2025-03-26 | 실리콘밸리=윤민혁 특파원

读懂语境的ChatGPT…连“骑着人的自行车”也能画

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

OpenAI推出了对语境和对象理解能力进一步提升的新图像生成人工智能(AI)模型。仅学习“图画”的原有图像模型与GPT-4o语言模型结合,预计将能够轻松生成符合目的的图像。

25日(当地时间),OpenAI推出了新图像AI“ChatGPT图像(ChatGPT 4o图像生成)”。它将取代原有的DALL·E,成为ChatGPT的基础图像生成模型。OpenAI相关人士强调:“这是结合了GPT-4o语言知识与图像智能的模型”,“如果说原有模型是新奇,那么这个模型是有用”。

ChatGPT图像与仅学习图画的DALL·E等原有图像生成模型从根本上不同。它对所绘对象具有理解,也能消化未学习过的“创意性”要求。举例来说,DALL·E写数字和文字歪歪扭扭。它把数字和文字也解释为“图画”,如同小孩照着描画一样生成。

此外,它能很好地画出“骑自行车的人”,却难以画出“骑人的自行车”。这是因为预先学习的图像中罕见奇特的图画。原有AI图像生成模型画不好人手的原因也在此。AI对整体身体结构没有理解,只知道手臂末端应挂着类似手指的形状。

ChatGPT图像通过将语言模型与图画生成相结合解决了这一问题。语言模型先理解要求再生成图画,从而产出更准确的结果。它能轻松画出“三角形轮子的自行车”,面对“请画抹香鲸”的要求,会先把握物种再输出体现其特征的图像。对文字和数字的理解也进一步改善。说明科学实验的信息图也能理解原理并轻松生成。OpenAI相关人士表示:“即便在高强度压力测试下也能正确画出人的手指。”

ChatGPT图像也向免费用户提供。视频AI“Sora”也将应用新模型的语言理解能力。这是提升服务竞争力的举措之一。目前谷歌Gemini提供“Imagen”图像生成模型。中国DeepSeek也曾推出名为“Janus”的图像生成模型。

阅读韩文原文