通信界訊 9月21日消息，周三， OpenAI發(fā)布了其新版圖像生成器DALL-E的預(yù)覽版本，該工具可以根據(jù)書面提示生成圖像。同時，OpenAI計劃將其整合到廣受歡迎的ChatGPT聊天機器人中。在立法者呼吁對生成式人工智能施加更多限制之際，OpenAI正在擴展這項有爭議技術(shù)的應(yīng)用范圍。
這款名為DALL-E 3的新工具在理解用戶命令和將文本轉(zhuǎn)化為圖像方面表現(xiàn)更出色，這是之前人工智能圖像生成器的短板。OpenAI的研究人員表示，語言的進步使DALL-E 3能夠更好地解析復(fù)雜指令，避免混淆詳細請求中的元素。
DALL-E 3團隊負責(zé)人阿迪提亞·拉梅什(Aditya Ramesh)表示：“普通用戶可以登錄ChatGPT聊天機器人，向它詢問一些模糊的問題。”在演示期間，拉梅什分享了一個企業(yè)主為名為Mountain Ramen的公司測試不同標(biāo)識場景的例子。
盡管這個新工具目前僅供少數(shù)用戶進行早期測試，但OpenAI計劃在10月份向ChatGPT付費訂戶開放，從而大大增加與該技術(shù)互動的人數(shù)。
OpenAI正面臨越來越大的競爭壓力。谷歌推出了一系列人工智能驅(qū)動的產(chǎn)品，導(dǎo)致DALL-E和OpenAI旗艦聊天機器人的流量和月度用戶增長放緩。但通過將其新穎的圖像生成器整合到ChatGPT中，OpenAI正在擴大市場，并將該技術(shù)作為聊天機器人的一個功能，而不是獨立產(chǎn)品。
OpenAI的公關(guān)主管林賽·海德·博爾頓(Lindsey head Bolton)表示，在新聞發(fā)布會上記者們無法測試該功能，因為DALL-E 3在發(fā)布時還存在一些小故障。不過，OpenAI后來表示，到周三發(fā)布時，DALL-E 3會穩(wěn)定下來。
之前推出的DALL-E 2、Midjourney和Stable Diffusion等文本轉(zhuǎn)圖像生成器在早期就吸引了用戶，為公眾提供了掌握高級軟件能力的機會，而無需技術(shù)技能。廣告商、營銷人員、政界人士和視頻游戲開發(fā)商都在利用這些工具進行宣傳活動。
然而，數(shù)據(jù)分析公司SimilarWeb的數(shù)據(jù)顯示，DALL-E工具的在線訪問量已經(jīng)放緩，從2023年3月OpenAI升級ChatGPT底層技術(shù)時的3200萬峰值降至8月份的約1300萬。
盡管文本轉(zhuǎn)圖像人工智能技術(shù)的未來存在不確定性，但其發(fā)展幾乎沒有限制，引發(fā)了人們對其制作逼真圖像能力對社會和政治產(chǎn)生巨大影響的擔(dān)憂。
舊版DALL-E生成的街道標(biāo)志和文本顯得十分混亂，因此很容易識別出人工智能生成的圖像。然而，DALL-E 3的改進使外行人更難識別圖像的真?zhèn)巍＜又荽髮W(xué)伯克利分校教授哈尼·法里德(Hany Farid)表示：“你不再能相信自己的眼睛。” 法里德是數(shù)字取證研究專家，與Adobe合作支持內(nèi)容真實性倡議。
法里德強調(diào)，DALL-E 3的改進并不足為奇，因為人工智能每六個月左右就會在模仿現(xiàn)實世界方面取得更好的表現(xiàn)。他呼吁采用先進技術(shù)，從人工智能中消除人類創(chuàng)造的東西。
OpenAI的競爭對手Stability AI和Midjourney面臨來自藝術(shù)家和Getty Images的訴訟，指控訓(xùn)練生成式人工智能模型所需的大量互聯(lián)網(wǎng)數(shù)據(jù)構(gòu)成版權(quán)侵權(quán)。
執(zhí)法部門、監(jiān)管機構(gòu)和倡導(dǎo)團體最近開始關(guān)注這些工具的用途，例如用于制作深度偽造的成人內(nèi)容以及為即將到來的總統(tǒng)選舉制作人工智能廣告等。
DALL-E 3團隊表示，他們優(yōu)先考慮了這些風(fēng)險，并邀請外部專家組成的“紅隊”測試最壞情況，將其經(jīng)驗融入公司的應(yīng)對策略中。
對于DALL-E 2，OpenAI在一張系統(tǒng)卡片中發(fā)表了該過程的詳細簡介，詳述了AI模型的開發(fā)、微調(diào)和安全測試的公開說明。政策研究員桑德希尼·阿加瓦爾（Sandhini Agarwal）表示，OpenAI計劃在DALL-E 3向公眾開放之前發(fā)布一張類似的卡片。作為6月份在參加白宮峰會自愿承諾的一部分， OpenAI同意開發(fā)和部署預(yù)防機制，用于識別由人工智能生成的視頻或音頻內(nèi)容，通過圖像水印或編碼來源數(shù)據(jù)等方法指示內(nèi)容創(chuàng)建的服務(wù)或模型。拉梅什說，DALL-E 3正在試驗一種分類器，可以查看圖像的來源或內(nèi)容的“來源”，這是白宮承諾中提到的一種方法。
開源模型庫公司Hugging Face的研究科學(xué)家、谷歌倫理人工智能前聯(lián)合負責(zé)人瑪格麗特·米切爾(Margaret Mitchell)表示，這些機制有助于識別深度偽造，同時也可以幫助藝術(shù)家追蹤他們的作品是否未經(jīng)同意或賠償?shù)赜糜谟?xùn)練模型。
米切爾補充說：“這不一定符合公司的利益，但我認為它符合更多人的利益。”
