OpenAI از هوش مصنوعی DALL-E 2 رونمایی کرد؛ تبدیل متن به عکس [تماشا کنید]

شرکت تحقیقاتی هوش مصنوعی OpenAI از نسخه به‌روزشده برنامه DALL-E رونمایی کرد که این بار می‌تواند با وضوح بیشتر و تاخیر کمتری نسبت به نسخه اصلی، متن‌ها را به عکس تبدیل کند.

DALL-E 2 درست مانند نسخه اصلی آن، می‌تواند بر اساس توضیحات نوشتاری ارائه شده، تصاویری مانند نمونه پایین را تولید کند و این بار چند قابلیت جدید مانند ویرایش تصاویر به آن اضافه شده است. مانند بسیاری از پروژه‌های دیگر OpenAI این برنامه نیز منبع باز نیست، اما محققان تشویق شده‌اند تا برای آزمایش آن ثبت نام کنند و ممکن است روزی برای استفاده توسط برنامه‌های شخص ثالث در دسترس قرار گیرد.

برنامه DALL-E در ژانویه سال 2021 برای اولین بار معرفی شد و نام آن با ترکیب نام «سالوادور دالی» نقاش معروف اسپانیایی و ربات WALL-E از انیمیشنی با همین نام ساخته پیکسار به دست آمده است. OpenAI همچنین ویدیویی را منتشر کرد که در آن جزئیات عملکرد سیستم DALL-E 2 را نشان می‌دهد:

ویژگی‌های جدید سیستم هوش مصنوعی DALL-E 2

این مدل در زمان معرفی خود موفق شده بود تا تصاویری از هر چیزی را خلق کند و OpenAI در زمان وعده داده بود که به توسعه آن می‌دهد. نتیجه این تلاش، DALL-E 2 است که حالا با ویژگی جدید خود می‌تواند تغییر متن به تصویر را با دقت بیشتری انجام دهد. با نسخه به‌روزشده حتی می‌توان بخشی از یک تصویر را انتخاب کرد و با استفاده از مدل آن را ویرایش کرد.

دومین ویژگی جدید DALL-E تغییرات است که به کاربران اجازه می‌دهد تا یک تصویر را آپلود کرده و سپس از مدل بخواهند تغییراتی در آن ایجاد کند. همچنین می‌توان دو تصویر موجود را با هم ترکیب کرد و تصویر جدیدی تولید کرد که حاوی عناصری از هر دو باشد.

در نهایت باید به این موضوع اشاره کرد که تصاویر خلق شده توسط این سیستم، حاوی یک واترمارک هستند که توضیح می‌دهد توسط DALL-E 2 ساخته شده‌اند. OpenAI همچنین تضمین کرده که سیستم آن نمی‌تواند چهره‌های شناخته شده مانند «دونالد ترامپ» رئیس جمهور پیشین ایالات متحده را ایجاد کند. با این حال همچنان می‌توان بدون محدودیت تصاویر عجیب و غریب مانند «کاسه سوپی شبیه به یک هیولا از جنس پشم» ایجاد کرد!

منتقدان مدل هوش مصنوعی تبدیل متن به عکس

«اندی تورای» از شرکت Constellation Research یکی از منتقدان این سیستم هوش مصنوعی است که آن را تا حدی خطرناک می‌داند. او توضیح می‌دهد: «خواندن متن و درک معنا یک چیز است، اما فعال کردن تفکر انتقادی و ارائه نتایج بر اساس آن چیز دیگری است. به نظرم این فناوری در حال ورود به قلمروی بالقوه خطرناکی است.»

او همچنین به خطرات دیگری مانند «دیپ فیک» نیز اشاره کرده که احتمال DALL-E 2 می‌تواند آن‌ها را تقویت کند.