I nga tau tata nei, kua kaha ake nga tauira ako hohonu ki te mohio ki te reo tangata.
Whakaarohia nga kaupapa penei GPT-3, e kaha ana inaianei ki te hanga tuhinga katoa me nga paetukutuku. Kua whakauruhia e GitHub GitHub Copilot, he ratonga e whakarato ana i nga waahanga waehere katoa ma te whakaahua noa i te momo waehere e hiahia ana koe.
Ko nga Kairangahau i OpenAI, Facebook, me Google e mahi ana i nga huarahi ki te whakamahi i te ako hohonu ki te hapai i tetahi atu mahi: te tapanga whakaahua. Ma te whakamahi i tetahi huingararaunga nui me nga miriona whakaurunga, kua puta etahi miharo hua.
I enei wa, kua ngana enei kairangahau ki te mahi i te mahi rereke: te hanga whakaahua mai i te tapanga. Ka taea inaianei te hanga ahua hou mai i te whakaahuatanga?
Ka torotoro tenei aratohu e rua o nga tauira tino matatau ki te tuhinga-ki-ahua: OpenAI's DALL-E 2 me Google's Imagen AI. Kua whakauruhia e ia o enei kaupapa nga tikanga pakaru whenua ka huri pea i te hapori e mohio ana tatou.
Engari ko te tuatahi, kia mohio tatou he aha te tikanga o te hanga tuhinga-ki-ahua.
He aha te hanga tuhinga-ki-ahua?
Nga tauira kupu-ki-ahua tukua nga rorohiko ki te hanga whakaahua hou me te ahurei i runga i nga akiaki. Ka taea e te tangata te tuku whakaahuatanga tuhinga mo tetahi ahua e hiahia ana ratou ki te whakaputa, ka ngana te tauira ki te hanga i tetahi tirohanga e rite ana ki taua whakaahuatanga ka taea.
Kua whakamahia e nga tauira ako miihini te whakamahi i nga huingararaunga nui kei roto nga takirua whakaahua-tapanga hei whakapai ake i te mahi.
Ko te nuinga o nga tuhinga-ki-ahua ka whakamahia e nga tauira he tauira reo whakawhiti ki te whakamaori i nga akiaki. Ko tenei momo tauira he a te whatunga taiao e ngana ana ki te ako i te horopaki me te tikanga o te reo maori.
Whai muri, ko nga tauira whakatipu penei tauira tohatoha ka whakamahia nga hononga whakangao mo te whakahiato whakaahua.
He aha te DALLE 2?
DALL-E2 he tauira rorohiko na OpenAI i tukuna i te Paenga-whāwhā 2022. I whakangungua te tauira ki runga i te papaa raraunga o nga miriona pikitia kua tapaina hei hono i nga kupu me nga kianga ki nga whakaahua.
Ka taea e nga kaiwhakamahi te tuhi i tetahi rerenga korero ngawari, penei i te "he ngeru e kai ana i te lasagna", a DALL-E 2 ka whakaputa i tana ake whakamaarama mo nga korero e ngana ana ki te whakaahua.
I tua atu i te hanga whakaahua mai i te wahanga, ka taea hoki e DALL-E 2 te whakatika whakaahua o naianei. I roto i te tauira i raro nei, i taea e DALL-E te hanga i tetahi ahua whakarereke o tetahi ruma me te moenga taapiri.
Ko DALL-E 2 tetahi noa o nga kaupapa rite i tukuna e OpenAI i nga tau kua hipa. Ko te GPT-3 o OpenAI ka rongo i te ahua o te whakaputa tuhinga o nga momo momo rereke.
I tenei wa, kei te whakamatautau tonu a DALL-E 2. Ka taea e nga kaiwhakamahi hiahia te haina mo o raatau rarangi tatari ka tatari mo te uru.
Pehea E mahi reira?
Ahakoa he mea whakamiharo nga hua o DALL-E 2, kei te miharo pea koe me pehea te mahi katoa.
Ko DALL-E 2 tetahi tauira o te whakatinanatanga maha o te kaupapa GPT-3 a OpenAI.
Tuatahi, ka tukuna te kupu whakahau a te kaiwhakamahi ki roto i te encoder kuputuhi e mapi ana i te tono ki tetahi waahi tohu. Ka whakamahi a DALL-E 2 i tetahi atu tauira OpenAI e kiia nei ko CLIP ( Contrastive Language-Image Pre-Training) ki te tiki i nga korero oro mai i te reo maori.
I muri mai, he tauira e mohiotia ana ko te mua ka mapi i te whakawaehere kuputuhi ki te whakawaehere atahanga. Ko tenei whakawaehere atahanga ka hopu i nga korero korero i kitea i roto i te taahiraa whakawaehere kuputuhi.
Ki te hanga i te ahua tuturu, ka whakamahi a DALL-E 2 i te wetewete whakaahua hei whakaputa i te tirohanga ma te whakamahi i nga korero tohu me nga taipitopito whakawaehere whakaahua. Ka whakamahia e OpenAI tetahi putanga whakarereke o te Whanui tauira ki te hanga whakaahua. Ka whakawhirinaki a GLIDE ki runga i a tauira tohatoha ki te hanga whakaahua.
Ko te taapiri o GLIDE ki te tauira DALL-E 2 i kaha ake te whakaputa whakaahua. I te mea he stochastic te tauira GLIDE, kua whakatau matapōkeretia ranei, ka taea e te tauira DALL-E 2 te hanga rerekee ma te whakahaere ano i te tauira.
Nga whakataunga
Ahakoa nga hua whakamiharo o te tauira DALL-E 2, kei te anga tonu ki etahi here.
Kuputuhi Takitaki
Ko nga tohu e ngana ana ki te whakaputa kupu a DALL-E 2 ka kitea he uaua ki te tuhi kupu. Ka whakaaro nga tohunga na te mea pea ehara nga korero takikupu i te wahanga o te huinga raraunga whakangungu.
Whakaaro Tito
Ka kite nga Kairangahau he uaua tonu a DALL-E 2 ki nga whakaaro titonga. Ma te ngawari, ka mohio te tauira ki nga ahuatanga takitahi o te ahua me te raru tonu ki te mohio ki nga hononga i waenga i enei waahanga.
Hei tauira, ki te tukuna te tohu "matau whero ki runga ake o te mataono kahurangi", ka whakaputa tika a DALL-E i te mataono kikorangi me te mataono whero engari karekau e tika te whakatakoto. Kua kitea ano he uaua te tauira ki nga akiaki e hiahia ana kia tuhia te maha o nga mea.
Pihaa i roto i te huingararaunga
Mena karekau etahi atu korero i roto i te tere, kua kitea te DALL-E ki te whakaatu i nga tangata ma, i te Tai Hauauru me nga taiao. Ka puta mai tenei riipene whakakitenga na te nui o nga whakaahua-a-Haauru i roto i te huingararaunga.
Kua kitea ano te tauira ki te whai i nga ahuatanga o te ira tangata. Hei tauira, ko te tuhi i te tere "kaiwhakahaere rererangi" te nuinga ka whakaputa whakaahua o nga wahine kaihautu rererangi.
He aha te Google Imagen AI?
Google Whakaahua AI he tauira e whai ana ki te hanga whakaahua whakaahua mai i nga tuhinga whakauru. He rite ki te DALL-E, ka whakamahia ano e te tauira nga tauira reo whakawhiti kia mohio ai ki te tuhinga me te whakawhirinaki ki te whakamahi i nga tauira whakamaarama hei hanga whakaahua kounga teitei.
I te taha o Imagen, kua tukuna ano e Google he tohu tohu mo nga tauira tuhinga-ki-ahua e kiia nei ko DrawBench. Ma te whakamahi i te DrawBench, i taea e ratou te kite he pai ake nga kaikawe tangata ki te whakaputa Imagen ki etahi atu tauira tae atu ki te DALL-E 2.
Pehea E mahi reira?
He rite ki te DALL-E, ka huri tuatahi a Imagen i te aki a te kaiwhakamahi ki te whakauru kuputuhi ma roto i te encoder kuputuhi tio.
Ka whakamahi a Imagen i tetahi tauira whakamaarama e ako ana me pehea te huri i te tauira haruru hei whakaahua. Ko te putanga tuatahi o enei whakaahua he taumira iti, katahi ka tukuna ma tetahi atu tauira e mohiotia ana ko te tauira whakamaarama tino taumira hei whakanui ake i te taumira o te ahua whakamutunga. Ko te tauira whakamaarama tuatahi ka whakaputa i te ahua 64x64 pika, katahi ka pupuhihia ki te ahua teitei 1024x1024.
I runga i te rangahau a te roopu Imagen, ko nga tauira reo tio nui i whakangungua i runga i nga raraunga tuhinga anake he kaiwhakawaehere kuputuhi tino whai hua mo te hanga tuhinga-ki-ahua.
Ko te rangahau ano e whakaatu ana i te kaupapa o te paepae hihiri. Ma tenei tikanga ka taea e nga whakaahua te ahua whakaahua ake ma te whakanui ake i nga taumahatanga arahi i te wa e whakaputa ana i te ahua.
Mahinga o DALLE 2 vs Imagen
Ko nga hua tuatahi mai i te tohu tohu a Google e whakaatu ana he pai ake te hunga whakautu tangata ki nga whakaahua i hangaia e Imagen i runga i te DALL-E 2 me etahi atu tauira kupu-ki-ahua penei i te Latent Diffusion me VQGAN+CLIP.
Ko nga putanga mai i te roopu Imagen kua whakaatu hoki he pai ake te mahi a ta raatau tauira ki te tuhi tuhi, he ngoikoretanga o te tauira DALL-E 2.
Heoi, i te mea kaore ano a Google i tuku i te tauira ki te marea, kei te noho tonu kia kitea te tika o nga tohu tohu a Google.
Opaniraa
He taupatupatu te pikinga o nga tauira kupu-ki-ahua whakaahua na te mea kua maoa enei tauira mo te whakamahi kore tikanga.
Ma te hangarau ka arai pea ki te hanga i nga korero maamaa, hei taputapu ranei mo te whakamaarama. Ko nga Kairangahau mai i a Google me OpenAI e mohio ana ki tenei, he aha te take kaore e taea e nga tangata katoa enei hangarau.
He nui ano nga paanga ohaoha o nga tauira kupu-ki-ahua. Ka raru nga umanga penei i nga tauira, nga kaitango whakaahua, me nga kaitoi mena ka uru mai nga tauira penei i te DALL-E?
I tenei wa, he here tonu enei tauira. Ko te pupuri i tetahi ahua i hangaia e AI ki te tirotiro ka kitea ona ngoikoretanga. Na te OpenAI me Google e whakataetae ana mo nga tauira tino whai hua, ka roa pea ka puta he putanga tino tino tika: he ahua e kore e rereke mai i te mea tino.
Ki to whakaaro ka aha ina haere te hangarau ki tera tawhiti?
Waiho i te Reply