هوش مصنوعی Dall-E 2 Mini: با هر متنی تصاویر عجیب و حتی ترسناک بسازید

شرکت OpenAI در سال 2020 الگوریتمی به نام GPT-3 را منتشر کرد که قادر است متونی با شباهت بالا به متون انسانی بسازد. Dall-E الگوریتم دیگری است که بر اساس GPT-3 ساخته شده و قادر به تبدیل متن به تصویر است. یکی از نسخه‌های این الگوریتم موسوم به Dall-E 2 mini حالا به صورت رایگان و آنلاین در اختیار عموم قرار گرفته و می‌تواند هر متنی را به تصویر تبدیل کند، اما نتیجه آن ممکن است یک خروجی عجیب و غریب و حتی ترسناک باشد.

شرکت OpenAI به تازگی دست به انتشار الگوریتم Dall-E 2 mini زده و از آن‌جایی که آن را در اینترنت در اختیار عموم گذاشته، توجه بسیاری از کاربران را به خود جلب کرده است. این الگوریتم که نام خود را از انیمیشن محبوب Wall-E گرفته، با گردآوری میلیون‌ها عکس اینترنتی آموزش دیده تا تصاویر را تشخیص دهد. Dall-E حالا می‌تواند چینش تصاویر را به نحوی که کاربر مدنظر دارد، تغییر دهد.

به عبارت دیگر، وقتی به این الگوریتم یک ورودی متنی می‌دهید، هوش مصنوعی ویژگی کلیدی تصویر را شناسایی می‌کند. سپس جزئیات از طریق یک مدل انتشار که در واقع یک شبکه عصبی ثانویه است، دریافت می‌شود تا پیکسل‌ها برای نسخه‌برداری از تصویر در رزولوشن بالاتر به وجود بیایند.

هوش مصنوعی Dall-E 2 mini چه مزیتی دارد؟

پیش‌تر هم مدل‌هایی مثل مدل Imagen گوگل برای تبدیل متن به تصویر معرفی شده بودند، اما Dall-E 2 mini دو برتری اساسی دارد. اول این که به‌صورت عمومی منتشر شده و کاربران می‌توانند از آن استفاده کنند. دوم، این الگوریتم قادر است بسیار دقیق دستورالعمل‌های کاربر را دنبال کند. این هوش مصنوعی می‌تواند تصاویر را ویرایش یا دستکاری کند و حتی جزئیات دو عکس را با هم ادغام نماید.

با این حال، اگر نگاهی به نمونه‌های حاصل از پردازش Dall-E داشته باشید، می‌توانید ببینید که چهره بسیاری از افراد کمی ترسناک و عجیب شده است. توسعه‌دهندگان می‌گویند به‌صورت عمدی بخشی از داده‌های آموزشی را حذف کرده‌اند و همین مسئله باعث شده Dall-E 2 mini در نمایش چهره‌ها ناموفق باشد. متاسفانه علت دقیق این تصمیم اعلام نشده است. با این حال، «بورین دیما»، مهندس مدل یادگیری ماشینی و توسعه‌دهنده این الگوریتم می‌گوید اتفاقات هیجان‌انگیز زیادی در راه است و یادگیری ماشینی با تکرار و تمرین بهتر و بهتر می‌شود.