ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (Artificial intelligence) ਦੀ ਲਗਾਤਾਰ ਤਰੱਕੀ ਡਿਜੀਟਲ ਲੈਂਡਸਕੇਪ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇ ਰਹੀ ਹੈ, ਅਤੇ OpenAI, ਇਸ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਪ੍ਰਮੁੱਖ ਖਿਡਾਰੀ, ਨੇ ਇੱਕ ਵਾਰ ਫਿਰ ਦਾਅ ਵਧਾ ਦਿੱਤਾ ਹੈ। ਕੰਪਨੀ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਆਪਣੇ ਫਲੈਗਸ਼ਿਪ ਚੈਟਬੋਟ, ChatGPT ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰਾਂ ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ ਹੈ, ਜੋ ਇਸਦੀ ਚਿੱਤਰ ਬਣਾਉਣ ਅਤੇ ਹੇਰਾਫੇਰੀ ਸਮਰੱਥਾਵਾਂ ‘ਤੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕੇਂਦ੍ਰਿਤ ਹਨ। ਇਹ ਅੱਪਡੇਟ ਨਾ ਸਿਰਫ਼ ਵਿਜ਼ੂਅਲ AI ਨਾਲ ਗੱਲਬਾਤ ਨੂੰ ਵਧੇਰੇ ਅਨੁਭਵੀ ਬਣਾਉਣ ਦਾ ਵਾਅਦਾ ਕਰਦੇ ਹਨ, ਸਗੋਂ ਇਸਦੀ ਉਪਯੋਗਤਾ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ ‘ਤੇ ਵਧਾਉਣ ਦਾ ਵੀ ਵਾਅਦਾ ਕਰਦੇ ਹਨ, ਖਾਸ ਤੌਰ ‘ਤੇ ਪੇਸ਼ੇਵਰ ਸੰਦਰਭਾਂ ਵਿੱਚ ਜਿੱਥੇ ਸਪਸ਼ਟ ਟੈਕਸਟ ਵਾਲੇ ਇਕਸਾਰ ਵਿਜ਼ੂਅਲ ਸਰਵਉੱਚ ਹਨ। ਇਹ ਕਦਮ ਇੱਕ ਸਪਸ਼ਟ ਅਭਿਲਾਸ਼ਾ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ: ChatGPT ਨੂੰ ਮੁੱਖ ਤੌਰ ‘ਤੇ ਟੈਕਸਟ-ਅਧਾਰਿਤ ਸਹਾਇਕ ਤੋਂ ਇੱਕ ਵਧੇਰੇ ਵਿਆਪਕ, ਮਲਟੀਮੋਡਲ ਰਚਨਾਤਮਕ ਸਾਥੀ ਵਿੱਚ ਵਿਕਸਤ ਕਰਨਾ।
ਗੱਲਬਾਤ ਵਾਲਾ ਕੈਨਵਸ: ਚਿੱਤਰ ਸੁਧਾਰ ਲਈ ਇੱਕ ਨਵਾਂ ਪੈਰਾਡਾਈਮ
ਸ਼ਾਇਦ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਵਿਕਾਸ ਸਿੱਧੇ ChatGPT ਇੰਟਰਫੇਸ ਦੇ ਅੰਦਰ ਚਿੱਤਰ ਸੰਪਾਦਨ ਲਈ ਵਧੇਰੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵੀ ਪਹੁੰਚ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ। ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਂਪਟ ‘ਤੇ ਅਧਾਰਤ ਸ਼ੁਰੂਆਤੀ ਚਿੱਤਰ ਉਤਪਤੀ ਦੀ ਸਥਿਰ ਪ੍ਰਕਿਰਤੀ ਤੋਂ ਪਰੇ ਜਾਂਦੇ ਹੋਏ, OpenAI ਨੇ ਇੱਕ ਅਜਿਹੀ ਪ੍ਰਣਾਲੀ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਇੱਕ ਚਿੱਤਰ ਨੂੰ ਦੁਹਰਾਉਣ ਵਾਲੇ ਢੰਗ ਨਾਲ ਸੁਧਾਰਨ ਲਈ ਚੈਟਬੋਟ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ‘ਗੱਲਬਾਤ ਸੰਪਾਦਨ’ (conversational editing) ਰਵਾਇਤੀ ਵਰਕਫਲੋ ਤੋਂ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਦਾਇਗੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
ਕਲਪਨਾ ਕਰੋ, ਜਿਵੇਂ ਕਿ OpenAI ਨੇ ਦਿਖਾਇਆ, ਇੱਕ ਚਿੱਤਰ ਦੀ ਬੇਨਤੀ ਕਰਨਾ - ਮੰਨ ਲਓ, ਇੱਕ ਸ਼ਹਿਰੀ ਵਾਤਾਵਰਣ ਵਿੱਚ ਘੁੰਮਦੇ ਹੋਏ ਇੱਕ ਘੋਗੇ ਦਾ ਇੱਕ ਅਜੀਬ ਚਿੱਤਰਣ। ਪਿਛਲੀ ਪ੍ਰਣਾਲੀ ਦੇ ਤਹਿਤ, ਨਤੀਜੇ ਤੋਂ ਅਸੰਤੁਸ਼ਟੀ ਲਈ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ, ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਪ੍ਰੋਂਪਟ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਵਧੀ ਹੋਈ ਸਮਰੱਥਾ, ਅੱਗੇ-ਪਿੱਛੇ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਉਪਭੋਗਤਾ ਸ਼ੁਰੂਆਤੀ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਫਾਲੋ-ਅੱਪ ਨਿਰਦੇਸ਼ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ:
- ‘ਬੈਕਗ੍ਰਾਉਂਡ ਨੂੰ ਬਰਸਾਤੀ ਸ਼ਾਮ ਵਰਗਾ ਬਣਾਉਣ ਲਈ ਬਦਲੋ।’
- ‘ਕੀ ਤੁਸੀਂ ਘੋਗੇ ‘ਤੇ ਇੱਕ ਛੋਟੀ ਟੋਪੀ ਜੋੜ ਸਕਦੇ ਹੋ?’
- ‘ਸਟ੍ਰੀਟ ਲਾਈਟਾਂ ਨੂੰ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਚਮਕਾਓ।’
ChatGPT, ਇਸਦੇ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਏਕੀਕ੍ਰਿਤ ਅੰਤਰੀਵ DALL-E ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਸੰਚਾਲਿਤ, ਇਹਨਾਂ ਕ੍ਰਮਵਾਰ ਬੇਨਤੀਆਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ, ਮੌਜੂਦਾ ਚਿੱਤਰ ਨੂੰ ਸੋਧਦਾ ਹੈ ਨਾ ਕਿ ਸਕ੍ਰੈਚ ਤੋਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਵੇਂ ਚਿੱਤਰ ਬਣਾਉਂਦਾ ਹੈ। ਇਹ ਦੁਹਰਾਉਣ ਵਾਲੀ ਪ੍ਰਕਿਰਿਆ ਮਨੁੱਖੀ ਰਚਨਾਤਮਕ ਵਰਕਫਲੋ ਨੂੰ ਵਧੇਰੇ ਨੇੜਿਓਂ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿੱਥੇ ਸੁਧਾਈ ਅਤੇ ਸਮਾਯੋਜਨ ਇੱਕ ਲੋੜੀਂਦੇ ਨਤੀਜੇ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਦੇ ਅਨਿੱਖੜਵੇਂ ਅੰਗ ਹਨ। ਇਹ ਉਹਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਦਾਖਲੇ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਘੱਟ ਕਰਦਾ ਹੈ ਜੋ ਸ਼ੁਰੂ ਵਿੱਚ ਸੰਪੂਰਨ, ਸਭ-ਸੰਮਲਿਤ ਪ੍ਰੋਂਪਟ ਨੂੰ ਸਪਸ਼ਟ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਦੀ ਬਜਾਏ, ਉਹ AI ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਮਾਰਗਦਰਸ਼ਨ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ-ਜਿਵੇਂ ਉਹ ਅੱਗੇ ਵਧਦੇ ਹਨ, ਕੋਰਸ-ਸੁਧਾਰ ਕਰਦੇ ਹਨ ਅਤੇ ਵੇਰਵੇ ਜੋੜਦੇ ਹਨ। ਇਹ ਸਮਰੱਥਾ ਵਿਜ਼ੂਅਲ ਸੰਕਲਪਾਂ ਦੀ ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ, ਮਾਰਕੀਟਿੰਗ ਸਮੱਗਰੀ ਨੂੰ ਟਵੀਕ ਕਰਨ, ਜਾਂ ਲਗਾਤਾਰ ਰੀਸਟਾਰਟ ਦੇ ਰਗੜ ਤੋਂ ਬਿਨਾਂ ਸਿਰਫ਼ ਰਚਨਾਤਮਕ ਵਿਚਾਰਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨ ਲਈ ਅਨਮੋਲ ਸਾਬਤ ਹੋ ਸਕਦੀ ਹੈ। ਸੰਭਾਵਨਾ ਚਿੱਤਰ ਉਤਪਤੀ ਨੂੰ ਇੱਕ-ਸ਼ਾਟ ਕਮਾਂਡ ਤੋਂ ਮਨੁੱਖ ਅਤੇ ਮਸ਼ੀਨ ਵਿਚਕਾਰ ਇੱਕ ਚੱਲ ਰਹੇ ਸਹਿਯੋਗੀ ਸੈਸ਼ਨ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਹੈ। ਇਹ ਸੂਖਮ ਪਰਸਪਰ ਪ੍ਰਭਾਵ ਮਾਡਲ ਉਪਭੋਗਤਾ ਦੀ ਸੰਤੁਸ਼ਟੀ ਅਤੇ ਚੈਟਬੋਟ ਦੀ ਸਮਝੀ ਗਈ ਬੁੱਧੀ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ ‘ਤੇ ਵਧਾ ਸਕਦਾ ਹੈ, ਇਸ ਨੂੰ ਇੱਕ ਸਾਧਨ ਵਾਂਗ ਘੱਟ ਅਤੇ ਇੱਕ ਜਵਾਬਦੇਹ ਸਹਾਇਕ ਵਾਂਗ ਵਧੇਰੇ ਮਹਿਸੂਸ ਕਰਵਾ ਸਕਦਾ ਹੈ। ਤੇਜ਼ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ ਅਤੇ ਵਿਜ਼ੂਅਲ ਪ੍ਰਯੋਗਾਂ ਲਈ ਪ੍ਰਭਾਵ ਕਾਫ਼ੀ ਹਨ, ਜੋ ਪਹਿਲਾਂ ਵਿਆਪਕ ਤੌਰ ‘ਤੇ ਪਹੁੰਚਯੋਗ AI ਚਿੱਤਰ ਜਨਰੇਟਰਾਂ ਵਿੱਚ ਅਣਦੇਖੀ ਤਰਲਤਾ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਨ।
ਸ਼ਬਦ ਆਕਾਰ ਲੈਂਦੇ ਹਨ: ਚਿੱਤਰ-ਵਿੱਚ-ਟੈਕਸਟ ਚੁਣੌਤੀ ਨਾਲ ਨਜਿੱਠਣਾ
AI ਚਿੱਤਰ ਜਨਰੇਟਰਾਂ ਲਈ ਇੱਕ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਚੱਲੀ ਆ ਰਹੀ ਰੁਕਾਵਟ ਚਿੱਤਰਾਂ ਦੇ ਅੰਦਰ ਟੈਕਸਟ ਦੀ ਇਕਸਾਰ ਅਤੇ ਸਹੀ ਪੇਸ਼ਕਾਰੀ ਰਹੀ ਹੈ। ਜਦੋਂ ਕਿ ਮਾਡਲ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ ‘ਤੇ ਸ਼ਾਨਦਾਰ ਦ੍ਰਿਸ਼ ਪੈਦਾ ਕਰ ਸਕਦੇ ਸਨ, ਖਾਸ ਸ਼ਬਦਾਂ, ਲੇਬਲਾਂ, ਜਾਂ ਲੋਗੋ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਅਕਸਰ ਗੜਬੜ ਵਾਲੇ, ਬੇਤੁਕੇ ਅੱਖਰਾਂ ਜਾਂ ਅਜੀਬ ਢੰਗ ਨਾਲ ਰੱਖੇ ਗਏ ਅੱਖਰਾਂ ਵਿੱਚ ਹੁੰਦੀਆਂ ਸਨ। OpenAI ਦਾ ਦਾਅਵਾ ਹੈ ਕਿ ਇਸਦੇ ਨਵੀਨਤਮ ਅਪਡੇਟਸ ਖਾਸ ਤੌਰ ‘ਤੇ ਇਸ ਕਮਜ਼ੋਰੀ ਨੂੰ ਦੂਰ ਕਰਦੇ ਹਨ, ChatGPT ਨੂੰ ਵਧੇਰੇ ਭਰੋਸੇਯੋਗਤਾ ਨਾਲ ਲੰਬੇ ਅਤੇ ਸਪਸ਼ਟ ਟੈਕਸਟ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਵਾਲੇ ਵਿਜ਼ੂਅਲ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ।
ਇਹ ਸੁਧਾਰ ਵਿਹਾਰਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਨੂੰ ਅਨਲੌਕ ਕਰਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਕਾਰੋਬਾਰਾਂ ਅਤੇ ਪੇਸ਼ੇਵਰਾਂ ਲਈ:
- ਡਾਇਗ੍ਰਾਮ ਅਤੇ ਇਨਫੋਗ੍ਰਾਫਿਕਸ: ਡਾਟਾ ਵਰਣਨ ਜਾਂ ਸੰਕਲਪਿਕ ਰੂਪਰੇਖਾ ਤੋਂ ਸਿੱਧੇ ਸਪਸ਼ਟ, ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਚਾਰਟ ਅਤੇ ਡਾਇਗ੍ਰਾਮ ਬਣਾਉਣਾ ਸੰਭਵ ਹੋ ਜਾਂਦਾ ਹੈ। ਕਲਪਨਾ ਕਰੋ ਕਿ ‘ਪਿਛਲੇ ਸਾਲ ਲਈ ਤਿਮਾਹੀ ਵਿਕਰੀ ਵਾਧੇ ਨੂੰ ਦਰਸਾਉਂਦਾ ਇੱਕ ਬਾਰ ਚਾਰਟ, ਸਪਸ਼ਟ ਤੌਰ ‘ਤੇ ਲੇਬਲ ਕੀਤਾ ਗਿਆ’ ਜਾਂ ‘ਸੰਖੇਪ ਟੈਕਸਟ ਐਨੋਟੇਸ਼ਨਾਂ ਨਾਲ ਪਾਣੀ ਦੇ ਚੱਕਰ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਾਲਾ ਇੱਕ ਇਨਫੋਗ੍ਰਾਫਿਕ’ ਲਈ ਪੁੱਛਣਾ।
- ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਬ੍ਰਾਂਡਿੰਗ: ਇਸ਼ਤਿਹਾਰਾਂ, ਸੋਸ਼ਲ ਮੀਡੀਆ ਪੋਸਟਾਂ, ਜਾਂ ਉਤਪਾਦ ਪੈਕੇਜਿੰਗ ਲਈ ਮੌਕ-ਅੱਪ ਬਣਾਉਣਾ ਜਿਸ ਵਿੱਚ ਖਾਸ ਟੈਗਲਾਈਨਾਂ, ਉਤਪਾਦ ਦੇ ਨਾਮ, ਜਾਂ ਕਾਰਵਾਈ ਲਈ ਕਾਲ ਸ਼ਾਮਲ ਹਨ। ਸਹੀ ਟਾਈਪੋਗ੍ਰਾਫੀ ਨਾਲ ਕਸਟਮ ਲੋਗੋ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਵੀ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ।
- ਕਸਟਮਾਈਜ਼ਡ ਵਿਜ਼ੂਅਲ: ਇੱਕ ਰੈਸਟੋਰੈਂਟ ਲਈ ਮੀਨੂ ਵਰਗੀਆਂ ਵਿਅਕਤੀਗਤ ਆਈਟਮਾਂ ਬਣਾਉਣਾ, ਪਕਵਾਨਾਂ ਦੇ ਨਾਮ ਅਤੇ ਵਰਣਨ ਨਾਲ ਪੂਰਾ ਕਰਨਾ, ਜਾਂ ਸਪਸ਼ਟ ਸਥਾਨ ਦੇ ਨਾਮ ਅਤੇ ਕਥਾਵਾਂ ਨਾਲ ਸਟਾਈਲਾਈਜ਼ਡ ਨਕਸ਼ੇ ਬਣਾਉਣਾ।
ਇੱਥੇ ਧਿਆਨ ਇਕਸਾਰਤਾ ਅਤੇ ਸਪਸ਼ਟਤਾ ‘ਤੇ ਹੈ। ਜਦੋਂ ਕਿ ਪਹਿਲਾਂ ਦੀਆਂ ਦੁਹਰਾਓ ਟੈਕਸਟ-ਵਰਗੇ ਪੈਟਰਨ ਪੈਦਾ ਕਰ ਸਕਦੀਆਂ ਸਨ, ਹੁਣ ਟੀਚਾ ਅਸਲ, ਪੜ੍ਹਨਯੋਗ ਸ਼ਬਦਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨਾ ਹੈ ਜੋ ਪ੍ਰਸੰਗਿਕ ਤੌਰ ‘ਤੇ ਉਚਿਤ ਹਨ ਅਤੇ ਸੁਹਜਾਤਮਕ ਤੌਰ ‘ਤੇ ਚਿੱਤਰ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਹਨ। ਇਸ ਨੂੰ ਭਰੋਸੇਯੋਗ ਢੰਗ ਨਾਲ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ AI ਮਾਡਲ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਵਿਜ਼ੂਅਲ ਤੱਤਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਸਗੋਂ ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਅਰਥਵਾਦੀ ਸਮੱਗਰੀ ਅਤੇ ਟਾਈਪੋਗ੍ਰਾਫਿਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਵੀ ਸਮਝਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਤਰੱਕੀ ChatGPT ਨੂੰ ਪੇਸ਼ੇਵਰ ਸੰਚਾਰ ਲਈ ਮੁਕੰਮਲ ਜਾਂ ਲਗਭਗ-ਮੁਕੰਮਲ ਵਿਜ਼ੂਅਲ ਸੰਪਤੀਆਂ ਪੈਦਾ ਕਰਨ ਲਈ ਇੱਕ ਸੱਚਮੁੱਚ ਉਪਯੋਗੀ ਸਾਧਨ ਬਣਨ ਦੇ ਨੇੜੇ ਲੈ ਜਾਂਦੀ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਅਮੂਰਤ ਜਾਂ ਕਲਾਤਮਕ ਚਿੱਤਰਕਾਰੀ। ਡਿਜ਼ਾਈਨਰਾਂ, ਮਾਰਕਿਟਰਾਂ, ਅਤੇ ਸਿੱਖਿਅਕਾਂ ਲਈ ਸੰਭਾਵੀ ਸਮੇਂ ਦੀ ਬੱਚਤ ਕਾਫ਼ੀ ਹੋ ਸਕਦੀ ਹੈ, ਉਹਨਾਂ ਕਾਰਜਾਂ ਨੂੰ ਸਵੈਚਾਲਤ ਕਰਨਾ ਜਿਨ੍ਹਾਂ ਲਈ ਪਹਿਲਾਂ ਵਿਸ਼ੇਸ਼ ਸਾਫਟਵੇਅਰ ਅਤੇ ਡਿਜ਼ਾਈਨ ਹੁਨਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ। ਹਾਲਾਂਕਿ, ਅਸਲ ਪ੍ਰੀਖਿਆ ਵਿਭਿੰਨ ਪ੍ਰੋਂਪਟਾਂ ਅਤੇ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਇਸ ਟੈਕਸਟ ਉਤਪਤੀ ਦੀ ਇਕਸਾਰਤਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਹੋਵੇਗੀ।
ਸਧਾਰਨ ਪ੍ਰੋਂਪਟਾਂ ਤੋਂ ਪਰੇ: ਰਚਨਾਤਮਕ ਜਟਿਲਤਾ ਨੂੰ ਅਪਣਾਉਣਾ
ਟੈਕਸਟ ਉਤਪਤੀ ਅਤੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵੀ ਸੰਪਾਦਨ ਦੇ ਨਾਲ, OpenAI ਚਿੱਤਰ ਦੀ ਰਚਨਾ (composition) ਸੰਬੰਧੀ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਲਾਗੂ ਕਰਨ ਦੀ ChatGPT ਦੀ ਸੁਧਰੀ ਹੋਈ ਯੋਗਤਾ ਨੂੰ ਉਜਾਗਰ ਕਰਦਾ ਹੈ। ਇਹ ਫਰੇਮ ਦੇ ਅੰਦਰ ਤੱਤਾਂ ਦੀ ਵਿਵਸਥਾ, ਉਹਨਾਂ ਦੇ ਸਥਾਨਿਕ ਸਬੰਧਾਂ, ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਅਤੇ ਸਮੁੱਚੀ ਵਿਜ਼ੂਅਲ ਬਣਤਰ ਦਾ ਹਵਾਲਾ ਦਿੰਦਾ ਹੈ।
ਉਪਭੋਗਤਾ ਕਥਿਤ ਤੌਰ ‘ਤੇ ਵਧੇਰੇ ਸੂਖਮ ਦਿਸ਼ਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ:
- ਇੱਕ ਦੂਜੇ ਦੇ ਸਬੰਧ ਵਿੱਚ ਕਈ ਵਿਸ਼ਿਆਂ ਦੀ ਪਲੇਸਮੈਂਟ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ (‘ਇੱਕ ਨੀਲੇ ਗੋਲੇ ਦੇ ਪਿੱਛੇ ਇੱਕ ਲਾਲ ਘਣ ਰੱਖੋ, ਥੋੜ੍ਹੇ ਘੱਟ ਕੋਣ ਤੋਂ ਦੇਖਿਆ ਗਿਆ’)।
- ਖਾਸ ਕੈਮਰਾ ਕੋਣਾਂ ਜਾਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨਾ (‘ਪੰਛੀ ਦੀ ਅੱਖ ਦੇ ਦ੍ਰਿਸ਼ ਤੋਂ ਇੱਕ ਭੀੜ-ਭੜੱਕੇ ਵਾਲੇ ਮਾਰਕੀਟ ਵਰਗ ਦਾ ਇੱਕ ਵਾਈਡ-ਐਂਗਲ ਸ਼ਾਟ ਤਿਆਰ ਕਰੋ’)।
- ਖਾਸ ਕਲਾਤਮਕ ਸ਼ੈਲੀਆਂ ਜਾਂ ਰਚਨਾਤਮਕ ਨਿਯਮਾਂ ਦੀ ਪਾਲਣਾ ਦੀ ਬੇਨਤੀ ਕਰਨਾ (‘Van Gogh ਦੀ ਸ਼ੈਲੀ ਵਿੱਚ ਇੱਕ ਚਿੱਤਰ ਬਣਾਓ, ਅਸਮਾਨ ਵਿੱਚ ਘੁੰਮਦੀਆਂ ਬਣਤਰਾਂ ‘ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹੋਏ, ਖੱਬੇ ਤੀਜੇ ਪਾਸੇ ਇੱਕ ਇਕੱਲੇ ਸਾਈਪ੍ਰਸ ਦੇ ਦਰੱਖਤ ਨਾਲ’)।
ਇਹ ਵਧੀ ਹੋਈ ਰਚਨਾਤਮਕ ਨਿਯੰਤਰਣ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਚਿੱਤਰਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਦਾ ਅਧਿਕਾਰ ਦਿੰਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਦੇ ਮਾਨਸਿਕ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨਾਲ ਵਧੇਰੇ ਸਹੀ ਢੰਗ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ। ਇਹ ਸਧਾਰਨ ਵਸਤੂ ਉਤਪਤੀ (‘ਇੱਕ ਬਿੱਲੀ’) ਤੋਂ ਪਰੇ ਜਾਣਬੁੱਝ ਕੇ ਪੂਰੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵੱਲ ਵਧਦਾ ਹੈ। ਗ੍ਰਾਫਿਕ ਡਿਜ਼ਾਈਨ, ਸਟੋਰੀਬੋਰਡਿੰਗ, ਆਰਕੀਟੈਕਚਰਲ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਵਿਗਿਆਨਕ ਚਿੱਤਰਣ ਵਰਗੇ ਖੇਤਰਾਂ ਲਈ, ਰਚਨਾ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਇਹ AI ਮਾਡਲ ਦੁਆਰਾ ਸਥਾਨਿਕ ਤਰਕ ਅਤੇ ਵਿਜ਼ੂਅਲ ਭਾਸ਼ਾ ਦੀ ਡੂੰਘੀ ਸਮਝ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਹਰ ਗੁੰਝਲਦਾਰ ਹਦਾਇਤ ਦੀ ਸੰਪੂਰਨ ਪਾਲਣਾ AI ਲਈ ਇੱਕ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ, ਇਸ ਖੇਤਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸੁਧਾਰ ਖਾਸ ਵਿਜ਼ੂਅਲ ਲੋੜਾਂ ਵਾਲੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਸਾਧਨ ਨੂੰ ਕਿਤੇ ਜ਼ਿਆਦਾ ਬਹੁਮੁਖੀ ਬਣਾਉਂਦੇ ਹਨ। ਇਹ ਸਮਰੱਥਾ ਅੰਤਰੀਵ ਤਕਨਾਲੋਜੀ ਦੀ ਪਰਿਪੱਕਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਆਉਟਪੁੱਟ ਵਿੱਚ ਵਧੇਰੇ ਕਲਾਤਮਕ ਦਿਸ਼ਾ ਅਤੇ ਸ਼ੁੱਧਤਾ ਦੀ ਆਗਿਆ ਮਿਲਦੀ ਹੈ, ਟੈਕਸਟ-ਟੂ-ਇਮੇਜ ਸੰਸਲੇਸ਼ਣ ਦੁਆਰਾ ਕੀ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦਾ ਹੈ। ਚੁਣੌਤੀ, ਹਮੇਸ਼ਾ ਵਾਂਗ, ਅਸਪਸ਼ਟ ਜਾਂ ਬਹੁਤ ਵਿਸਤ੍ਰਿਤ ਰਚਨਾਤਮਕ ਬੇਨਤੀਆਂ ਦੀ ਮਾਡਲ ਦੀ ਵਿਆਖਿਆ ਵਿੱਚ ਹੋਵੇਗੀ।
ਵੱਡਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ: ਇੱਕ ਪ੍ਰਤੀਯੋਗੀ ਖੇਤਰ ਵਿੱਚ ‘ਸਭ ਕੁਝ ਐਪ’ ਵਜੋਂ ChatGPT
ਇਹ ਵਿਜ਼ੂਅਲ ਸੁਧਾਰ ਅਲੱਗ-ਥਲੱਗ ਵਿਕਾਸ ਨਹੀਂ ਹਨ; ਉਹ ChatGPT ਨੂੰ ਇੱਕ ਬਹੁਪੱਖੀ ‘ਸਭ ਕੁਝ ਐਪ’ (everything app) ਵਜੋਂ ਸਥਾਪਤ ਕਰਨ ਦੀ OpenAI ਦੀ ਵਿਆਪਕ ਰਣਨੀਤੀ ਵਿੱਚ ਪੂਰੀ ਤਰ੍ਹਾਂ ਫਿੱਟ ਬੈਠਦੇ ਹਨ। ਕੰਪਨੀ ਨੇ ਹੌਲੀ-ਹੌਲੀ ਉਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਹੈ ਜੋ ਵਿਸ਼ੇਸ਼ ਸਾਧਨਾਂ ਦੇ ਖੇਤਰ ‘ਤੇ ਕਬਜ਼ਾ ਕਰਦੀਆਂ ਹਨ: ਵੈੱਬ ਖੋਜ ਕਾਰਜਕੁਸ਼ਲਤਾਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨਾ ਜੋ ਰਵਾਇਤੀ ਖੋਜ ਇੰਜਣਾਂ ਨੂੰ ਚੁਣੌਤੀ ਦਿੰਦੀਆਂ ਹਨ, ਡਿਜੀਟਲ ਸਹਾਇਕਾਂ ਦੇ ਸਮਾਨ ਵੌਇਸ ਇੰਟਰੈਕਸ਼ਨ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ, ਅਤੇ ਵੀਡੀਓ ਉਤਪਤੀ ਦੇ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨਾ। ਆਧੁਨਿਕ ਚਿੱਤਰ ਸੰਪਾਦਨ ਅਤੇ ਟੈਕਸਟ-ਇਨ-ਇਮੇਜ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਜੋੜ ਇਸ ਅਭਿਲਾਸ਼ਾ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ।
OpenAI ਦਾ ਉਦੇਸ਼ ਇੱਕ ਸਿੰਗਲ, ਸ਼ਕਤੀਸ਼ਾਲੀ ਇੰਟਰਫੇਸ ਬਣਾਉਣਾ ਹੈ ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਟੈਕਸਟ-ਅਧਾਰਿਤ ਪੁੱਛਗਿੱਛਾਂ, ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤੀ, ਰਚਨਾਤਮਕ ਲਿਖਤ, ਕੋਡਿੰਗ ਸਹਾਇਤਾ, ਅਤੇ ਹੁਣ, ਉੱਨਤ ਵਿਜ਼ੂਅਲ ਸਮੱਗਰੀ ਬਣਾਉਣ ਅਤੇ ਹੇਰਾਫੇਰੀ ਦੇ ਵਿਚਕਾਰ ਸਹਿਜੇ ਹੀ ਤਬਦੀਲ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਸੰਪੂਰਨ ਪਹੁੰਚ ChatGPT ਨੂੰ ਨਿੱਜੀ ਅਤੇ ਪੇਸ਼ੇਵਰ ਦੋਵਾਂ ਕਾਰਜਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਲਈ ਇੱਕ ਲਾਜ਼ਮੀ ਸਾਧਨ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਪਭੋਗਤਾ ਦੀ ਸ਼ਮੂਲੀਅਤ ਹਾਸਲ ਹੁੰਦੀ ਹੈ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ AI-ਸੰਚਾਲਿਤ ਭਵਿੱਖ ਵਿੱਚ ਇੱਕ ਪ੍ਰਮੁੱਖ ਪਲੇਟਫਾਰਮ ਸਥਾਪਤ ਹੁੰਦਾ ਹੈ।
ਇਹ ਰਣਨੀਤਕ ਧੱਕਾ ਇੱਕ ਵਧਦੀ ਭੀੜ ਅਤੇ ਪ੍ਰਤੀਯੋਗੀ ਲੈਂਡਸਕੇਪ ਦੇ ਅੰਦਰ ਹੁੰਦਾ ਹੈ। ਵਿਰੋਧੀ ਚੁੱਪ ਨਹੀਂ ਬੈਠੇ ਹਨ। Google (ਇਸਦੇ Gemini ਮਾਡਲਾਂ ਅਤੇ Imagen ਨਾਲ), Meta (Emu ਨਾਲ), Anthropic (Claude ਨਾਲ), ਅਤੇ Midjourney ਵਰਗੇ ਸਟਾਰਟਅੱਪਸ ਦੀਆਂ ਆਪਣੀਆਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਚਿੱਤਰ ਉਤਪਤੀ ਸਮਰੱਥਾਵਾਂ ਹਨ। ਖਾਸ ਤੌਰ ‘ਤੇ, Elon Musk ਦੇ xAI ਨੇ ਵੀ ਆਪਣੇ Grok ਚੈਟਬੋਟ ਵਿੱਚ ਚਿੱਤਰ ਉਤਪਤੀ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕੀਤਾ ਹੈ, ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਮਲਟੀਮੋਡਲ AI ਅਨੁਭਵਾਂ ਦੀ ਮੰਗ ਕਰਨ ਵਾਲੇ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਮੁਕਾਬਲਾ ਕਰ ਰਿਹਾ ਹੈ। OpenAI ਦੁਆਰਾ ਹਰੇਕ ਨਵੀਂ ਵਿਸ਼ੇਸ਼ਤਾ ਰੋਲਆਉਟ, ਇਸਲਈ, ਨਾ ਸਿਰਫ਼ ਇੱਕ ਨਵੀਨਤਾ ਦੇ ਰੂਪ ਵਿੱਚ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਸਗੋਂ ਇੱਕ ਰਣਨੀਤਕ ਚਾਲ ਵਜੋਂ ਵੀ ਦੇਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਇਸਦੀ ਬੜ੍ਹਤ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਜਾਂ ਵਧਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਉੱਨਤ, ਏਕੀਕ੍ਰਿਤ ਵਿਜ਼ੂਅਲ ਟੂਲਸ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਕੇ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ GPT-4o ਮਾਡਲ ਦੁਆਰਾ ਮੁਫਤ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵੀ, OpenAI ਦਾ ਉਦੇਸ਼ ਆਪਣੇ ਆਪ ਨੂੰ ਵੱਖਰਾ ਕਰਨਾ ਅਤੇ ਇਹਨਾਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਤੀਯੋਗੀਆਂ ਦੇ ਵਿਰੁੱਧ ChatGPT ਦੀ ਅਪੀਲ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਨਾ ਹੈ। ਲੜਾਈ ਉਪਭੋਗਤਾ ਦੀ ਵਫ਼ਾਦਾਰੀ, ਡਾਟਾ ਉਤਪਤੀ (ਜੋ ਹੋਰ ਮਾਡਲ ਸੁਧਾਰ ਨੂੰ ਵਧਾਵਾ ਦਿੰਦੀ ਹੈ), ਅਤੇ ਅੰਤ ਵਿੱਚ, ਵਧ ਰਹੇ AI ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਮਾਰਕੀਟ ਸ਼ੇਅਰ ਲਈ ਹੈ। ਇਹਨਾਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਸਿੱਧਾ ਜਾਣੇ-ਪਛਾਣੇ ChatGPT ਇੰਟਰਫੇਸ ਵਿੱਚ ਏਕੀਕਰਣ ਇੱਕ ਸਹੂਲਤ ਕਾਰਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਸਦੀ ਸਟੈਂਡਅਲੋਨ ਚਿੱਤਰ ਉਤਪਤੀ ਸਾਧਨਾਂ ਵਿੱਚ ਕਮੀ ਹੋ ਸਕਦੀ ਹੈ।
ਵਿਹਾਰਕ ਐਪਲੀਕੇਸ਼ਨ: ਵਪਾਰ ਅਤੇ ਰਚਨਾਤਮਕ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਦੀ ਪੜਚੋਲ ਕਰਨਾ
ਇਹਨਾਂ ਵਧੀਆਂ ਹੋਈਆਂ ਵਿਜ਼ੂਅਲ ਸਮਰੱਥਾਵਾਂ ਦੇ ਵਿਹਾਰਕ ਪ੍ਰਭਾਵ ਦੂਰਗਾਮੀ ਹਨ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਵਰਕਫਲੋ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਕਿ ਤਕਨਾਲੋਜੀ ਅਜੇ ਵੀ ਵਿਕਸਤ ਹੋ ਰਹੀ ਹੈ, ਸੰਭਾਵੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਇੱਕ ਝਲਕ ਪੇਸ਼ ਕਰਦੀਆਂ ਹਨ ਕਿ ਕਿਵੇਂ AI ਕੁਝ ਵਿਜ਼ੂਅਲ ਕਾਰਜਾਂ ਨੂੰ ਵਧਾ ਸਕਦਾ ਹੈ ਜਾਂ ਸਵੈਚਾਲਤ ਵੀ ਕਰ ਸਕਦਾ ਹੈ:
- ਮਾਰਕੀਟਿੰਗ ਅਤੇ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ: ਵਿਗਿਆਪਨ ਵਿਜ਼ੂਅਲ, ਖਾਸ ਟੈਕਸਟ ਓਵਰਲੇਅ ਵਾਲੇ ਸੋਸ਼ਲ ਮੀਡੀਆ ਗ੍ਰਾਫਿਕਸ, ਜਾਂ ਉਤਪਾਦ ਮੌਕਅੱਪ ਦੇ ਕਈ ਰੂਪਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰਨਾ। ਗੱਲਬਾਤ ਸੰਪਾਦਨ ਫੀਡਬੈਕ ਦੇ ਅਧਾਰ ‘ਤੇ ਤੇਜ਼ ਟਵੀਕਸ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਮੁਹਿੰਮ ਦੇ ਵਿਕਾਸ ਚੱਕਰ ਨੂੰ ਛੋਟਾ ਕਰਦਾ ਹੈ।
- ਡਿਜ਼ਾਈਨ ਅਤੇ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ: ਲੋਗੋ ਸੰਕਲਪਾਂ ਦੀ ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ, ਸ਼ੁਰੂਆਤੀ ਵੈਬਸਾਈਟ ਜਾਂ ਐਪ ਲੇਆਉਟ ਵਿਚਾਰ ਬਣਾਉਣਾ, ਖਾਸ ਰਚਨਾਤਮਕ ਲੋੜਾਂ ਵਾਲੇ ਪਲੇਸਹੋਲਡਰ ਚਿੱਤਰ ਤਿਆਰ ਕਰਨਾ, ਜਾਂ ਏਮਬੈਡਡ ਲੇਬਲ ਜਾਂ ਬ੍ਰਾਂਡਿੰਗ ਨਾਲ ਉਤਪਾਦ ਡਿਜ਼ਾਈਨ ਦੀ ਕਲਪਨਾ ਕਰਨਾ।
- ਸਿੱਖਿਆ ਅਤੇ ਸਿਖਲਾਈ: ਅਧਿਆਪਨ ਸਮੱਗਰੀ ਲਈ ਕਸਟਮ ਚਿੱਤਰ, ਡਾਇਗ੍ਰਾਮ ਅਤੇ ਇਨਫੋਗ੍ਰਾਫਿਕਸ ਬਣਾਉਣਾ। ਸਿੱਖਿਅਕ ਵਿਆਖਿਆਤਮਕ ਟੈਕਸਟ ਨਾਲ ਪੂਰੇ, ਉਹਨਾਂ ਦੇ ਪਾਠ ਯੋਜਨਾਵਾਂ ਦੇ ਅਨੁਸਾਰ ਬਿਲਕੁਲ ਤਿਆਰ ਕੀਤੇ ਵਿਜ਼ੂਅਲ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ।
- ਡਾਟਾ ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ: ਹਾਲਾਂਕਿ ਸ਼ਾਇਦ ਅਜੇ ਤੱਕ ਸਮਰਪਿਤ ਸਾਧਨਾਂ ਨੂੰ ਨਹੀਂ ਬਦਲਿਆ ਗਿਆ ਹੈ, ਪ੍ਰੋਂਪਟ ਤੋਂ ਸਿੱਧੇ ਟੈਕਸਟ ਨਾਲ ਬੁਨਿਆਦੀ ਚਾਰਟ ਅਤੇ ਡਾਇਗ੍ਰਾਮ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਤੇਜ਼ ਰਿਪੋਰਟਾਂ ਜਾਂ ਪੇਸ਼ਕਾਰੀਆਂ ਲਈ ਉਪਯੋਗੀ ਹੋ ਸਕਦੀ ਹੈ।
- ਸਮੱਗਰੀ ਸਿਰਜਣਾ: ਬਲੌਗਰ, ਪੱਤਰਕਾਰ, ਅਤੇ ਸਮੱਗਰੀ ਸਿਰਜਣਹਾਰ ਆਪਣੇ ਲੇਖਾਂ ਦੇ ਨਾਲ ਵਿਲੱਖਣ ਵਿਸ਼ੇਸ਼ ਚਿੱਤਰ, ਚਿੱਤਰ, ਜਾਂ ਡਾਇਗ੍ਰਾਮ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ, ਸੰਭਾਵੀ ਤੌਰ ‘ਤੇ ਸਟਾਕ ਫੋਟੋ ਲਾਇਬ੍ਰੇਰੀਆਂ ‘ਤੇ ਨਿਰਭਰਤਾ ਨੂੰ ਘਟਾ ਸਕਦੇ ਹਨ।
- ਨਿੱਜੀ ਵਰਤੋਂ: ਕਸਟਮ ਸੱਦੇ ਡਿਜ਼ਾਈਨ ਕਰਨਾ, ਵਿਅਕਤੀਗਤ ਕਲਾਕਾਰੀ ਬਣਾਉਣਾ, ਵਿਲੱਖਣ ਪ੍ਰੋਫਾਈਲ ਤਸਵੀਰਾਂ ਤਿਆਰ ਕਰਨਾ, ਜਾਂ ਸਿਰਫ਼ ਰਚਨਾਤਮਕ ਵਿਜ਼ੂਅਲ ਵਿਚਾਰਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨਾ ਵਧੇਰੇ ਪਹੁੰਚਯੋਗ ਅਤੇ ਪਰਸਪਰ ਪ੍ਰਭਾਵੀ ਬਣ ਜਾਂਦਾ ਹੈ।
ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਬਣਾਈ ਰੱਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ: ਇਹ ਸਾਧਨ ਨੇੜਲੇ ਭਵਿੱਖ ਵਿੱਚ ਹੁਨਰਮੰਦ ਗ੍ਰਾਫਿਕ ਡਿਜ਼ਾਈਨਰਾਂ, ਚਿੱਤਰਕਾਰਾਂ, ਜਾਂ ਮਾਰਕੀਟਿੰਗ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲਣ ਦੀ ਸੰਭਾਵਨਾ ਨਹੀਂ ਰੱਖਦੇ। ਹਾਲਾਂਕਿ, ਉਹ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਵਜੋਂ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਰੁਟੀਨ ਕਾਰਜਾਂ ਨੂੰ ਸੰਭਾਲ ਸਕਦੇ ਹਨ, ਬ੍ਰੇਨਸਟਾਰਮਿੰਗ ਪੜਾਵਾਂ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸਮਰਪਿਤ ਡਿਜ਼ਾਈਨ ਸਰੋਤਾਂ ਦੀ ਘਾਟ ਵਾਲੇ ਵਿਅਕਤੀਆਂ ਜਾਂ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਪਹੁੰਚਯੋਗ ਸਾਧਨ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ। ਕੁੰਜੀ ਇਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਮੌਜੂਦਾ ਵਰਕਫਲੋ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਕਰਨਾ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਸੀਮਾਵਾਂ ਨੂੰ ਸਮਝਣਾ ਹੋਵੇਗਾ।
ਕਮੀਆਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ: ਸੀਮਾਵਾਂ ਅਤੇ ਚੁਣੌਤੀਆਂ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਨਾ
ਤਰੱਕੀ ਦੇ ਬਾਵਜੂਦ, OpenAI ਇਹਨਾਂ ਨਵੀਆਂ ਚਿੱਤਰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਜੁੜੀਆਂ ਬਾਕੀ ਸੀਮਾਵਾਂ ਅਤੇ ਸੰਭਾਵੀ ਖਤਰਿਆਂ ਬਾਰੇ ਸਪੱਸ਼ਟ ਹੈ। ਜਿਵੇਂ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਜਨਰੇਟਿਵ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਨਾਲ, ਸ਼ੁੱਧਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਗਰੰਟੀ ਨਹੀਂ ਹੈ।
- ‘ਭਰਮ’ (Hallucinations) ਅਤੇ ਅਸ਼ੁੱਧੀਆਂ: AI ਅਜੇ ਵੀ ਚਿੱਤਰ ਬਣਾਉਂਦੇ ਸਮੇਂ ‘ਚੀਜ਼ਾਂ ਬਣਾ’ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਟੈਕਸਟ ਨਾਲ। OpenAI ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ ਕਿ ਚਿੱਤਰਾਂ ਵਿੱਚ ਗਲਤੀਆਂ, ਬੇਤੁਕੇ ਵਾਕਾਂਸ਼, ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਨਕਲੀ ਵੇਰਵੇ ਜਿਵੇਂ ਕਿ ਨਕਸ਼ੇ ‘ਤੇ ਜਾਅਲੀ ਦੇਸ਼ ਦੇ ਨਾਮ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਜਦੋਂ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਲੋੜੀਂਦੇ ਵੇਰਵੇ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਇਹ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਅਤੇ AI-ਤਿਆਰ ਸਮੱਗਰੀ ਦੇ ਆਲੋਚਨਾਤਮਕ ਮੁਲਾਂਕਣ ਦੀ ਚੱਲ ਰਹੀ ਲੋੜ ਨੂੰ ਰੇਖਾਂਕਿਤ ਕਰਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਪੇਸ਼ੇਵਰ ਵਰਤੋਂ ਲਈ।
- ਟੈਕਸਟ ਰੈਂਡਰਿੰਗ ਮੁਸ਼ਕਲਾਂ: ਹਾਲਾਂਕਿ ਸੁਧਾਰਿਆ ਗਿਆ ਹੈ, ਨਿਰਦੋਸ਼ ਟੈਕਸਟ ਬਣਾਉਣਾ ਇੱਕ ਚੁਣੌਤੀ ਬਣੀ ਹੋਈ ਹੈ। ਕੰਪਨੀ ਨੋਟ ਕਰਦੀ ਹੈ ਕਿ AI ਬਹੁਤ ਛੋਟੇ ਟੈਕਸਟ ਆਕਾਰਾਂ ਨੂੰ ਸਪਸ਼ਟ ਤੌਰ ‘ਤੇ ਪੇਸ਼ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਗੈਰ-ਲਾਤੀਨੀ ਵਰਣਮਾਲਾ ਨਾਲ ਮੁਸ਼ਕਲਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਟੈਕਸਟ-ਅਧਾਰਿਤ ਵਿਜ਼ੂਅਲ ਲਈ ਇਸਦੀ ਗਲੋਬਲ ਲਾਗੂਯੋਗਤਾ ਨੂੰ ਸੀਮਤ ਕਰ ਸਕਦਾ ਹੈ। ਵੱਖ-ਵੱਖ ਫੌਂਟਾਂ ਅਤੇ ਸ਼ੈਲੀਆਂ ਵਿੱਚ ਇਕਸਾਰਤਾ ਵੀ ਵੱਖਰੀ ਹੋ ਸਕਦੀ ਹੈ।
- ਉਤਪਤੀ ਸਮਾਂ: ਇਹਨਾਂ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਸੁਧਾਰੇ ਹੋਏ ਚਿੱਤਰਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੱਗ ਸਕਦਾ ਹੈ। OpenAI ਦੇ ਅਨੁਸਾਰ, ਉਤਪਤੀ ਦਾ ਸਮਾਂ ਇੱਕ ਮਿੰਟ ਤੱਕ ਵਧ ਸਕਦਾ ਹੈ। CEO Sam Altman ਨੇ ਲਾਈਵਸਟ੍ਰੀਮ ਦੌਰਾਨ ਇਸ ਵਧੀ ਹੋਈ ਲੇਟੈਂਸੀ ਦਾ ਕਾਰਨ ਨਵੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਵੇਰਵੇ ਅਤੇ ਜਟਿਲਤਾ ਦੇ ਉੱਚ ਪੱਧਰ ਨੂੰ ਦੱਸਿਆ। ਗੁਣਵੱਤਾ/ਜਟਿਲਤਾ ਅਤੇ ਗਤੀ ਵਿਚਕਾਰ ਇਹ ਵਪਾਰ-ਬੰਦ ਜਨਰੇਟਿਵ AI ਵਿੱਚ ਇੱਕ ਆਮ ਥੀਮ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਉਹਨਾਂ ਕਾਰਜਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਲਈ ਤੇਜ਼ ਦੁਹਰਾਓ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
- ਰਚਨਾਤਮਕ ਵਿਆਖਿਆ: ਜਦੋਂ ਕਿ ਗੁੰਝਲਦਾਰ ਰਚਨਾਤਮਕ ਨਿਰਦੇਸ਼ਾਂ ਦੀ AI ਦੀ ਸਮਝ ਵਿੱਚ ਸੁਧਾਰ ਹੋਇਆ ਹੈ, ਇਹ ਅਜੇ ਵੀ ਅਸਪਸ਼ਟ ਜਾਂ ਬਹੁਤ ਗੁੰਝਲਦਾਰ ਬੇਨਤੀਆਂ ਦੀ ਗਲਤ ਵਿਆਖਿਆ ਕਰ ਸਕਦਾ ਹੈ। ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਲੋੜੀਂਦੇ ਲੇਆਉਟ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਵਾਕਾਂਸ਼ ਅਤੇ ਪ੍ਰੋਂਪਟਿੰਗ ਤਕਨੀਕਾਂ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ।
ਇਹ ਸੀਮਾਵਾਂ ਉਜਾਗਰ ਕਰ