text-to-image

Rynek technologiczny od miesięcy żył plotkami na temat MAI-1, potężnego modelu językowego Microsoftu, który miał rzucić rękawicę dominacji OpenAI. Tymczasem gigant z Redmond, zamiast odsłaniać wszystkie karty, wykonał zaskakujący ruch. Bez fanfar i hucznych zapowiedzi wprowadził do publicznych testów model MAI-Image-1. To nie jest konkurent dla GPT-4, a przynajmniej niebezpośredni. To wyspecjalizowana jednostka do generowania obrazów.

Na rynku istnieje już sporo modeli opartych na algorytmach sztucznej inteligencji, które potrafią stworzyć obrazy, wideo czy dźwięki z opisów tekstowych. Pewna osoba wpadła na pomysł stworzenia za pomocą dostępnych narzędzi reklamy pizzerii, którą sobie wymyśliła. Dzięki temu nie trzeba było zatrudniać aktorów, pisać scenariusza ani tworzyć muzyki czy dźwięków. Rezultaty tego dzieła, pomimo że na swój sposób są imponujące, to czasem wyglądają jak żywcem wyjęte z horroru.

Zapewne większość z nas słyszała już o Midjourney. Sam program "zasilany" algorytmami sztucznej inteligencji jest z nami od niedawna. Tak jak w przypadku DALL-E oraz Stable Diffusion możemy opisać tekstowo, jaki obraz chcielibyśmy ujrzeć. Do tej pory program radził sobie z tym zadaniem całkiem dobrze, jednak w pewnych aspektach wymagał poprawek. Kolejna generacja ma nie tylko rozwiązać dotychczasowe problemy, ale i wznieść obrazy na całkiem inny poziom.