تولید تصویر از متن با هوش مصنوعی جدید گوگل

جستجوی مبتنی بر هوش مصنوعی جدید گوگل اکنون می تواند تصویر تولید کند و با پیش‌نویس‌های نوشتاری همراه است.

به گزارش تکناک، این شرکت اعلام کرد که Google’s Search Generative Experience (SGE) به شما امکان می دهد تصاویر را مستقیماً از یک پیام متنی ایجاد کنید.

از ماه مارس، مایکروسافت توانایی ساخت تصاویر از طریق هوش مصنوعی (artificial intelligence : field of computer science and engineering practices for intelligence demonstrated by machines and intelligent agents) چت بینگ با استفاده از مدل DALL-E از OpenAI ارائه داده است، بنابراین منطقی است که گوگل نیز همین کار را انجام دهد.

اینجا نحوه کار با آن را بیان می‌کنیم. اگر از طریق برنامه Search Labs گوگل به SGE مشترک شده‌اید، می‌توانید فقط سوال خود را در نوار جستجوی گوگل تایپ کنید. بعد از انجام این کار، SGE می‌تواند تعدادی تصویر بر اساس پیش‌نویس شما ایجاد کند که می‌توانید از بین آنها انتخاب کنید. کرک ایور، سخنگوی گوگل به The Verge می گوید که این ابزار توسط خانواده مدل های هوش مصنوعی Imagen طراحی شده است.

در یک فایل GIF، گوگل نشان داد که این ابزار چگونه می‌تواند براساس پیش‌نویس مثلا : “تصویری از کاپی بارا (از خانواده خوکیان) بکشید که کلاه سرآشپز بر سر دارد و در حال پختن صبحانه است”، تصاویری ایجاد کند. همانطور که در فایل GIF نشان داده شده است، شما همچنین می توانید پرس و جوهایی را که گوگل برای ایجاد هر عکس استفاده می کند، اصلاح کنید.

A search for “draw an image of a capybara wearing a chefs hat and cooking breakfast” leads to four generated images, all depicting a capybara in a chefs hat cooking different types of breakfast foods like bacon and eggs.

شما همچنین قادر خواهید بود تصاویر تولید شده توسط هوش مصنوعی گوگل را از Google Images بسازید. هنگامی که نتایج تصاویر گوگل را مرور می‌کنید، ممکن است یک جعبه را ببینید که شما را براساس سوال خود به تولید تصاویر تشویق می‌کند؛ تصاویر تولید شده در یک نوار کناری نمایش داده می‌شوند.

در یک پست وبلاگ، هما بوداراجو از گوگل، تاکید می‌کند که شرکت سعی می‌کند مطمئن شود ابزارهای تولید تصویر خود را به طور مسئولانه عرضه کند. بر اساس گفته وی، این ابزار قرار نیست تصاویری تولید کند که با قوانین استفاده غیرمجاز از هوش مصنوعی مولد شرکت در تضاد باشد.

بوداراجو می‌گوید هر تصویری که با SGE ساخته می‌شود دارای برچسب‌گذاری ابرداده و واترمارک تعبیه‌شده برای نشان دادن اینکه توسط هوش مصنوعی ایجاد شده است، خواهد بود. به گفته ایور در “این مرحله اولیه”، گوگل به شما اجازه تولید تصاویری که “چهره‌های فتو‌رئالیستیک یا هر پیش‌نویسی که شامل افراد برجسته باشد” را نخواهد داد. آیا گوگل قصد دارد در آینده این امکان را فراهم کند؟ او می‌گوید “قضاوت زود است” و شرکت به مرور زمان رویکرد خود را تکامل خواهد داد. همچنین گوگل تولید تصاویر را محدود به کاربرانی که 18 سال یا بالاتر هستند قرار می‌دهد، به این معنی که نوجوانانی که دسترسی به SGE دارند قادر به استفاده از آن نخواهند بود.

گوگل همچنین با استفاده از SGE قابلیت تولید پیش‌نویس‌های نوشتاری را مستقیماً از نوار جستجو اضافه می‌کند. با استفاده از جستجوی شما، گوگل می‌تواند یک پیش‌نویس ایجاد کند، و شما می‌توانید ابزارهایی را انتخاب کنید که چیزی طولانی، کوتاه یا دارای لحن معمولی باشد. اگر نتیجه را دوست داشتید، می‌توانید این پیش‌نویس را به Google Docs یا Gmail صادر کنید.

از ایور پرسیده شده است که، مدل‌هایی که قدرت ویژگی نوشتن پیش‌نویس را فراهم می‌کنند، چیستند و او چنین پاسخ اده است: “در حال حاضر SGE توسط مجموعه‌ای از LLMها (مدل زبانی بزرگ) قدرت می‌گیرد. مدل‌های استفاده‌شده در SGE بر اساس داده‌هایی از منابع عمومی در دسترس و همچنین داده‌های نظارت انسانی آموزش دیده‌اند.”

از زمان راه‌اندازی SGE در ماه می، گوگل به طور پیوسته آن را با امکاناتی مانند ویدئوهای بیشتر و لینک‌های بهتر بهبود داده است. به گفته کاربران هنوز هم بسیار آهسته است و ترجیح می‌دهند فقط به لینک‌ها بپردازند. با این حال این ابزارهای جدید ایجاد تصویر و پیش‌نویس به نظر می‌رسد به طور بالقوه مفید باشند.