●نبرد فرانسه و اسپانیا در نیمهنهایی؛ رکورد کلینشیت در برابر حملات سریع ●راه برون رفت از ناترازی انرژی خروج از مصرف سوخت فسیلی است ●پایان زودهنگام یک تفاهمنامه/ هنوز زمانی برای مذاکرات هست ●افتتاح ۱۱ هزار و ۷۳۳ پروژه و گسترش حمایتهای بیمهای/ اجرای طرح های خانواده محور ●سردار شکارچی: تکرار حماقتهای آمریکا ضربات کوبندهتر ایران را به دنبال دارد
جریان آنلاین: OpenAI با معرفی مدل ChatGPT Images 2.0 گام بلندی در بازتعریف مفهوم تولید تصویر برداشته است. یکی از برجستهترین ویژگیهای این نسخه توانایی ترکیب هماهنگ متن و تصویر برای خلق صفحات پیچیده و بصری است. در این رویکرد یک تصویر مشابه یک جمله دقیق وظیفه انتخاب چیدمان و آشکارسازی مفاهیم را بر عهده دارد تا بتواند مکانیسمی را توضیح دهد یا استدلالی را ارائه کند.
تحول بزرگ در Images 2.0 فراتر رفتن از بازتولید جزئیات دستور و ورود به حوزه استدلال و منطق است. این مدل با بهرهگیری از قابلیت ارتقا یافته تفکر میتواند پیوستگی و تداوم میان چندین تصویر خروجی را برای یک دستور واحد حفظ کند. این ویژگی اجازه میدهد که مدل با دستورهای مبهم و چندمرحلهای به خوبی مواجه شود. به عنوان مثال در پاسخ به درخواستی برای ساخت یک اینفوگرافیک درباره فعالیتهای مناسب با آب و هوای فردای یک شهر خاص هوش مصنوعی ابتدا دادههای جوی را تحلیل کرده و فعالیتهای مرتبط را تعیین میکند و در نهایت مجموعهای از تصاویر منطبق با آن نتایج را میسازد. در واقع این مدل نقش یک شریک فکری بصری را ایفا میکند که پروژه را از ایده اولیه تا دارایی نهایی پیش میبرد.
به گزارش ایسنا؛ مشکلات قدیمی کاربران در تنظیم نسبت ابعاد در این نسخه تا حد زیادی مرتفع شده است. Images 2.0 اکنون از دامنه وسیعی از ابعاد از کشیدگی افقی ۳ به ۱ تا ارتفاع عمودی ۱ به ۳ پشتیبانی میکند. سایر ویژگیهای فنی برجسته این مدل عبارتند از رندر دقیق متن و جایگذاری جزئی اشیاء در ترکیبات پیچیده و خروجی با کیفیت بالا و رزولوشن تا ۲K و پشتیبانی از متون کوچک عناصر رابط کاربری و محدودیتهای سبکی خاص.
بررسی عملکرد مدل در نسخه پیش از انتشار نشاندهنده تواناییهای بالا و البته چالشهای باقی مانده در بازتولید دقیق برندینگ است. در آزمایشهای انجام شده برای ساخت یک اینفوگرافیک بر اساس سبک بصری سایتهای خبری مدل در چیدمان کلی و درک محتوا عالی عمل کرد اما در بازتولید دقیق لوگو با دشواریهایی روبرو شد. با این حال مقایسه این عملکرد با سایر مدلهای مشابه نشان میدهد که Images 2.0 در زمینه سنتز و ترکیب مفاهیم سطح جدیدی از توانمندی را ارائه میدهد.
مدل جدید از هم اکنون برای تمامی کاربران ChatGPT و Codex در دسترس قرار گرفته است اما قابلیتهای پیشرفته و بخش تفکر به کاربران نسخههای Plus، Pro، Business و Enterprise اختصاص دارد. در نسخه دسکتاپ دسترسی کامل از طریق نسخه وب و انتخاب گزینه Thinking در نوار بالای صفحه امکانپذیر است. این قابلیتها به زودی به اپلیکیشن موبایل نیز اضافه خواهد شد. توسعهدهندگان نیز میتوانند از طریق API به این مدل دسترسی داشته باشند. قیمتگذاری آن بر اساس کیفیت رزولوشن و میزان پردازش مورد نیاز محاسبه میشود.
پایگاه خبری جریان/ جریان آنلاین
