Истраживачи ОпенАИ су развили две неуронске мреже Они могу цртати предмете према упутствима корисника на природном језику и описивати слике са високим степеном прецизности.
Пројекти који постали су познати пре неколико дана проширити спектар задатака на које се вештачка интелигенција може применити, као и унапређивање циља истраживачке заједнице АИ да креира свестраније моделе који захтевају мање ручних подешавања од стране инжењера да би се добили тачни резултати.
ДАЛЛ Е, прва неуронска мрежа Нова, је минијатуризована верзија модела обраде природног језика ГПТ-3 тај ОпенАИ је дебитовао 2020. ГПТ-3, једна од најсложенијих неуронских мрежа до данас створених, може да генерише текст, па чак и софтверски код из једноставних описа. ДАЛЛ Е. примењује исту способност цртања слика према упутствима корисника.
Изванредна способност модела је у томе могу да производе слике чак и као одговор на описе да се први пут сусреће и које је АИ обично тешко протумачити.
Током тестирања истраживача ОпенАИ могли су да покажу да модел може успешно да генерише цртеже као одговор на описе као што је, поред тога, модел способан да приказује слике у неколико различитих стилова.
Истраживачи додлучио да тестира колико је тачно свестран АИ тако што ће се позабавити неколико додатних задатака различите тежине.
У низу експеримената, модел се показао високо ефикасним, имајући способност генерисања исте слике из више углова и на различитим нивоима резолуције.
Још један АИ тест такође је показао да је модел довољно софистициран да прилагоди појединачне детаље слике коју треба да генерише.
„Истовремена контрола више објеката, њихових атрибута и њихових просторних односа представља нови изазов“, написали су истраживачи ОпенАИ у блогу. „На пример, узмите у обзир фразу„ јеж у црвеном шеширу, жутим рукавицама, плавој кошуљи и зеленим панталонама “. Да би правилно протумачио ову реченицу, ДАЛЛЕ мора не само да правилно састави сваки одевни предмет са животињом, већ и да формира асоцијације (капа, црвена), (рукавице, жута), (кошуља, плава) и (панталоне, зелена) без да их меша. «.
Друга неуронска мрежа недавно детаљни ОпенАИ, Цлип, фокусира се на препознавање објеката на постојећим сликама уместо да црта нове.
И иако већ постоје модели рачунарског вида који на овај начин класификују слике, важно је напоменути да већина њих може да идентификује само мали скуп објеката за које су посебно обучени.
На пример, уметничка интелигенција која класификује животиње на фотографијама дивљих животиња мора бити обучена на великом броју фотографија дивљих животиња како би се постигли тачни резултати. Шта разликује Цлип од ОпенАИ је да је способан да креира опис предмета који раније није пронашао.
Свестраност Цлип-а плод је новог приступа обуци који је лабораторија развила за изградњу модела.
За процес обуке, ОпенАИ није користио скуп података о слици цртане ручно, али слике добијено са јавне мреже и приложених текстова. Натписи су Цлип-у омогућили да изгради широк лексикон речи повезаних са различитим врстама предмета, асоцијацијама које би потом могао да користи за описивање предмета које раније није видео.
„Дубинско учење захтева велику количину података, а модели вида су се традиционално обучавали на ручно обележеним скуповима података који су скупи за израду и пружају надзор само ограниченом броју унапред одређених визуелних концепата“, детаљно су истраживачи иза Цлип. „ЦЛИП уместо тога учи из парова текста и слика који су већ јавно доступни на Интернету.“
Коначно, ако желите да сазнате више о томе О ОпенАИ моделима можете проверити детаље У следећем линку.