည့် နည်းလမ်းများကိုလည်း လုပ်ဆောင်လျက်ရှိသည်။
DALL E ၂
DALL-E 3 နောက်ဆုံးထွက်ဗားရှင်းကို သတ်မှတ်ထားသော ဖောက်သည်အုပ်စုများဖြင့် စတင်ကာ အဆင့်များအတွင်း ရရှိနိုင်မည်ဖြစ်ပြီး နောက်ပိုင်းတွင် သုတေသနဓာတ်ခွဲခန်းများနှင့် API ဝန်ဆောင်မှုများသို့ တိုးချဲ့သွားမည်ဖြစ်သည်။ သို့သော်လည်း အခမဲ့ အများပြည်သူ ဖြန့်ချိမည့်ရက်ကို အတည်မပြုနိုင်သေးပေ။
OpenAI သည် DALL-E 3 ဖြင့် AI နယ်ပယ်တွင် စံနှုန်းသစ်တစ်ခုသတ်မှတ်ထားပြီး၊ ရှုပ်ထွေးသောနည်းပညာဆိုင်ရာစွမ်းရည်များနှင့် အသုံးပြုရလွယ်ကူသော interface များကို ချောမွေ့စွာ ပေါင်းစပ်ထားသည်။ DALL-E 3 ကို Bing ကဲ့သို့ အသုံးများသော ပလပ်ဖောင်းများတွင် ပေါင်းစည်းခြင်းသည် အထူးပြုအက်ပ်လီကေးရှင်းများမှ ပိုမိုကျယ်ပြန့်၍ ပိုမိုလက်လှမ်းမီနိုင်သော ဖျော်ဖြေရေးပုံစံများနှင့် အသုံးဝင်မှုပုံစံများဆီသို့ ကူးပြောင်းမှုကို ထင်ဟပ်စေသည်။
လာမည့်နှစ်များတွင် အမှန်တကယ် ဂိမ်းပြောင်းလဲမှုသည် ဆန်းသစ်တီထွင်မှုနှင့် သုံးစွဲသူများ၏ စွမ်းဆောင်နိုင်မှုကြား ချိန်ခွင်လျှာဖြစ်နိုင်ဖွယ်ရှိသည်။ ကြီးပွားတိုးတက်သောကုမ္ပဏီများသည် AI အောင်မြင်မှု၏ နယ်နိမိတ်များကို တွန်းအားပေးရုံသာမက သုံးစွဲသူများအား ၎င်းတို့အလိုရှိသော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်နှင့် ထိန်းချုပ်မှုကိုလည်း ပေးစွမ်းနိုင်မည်ဖြစ်သည်။ ကျင့်ဝတ်ဆိုင်ရာ AI ကို ကတိကဝတ်ပြုထားသည့် OpenAI သည် ဤလမ်းကြောင်းကို ဂရုတစိုက် သွားလာနေသည်။ ရည်မှန်းချက်မှာ ရှင်းနေသည်- AI ၏ အကျိုးကျေးဇူးများကို လူတိုင်းလက်လှမ်းမီနိုင်စေရန် အာမခံရုံသာမက အစွမ်းထက်သော AI ကိရိယာများကို ဖန်တီးရန်၊
 |
