AI によって生成された画像を見つけるのはますます困難になっています。もちろん通常のテルはありますが、それらのテルは新しい AI 画像モデルごとに最小化されています。たとえば、人間の指が多すぎる、または少なすぎるなど、AI によって生成された手を信頼できます。今では必ずしもそうではありません。
AI 画像モデルの特に弱点の 1 つはテキスト生成です。画像自体は説得力があるように見えますが、言葉をよく見てみると、そうでないことがよくわかります。 本当に 右。おそらく正確なものもあれば、かなり近いものもありますが、多くの場合、多くの不一致に気づくでしょう。文字の繰り返しが多すぎる、実際には文字ではない文字、文字同士が混ざり合ったり波打ったりしているなどです。こうした癖の多くは、少なくとも AI がアメリカ英語を再現しようとしているときの、スター・ウォーズの言語の様子を思い出させます。
OpenAI の Images 2.0 は、非常にリアルな AI 画像を生成できます
しかし、最新の AI モデルはテキスト生成機能が大幅に向上しています。実際、OpenAI の ChatGPT 用の最新モデルである Images 2.0 は、非常にリアルなテキストをレンダリングできます。 多く それについては、私たちの多くが（あるいは どれでも 私たち）はそれを見つけることができるでしょう。 OpenAI によると、Images 2.0 は、思考機能を備えた同社初の画像モデルです。つまり、このモデルは、リクエストの各ステップを時間をかけて分析することができ、より詳細または正確な画像を生成できるほか、1 つのプロンプトから最大 8 つの画像を生成する機能も備えています (ただし、これは有料購読者のみが利用可能です)。無料ユーザーでも、Web での情報の検索や動作の再確認など、Images 2.0 の特典を利用できます。同社は、「結果は AI によって生成されたものではなく、より意図的に設計されたものであると感じられる」と述べています。これは本質的に、ChatGPT を使用して生成された画像を今後見分けるのがはるかに困難になることを意味します。
同社はこの最新モデルに非常に自信を持っているようだ。作成できるさまざまな種類の画像の数を宣伝しています。写実的な写真だけでなく、コンピューターの UI のスクリーンショット、雑誌のコラージュ、山盛りの米 (それは 生成するものがたくさんあります）、雑誌のページ、および手書きのエッセイ。紙のコーヒーの染みに至るまで手書きであることを意味します。 OpenAI の公式発表投稿でこれらの例をスクロールすると、それらがどれほど驚くほど現実的であるかを確認できます。この投稿には、非常にリアルな写真、グラフィック ノベル ページ、映画ポスター、iPhone のパノラマ ビューに至るまで、さまざまなアスペクト比の画像などの他の例も含まれています。
これまでのところどう思いますか？
これらの発展はどれも印象的であると同時に憂鬱でもありますが、私にとって、これをさらに別のレベルに引き上げたのはテキストの改善です。多くのモデルは、ユーザーを本物だと思わせる画像を生成するのが非常に上手になってきていますが、これらの例のテキストや書き込みの詳細レベルは、私がまだ見たことがないものです。私は ChatGPT に、5 つのディナー コースと 2 つのデザートを強調したイタリアン レストランのメニューを生成するよう依頼しました。具体的な料理は AI の裁量に任せました。私の知る限り、夕食とデザートのエントリーは間違いなく、現実的なものを生成することができました。次に、レッドソックスとヤンキースが都市を切り替えることを発表する新聞記事を作成するよう依頼しました。これもまた明らかな間違いなく実行されました。
クレジット: ライフハッカー
これらの画像がそうだと言っているわけではありません 完璧: 彼らにはまだ AI の「光沢」があり、訓練された目や近くの観察者なら気づくことができます。 OpenAIによると、Images 2.0は、パズルなどの特定の複雑なタスクや、反転したサーフェスなど、隠れたエリアや奇妙な位置にあるエリアにある詳細に苦戦しているという。しかし、このモデルが生成する画像が、スクロールして通り過ぎるほとんどの人をだますのに十分なほど印象的である場合、そのことは実際には重要ではありません。インフォグラフィックス、写真、地図、コミック、映画ポスターなど、さまざまなものがあります。人々はこのツールを使用するようになり、多くの場合、気づかないうちに、生活の中でさらに多くの AI 画像を目にするようになります。