تصوير جو ذريعو: بصري چين

藍鯨新聞3月29日訊（記者 朱俊熹）ڊريمڪور طرز جي بلي جو ٻار، هيلو ڪٽي جو "ڪارڪن" نسخو، هڪ ڪلڪ جيليڪٽ...... توهان انهن AI پيدا ڪيل تصويرن لاء ڪو اجنبي نه آهيو، جيڪي هڪ ڀيرو سڄي انٽرنيٽ تي هئا، پر هاڻي پراڻا آهن. گذريل ڪجهه ڏينهن ۾، اندروني ۽ ٻاهرين ملڪن ۾ وڏن سوشل ميڊيا جي ہوم پيجز تي قبضو ڪرڻ اي آئي اسڪيچ اسٽائل جو هڪ ٻيو نئون قسم آهي: گيبلي اينيم انداز.

本周早些時候，OpenAI對ChatGPT的圖像生成功能進行了升級，用戶可以通過其多模態大模型GPT-4o來生成和修改圖像。在3月26日的直播中，OpenAI CEO Sam Altman和團隊展示了如何在ChatGPT中把一張自拍照轉換為動漫風格的圖片。觀看者們很快發現，其畫風與日本吉卜力動畫工作室極為相似，並開始在互聯網上自發體驗、傳播。一位使用者甚至將這稱作OpenAI模型的“第一次病毒式傳播”。

圖片來源:Sam Altman X

تجربن جي آمد جي ڪري، اوپن اي آئي مفت صارفين کي تصوير جي پيداوار جي اوزار کولڻ کي ملتوي ڪرڻ جو فيصلو ڪيو. سام آلٽمن سماجي پليٽ فارم ايڪس تي پوسٽ ڪيو، "اسان جي GPU ڦوڪڻ وارو آهي." هن نه رڳو پنهنجي پروفائل تصوير جي جاءِ تي غيبلي طرز جي ايڊٽ ڪيل ذاتي تصوير لڳائي، پر هو پاڻ تي به ٺـٺوليون ڪندو رهيو، "مون سپر انٽيليجنس ٺاهڻ لاءِ ڏهن سالن تائين سخت محنت ڪئي ۽ پهرين ساڍن ستن سالن ۾ تقريبن ڪنهن به منهنجي پرواهه نه ڪئي ۽ اڍائي سالن کان پوءِ هر ڪو مون کان هر قسم جي شين کان نفرت ڪندو هو." مون کي هڪ ڏينهن جاڳيو ۽ سوين پيغام مليا: 'ڏسو، مون توهان کي گبلي انداز ۾ هڪ خوبصورت ماڻهو بڻايو آهي'. ”

圖片來源:Sam Altman X

ڇا AI پيدا ٿيل "انداز" جي ڀڃڪڙي آهي؟

بهرحال، جڏهن AI-پيدا ڪيل "غيبلي" تصويرون جلدي انٽرنيٽ تي ٻوڏ آيون، هڪ پريشاني پيدا ٿي: ڇا ان ۾ اسٽوڊيو گيبلي جي اينيم ڪم جي ڪاپي رائيٽ جي ڀڃڪڙي شامل ٿي سگهي ٿي؟ ان کان به وڌيڪ دلچسپ ڳالهه اها آهي ته اسٽوڊيو گيبلي جي گڏيل باني، اينيميٽر هايو ميازاڪي، 2016 سالن جي شروعات ۾ اي آئي پيدا ڪيل مواد سان پنهنجي عدم اطمینان جو اظهار ڪيو. جڏهن هن هڪ AI پيدا ٿيل وڊيو ڪلپ ڏٺو، هن صاف طور تي چيو، "مون کي انتهائي بيزاري محسوس ٿئي ٿي ۽ هن ٽيڪنالاجي کي پنهنجي ڪم ۾ ڪڏهن به شامل ڪرڻ نه چاهيندس." ”

اوپن اي آء جي ترجمان چيو ته چيٽ جي پي ٽي "فرد فعال فنڪارن جي انداز ۾ پيدا ٿيڻ" کان انڪار ڪري ٿو، پر "وسيع اسٽوڊيو انداز" جي پيداوار جي اجازت ڏئي ٿو.

ڪاپي رائيٽ تڪرارن جي باري ۾ جيڪي شامل ٿي سگھن ٿا، يانگ ويڪسن، جيانگسو ڪيمبرج ييهوا لا فرم ۾ وڪيل ۽ پيٽينٽ ايجنٽ، بلو ويل نيوز کي ٻڌايو ته عام حالتن ۾، "اسٽائل" ۾ ڪاپي رائيٽ نه آهي، ڇاڪاڻ ته اهو صرف مخصوص اظهار جي حفاظت ڪري ٿو، خيالن جي نه. "بهرحال، جيڪڏهن پيدا ٿيل مواد گيبلي ۾ ڪردارن يا منظرن سان تمام گهڻو مطابقت رکي ٿو، اهو ڀڃڪڙي ٿي سگهي ٿو."

وڪيل يانگ وڌيڪ چيو ته گيبلي طرز جي تصويرون پيدا ڪرڻ ۾ GPT-4o جي ڪارڪردگي کان فيصلو ڪندي، ماڊل کي تربيت دوران اسٽوڊيو گيبلي جي ڪم جي مواد کي استعمال ڪرڻ گهرجي، "ٻي صورت ۾ وڏو ماڊل هن تصوير جي انداز کي سمجهي نه سگهندو ۽ ان جي مطابق پيدا ڪري سگهندو." "چين جي ڪاپي رائيٽ قانون جي مطابق، تربيت ۽ مواد جي پيداوار لاء اي آء تي قبضو ڪرڻ واري مواد جي پيداوار جي حق ۽ معلومات جي نيٽ ورڪ جي ڦهلائڻ جي حق جي خلاف ورزي آهي، پر هن وقت، تعليمي ڪميونٽي ۽ صنعت هن رويي کي منصفانه استعمال جي رخ ۾ فروغ ڏيڻ چاهيندا آهن.

هڪ جملو حقيقت بڻجي وڃي ٿو

تصويرون پيدا ڪرڻ لاء AI جو استعمال نئون نه آهي، ۽ اهم سببن مان هڪ آهي ته اوپن اي آئي جي فنڪشنل اپڊيٽ غير معمولي ڦهلائڻ جو سبب بڻائي سگھي ٿو اهو تصويرن جو اعلي معيار پيدا ڪري ٿو.

اوپن اي آء جي مطابق، GPT-4o ماڊل ۾ مضبوط متن جي پيش ڪندڙ صلاحيتون آهن. بلو ويل نيوز رپورٽر ڏٺو ته 0o نه رڳو اصل تصوير جي متن جي مواد کي بحال ڪري سگهي ٿو، پر متن جي پوزيشن يا رنگ ۽ ٻين تفصيلن کي ترتيب ڏيڻ لاء قدرتي زبان جي بيان جي حمايت ڪري ٿو. بهرحال، انگريزي ڪردارن جي پيش ڪندڙ درستگي چيني ڪردارن جي ڀيٽ ۾ وڌيڪ آهي، ۽ حقيقي ماپ جي عمل ۾، اهڙا ڪيس هوندا جتي آسان ڪردارن کي روايتي ڪردارن ۾ ترتيب ڏني ويندي، يا پيدا ڪيل چيني ڪردار غلط آهن. اوپن اي آئي پڻ اعتراف ڪري ٿو ته 0o ماڊل کي غير لاطيني ٻولين کي پيش ڪرڻ ۾ ڏکيائي ٿي سگهي ٿي.

تصوير جو ذريعو: بلو ويل نيوز

ان کان علاوه، GPT-4o پڻ تصوير جي تسلسل ۾ وڏي ترقي ڪئي آهي. ڳالهين جي ترتيب جي ڪيترن ئي دورن کان پوء، نتيجي ۾ تصوير انداز، موضوع جي ظاهر ڪرڻ وغيره جي لحاظ کان مسلسل رهي ٿي. اهو راند جي ڊزائن، اشتهارن جي پيداوار ۽ ٻين شعبن ۾ اي آئي گرافڪس جي امڪان کي تمام گهڻو بهتر بڻائي سگهي ٿو.

تصوير جو ذريعو: بلو ويل نيوز

اوپن اي آئي جي مطابق، اي آئي تصوير ماڊل ڊال-اي اهو اڳ ۾ شروع ڪيو ويو آهي، هڪ ڦهلائڻ وارو ماڊل آهي، جڏهن ته 4o تصوير جي پيداوار هڪ خودڪار ماڊل آهي. 0o سسٽم کاٻي کان ساڄي ۽ مٿي کان هيٺ تائين قدم در قدم ترتيب ۾ تصويرون پيدا ڪري ٿو، جيئن متن لکيو ويو آهي، بلڪه سڄي تصوير کي هڪ ڀيرو پيدا ڪرڻ جي بدران، جهڙوڪ ڦهلائڻ واري نموني جي صورت ۾.

اي آئي جي شروعات شينشي ٽيڪنالاجي ۾ اي آئي الگورٿم جي سربراهه ڪي گولين، سوشل ميڊيا تي تجزيو ڪيو ته اهو ملٽيموڊلٽي کي متحد ڪرڻ لاء خودڪار ماڊل استعمال ڪرڻ جي فائدن کي ظاهر ڪري ٿو. ڊال-اي تصويرن کي لڪيل جڳهه ۾ ٻولي سان گڏ ڪري ٿو، ۽ جڏهن تصويرون پيدا ڪري ٿو، ماڊل مسلسل متن ۽ تصويرن جي وچ ۾ تبديل ڪري ٿو. بهرحال، اهو عمل لازمي طور تي نقصان وارو آهي، تصوير جي رهنمائي جي صلاحيت تمام ڪمزور آهي، ۽ نسل جي بي ترتيب وڏو آهي ۽ فطري طور تي ڪنٽرول ڪرڻ ڏکيو آهي.

ڪي گؤلن چيو ته اومني ماڊل جهڙوڪ GPT-4o تصويرن، متن ۽ ان کان به وڌيڪ طريقن کي ڳالهين ۾ گڏ ڪري سگهن ٿا، جن کي سڌو سنئون ماڊل ۾ خودڪار طريقي سان کائي سگهجي ٿو. اهو هڪ پل جي طور تي متن تي ڀروسو ڪرڻ جي ضرورت کي ختم ڪري ٿو ۽ اڌ ۾ معلومات جي نقصان کان بچي ٿو. وڌيڪ ڇا آهي، ماڊل هر وقت مڪمل تصوير جي معلومات کي برقرار رکندو آهي، تنهنڪري اهو صارف جي هدايتن مطابق تصوير جي مواد کي وڌيڪ تفصيلي ۽ ڪنٽرول ترتيب ڏئي سگهي ٿو.

وڌيڪ صارفين لاء، GPT-4o جي هن اپڊيٽ طرفان آيل حيرت پڻ استعمال جي عمل جي ريشمي ۾ ظاهر ٿئي ٿي، جيڪا "هڪ جملي ۾ تصويرون ٺاهڻ" ۽ "توهان جي وات سان تصويرون تبديل ڪرڻ" جي فزيبلٽي کي آسمان تي وڌائي ٿي. ان جي مقابلي ۾، اسٽيبل ڊفليشن، مهم اي آئي تصوير ٺاهڻ جو اوزار، صارفين کي اعلي پروفيسر صلاحيتن جي ضرورت آهي، ۽ مختلف پلگ ان ۽ پيراميٽرز جي سيٽنگن کي ماهر ڪرڻ جي ضرورت آهي. ٻئي طرف، مڊجرني، ڪنٽرول ۽ مستقل مزاجي جي لحاظ کان ڪمزور آهي، ۽ انهن ڪمن لاء مناسب نه آهي جيڪي اعلي درجي جي مستقل مزاجي جي ضرورت آهي.

ڊزائنر زانگ زياوول سماجي پليٽ فارم ايڪس تي واضح طور تي چيو ته GPT-4o جي تصوير جي صلاحيت سڌو سنئون ڪيترن ئي اڳوڻي شروعات جي پيداوار کي ختم ڪري ڇڏيو. "الگورٿم، ورڪ فلوز ، ۽ ماڊل جيڪي انهن ٽيوننگ تي تمام گهڻو وقت، افرادي قوت ، ۽ سرمائي جي پئسا خرچ ڪيا انهن کي سڌو سنئون هڪ وڏي ماڊل اپڊيٽ سان تبديل ڪيو ويو."

GPT-4o模型於去年5月正式推出，主打的就是具備能夠處理文本、音訊和圖像的多模態能力，與當前備受關注的o1等推理模型有所不同。但在近一年的時間內，4o都未向使用者放開其圖像生成功能。

3月28日，GPT-4o再迎部分更新，包括更擅長遵循詳細的指令、提高了解決複雜技術和編碼問題的能力。Sam Altman預告稱，“更多更新即將到來。”