انقلاب در ویرایش عکس؛ هوش مصنوعی GPT Image 1.5 معرفی شد

یوسف اسفندیاری

۲۶ آذر ۱۴۰۴ | ۰۸:۰۰ زمان مورد نیاز برای مطالعه: ۲ دقیقه

شرکت OpenAI در ادامه‌ی رقابت‌های نفس‌گیر دنیای هوش مصنوعی، از جدیدترین دستاورد خود در حوزه‌ی پردازش بصری با نام GPT Image 1.5 پرده‌برداری کرد. این مدل تازه که به‌عنوان پرچم‌دار ابزارهای تولید تصویر این شرکت شناخته می‌شود، با وعده‌ی تحول در سرعت و دقت ویرایش تصاویر پا به میدان گذاشته است. طبق بیانیه‌ی رسمی منتشرشده توسط این استارتاپ پیشرو، مدل جدید نه‌تنها در درک دستورات متنی کاربران هوشمندتر شده، بلکه سرعت پردازش آن تا چهار برابر نسبت به نسل‌های پیشین افزایش یافته است. این جهش عملکردی به کاربران اجازه می‌دهد تا در کمترین زمان ممکن، ایده‌های ذهنی خود را به تصاویر باکیفیت تبدیل کنند.

یکی از ویژگی‌های برجسته‌ی GPT Image 1.5، توانایی منحصر‌به‌فرد آن در «ویرایش هدفمند» است. اوپن‌ای‌آی تأکید کرده است که این مدل درک بسیار عمیق‌تری از نیت و قصد کاربر دارد. برای مثال، اگر کاربری بخواهد مدل مو، لباس یا استایل کلی یک عکس را تغییر دهد بدون اینکه ساختار اصلی و جوهره‌ی تصویر به هم بریزد، این هوش مصنوعی قادر است با ظرافت تمام این تغییرات را اعمال کند. این قابلیت پاسخی به یکی از چالش‌های همیشگی مدل‌های تولید تصویر بود که اغلب هنگام ویرایش یک بخش، کل تصویر را دگرگون می‌کردند. اکنون کاربران می‌توانند با خیالی آسوده‌تر به اصلاح جزئیات بپردازند و فیلترهای مفهومی متنوعی را روی آثار خود پیاده‌سازی کنند.

علاوه بر بهبودهای فنی، رابط کاربری ChatGPT نیز دستخوش تغییراتی شده تا دسترسی به این ابزار تسهیل شود. یک تب اختصاصی با عنوان «Images» به نوار کناری چت‌بات اضافه شده است. در این بخش، کاربران می‌توانند به مجموعه‌ای از فیلترهای آماده و ایده‌های خلاقانه‌ی پرطرفدار دسترسی داشته باشند که فرآیند شروع کار را برای مبتدیان ساده‌تر می‌کند. این تغییرات نشان می‌دهد که OpenAI قصد دارد تجربه‌ی کاربری را از یک محیط خشک متنی به یک فضای بصری و تعاملی نزدیک‌تر کند.

فیجی سیمو، مدیرعامل بخش اپلیکیشن‌های OpenAI، در توصیف این به‌روزرسانی گفته است که GPT Image 1.5 و ابزارهای همراه آن، بیشتر شبیه به یک «استودیوی خلاقیت» عمل می‌کنند تا یک ابزار ساده. این حرکت استراتژیک در حالی انجام می‌شود که فشار سرمایه‌گذاران برای سوددهی شرکت افزایش یافته و رقبای قدرتمندی مانند گوگل با مدل‌هایی نظیر «نانو بنانا» (Nano Banana) سهم بازار را تهدید می‌کنند. با عرضه‌ی عمومی این مدل از امروز، انتظار می‌رود که استانداردهای تولید و ویرایش تصویر با هوش مصنوعی وارد مرحله‌ی جدیدی از بلوغ شود.